Как мы перестраивали работу аналитиков под разработку с ИИ-агентами и SDD

Вот важная новость с фронта ИИ: Я Светлана Забирова, лид аналитики в Центре разработки и машинного обучения компании «Инфосистемы Джет». В ИТ работаю уже больше десяти лет, из них половину – в заказной разработке. В одной из недавних статей моя коллега уже делилась опытом, как искусственный интеллект повлиял на результаты одной из наших команд разработки.

Сегодня посмотрим на процесс с точки зрения аналитика. По заданному контексту ИИ хорошо справляются с кодом, миграциями, OpenAPI, сценариями и документацией. Но агентная разработка быстро начинает буксовать, если входной артефакт остается большой постановкой в Confluence, Word или Jira без строгой структуры и трассировки.

Технические детали

Модель теряет важные условия, смешивает уровни детализации, дублирует требования или додумывает недостающие связи. ИИ не будет работать лучше, если аналитики просто «начнут промптить». Задача решается уровнем выше: требования должны стать инженерным артефактом.

То есть относиться к требованиям нужно так же, как разработчики относятся к коду. Спецификация должна жить в том же рабочем процессе, где живет код. Даже если физически код и требования находятся в разных репозиториях.

Мы решили проверить подход на одном из пилотных проектов, где было все: аналитика, архитектура, backend/frontend-разработка, тестирование и DevOps. Как мы перевели аналитику из Confluence/Word в SDD-контур и что из этого получилось, рассказываю под катом. Кому полезно: бизнес- и системным аналитикам, руководителям команд, архитекторам и разработчикам, которые уже обсуждают SDD, агентную разработку и новые требования к постановкам.

Событие, по словам экспертов, усилит конкуренцию в сфере ИИ.