Цифровизация и искусственный интеллект в обеспечении безопасности
Тип программы: Тренинг
Продолжительность: 2 дня
- 24-25 ноября 2026 (вт-ср) / Алматы
- 11-12 февраля 2027 (чт-пт) / Алматы
- 13-14 мая 2027 (чт-пт) / Алматы
- 12-13 августа 2027 (чт-пт) / Алматы
- 11-12 ноября 2027 (чт-пт) / Алматы
Расписание: с 10.00 до 17.30
Стоимость:
251400 тенге (без
НДС)
Программа направлена на развитие практических навыков применения цифровых технологий и искусственного интеллекта для повышения эффективности работы служб безопасности предприятия.
Участники изучат инструменты цифровизации рабочих процессов, автоматизации проверок и контроля инцидентов, работы с данными и аналитическими дашбордами. Отдельное внимание уделяется применению генеративного ИИ для подготовки документов и аналитических материалов, интеллектуальной видеоаналитике, а также использованию AI в экономической безопасности и корпоративных расследованиях.
В рамках обучения слушатели научатся выявлять процессы, требующие автоматизации, анализировать информацию из различных источников, оценивать возможности цифровых решений и разрабатывать проекты их внедрения с учётом требований информационной безопасности и контроля достоверности результатов.
В результате обучения Вы
- выбирать процессы безопасности для цифровизации и автоматизации
- формировать требования к данным, электронным реестрам и дашбордам
- применять генеративный AI для подготовки и анализа рабочих материалов с проверкой результатов
- оценивать применимость видеоаналитики и других интеллектуальных решений
- разрабатывать план пилотного проекта и измерять его практический эффект
Программа
День 1
Цифровизация процессов и аналитика безопасности
Модуль 1. Цифровая трансформация службы безопасности
- Цифровизация, автоматизация и искусственный интеллект: задачи и различия
- Оценка текущих процессов: ручные операции, задержки, дублирование и потеря информации
- Выбор процессов для цифровизации: инциденты, проверки, пропуска, обходы, расследования и отчётность
- Определение ожидаемого результата: сокращение времени, повышение прозрачности и качества контроля
- Распределение ответственности между службой безопасности, IT и владельцами процессов
Практикум: Выбрать процесс службы безопасности и определить, какую проблему должна решить его цифровизация
Модуль 2. Данные как основа цифровой безопасности
- Источники данных: СКУД, CCTV, сигнализация, журналы происшествий, проверки, кадровые и учётные системы
- Электронные реестры инцидентов, нарушений и корректирующих мероприятий
- Структура записи: событие, время, объект, участники, категория, последствия, ответственный и статус
- Единые справочники, идентификаторы и сопоставление информации из разных систем
- Качество данных: пропуски, дубли, ошибки времени и неоднозначные категории
- Основы обмена данными: файлы, базы данных, API и ETL
- Разграничение доступа, сроки хранения и прослеживаемость изменений
Типовые ошибки: Разрозненные Excel-файлы, свободный текст вместо согласованных категорий, смешение фактов и предположений, отсутствие контроля качества
Практикум: Разработать структуру электронного реестра инцидентов и правила его заполнения
Модуль 3. Автоматизация рабочих процессов службы безопасности
- Электронные заявки, согласования, чек-листы и мобильные формы
- Автоматизация проверок объектов, обходов и контроля подрядчиков
- Назначение ответственных, сроки исполнения, напоминания и эскалация
- Связь выявленного нарушения с корректирующим мероприятием и проверкой устранения
- Инструменты low-code/no-code и RPA: назначение и границы применения
- Интеграция форм, реестров, уведомлений и отчётности
- Обработка исключений и продолжение работы при недоступности сервиса
Типовые ошибки: Уведомления без ответственных, закрытие задания без подтверждения результата, избыточные согласования, зависимость процесса от одного сотрудника
Практикум: Составить схему процесса «выявление нарушения → назначение мероприятия → устранение → проверка → закрытие»
Модуль 4. Аналитика и дашборды безопасности
- Показатели безопасности: количество и тяжесть инцидентов, повторяемость, время реакции и сроки устранения нарушений
- Учёт масштаба объекта и объёма операций при сравнении показателей
- Анализ событий по объектам, периодам, категориям и причинам
- Выявление повторяющихся нарушений и проблемных участков
- Применение Excel и Power BI для управленческой отчётности
- Объединение данных безопасности с операционными показателями предприятия
- Аномалии в данных как основание для проверки
- Представление выводов руководству: проблема, подтверждающие данные, действие и ответственный
Типовые ошибки: Оценка работы только по количеству происшествий, сравнение несопоставимых объектов, двойной подсчёт событий, перегруженные дашборды, выводы о виновности на основании аномалии
Практикум: Разработать макет дашборда руководителя службы безопасности и выбрать показатели для регулярного контроля
День 2
Искусственный интеллект в работе службы безопасности
Модуль 5. Генеративный AI как рабочий инструмент специалиста
- Возможности и ограничения генеративного AI
- Постановка задачи: контекст, исходные данные, ограничения, формат результата и критерии качества
- Подготовка проектов инструкций, чек-листов, планов проверок и учебных материалов
- Обобщение документов, сравнение редакций и извлечение сведений
- Подготовка аналитических записок и отчётов на основе предоставленных материалов
- Работа с таблицами и неструктурированным текстом
- Проверка фактов, ссылок, расчётов и полноты результата
- Выбор разрешённой среды для работы с корпоративной информацией, обезличивание данных
Типовые ошибки: Загрузка конфиденциальных материалов в неодобренные сервисы, принятие выдуманных сведений за факты, использование непроверенных нормативных ссылок, чрезмерное доверие к убедительно написанному тексту
Практикум: На основе учебного описания инцидента подготовить проект отчёта и чек-лист дополнительных проверок; выявить неподтверждённые выводы AI
Модуль 6. Интеллектуальная видеоаналитика и анализ событий
- Задачи видеоаналитики: пересечение границ, нахождение в зоне, подсчёт людей и обнаружение заданных событий
- Распознавание автомобильных номеров и применение биометрических технологий: возможности, ограничения и условия допустимого использования
- Влияние ракурса, освещения, плотности потока и качества изображения
- Объединение событий CCTV, СКУД и сигнализации для проверки ситуации
- Ложные срабатывания и пропуски событий
- Проверка решений на объекте: тестовые сценарии, критерии приёмки и нагрузка на оператора
- Контроль качества после изменения условий эксплуатации
Типовые ошибки: Ожидание безошибочного распознавания, перенос результатов демонстрации на любой объект, оценка только по заявленной точности, отсутствие порядка обработки тревог
Практикум: Составить план пилотного испытания видеоаналитики с измеримыми критериями результата
Модуль 7. AI в экономической безопасности и корпоративных расследованиях
- Поиск и систематизация информации в предоставленных документах
- Построение хронологии событий и сопоставление сведений
- Выявление несоответствий, повторяющихся операций и потенциальных связей
- Применение аналитики к закупкам, платежам, складским операциям и проверкам контрагентов
- Разделение фактов, аналитических гипотез и выводов
- Проверка результатов по первоисточникам и сохранение прослеживаемости
Типовые ошибки: Приравнивание совпадения к доказательству, необоснованные обвинения, потеря ссылок на исходные материалы, использование неполных данных без оговорок
Практикум: Определить, какие выводы из учебного набора операций подтверждены данными, а какие требуют дополнительной проверки
Модуль 8. Внедрение цифровых и AI решений
- Выбор задачи для пилотного проекта и определение границ применения
- Требования к данным, интеграции, защите информации и участию человека
- Выбор решения: готовый продукт, настройка существующей системы или разработка
- Оценка полной стоимости: лицензии, интеграция, подготовка данных, обучение и сопровождение
- Измерение эффекта: время обработки, качество результата, число ошибок и нагрузка на сотрудников
- Правила проверки и утверждения результатов AI
- Контроль изменений и условия остановки неэффективного пилота
Типовые ошибки: Внедрение без исходных показателей, недооценка сопровождения, отсутствие владельца процесса, масштабирование до проверки результата
Итоговый кейс: разработать проект цифровизации одного направления службы безопасности. Определить проблему, источники данных, схему процесса, роль AI, контроль со стороны человека, показатели эффективности и план пилотного внедрения
Тренер
