WowUni: адаптивное обучение ИИ для ГК «Самолёт»

Главное о кейсе

ГК «Самолет» столкнулась с типичной проблемой крупных корпораций: сопротивление внедрению ИИ и непонимание, как его применять в работе. Две целевые аудитории — техническая команда и менеджмент — требовали разного подхода и глубины погружения.

Мы разработали адаптивную LMS-платформу с AI-агентами, которая подстраивается под уровень каждого ученика. Результат: более 1000 сотрудников прошли обучение, 109 человек участвовали в хакатоне, компания начала самостоятельно создавать AI-агентов для разработки, рекрутмента и продаж. Сформировалась культура использования ИИ.

Как проект изменил жизнь пользователей

Сотрудники перешли от непонимания и скептицизма к активному использованию ИИ в повседневной работе. Разработчики пишут код с помощью генеративного ИИ, менеджеры используют инструменты для личной эффективности, команды создают собственных агентов под свои задачи. Появилось внутреннее сообщество «чемпионов» — энтузиастов, которые распространяют практики на коллег.

Бизнес-задача и ее решение

Задача: преодолеть сопротивление внедрению ИИ, дать сотрудникам практические навыки работы с генеративным ИИ — от базовых инструментов до создания агентов.

Решение: онлайн-обучение на адаптивной платформе с геймификацией. Программа включала основы ИИ, инструменты для разработки и контента, гайды по корпоративному ИИ, хакатон.

Результаты: охват более 1000 сотрудников, внедрение AI-агентов в разработку, рекрутмент и продажи, формирование устойчивой культуры использования ИИ.

Крафт (мастерство), реализация, технические детали

AI-агенты построены на Claude Agents SDK. Агенты адаптируют контент и тесты в реальном времени: анализируют ответы ученика, определяют уровень понимания, корректируют сложность материала.
Геймификация встроена в платформу — прогресс, достижения, соревновательные механики хакатона.

Инсайты, гипотезы, процесс создания и взаимодействия с заказчиком

Ключевой инсайт: главное отличие хорошего преподавателя — умение держать ученика в зоне оптимальной сложности, где не слишком просто и не слишком трудно. Мы заложили этот принцип в архитектуру AI-агентов.

Процесс шёл поэтапно: пилот на фокус-группе из 30 человек, затем масштабирование на 1000+. Создали внутреннюю базу знаний, запустили регулярные sync-ups с чемпионами, измеряли KPI на каждом этапе.

Триумф: тема создания AI-агентов вызвала огромный интерес внутри корпорации — сотрудники не просто учились, а начали строить собственные решения.

Скриншоты