МЕНЕДЖЕР ПО КАЧЕСТВУ 5.0: УПРАВЛЕНИЕ СМК НА ОСНОВЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

ДОПОЛНИТЕЛЬНАЯ ПРОФЕССИОНАЛЬНАЯ ПРОГРАММА

ПОВЫШЕНИЯ КВАЛИФИКАЦИИ

Данная программа позволит подготовить специалистов нового поколения, которые не просто поддерживают систему менеджмента качества в рабочем состоянии, а используют искусственный интеллект как стратегический инструмент для повышения эффективности процессов, объективизации решений и перехода от реактивного управления к предиктивному

Менеджеру по качеству, вооружённому только Excel и бумажными отчётами, физически сложно выявлять скрытые корреляции, своевременно реагировать на риски и принимать обоснованные управленческие решения. Программа учит работать с большими данными, нейросетями и предиктивными моделями, превращая менеджера по качеству в ключевого бизнес-партнёра топ-менеджмента.

Мы позиционируем ИИ как «ассистента», который берёт на себя рутинные задачи: сбор данных, семантический анализ документов, мониторинг KPI, прогнозирование рисков. За человеком остаётся экспертиза, стратегическое видение и принятие решений. Обучение акцентируется на работе с корпоративными LLM, российскими нейросетями и BI‑системами с модулями ИИ с учётом требований информационной безопасности.

Вы научитесь
  • проводить PESTLE-анализ и анализировать заинтересованные стороны с помощью LLM;
  • строить процессные карты и дерево целей с использованием AI-инструментов;
  • обрабатывать исторические данные KPI с помощью ML-алгоритмов для выявления трендов и аномалий;
  • применять NLP для семантического анализа документации и выявления противоречий;
  • прогнозировать риски и возможности на основе данных рекламаций, отказов, жалоб;использовать ИИ для подготовки и проведения внутренних аудитов, анализа несоответствий и формирования планов корректирующих действий.
Ключевые результаты обучения
Скорость
Сократите время на сбор и обработку данных по KPI
на 60–70 %.
Объективность
Минимизируйте влияние человеческого фактора при оценке результативности процессов
Качество решений
Научитесь формировать дашборды и прогнозы, понятные руководству, а не просто таблицы с показателями
Эффективность СМК
Внедрите инструменты предиктивной аналитики для управления рисками и возможностями.
Продолжительность и стоимость

42 академических часа. 20 % — теория и разбор кейсов, 80 % — работа в программных средах с AI-модулями).

18000 рублей

ПРИГЛАШАЕМ НА ОБУЧЕНИЕ
  • Руководители и ведущие специалисты служб качества
  • менеджеры по качеству
  • внутренние аудиторы
  • специалисты по процессному управлению, IT-специалисты, внедряющие цифровые инструменты в системы менеджмента
Цель итоговой работы

Сформировать полный пакет документов, отражающий применение ИИ на всех этапах управления качеством: от анализа контекста и целей до оценки результативности процессов, управления рисками и проведения внутреннего аудита (на примере реального или учебного предприятия).

Учебно-тематический план

Разделы / Темы

Формируемые результаты для итогового пакета

Нейронные сети


Принципы работы нейросетей: базовые концепции


Основы промптинга


Нейросети для работы с текстом, визуализацией и анализа данных


Система менеджмента качества (СМК) и цифровая трансформация


Контекст организации, миссия, видение, политика, цели. Практикум: Использование LLM (ChatGPT, аналоги) для анализа внешних и внутренних факторов (PESTLE-анализ, анализ заинтересованных сторон)

Аналитическая справка «Контекст организации» с выводами, актуализированные стратегические документы, сгенерированными на основе данных

Процессный подход. Идентификация процессов. 

Практикум: Построение процессной карты с помощью AI-инструментов (Miro AI, Copilot) – автоматическое предложение связей и входов/выходов

Карта процессов организации с указанием владельцев и ключевых показателей

Развертывание целей по уровням. 

Практикум: Использование ИИ для декомпозиции стратегических целей до уровня процессов и подразделений (генерация KPI)

Дерево целей (от стратегии до операционного уровня)

Управление процессами, документацией,  рисками и возможностями с использованием ИИ


Показатели и критерии оценки процессов. 

Практикум: Обработка исторических данных по KPI с помощью ML-алгоритмов для выявления трендов и аномалий

Отчет по анализу KPI процессов (графики, прогноз)

Документированная информация в СМК. 

Практикум: Применение NLP для семантического анализа документов (выявление противоречий между политикой, целями и процедурами; проверка соответствия требованиям стандарта)

Протокол анализа документации с указанием выявленных несоответствий и рекомендаций по корректировке

Менеджмент рисков и возможностей. 

Практикум: Использование AI для идентификации рисков (анализ рекламаций, отказов оборудования, жалоб) и генерации планов действий. Прогнозирование рисков и возможностей на основе данных

Реестр рисков и возможностей по процессам с оценкой по шкале вероятности/влияния и предложенными корректирующими действиями (сформирован с помощью ИИ)

Методология аудита. Подготовка к аудиту с применением ИИ

Программа и план аудита (на основе риск-ориентированного подхода); интеллектуальные чек-листы

Подготовка аудита: программа, планы, вопросники. 

Практикум: Использование LLM для генерации риск-ориентированной программы аудита,  плана аудита на основе и предыдущих отчетов. Формирование интеллектуальных чек-листов (требования ISO 9001)

План-график аудита с указанием приоритетных процессов; детальный чек-лист аудитора (с промптами)

Методы работы аудиторов.

Практикум: Моделирование аудиторного интервью с использованием AI-тренажера (чат-бот, имитирующий ответы сотрудника)

Сценарии вопросов, отработанные в тренажере

Проведение аудита, сбор и обработка данных с помощью ИИ

Рабочие документы аудитора (протоколы наблюдений, классифицированные ИИ)

Подготовка аудита «на месте», анализ документации ИСМ

Заключение по аудиту документов, корректировка вопросника, заполнение чек-листа

Сбор фактического материала: интервью, анализ записей, фото/видеофиксация

Собранные данные (расшифровки интервью, фотографии)

Практикум по обработке данных аудита с помощью ИИ:

• Расшифровка диктофонных записей интервью с использованием AI-стенографии.

• Компьютерное зрение для анализа фото/видео (выявление нарушений).

• Кластеризация наблюдений с помощью ИИ (группировка по процессам, стандартам, степени критичности)

Кластеризованный журнал наблюдений с метками (несоответствие, замечание, наблюдение)

Анализ, отчетность, корректирующие действия и защита итогового пакета

Итоговый отчет об аудите (с дашбордом), план корректирующих действий, сформированные ИИ

Анализ фактов, установленных аудитом. Подготовка протоколов, отчетов о несоответствиях. 

Практикум: Генерация отчетов несоответствий с использованием ИИ (описание несоответствия, ссылка на требование, предложение по коррекции)

Проекты отчетов по каждому выявленному несоответствию

Подготовка итогового отчета по аудиту. 

Практикум: Создание дашборда результатов аудита (диаграммы распределения несоответствий) с помощью BI-инструментов с AI-модулями. Формирование сводного отчета

Итоговый отчет об аудите в формате презентации/дашборда

Корректирующие действия. 

Практикум: Использование ИИ для анализа корневых причин (метод «5 почему» с подсказками нейросети) и генерации планов корректирующих действий с указанием сроков и ответственных

План корректирующих действий (сформированный с помощью ИИ)

Защита итогового пакета документов

Пакет документов (в электронном виде) и презентация результатов

ЖЕЛАЕТЕ НАЧАТЬ ОБУЧЕНИЕ ИЛИ У ВАС ОСТАЛИСЬ ВОПРОСЫ?

Свяжитесь с нами, и мы проконсультируем по программам, стоимости и срокам обучения

СВЯЗАТЬСЯ С НАМИ

СВЯЗАТЬСЯ С НАМИ