---

План-конспект занятия: «ИИ как ассистент: Базовые принципы и практика проектирования». 
Дисциплина: Инструментальные средства Информационных Систем
Необходимое оборудование: Компьютеры/ноутбуки с доступом к интернету (или смартфоны) и к генеративным моделям (проще всего получить доступ к Алиса AI и ГигаЧат, т.к. они «отечественные»).

ЧАСТЬ 1. Вводная мини-лекция 
«Коллеги, когда мы говорим об "инструментальных средствах информационных систем", мы обычно представляем сложные программы для рисования схем (CASE-средства), среды разработки или системы управления базами данных. Но сейчас в арсенале ИТ-специалиста появился новый, невероятно мощный инструмент — генеративный искусственный интеллект. Сегодня мы разберем базовые понятия и попробуем научиться использовать его на этапах анализа и проектирования».
1. Базовый словарь (что нужно знать перед стартом):
•	Генеративный ИИ (Generative AI): Системы, способные создавать новый контент (текст, код, изображения) на основе ваших запросов. Мы будем работать с LLM (Large Language Models — Большими языковыми моделями). Представьте себе очень продвинутый автозаполнитель в смартфоне, который «прочитал» половину интернета и умеет предсказывать следующие слова так, чтобы получался связный текст.
•	Промпт (Prompt): Ваш запрос или инструкция для ИИ. Это ваш главный пульт управления. Чем точнее промпт, тем лучше результат.
•	Промпт-инжиниринг: Искусство правильно формулировать задачи для нейросетей.
•	Галлюцинации ИИ: Ситуация, когда нейросеть уверенно выдает абсолютно выдуманную или ложную информацию. ИИ не «мыслит» фактами, он генерирует наиболее вероятный текст. Поэтому правило №1 для ИТ-специалиста: Доверяй, но проверяй.
2. Идеальная формула Промпта для студента:
Чтобы ИИ выдал не просто сказку, а проектный документ, нужно использовать формулу: [РОЛЬ] + [КОНТЕКСТ] + [ЗАДАЧА] + [ФОРМАТ]
•	Роль: «Действуй как опытный системный аналитик...»
•	Контекст: «...мы разрабатываем мобильное приложение для доставки еды по кампусу университета...»
•	Задача: «...напиши список основных функций...»
•	Формат: «...в виде нумерованного списка с кратким пояснением».
«А теперь давайте представим, что произойдет, если вы проигнорируете эту формулу и напишете нейросети что-то абстрактное, например: "Опиши систему для студенческого кафе". Знаете, что вы получите в ответ? Нейросеть поведет себя как невероятно старательный, но абсолютно лишенный жизненного опыта стажер, который попытается угадать ваши мысли. В лучшем случае ИИ выдаст вам бесполезную «воду» из банальных фраз о важности автоматизации общепита. В худшем — начнет неконтролируемо фантазировать и «прикрутит» к вашей маленькой кофейне блокчейн-оплату, доставку кофе дронами и систему распознавания лиц для первокурсников. ИИ не умеет читать мысли: если вы оставляете белые пятна в задаче и не задаете границы контекста, он заполняет их самыми стереотипными или, наоборот, совершенно абсурдными шаблонами из своей базы. Именно поэтому ленивый, размытый промпт — это прямой путь к бесконечным правкам и потере того самого времени, которое этот инструмент должен был вам сэкономить.»
ЧАСТЬ 2. Практическая игра: «Стартап на коленке»
Легенда: разделить студентов по несколько человек, скорее всего по 3–4 человека (главное, чтобы получилось минимум 3 команды). Каждая команда — это начинающая ИТ-студия.
Есть два варианта: либо студенты выберут какую-то одну модель (на выбор предлагаю, как самые доступные — отечественные Алиса AI от Яндекс и ГигаЧат от Сбера, они бесплатные и должны работать на университетских ПК. Из зарубежных вариантов еще Deepseek бесплатная, возможно, кто-то сможет воспользоваться ChatGPT или Gemini), либо у каждой команды будет своя определенная модель, так должно быть интереснее и можно было бы попутно сравнить модели друг с другом.
 «К вам обратился владелец студенческого кафе. У него всё записано в блокноте, очереди огромные, бариста путает заказы. Он прислал вам сумбурное голосовое сообщение (но у нас оно будет в виде текста на данный момент). Ваша задача: с помощью ИИ-инструментов превратить этот поток мыслей в понятные требования и набросок системы».
Исходный материал (выдается командам): Текст от заказчика: "Ребят, хочу приложение. Чтобы студент зашел, тыкнул капучино, оплатил. А у меня на планшете, чтобы звякнуло. И чтобы акции были: пятый кофе бесплатно. А еще хочу, чтобы преподам скидка была, но как их отличать от студентов — не знаю. И пусть система сама заказывает молоко, когда оно кончается. Сделайте к пятнице!"
Спринт 1: Системный анализ (Сбор требований)
Задача команды: Использовать ИИ для структурирования информации. 
Шаги:
1.	Написать промпт по нашей формуле.
2.	Попросить ИИ разделить требования на Функциональные (что система делает) и Нефункциональные (какой она должна быть: быстрой, безопасной и т.д.).
3.	Попросить ИИ найти "пробелы" в ТЗ заказчика. Результат: Список требований. Команда должна увидеть, что ИИ задал вопросы: как интегрировать систему оплаты? Как подтверждать статус преподавателя? Как система узнает, что молоко кончилось (нужен учет остатков)?
Обсуждение результатов со студентами. Скорее всего у команд большинство результатов должно совпадать, однако кто-то может пропустить одно из требований или поймает галлюцинации модели.
Спринт 2: Проектирование данных (Сущности)
Задача команды: понять, какие данные будет хранить система.
На случай, если студенты не глубоко изучали SQL ранее, делаем концептуальное проектирование.
Шаги:
1.	Попросить ИИ выделить основные "сущности" (объекты) из требований.
2.	Запросить для каждой сущности набор характеристик (атрибутов). Ожидаемый ответ от ИИ:
•	Сущность: Пользователь (Атрибуты: ФИО, Роль [Студент/Преподаватель], Количество купленных чашек).
•	Сущность: Заказ (Атрибуты: Номер, Состав, Статус [Готовится/Выдан]).
•	Сущность: Товар (Атрибуты: Название, Цена, Остаток на складе).
Спринт 3: Проектирование интерфейса (Карта экранов)
Задача команды: сделать набросок пользовательского пути (Customer Journey). 
«Коллеги, прежде чем мы начнем рисовать кнопочки и экраны, мы должны спроектировать Customer Journey — путь пользователя. Представьте, что это не просто техническая блок-схема, а настоящая карта приключений вашего клиента: от момента возникновения потребности («я очень хочу спать на первой паре и мне нужен кофе») до ее решения («я забрал свой капучино и списал бонусные баллы»). Аналитику критически важно понимать каждый шаг клиента, его эмоции и барьеры. И вот здесь генеративный ИИ раскрывается с неожиданной стороны — как "эмулятор эмпатии". Вы можете попросить нейросеть примерить на себя разные роли (персоны). Например, вы пишете промпт: "Действуй как вечно опаздывающий первокурсник; опиши по шагам, как ты будешь заказывать кофе через наше новое приложение, и укажи, на каком этапе ты можешь психануть и уйти". В ответ ИИ за пару секунд сгенерирует вам Customer Journey Map (CJM) с неочевидными сценариями, страхами и "узкими местами", которые мы с вами, сидя по эту сторону монитора и думая только о базе данных, могли просто упустить из виду».
Шаги:
1.	Написать промпт: «Действуй как UX-проектировщик. Напиши структуру экранов мобильного приложения для клиента кафе на основе наших требований».
2.	Взять листок бумаги и ручку и за 5 минут зарисовать то, что предложил ИИ (Главный экран, Корзина, Экран лояльности). 
Суть этапа — перенести генерацию из цифры в физический мир, пропустив через себя.
ЧАСТЬ 3. Рефлексия и оценка 
Команды кратко рассказывают, что у них получилось. Задают вопросы.
Примерные результаты, которые должны получить команды:
1.	Структурированное ТЗ: Четкий перечень функциональных и нефункциональных требований, очищенный от «воды» изначального голосового сообщения заказчика, а также список выявленных логических противоречий.
2.	Концептуальная модель данных: Описание ключевых сущностей системы (например, «Студент/Преподаватель», «Заказ», «Позиция меню») с их базовыми атрибутами, достаточное для понимания архитектуры хранения данных.
3.	Прототип Customer Journey Map: Описанный по шагам путь клиента от появления желания выпить кофе до получения заказа, подкрепленный быстрым бумажным скетчем (наброском от руки) 2-3 главных экранов интерфейса.

Вопросы преподавателя для обсуждения:
1.	Были ли моменты, когда ИИ вас не понял? Что вы меняли в промпте?
2.	Придумал ли ИИ что-то лишнее (галлюцинации), чего не было в изначальном задании? (Например, ИИ часто по умолчанию добавляет регистрацию по паспорту или сложную систему доставки, которая заказчику кафе не нужна).
3.	Смогли бы вы сделать эту работу быстрее без ИИ?
4.	«Что произойдет, если мы уберем из вашего промпта всего одно слово — контекст "университетская" кофейня? Как изменится ответ нейросети?» (Ожидаемый вывод: ИИ предложит стандартное решение для стрит-ритейла, забыв про специфику скидок для преподавателей и пиковые нагрузки на переменах. Контекст решает всё).

Резюме от преподавателя:
«Как вы увидели, ИИ полноценно не заменяет аналитика/инженера/разработчика. Если вы не проверите за ним требования, программисты разработают не то, что нужно. ИИ — это ваш «младший научный сотрудник», экзоскелет для мозга. Он делает рутину, собирает списки, форматирует текст, а вы принимаете архитектурные решения и проверяете логику».