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, н��вая 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.