Siberian.pro ускорил разработку на 50%: как ИИ-агенты трансформировали внутренние процессы компании

В Siberian.pro, компании, специализирующейся на цифровых решениях, год назад приняли решение активно внедрять ИИ в собственные бизнес-процессы разработки. Сегодня, спустя год, производительность аналитиков выросла на 40-50%, фаза прототипирования ускорилась на несколько месяцев, а время на код-ревью сократилось на 30%. Компания делится опытом, как ИИ-агенты изменили их подходы к созданию продуктов.

В разработке программного обеспечения много рутины: составление ТЗ из неструктурированных данных, создание прототипов, первичные ревью кода, написание юнит-тестов. Всё это отнимает сотни часов у высококвалифицированных специалистов, замедляет выход продукта на рынок и увеличивает его стоимость. Однако сегодня эту рутину можно автоматизировать, освободив команду для более сложных и творческих задач.

С чего всё началось: от экспериментов к стратегии

Как и многие в 2023 году, Siberian.pro экспериментировала с большими языковыми моделями (LLM). Изначально это были скорее «игры», но к 2025 году стало ясно, что за возможностями ИИ скрывается реальный бизнес-потенциал. Руководство компании приняло решение не просто использовать ИИ-инструменты в работе, а создать отдельный AI-юнит и целенаправленно интегрировать ИИ в процессы разработки, а также предлагать ИИ-решения клиентам.

Главный вопрос, который был поставлен перед командой: «Зачем? Что конкретно мы хотим изменить?». Любая технология должна служить цели повышения эффективности, а не просто быть модной игрушкой. Целью было не заменить людей, а дать им инструменты, которые сделают их работу продуктивнее и интереснее.

ИИ-агенты в бизнес- и продуктовой аналитике

Одним из первых направлений стало использование ИИ в аналитике. LLM оказались идеальным инструментом для работы с сырыми данными.

• Составление ТЗ. Агент анализирует записи созвонов с заказчиком (даже самые неструктурированные), выделяет бизнес-требования, риски и ключевые метрики. На выходе получается черновик ТЗ, который аналитик дорабатывает. Это позволяет генерировать даже высокоуровневые дизайн-документы (HLD) значительно быстрее.
• Аналитика для пресейла. ИИ-агент помогает быстро вникнуть в контекст рынка заказчика и его требования, чтобы ещё до начала разработки предложить релевантные решения.
• Анализ качественных данных. ИИ эффективно обрабатывает отзывы клиентов, быстро вычленяя основные боли целевой аудитории, что полезно для аудита продукта или пресейла.
• Подготовка первичной документации. Информация, полученная от ИИ на предыдущих этапах, используется для автоматического формирования документации для прототипов.

В результате такого подхода производительность аналитиков выросла на 40-50%. Например, на одном из проектов фаза прототипирования, которая обычно занимает несколько месяцев, была пройдена за 30-40 дней.

Ускоренное прототипирование с помощью ИИ-агентов

Для создания прототипов, в том числе функциональных, ИИ-агенты также показали высокую эффективность. Прототип нужен быстро, чтобы проверить гипотезы, продемонстрировать концепции заказчику и убедиться во взаимопонимании. Нюансы и детали на этом этапе не критичны.

Используя ИИ-инструменты, команда может создать функциональный прототип за два-три этапа. Например, ТЗ для специализированных инструментов прототипирования можно составить с помощью LLM. Это позволяет заказчику увидеть, как будет работать будущая система, на несколько месяцев раньше, чем при традиционном подходе. Важно отметить, что такие прототипы не предназначены для продакшена, их цель — быстрое подтверждение идей.

ИИ-агенты в код-ревью и тестировании

Код-ревью. Использование ИИ для первой линии проверки кода стало стандартом. ИИ-ревьюер способен выявить до 99% критичных и важных багов. Развёртывание такого агента занимает считанные минуты, а экономия времени достигает 30%. Если ИИ-агент имеет доступ к контексту проекта, нефункциональным требованиям, бизнес-логике и истории правок, автоматизированное ревью становится более глубоким. Финальную проверку, конечно, по-прежнему выполняет человек.

Тестирование. ИИ-агенты автоматизируют все этапы тестирования: юнит-тесты, интеграционные тесты (проверка API, соответствие HLD), а также частично UI и End-to-end тесты. Цель — чтобы QA-специалисты только описывали тест-кейсы, а ИИ-агенты выполняли автотесты. Уже сейчас скорость подготовки тестов увеличилась втрое: там, где раньше уходило до шести часов на ручное написание сценариев, ИИ позволяет справиться за два часа.

Высвобожденное время QA-специалисты тратят на более глубокую аналитику и ручное тестирование, которые ИИ пока не может выполнить самостоятельно. Тестировщики отмечают, что бэкенд проще покрывается тестами с помощью LLM, в то время как фронтенд остаётся более сложным для автоматизации. ИИ-агенты также используются для создания скриптов, автоматизирующих проверку бизнес-логики и доступности функций, что помогает выявлять пиковые нагрузки и отказы.

Поиск по внутренним документам и Agent Skills

ИИ-агенты также нашли применение в управлении знаниями компании.

• RAG (Retrieval Augmented Generation). В Siberian.pro создана внутренняя база знаний с ИИ-ассистентом на базе опенсорсного решения, который отвечает на вопросы сотрудников по отпускам, больничным, работе с Jira и внутренним стандартам в Confluence. Это сокращает непродуктивные коммуникации и ускоряет работу. Планируется расширение этой системы на другие рабочие инструменты. Агент позволяет предварительно оценить проект на основе информации, обернутой в RAG, за час-два.
• Agent Skills. Этот подход, основанный на точных инструкциях для LLM, позволяет агентам получать информацию из различных источников. Например, агенты могут самостоятельно получать ссылки на документы в Confluence, читать их, получать информацию о багах из Jira. Это экономит контекст LLM, время сотрудников и повышает автономность агентов, что в конечном итоге ускоряет все производственные процессы.

Результаты и перспективы

За год внедрения ИИ-агентов Siberian.pro не только значительно ускорила внутренние процессы разработки, но и повысила качество продуктов. Освободившееся время специалисты тратят на более сложные задачи, требующие человеческого интеллекта и креативности. Компания продолжает развивать агентский подход, видя в нём наибольший потенциал для трансформации.

Как это внедрить у вас

Опыт Siberian.pro показывает, что ИИ-агенты могут принести значительную выгоду в разработке. Если ваша компания сталкивается с похожими проблемами, рассмотрите следующие шаги:

• Начните с аналитики и прототипирования. ИИ-агенты эффективно обрабатывают неструктурированные данные для ТЗ и быстро создают прототипы, позволяя ускорить начальные фазы проекта.
• Внедрите ИИ в код-ревью и тестирование. Используйте агентов для первой линии проверки кода и автоматизации написания тестов, это значительно сократит время и улучшит качество.
• Создайте внутреннюю базу знаний с ИИ-ассистентом (RAG). Это снизит количество непродуктивных коммуникаций и ускорит доступ к информации для сотрудников.
• Используйте Agent Skills. Определите точные инструкции для ИИ-агентов, чтобы они могли самостоятельно получать информацию из ваших внутренних систем (Jira, Confluence и т.д.), повышая их автономность и производительность.

Если этот кейс похож на то, что происходит у вас, наш менеджер поможет разобраться: бесплатно проанализирует ваш бизнес и нишу и подскажет, где ИИ-агент даст реальный результат именно в вашем случае. Написать менеджеру