AI агенты как «тень» сотрудника: пошаговый запуск сбора требований без утечки данных

Идея, которую разбираем, принадлежит практику, работающему с агентами внутри финансовых организаций. Суть простая: не заменять сотрудников, а дать каждому «тень», агента, который берёт на себя рутину сбора и проверки информации. Подход вырос из наблюдения, что большие языковые модели (LLM, нейросети, генерирующие текст) имеют фундаментальное ограничение: они не знают, чего они не знают. Значит, стратегом остаётся человек, а агент работает его руками.

Что понадобится?

• Локальная LLM-модель внутри корпоративного контура. Подойдут открытые модели (модели с открытыми весами, которые можно развернуть на своём сервере). В России доступны, например, GigaChat от Сбера или YandexGPT, а также опенсорс-решения, которые разворачиваются на собственном железе.
• Корпоративная база знаний: Confluence, внутренняя вики или любое хранилище документации, к которому агент получит доступ через RAG (Retrieval-Augmented Generation, метод, при котором модель сначала ищет нужный фрагмент в базе, а потом формирует ответ на его основе).
• Владелец процесса: живой человек, который понимает, какие требования нужны и зачем. Без него агент генерирует хаос, а не пользу.
• Источники данных: переписки в мессенджерах, записи встреч, тикеты. Агент будет из них извлекать факты.
• Время на настройку: от одного до трёх рабочих дней на первый рабочий прототип, если модель уже развёрнута.

Пошаговая инструкция: запуск агента-опросника для сбора требований

1. Определите один процесс, а не десять. Начните с конкретной боли. Например: «требования к новой функции приходят устно, теряются и дублируются». Автор исходного подхода прямо предупреждает: слепое следование хайпу приводит не к улучшению, а к увеличению технического долга.

2. Разверните агента-опросника. Это ИИ-агент, который задаёт уточняющие вопросы заказчику по шаблону. Системный промпт (начальная инструкция, задающая роль и границы поведения агента) может выглядеть так:

Ты — аналитик требований. Твоя задача — собрать полное описание функции.
Задавай вопросы по одному. Не переходи к следующему, пока не получишь
конкретный ответ. Если ответ расплывчатый, переформулируй вопрос проще.
Обязательные поля: цель функции, кто пользователь, критерии готовности,
ограничения по срокам, зависимости от других систем.
Не выдумывай ответы за собеседника.

1. Подключите извлечение из переписок и встреч. Настройте второго агента, который получает расшифровки звонков и переписку, а затем извлекает из них факты, относящиеся к требованиям. Он не заменяет опросник, а дополняет его: люди часто проговаривают важное устно, но не фиксируют.

2. Добавьте RAG по внутренней базе. Агент ищет в Confluence или вики похожие требования, которые уже были реализованы. Это снижает дублирование: прежде чем оформить новое требование, система покажет, что похожее уже существует.

3. Запустите агента-контролёра. Его задача: проверить итоговый документ требований на полноту и противоречия. Он сравнивает собранное опросником с тем, что извлечено из переписок и базы знаний. Если находит расхождения, возвращает на доработку.

4. Зафиксируйте «память процесса». Каждый цикл сбора требований сохраняется. Это борьба с семантическим дрейфом (постепенным искажением смысла терминов, когда разные люди и агенты начинают понимать одно и то же слово по-разному). Без фиксации через пять итераций агент и команда будут говорить на разных языках.

5. Проверяйте результат вручную. Владелец процесса читает итоговые требования и корректирует. Агент остаётся инструментом, стратег остаётся человеком. Как формулирует автор подхода: «ИИ-агент даёт лопату и даже может копать, но не знает, что нужно выкопать именно вам».

Что делать с этим прямо сейчас?

Автору Дзена и копирайтеру. Принцип агента-опросника работает и для контента: настройте промпт, который задаёт вам же уточняющие вопросы перед написанием статьи. Это дешёвая версия «агента требований» для одного человека. Доступно через GigaChat или YandexGPT прямо сейчас.

Маркетологу. Сбор требований от заказчика к рекламной кампании страдает теми же болезнями: устные брифы, потерянные детали, дублирование. Агент-опросник с фиксированным шаблоном вопросов экономит не на людях, а на переделках.

Предпринимателю в РФ. Локальный контур критичен, если вы работаете с персональными данными или финансовой информацией. Облачные западные модели несут регуляторные риски. Открытые модели, развёрнутые на своём сервере, и российские решения (GigaChat, YandexGPT) позволяют начать без отправки данных за периметр.

Главное, что стоит запомнить: ИИ-агент не стратег, а тень стратега. Тень работает без перерывов, но не эволюционирует без человека. Начните с одного процесса, одного агента и одного владельца. Если после первой недели требования стали появляться до разработки, а не после, значит, вы на верном пути.