Привет, Хабр! Эта история началась не со стратегической сессии и не с приказа сверху. Она началась с того, что в 2023 году наши разработчики, как и многие в IT-сообществе, подхватили хайп вокруг LLM и начали в свободное время ковырять Llama 2 и другие модели. Все это происходило на личных и рабочих машинах, и довольно быстро стало понятно: для серьезных экспериментов мощностей не хватает.
Шаг 1. Искра: как низовая инициатива разожгла пламя. От любопытства к общему железу
Точкой невозврата стал момент, когда группа энтузиастов пошла к руководству с простой идеей: «Давайте купим в офис одну общую, но мощную видеокарту для всех». К нашему удивлению и радости, руководство идею поддержало и выделило бюджет. Это была не просто покупка GPU, а инвестиция в зарождающееся комьюнити.
Видеокарта моментально стала центром притяжения. Мы установили ее, настроили доступ и увидели, что она почти никогда не простаивает. Ребята гоняли на ней все подряд: от интеграции моделей в IDE до экспериментов с computer vision. Стало очевидно: интерес к теме огромный, и он не угасает.
Проверка гипотезы: MVP-воркшоп
Прежде чем бросаться в организацию большого хакатона, мы решили проверить спрос на более простом формате. Так родилась идея «воркшопа по базе ИИ». Мы организовали трехчасовую лекцию с практическими примерами, чтобы посмотреть, сколько людей вообще придет. Пришло 70 человек. Фидбэк был строго положительным, особенно всем зашла практическая часть. Это и стало последним аргументом в пользу полноценного хакатона.
Продажа идеи руководству
Собрав все эти данные, «продать» идею хакатона наверх было уже несложно. Наши аргументы были просты:
1. Это в тренде: Тема AI — это «модно, молодежно», мы должны быть на волне.
2. Это стратегия: Инициатива отлично ложится в национальную стратегию развития ИИ и наши собственные цели. Это не просто «ивент для развлечения», а бизнес-значимое мероприятие.
3. Это в нашей культуре: Формат идеально совпал с ценностями компании — обучение, обмен знаниями, поддержка IT-сообщества.
4. Есть спрос: Мы наглядно показали, что запрос от самих сотрудников уже сформирован и огромен.
Так выстроилась простая и понятная цепочка:
Индивидуальный интерес → Общий ресурс (GPU) → Визуализация комьюнити → MVP-валидация (Воркшоп) → Хакатон
Небольшая инвестиция в железо дала каскадный эффект, который в итоге привел к прокачке скиллов десятков спецов и созданию рабочих прототипов. ROI оказался неожиданно высоким.
Шаг 2. Проект: пошаговый план тщательной подготовки
Здесь начинается самое интересное — детальный разбор нашей подготовки.
Разработка задач: от 40 идей к 4 трекам
Мы не стали придумывать задачи из головы. Мы пошли к двум внутренним бизнес-заказчикам: HR-департаменту и команде нашей платформы для развития «IT-таланты». Вместе с ними мы придумали пул из 40 идей. Это сразу гарантировало, что результаты хакатона не лягут в стол, а будут реально кому-то нужны.
Дальше началась фильтрация. Сначала мы выкинули половину идей, которые очевидно не вписывались в формат 24-48 часов. После нескольких встреч и обсуждений мы оставили четыре четко сформулированные задачи — по две на каждый трек.
Проектирование обучения: разнообразие AI-паттернов
И вот тут мы приняли, как мне кажется, ключевое решение. Мы не стали делать четыре однотипных задачи (условно, «создайте нам четырех разных чат-ботов»). Мы целенаправленно спроектировали их так, чтобы они требовали применения разных архитектурных паттернов ИИ:
Задача 1 (Агрегатор фидбэка): Multi-label classification и sentiment analysis.
Задача 2 (Чат-бот для exit-интервью): Паттерн Human-in-the-Loop.
Задача 3 (Умный поиск по курсам): Классический RAG (Retrieval-Augmented Generation) и Semantic Search.
Задача 4 (Ассистент для проверки знаний): Техники reasoning и LLM-checklists, как в современных агентных системах.
Таким образом, хакатон превратился из простого соревнования в управляемый тур по ключевым концепциям AI-инжиниринга. Мы не просто давали ребятам задачу, мы заставляли их на практике освоить четыре коммерчески ценных паттерна.
Создание базы знаний: лекции для разогрева
Понимая, что не все участники — прожженные ML-инженеры, мы запланировали подготовительный образовательный блок. Мы провели серьезный кастинг лектора: связались с пятью школами, провели три созвона и в итоге нашли эксперта, который прочитал четыре лекции по полтора часа. Цель была простая: снять страх перед разработкой на базе ИИ и показать, что «порог входа не так уж и высок».
Коммуникация: «нейронно сгенерированное расписание»
Информационную поддержку мы тоже продумали заранее. Мы разработали четкую «стратегию постов» в нашем Telegram-канале. Все анонсы (задачи, регистрация, лекторы) были написаны заранее и поставлены на отложенную отправку. Мы в шутку назвали это «забетонировали в Telegram». Это создало бесшовный и профессиональный информационный поток. Вдобавок мы заморочились с брендингом и с помощью нейросетей сгенерировали уникальный логотип с голубем, который добавил мероприятию неформальности и запоминаемости.
Шаг 3. Матрица судейства: как мы привлекли ИИ к оценке
Пожалуй, самая инновационная часть нашего хакатона — система оценки.
Фундамент: взвешенные критерии
Мы не стали изобретать велосипед, а взяли за основу сложную систему оценки с хакатона Сбера и адаптировали под себя. В основе — пять четких критериев, каждый со своим весовым коэффициентом. Это не позволяло победить проекту, у которого был крутой питч, но под капотом — неработающий код. Весь подсчет был автоматизирован в Google Sheets. Итоговый балл — среднее от оценок трех судей-людей. Никаких ручных правок и субъективизма
Эксперимент: четвертый судья — LLM
А теперь вишенка на торте. Мы ввели четвертого, нечеловеческого судью — большую языковую модель. Это был наш внутренний мини-проект.
Методология: ИИ получал на вход ровно то же, что и люди: ссылку на Git, запись питча, презентацию. В промпт мы зашили ту же самую детализированную систему оценки с весами.
Технологии: В основном гоняли через Gemini 2.5 Pro (из-за огромного контекстного окна), но также экспериментировали с Grok, который, по нашим наблюдениям, отлично умеет в критику.
Результаты: Мы были в шоке, но оценки ИИ оказались пугающе близки к оценкам людей. Модель правильно определила команду с лучшей презентацией и дала ей высший балл. При этом ИИ часто был даже более строгим и объективным, особенно с аутсайдерами, где люди-судьи могли из вежливости накинуть пару баллов.
Этот эксперимент доказал, что LLM уже сейчас можно использовать для снижения человеческой предвзятости в сложных оценках. ИИ-судье плевать на харизму спикера или личные симпатии, он смотрит только на данные. Это открывает дорогу к более справедливым и масштабируемым конкурсным процессам.
Шаг 4. Что в итоге получилось: проекты-победители
А теперь к самому главному — ради чего все затевалось. Расскажу о трех лучших проектах.
🥇 1-е место: «Незабудки Team» — ИИ-ассистент для обучения
Проблема: Как проверить, что сотрудник действительно понял и усвоил материал из прочитанной технической книги?
Решение: Система, куда загружается книга (на демо была «Чистая архитектура»). ИИ парсит текст, бьет на главы и по каждой генерирует интерактивный тест. Вдобавок — чат-ассистент, у которого можно спросить что-то вроде «Объясни принцип инверсии зависимостей простыми словами на примере из этой книги».
Бизнес-ценность: Команда пошла дальше и научила систему сопоставлять контент книги с нашими внутренними матрицами компетенций. Теперь можно видеть, какие конкретно скиллы (Frontend, Backend, QA) прокачивает та или иная книга. Это мощнейший инструмент для менторства.
🥈 2-е место: «Маневр Андреева» — эмпатичный чат-бот для exit-интервью
Проблема: Собрать честный фидбэк от увольняющегося сотрудника — сложно и неловко.
Решение: Telegram-бот (с аватаркой Игоря Николаева, да), который в неформальной манере проводит exit-интервью. Если сотрудник пишет о проблеме, бот задает уточняющие вопросы. Если видит, что тема некомфортна — мягко ее меняет.
Бизнес-ценность: Все ответы агрегируются на дашборде для HR, а ИИ пишет по ним саммари, выявляя ключевые проблемы в командах и отделах. Это прямые инсайты для снижения текучки.
🥉 3-е место: «Кондратьев Team» — агрегатор общественного мнения
Проблема: Как HR-у понять, что о компании как о работодателе пишут в интернете (на Хабре, в VK и т.д.)?
Решение: Дашборд, который в реальном времени собирает более 3000 публичных сообщений о компании. ИИ проводит сентимент-анализ и автоматически тегирует каждый коммент (зарплата, команда, work-life balance и т.д.).
Бизнес-ценность: Инструмент позволяет держать руку на пульсе HR-бренда и видеть, как конкретные события (например, новая политика премий) влияют на общественное мнение.
Как видите, все три проекта — не сферические кони в вакууме, а решения конкретных болей HR и L&D отделов. Это прямое следствие того, что задачи мы брали у реальных бизнес-заказчиков.
Шаг 5. Ретроспектива и выводы
А был ли выхлоп? Оцениваем ROI
Главная цель — погрузить команду в разработку на LLM — была достигнута на 100%. Но самый крутой показатель успеха вот какой: 90% участников продолжили использовать свои API-ключи для личных экспериментов после хакатона. Это значит, что интерес был не сиюминутным. Люди реально втянулись и начали применять новые знания в работе и пет-проектах.
Что получилось хорошо
Доказали, что можем: Команда организаторов показала, что способна реализовывать сложные и крутые ивенты.
Пощупали ИИ: Главный вывод для многих — ИИ это не замена разработчика, а мощный помощник, который ускоряет рутину.
Подняли планку: Стало ясно, что с современными инструментами за 24 часа можно сделать продукт такого уровня, о котором раньше и мечтать не могли.
Наши факапы и точки роста (чтобы мы сделали иначе)
Расширить аудиторию: Мы зря ограничились только внутренними сотрудниками. В следующий раз позовем ребят из других IT-компаний.
Больше практики: На подготовительных лекциях не хватило практики. Нужно было давать больше домашних заданий.
Ранний анонс тем: Дать командам чуть больше времени на обдумывание задач было бы неплохо.
Усилить медиапрогрев: Можно было создать больше ажиотажа до начала, хотя и без этого мы вовлекли 25% всего подразделения.
Вместо заключения: двойной призыв к действию
Эта история — для двух типов людей:
1. Для руководителей: Посмотрите, как многого можно достичь, если просто поддержать инициативу сотрудников, которые «просто играли с нейронками». Давайте своим ребятам возможность исследовать и творить. Инвестируйте в их любопытство.
2. Для сотрудников: Не ждите у моря погоды. Предлагайте идеи, делитесь знаниями, проявляйтесь. Инновации рождаются только тогда, когда инициатива снизу встречается с поддержкой сверху. Хорошо организованный внутренний хакатон — это один из самых эффективных инструментов корпоративной трансформации. За два дня мы прокачали скиллы, получили три ценных прототипа, подняли боевой дух команды и укрепили культуру инноваций. Попробуйте и вы.
Спасибо за внимание! Готов ответить на ваши вопросы в комментариях.
Источник: habr.com
