ИИ для технических команд: 6 ролей и где они выигрывают

TL;DR

ИИ-агенты в техкомандах — это слой автоматизации рутины, не замена senior-инженеров. Помогают писать черновики ТЗ, генерировать тест-кейсы, анализировать логи, готовить отчёты, отвечать по базе знаний. Каждой роли — свой сценарий.

Где НЕ помогает (важно сразу)

• Не пишет production-код за разработчика
• Не принимает архитектурные решения
• Не делает обоснованный technical debt cleanup
• Не заменяет код-ревью

Это все требует контекста и опыта, который агент не имеет. Зато он отлично разгружает рутину.

6 ролей и сценарии

1. Системный аналитик

Боль: Черновик ТЗ на простой эпик занимает 1-2 дня — собирать требования, переписывать, согласовывать формат.

Что делает агент:

• Берёт устные комментарии PM (расшифровка из митинга) и черновик user story
• Дополняет шаблоном требований (acceptance criteria, edge cases, API-контракт)
• Создаёт draft ТЗ в Confluence/Notion
• Отмечает в Jira-эпике связанные задачи

KPI пилота: время подготовки черновика ТЗ. Обычная цель — 4-6 часов → 30-60 минут.

2. QA Lead / тестировщик

Боль: Покрытие тест-кейсами для одного эпика — день работы. Регрессионные сценарии забываются.

Что делает агент:

• Читает ТЗ и пользовательские сценарии
• Генерирует tест-кейсы (positive, negative, edge cases) в формате вашего test management tool
• Предлагает регрессионные тесты на основе связанных компонентов
• Делает black-box оценку API-контракта (придёт ли 400 при пустом body, как ведёт себя при concurrent requests)

KPI: количество test cases по требованию + покрытие edge cases.

3. Разработчик (backend / frontend)

Боль: Однотипные задачи (CRUD-эндпоинты, формы, integrations с одной API) забирают часы senior-времени, хотя могли бы быть автогенерированы.

Что делает агент:

• По OpenAPI-спецификации генерирует boilerplate (контроллеры, models, базовые тесты)
• Помогает с poetry/npm-зависимостями
• Объясняет незнакомый код в репозитории
• Предлагает рефакторинг повторяющихся блоков

Важно: всё генерируется как draft в feature-branch — никогда не merge в main без code review. Агент пишет код, человек проверяет и принимает.

4. DevOps / SRE

Боль: Дежурный смотрит логи и алёрты, тратит 30-60 минут на инцидент чтобы понять что не так.

Что делает агент:

• Получает alert из Grafana/Prometheus
• Подтягивает связанные логи из Loki/ELK за последние 30 минут
• Делает summary: что произошло, какие сервисы затронуты, есть ли похожие инциденты в истории
• Предлагает 1-2 наиболее вероятные причины

KPI: время от alert до постановки гипотезы. Обычная цель — 30 мин → 5 мин.

5. Project Manager

Боль: Weekly status report занимает 1-2 часа: вытащить статусы из Jira, добавить контекст, написать аккуратно.

Что делает агент:

• Берёт все апдейты в Jira за неделю
• Группирует по эпикам и приоритетам
• Выделяет: что готово, что blocked, что risks
• Готовит draft status в формате вашей команды (Notion/Confluence/email)

KPI: время подготовки status report. Цель — 1-2 ч → 15 минут.

6. Product Lead

Боль: Чтобы оценить feature request, нужно поднять историю обращений по теме, посмотреть analytics, сопоставить с roadmap.

Что делает агент:

• По теме feature request (например, «нужен export в Excel») собирает: все обращения support за последние 6 мес, аналитику использования смежных функций, оценку трудозатрат от dev-команды
• Готовит one-pager: severity, audience size, estimated impact, alternatives
• Сравнивает с другими backlog-айтемами

KPI: время оценки 1 feature request. Цель — 2-4 часа → 30 минут.

Интеграции

Все эти сценарии требуют доступа к источникам данных. Минимум:

• Jira / Yandex Tracker — задачи, эпики, статусы
• Git (GitLab / GitHub / Gitea) — код, PR, commits
• CI/CD (GitLab CI / GitHub Actions / Jenkins) — статусы билдов
• Confluence / Notion — документация, спецификации
• Grafana / Prometheus / Elastic / Loki — метрики, логи
• Корпоративный чат — Telegram / Slack / Mattermost для эскалаций

Чем больше интеграций — тем полезнее агент. Минимальный пилот возможен с 2-3 системами.

Почему это не Copilot и не Cursor

Cursor / GitHub Copilot — это inline-помощник в IDE, который генерирует код в редакторе. Незаменим для разработчика.

Наш сценарий — это процессный агент, который работает между системами. Не пишет код в IDE, а готовит ТЗ в Confluence, читает Jira, отвечает в Slack, собирает контекст из логов.

Это не конкуренция — это разные слои. Один разработчик может использовать оба: Copilot для написания кода в редакторе, наш агент — для всего вокруг кода.

Что нужно от команды

От CTO / Head of Engineering

• Согласовать процесс, который хотим автоматизировать первым
• Дать доступ к Jira / Git (read-only достаточно для пилота)
• Назначить тимлида ответственным со стороны заказчика

От тимлида

• 30 минут на Discovery: рассказать процесс
• 1-2 часа в первую неделю на калибровку (смотреть выход агента, давать примеры «как правильно»)
• Согласовать критерий приёмки

От IT-безопасности

• Согласовать режим обработки данных (см. статью про ФЗ-152)
• В большинстве технических кейсов код и логи не содержат ПДн — можно использовать любой режим

С чего начать

Для команд 15-50 человек — оптимально с аналитика или QA. Эти процессы измеримы, имеют структурированный input и output, риск ошибки низкий.

Для команд 50-200 — добавляется PM-сценарий (status reports, feature evaluation).

Для команд 200+ — DevOps, потому что объём логов и алертов критичен.

Запишитесь на диагностику процесса — разберём вашу команду и предложим первый сценарий за 30 минут.