В Сбере выстроена многоуровневая архитектура обучения ИИ-компетенциям от топ-менеджеров до линейных сотрудников

23:09 02 сентября 2026

Версия для печати

В Сбере выстроена многоуровневая архитектура обучения ИИ-компетенциям от топ-менеджеров до линейных сотрудников

Первый заместитель Председателя Правления Сбербанка Александр Ведяхин на ВЭФ представил подход Сбера к формированию ИИ-компетенций, который переведён в обязательный контур — от топ-руководителей и цифровых ролей до первой линии.

С развитием искусственного интеллекта рынок труда столкнулся с парадоксом: нейросети всё чаще замещают молодых специалистов, но без них не вырастут профессионалы высокого уровня. Главный вызов — ИИ замещает в первую очередь выпускников и младших специалистов.

Александр Ведяхин:

ИИ-трансформация не может быть делегирована вниз как поручение. Если руководитель сам не понимает, как работает ИИ в реальном процессе, он не сможет ни поставить задачу, ни оценить эффект, ни управлять рисками. Для топ-команды важно не только понимать тренды, но и самой работать с инструментами: ГигаЧатом, агентами, GenAI-сценариями. Управленческая зрелость в ИИ начинается с личного опыта применения.

Каждый 1–2 года вся топ-команда Сбера проходит обучение практическим ИИ-инструментам. В прошлом году провели индивидуальные сессии, где каждый топ-менеджер создавал ИИ-агента на платформе Сбера, после чего разбирали реальные кейсы внедрения. Дополнительно выпущен видеокурс с Research-экспертами Сбера. Руководитель должен владеть терминологией и лично понимать, как агент меняет процесс.

Для всех уровней сотрудников выстроена многоуровневая архитектура ИИ-обучения — более 200 программ СберУниверситета и "Школы 21": углублённые курсы для разработчиков и создателей ИИ, уровневые программы для руководителей, обязательные базовые курсы для всех сотрудников как часть профессионального контура. 

Александр Ведяхин:

ИИ-компетенции — часть профессиональной зрелости человека. В их центре — критическое мышление: умение не подменять собственное суждение машинным ответом, проверять данные, логику, источники, ограничения и возможные смещения модели. Вокруг этого ядра — работа с данными, понимание ограничений ИИ, этика и безопасность, способность принять решение и встроить технологию в реальный процесс.