1.2. Основные определения и сокращения

• Промпт (Prompt) — входной запрос или инструкция на естественном языке, передаваемая в систему искусственного интеллекта (ИИ) для получения целевого результата.
• Инженерия промптов (Prompt Engineering) — процесс разработки, тестирования, оптимизации и версионирования промптов для улучшения качества, точности и безопасности выходных данных ИИ-моделей.
• ИИ-модель — программное обеспечение, реализующее алгоритмы машинного обучения для генерации текста, кода, изображений и других типов данных.
• СМК — Система менеджмента качества Riqli.
• Бизнес-процесс (БП) — совокупность взаимосвязанных действий, выполняемых в компании для достижения поставленных целей.

3.2. Взаимодействие с подразделениями

• Отдел разработки ПО — интеграция промптов в код, API, интерфейсы платформы.
• Отдел дистанционного образования — создание промптов для генерации учебных материалов, тестов, сценариев курсов.
• Консалтинговый отдел — разработка промптов для анализа данных, генерации отчётов и рекомендаций для клиентов.
• Отдел управления рисками и СМК — создание промптов для идентификации, оценки и мониторинга рисков.
• Отдел управления человеческими ресурсами и знаниями — автоматизация процессов подбора, адаптации, оценки и обучения персонала.
• Отдел бизнес-инжиниринга — моделирование и регламентация бизнес-процессов с использованием ИИ.

4.1. Разработка и создание промптов

• Анализировать бизнес-задачи и технические требования для определения оптимальной структуры промпта.
• Проектировать, создавать и документировать промпты с использованием лучших практик и техник (Zero-shot, Few-shot, Chain-of-Thought, Tree of Thoughts, ReAct и др.).
• Разрабатывать системные промпты (system prompts), определяющие поведение и роль ИИ-модели для конкретных сценариев.
• Создавать промпты для различных типов ИИ-моделей: больших языковых моделей (LLM), моделей генерации изображений, кода, музыки и др., в зависимости от потребностей проектов Riqli.

4.2. Оптимизация и тестирование промптов

• Проводить системное тестирование промптов для оценки качества, точности, релевантности, безопасности и соответствия ожидаемым результатам.
• Применять итеративный подход к улучшению промптов, используя A/B-тестирование и метрики качества.
• Оптимизировать промпты с учётом ограничений модели (токен-бюджет, контекстное окно, время инференса) и требований к стоимости выполнения запросов.
• Разрабатывать стратегии обработки ошибок и «отказоустойчивости» промптов, включая механизмы падения (fallback) и валидации выходных данных.

4.3. Интеграция и внедрение в бизнес-процессы

• Участвовать в интеграции промптов в онлайн-платформу Riqli и другие корпоративные системы через API.
• Совместно с разработчиками создавать обёртки (wrappers) и пайплайны для автоматизированного выполнения промптов в рамках бизнес-процессов компании.
• Обеспечивать бесшовное взаимодействие промптов с пользовательскими интерфейсами и базами данных.
• Разрабатывать и внедрять регламенты и чек-листы по использованию промптов для других сотрудников Riqli.

4.4. Мониторинг, анализ и отчётность

• Мониторить производительность промптов в продуктивной среде, используя логи, дашборды и инструменты observability.
• Анализировать обратную связь от пользователей (внутренних и внешних) и на её основе улучшать промпты.
• Вести документацию по разработанным промптам, их версиям, тестовым сценариям и инструкциям по эксплуатации.
• Готовить отчёты по эффективности промптов для руководителя и заинтересованных сторон.

4.5. Исследования и инновации

• Отслеживать актуальные тренды, исследования и публикации в области инженерии промптов, обработки естественного языка (NLP) и машинного обучения.
• Проводить эксперименты с новыми моделями, техниками промптинга и архитектурами для повышения качества и эффективности решений.
• Разрабатывать и предлагать инновационные подходы к использованию ИИ для решения задач Riqli в области консалтинга, образования, риск-менеджмента и управления знаниями.
• Участвовать во внутренних хакатонах, митапах и воркшопах для обмена знаниями и опытом.

4.6. Обучение и развитие компетенций команды

• Проводить внутренние обучения, мастер-классы и консультации для сотрудников Riqli по эффективному созданию и использованию промптов.
• Разрабатывать учебные материалы, гайдлайны и шаблоны промптов для различных ролей в компании (разработчики, аналитики, консультанты, менеджеры).
• Активно участвовать в развитии системы управления компетенциями Riqli в части ИИ-грамотности и инженерии промптов.

5.2. Право доступа к информации и ресурсам

• Запрашивать и получать от других подразделений Riqli информацию, необходимую для выполнения должностных обязанностей.
• Иметь доступ к корпоративным ИИ-моделям, API, вычислительным ресурсам, инструментам разработки и тестирования в рамках установленных политик безопасности.
• Использовать внешние ресурсы (научные статьи, открытые датасеты, online-платформы) для профессионального развития и выполнения задач.

5.3. Право на взаимодействие и согласование

• Привлекать специалистов других отделов для совместной разработки и решения комплексных задач.
• Ставить задачи и давать поручения (в рамках своей компетенции) исполнителям, участвующим в проектах по внедрению ИИ-решений.
• Согласовывать финальные версии промптов и интеграционных решений с руководителем и другими заинтересованными сторонами.

5.4. Право на инициативу и защиту

• Вносить предложения руководству по совершенствованию организационной структуры, бизнес-процессов, инструментов и методов работы.
• Защищать свои профессиональные интересы в случае несогласия с решениями руководства, если они противоречат профессиональной этике, техническим стандартам или могут привести к значительным рискам для компании или её клиентов.

6.1. Ответственность за качество и результаты работы

• Несёт персональную ответственность за качество, точность, безопасность и эффективность разработанных и внедрённых промптов.
• Отвечает за соответствие промптов требованиям системы менеджмента качества (СМК) Riqli, политикам информационной безопасности и защиты персональных данных.
• Отвечает за своевременное выполнение поставленных задач и достижение установленных KPI.

6.2. Дисциплинарная и материальная ответственность

• За неисполнение или ненадлежащее исполнение трудовых обязанностей, предусмотренных настоящей инструкцией, несёт дисциплинарную ответственность в соответствии с Трудовым кодексом РФ.
• За причинение материального ущерба компании несёт ответственность в порядке, установленном законодательством РФ и внутренними нормативными документами Riqli.
• За нарушение конфиденциальности, коммерческой тайны или утечку данных, ставшую возможной по его вине, несёт ответственность вплоть до уголовной, предусмотренной законом.

7.1. Образование и опыт работы

• Высшее образование в области информационных технологий, компьютерных наук, математики, лингвистики, или смежных областях (предпочтительно магистратура).
• Опыт работы в сфере разработки ПО, анализа данных, машинного обучения или инженерии промптов от 2-х лет.
• Наличие проектов по созданию и внедрению промптов для коммерческих или внутренних задач является обязательным преимуществом.

7.2. Профессиональные навыки

• Глубокое понимание принципов работы больших языковых моделей и основ машинного обучения.
• Владение современными техниками инженерии промптов (Zero-shot, Few-shot, Chain-of-Thought, ReAct, Self-Consistency, Tree of Thoughts и др.).
• Опыт работы с API ИИ-моделей (OpenAI, Anthropic, Google AI, YandexGPT, GigaChat, Mistral, Hugging Face и др.).
• Навыки программирования на Python (включая библиотеки для работы с данными и API), знание основ работы с JSON и REST API.
• Умение работать с векторными базами данных и фреймворками для реализации RAG (Retrieval-Augmented Generation), такими как LangChain, LlamaIndex.
• Навыки анализа данных и работы с метриками качества текста и кода (BLEU, ROUGE, Exact Match, HumanEval и др.).

7.3. Дополнительные компетенции

• Знание основ управления рисками, менеджмента качества, бизнес-инжиниринга и управления знаниями применительно к ИИ-решениям.
• Понимание этических аспектов и принципов ответственного использования ИИ (Fairness, Accountability, Transparency).
• Отличные коммуникативные навыки для работы с нетехническими специалистами и объяснения сложных технических концепций.
• Английский язык на уровне не ниже Intermediate для чтения технической документации и научных статей.

9.1. Показатели эффективности и качества промптов

• Точность выходных данных (Accuracy) — процент промптов, дающих ожидаемый и корректный результат на тестовых наборах данных.
• Время решения задачи (Task Resolution Time) — среднее время, которое требуется модели для генерации ответа с использованием оптимизированного промпта.
• Стоимость инференса (Cost per prompt) — средняя стоимость выполнения одного промпта в продуктивной среде.
• Удовлетворённость пользователей (CSAT) — оценка конечных пользователей (сотрудников или клиентов) качеством и полезностью результатов работы ИИ-систем.

9.2. Показатели разработки и инноваций

• Количество внедрённых промптов — число уникальных промптов, интегрированных в продуктивные системы или бизнес-процессы за отчётный период.
• Скорость итерации (Iteration Speed) — время от постановки задачи до создания и тестирования работающего прототипа промпта.
• Участие в исследованиях — количество проведённых экспериментов, созданных инновационных техник, или написанных внутренних статей и руководств.

9.3. Показатели обучения и распространения знаний

• Количество проведённых обучений — число тренингов, воркшопов или консультаций для коллег.
• Вовлечённость команды — оценка уровня компетенций в области промптинга среди сотрудников, прошедших обучение.
• Актуализация документации — своевременность и полнота обновления документации по промптам и инструкций для пользователей.

Периодичность оценки KPI — ежемесячно/ежеквартально. Плановые значения утверждаются непосредственным руководителем в начале отчётного периода.

10.1. Бизнес-процесс: «Разработка и внедрение промпта для решения бизнес-задачи»

1. Инициация и сбор требований: совместно с заказчиком (внутренним или внешним) формулируется бизнес-задача и желаемый результат.
2. Анализ и проектирование: разрабатывается концепция промпта, выбирается модель, техника промптинга и формат выходных данных.
3. Прототипирование и тестирование: создаётся прототип промпта, проводится тестирование на репрезентативных датасетах с оценкой качества.
4. Оптимизация и доработка: итеративно улучшается промпт на основе результатов тестирования и обратной связи.
5. Интеграция и документирование: промпт интегрируется в целевую систему (через API или платформу Riqli), создаётся техническая документация и инструкции.
6. Валидация и приёмка: совместно с заказчиком проводится финальное тестирование в среде, приближенной к боевой.
7. Ввод в эксплуатацию и мониторинг: промпт запускается в продуктивную среду, настраивается мониторинг его работы и эффективности.

10.2. Чек-лист проверки качества промпта перед внедрением

• Проведено тестирование на 10+ разнообразных примерах входящих запросов.
• Проверены пограничные случаи (edge cases) и ввод, потенциально выводящий модель из строя.
• Оценка качества вывода проведена по установленным метрикам.
• Выполнена проверка безопасности (промпт-инъекции, раскрытие системного промпта, генерация вредного контента).
• Соблюдены требования к конфиденциальности: промпт не содержит персональных данных, коммерческой тайны или другой критичной информации.
• Достигнут целевой показатель по стоимости выполнения промпта.
• Создана документация на русском языке, понятная конечным пользователям и администраторам.
• Проведено обучение или инструктаж ответственных лиц по использованию промпта.

10.3. Сценарий: «Использование промпта в консалтинговом проекте по управлению рисками»

1. Консультант проекта формулирует запрос на генерацию отчёта по выявленным рискам на основе предоставленных данных о компании-клиенте.
2. Инженер по созданию промптов разрабатывает специализированный промпт для модели, включающий:
   • Роль модели («Ты — аналитик по управлению рисками в консалтинговой компании.»).
   • Инструкцию по структуре отчёта (разделы: идентификация рисков, оценка вероятности и воздействия, предложения по смягчению).
   • Предоставляет пример (few-shot) желаемого формата вывода.
3. Консультант подаёт подготовленные данные через интерфейс онлайн-платформы Riqli.
4. Модель, используя промпт, генерирует структурированный отчёт, который затем проверяется консультантом и интегрируется в финальный документ для клиента.
5. Весь процесс логируется, а эффективность промпта оценивается по времени подготовки отчёта и удовлетворённости консультанта.

10.4. Бизнес-процесс: «Обновление промпта в связи с изменением модели или бизнес-требований»

1. Фиксируется событие-триггер: обновление API модели, изменение бизнес-логики, поступление жалоб от пользователей или изменение требований СМК.
2. Проводится оценка воздействия на существующие промпты.
3. Разрабатывается обновлённая версия промпта(ов), учитывающая изменения.
4. Проводится регрессионное тестирование на существующих тестовых наборах, чтобы убедиться, что «старые» функции не сломаны.
5. После успешного тестирования промпт проходит код-ревью и утверждение.
6. Выполняется внедрение обновлённого промпта в эксплуатационную среду согласно регламенту (деплой).
7. Производится обновление документации и уведомление пользователей об изменениях (при необходимости).

10.5. Сценарий: «Автоматизация составления учебного плана в дистанционном образовании»

1. Методист отдела образования определяет цели и требования к новому курсу.
2. Инженер по созданию промптов разрабатывает промпт, который на основе входящей информации (тема, целевая аудитория, количество часов) генерирует структуру курса с модулями, темами занятий, рекомендуемой литературой и формами контроля знаний.
3. Промпт встраивается в процесс разработки курсов на онлайн-платформе Riqli.
4. Методист запускает генерацию, получает структуру, редактирует её и сохраняет как основу для будущего курса.
5. Этот сценарий позволяет сократить время на начальном этапе разработки курса на 40-60% и обеспечивает единообразие структуры учебных программ.

10.6. Регламент мониторинга и актуализации библиотеки промптов

• Еженедельный мониторинг: просмотр логов выполнения промптов для выявления аномалий (высокое время ответа, ошибки, необычный вывод).
• Ежемесячный анализ KPI: оценка достижения целевых показателей по каждому активному промпту.
• Ежеквартальный аудит: полный пересмотр библиотеки промптов на предмет устаревания, дублирования, неэффективности. Составление плана по оптимизации и переработке.
• Версионирование: каждая новая версия промпта получает уникальный идентификатор, в документации фиксируются изменения.
• Архивация: неиспользуемые промпты выводятся из активной эксплуатации, но сохраняются в архиве для истории.