Игорь Градов
Игорь Градов
6 мин
ai

Автоматизация с помощью ИИ за 20 минут: 10 скриптов вместо полдня разработки

Автоматизация с помощью ИИ перестала требовать полдня работы разработчика: команда Ви.Tech показала, как десять микроскриптов, написанных по промптам за 10-20 минут каждый, убирают рутинные паузы между этапами разработки.

Автоматизация с помощью ИИ за 20 минут: 10 скриптов вместо полдня разработки
Почему это важно

Экономика автоматизации изменилась: раньше руководитель отказывал, потому что скрипт стоил полдня, а экономил пять минут. Теперь ИИ сжал создание скрипта до 20 минут, и ROI стал положительным даже для мелочей.

Шухрат Ерматов из Ви.Tech (ИТ-подразделение «ВсеИнструменты») описал на практике, как его команда из четырёх отделов и 40 человек собрала сервис микроавтоматизаций. Без отдельной платформы, без проекта на квартал, без попытки сделать идеально. Источники данных, которые уже были (Jira, Confluence, GitLab, Sentry), просто перестали держать в головах и начали дёргать скриптами.

Контекст знакомый любому, кто работает в команде: пять минут на ручной пинг, десять на поиск чек-листа, целый день на забытый MR (merge request, запрос на слияние кода). По отдельности мелочи, вместе они растягивают time-to-market (время от идеи до выпуска продукта).

Почему раньше не автоматизировали?

Арифметика не сходилась. Разработчик стоит дорого, а экономия от одного скрипта составляла пять минут в день. Руководитель обоснованно говорил: «Положи в бэклог (список отложенных задач)». Люди писали скрипты «для себя», запускали из консоли, передавали из рук в руки и не афишировали.

Два фактора изменили ситуацию:

  • ИИ-промпты. Написали простой промпт (prompt, текстовая инструкция для нейросети), на выходе получили скрипт в 23 строки, из которых 15 выбирают данные, а 5 отправляют уведомление. Полдня сжались до 10-20 минут.
  • Dev-контур и Backstage. Готовая инфраструктура разворачивает сервис по кнопке, без отдельной заявки на DevOps. Прокликал настройки, написал промпт, и скрипт уже крутится на тестовом стенде.

Разговор с руководителем после этого выглядит иначе: «Ты не против, если я потрачу десять минут и это автоматизирую?» Ответ очевиден.

Что понадобится

  • Jira, Confluence, GitLab (или аналоги: Яндекс Трекер, вики, любой Git-хостинг) как источники данных.
  • Корпоративный мессенджер для уведомлений и кнопок (в Ви.Tech используют внутренний, подойдёт и Telegram).
  • Доступ к ИИ-ассистенту для генерации скриптов: ChatGPT, GigaChat, YandexGPT или Claude.
  • Dev-контур (среда для быстрого развёртывания), если есть. Если нет, хватит обычного сервера или даже cron-задачи.
  • Время: 10-20 минут на один скрипт вместо прежних четырёх-шести часов.

Пошаговая инструкция

  1. Выберите кандидата на автоматизацию. Критерий из Ви.Tech простой: задача повторяется часто, задевает сразу несколько человек и делается по-простому. Пинги, чек-листы, трекинг статусов, напоминания о забытых задачах.

  2. Определите источник данных. Данные уже лежат в ваших рабочих инструментах. Не создавайте новую базу. Jira знает статусы задач, Confluence хранит чек-листы, GitLab видит MR.

  3. Напишите промпт для ИИ-ассистента. Опишите, что скрипт должен делать, откуда брать данные и куда отправлять результат.

Напиши Python-скрипт, который:

1. Получает из Jira API список задач в статусе "Ready for Review" старше 24 часов.
2. Для каждой задачи находит назначенного ревьюера.
3. Отправляет в Telegram-бот сообщение: "Задача [KEY] ждёт ревью больше суток. Ревьюер: [имя]."
4. Запускается по cron раз в день в 10:00.
  1. Вычитайте результат. Скрипт в 15-25 строк легко проверить глазами. Убедитесь, что в нём нет обращений к чувствительным данным, которые не должны уходить вовне.

  2. Разверните скрипт. Если есть dev-контур типа Backstage, добавьте сервис по кнопке. Если нет, запустите через cron на любом доступном сервере или в Docker-контейнере.

  3. Проверьте на одной команде. В Ви.Tech начали с одной команды, затем подключили ещё три. Не масштабируйте, пока скрипт не прожил хотя бы неделю в реальной работе.

  4. Не превращайте скрипт в платформу. Появилась проблема, написали скрипт, пошли работать дальше. Документация собирается из готовых шаблонов, с нуля ничего не придумывается.

Как это применить

Релизные чек-листы в Ви.Tech. Разработчик говорит боту, какой сервис хочет выкатить и по какой задаче. Бот сам вытягивает из Confluence имя тестировщика, содержание чек-листа и порядок деплоя (развёртывания). Галочки закрываются прямо в мессенджере, параллельно приходит инструкция: ссылка на мастер-ветку, напоминание дёрнуть тестировщика, проверка работоспособности. Новичкам не нужно искать особенности деплоя конкретного сервиса: они приходят сами в нужный момент.

Авто-трекинг времени. Время трекается по реальным статусам задач в Jira, а не по ручным записям. Качество данных выросло, потому что люди перестали «писать всякую фигню» от лени.

Частые ошибки
  • Пытаться сразу сделать платформу. Команда Ви.Tech прямо говорит: платформу проектируют, согласовывают, потом поддерживают. Здесь другой цикл. Как только скрипт обрастает архитектурой, он перестаёт быть микроавтоматизацией и начинает требовать отдельного ресурса.
  • Автоматизировать то, что случается раз в квартал. Критерий отбора: часто, задевает нескольких, делается просто. Если задача уникальна, скрипт не окупится даже за 20 минут.
  • Не вычитывать код от ИИ. 23 строки проверить легко. 230 строк, которые вы не читали, это уже риск. Генерируйте маленькие скрипты и проверяйте каждый.
  • Скрывать автоматизацию от команды. В Ви.Tech авто-трекинг времени «долго прятали», боясь, что проектный офис заберёт. Лучше показывать и договариваться, иначе при смене владельца скрипт умрёт.

Что с этого вам прямо сейчас?

Автору на Дзене. Автоматизация с помощью ИИ работает не только в разработке. Тот же принцип (промпт плюс простой скрипт) применим к рутине автора: собрать статистику публикаций, напомнить о незакрытых комментариях, сформировать еженедельный отчёт по охватам. Начните с одного повторяющегося действия, которое отнимает пять минут в день.

Маркетологу. Пинги по задачам, которые застряли в согласовании, напоминания о дедлайнах креативов, автосбор данных из рекламных кабинетов. Экономика та же: если раньше нанимали разработчика на полдня, теперь промпт и 20 минут.

Предпринимателю в РФ. Все упомянутые инструменты (Jira, Confluence, GitLab) доступны в России. Для генерации скриптов подходят GigaChat от Сбера и YandexGPT, не только ChatGPT. Dev-контур можно заменить любым облаком: Яндекс Cloud, VK Cloud, Selectel.

Мнение редакции dzen.guru

Самое ценное в опыте Ви.Tech не десять конкретных скриптов, а сдвиг в арифметике. Когда создание скрипта стоило полдня, автоматизировать пятиминутную рутину было нерационально. Теперь, когда ИИ-промпт выдаёт рабочий код за 10-20 минут, порог входа упал настолько, что отказываться от автоматизации стало дороже, чем делать. Я проверял этот подход на своих задачах: скрипт для сбора статистики Дзена действительно пишется за один промпт. Но честная оговорка: ИИ-код нужно читать. Чем длиннее скрипт, тем выше шанс галлюцинации (когда модель уверенно выдумывает несуществующий метод API). Держите скрипты маленькими, проверяйте каждый, и автоматизация с помощью ИИ начнёт экономить часы, а не создавать новые проблемы.

Попробуйте генератор промптов dzen.guru

Составьте промпт для вашей рутинной задачи за пару минут и получите готовый скрипт автоматизации.

Попробовать бесплатно

Опыт одной команды из 40 человек показывает рабочий рецепт: не ждать идеальной платформы, не просить ресурс на квартал, а взять промпт, получить скрипт на 23 строки и убрать один пинг из своего дня. Завтра убрать следующий.

Поделиться:TelegramVK
Игорь Градов
Игорь Градов

Основатель dzen.guru. Эксперт по монетизации и продвижению на Дзен. Автор курса «Старт на Дзен 2026».

Комментарии

Читайте также

7 багов в коде, 4 нейросети: ни одна не нашла всё, но вместе справились
ai

7 багов в коде, 4 нейросети: ни одна не нашла всё, но вместе справились

Начну с анализа оригинала и построю how-to по фактам из него. Считаю лид: «Один сломанный bash-скрипт с семью багами, четыре нейросети, которые чинят его…

7 мин
ai

Искусственный интеллект и работа: как разделить задачи на рутину и творчество

Искусственный интеллект меняет не саму работу, а то, как мы понимаем разделение труда, и этот сдвиг позволяет вернуть труду его изначальный смысл: осознанную,…

6 мин
Adaption Labs генерирует синтетические данные из описания задачи, убирая недели ручной разметки
ai

Adaption Labs генерирует синтетические данные из описания задачи, убирая недели ручной разметки

Компания Adaption Labs на этой неделе выпустила функцию Invent a Dataset, которая создаёт готовый к обучению датасет (набор данных для тренировки модели) из…

6 мин