Игорь Градов
Игорь Градов
6 мин
ai

Бизнес-анализ с ИИ по BABOK: «AIналитик» ушёл от привязки к одной модели и работает локально

Нейросеть, работающая бизнес-аналитиком по методологии BABOK (международный свод знаний по бизнес-анализу), перестала зависеть от одной модели и одного окружения: теперь платформу «AIналитик» можно запустить на локальном сервере, подключить к любой LLM (большой языковой модели) и встроить в уже идущий проект, а не только в новый.

Бизнес-анализ с ИИ по BABOK: «AIналитик» ушёл от привязки к одной модели и работает локально
Почему это важно

Платформа, которая раньше работала только через Claude Code от Anthropic (с VPN, серой оплатой и риском блокировки), теперь запускается под OpenCode, Kodik, Codex и другими харнесами (средами запуска ИИ-агентов) и принимает локальные модели, ни одна строка данных не уходит за контур компании.

Автор проекта, разработчик, ранее опубликовавший на Хабре первую версию «AIналитика», полностью переписал архитектуру платформы. Причиной стали три повторяющихся сигнала от пользователей: невозможность нормально использовать Claude в России, жёсткие требования корпоративной безопасности и страх встраивать инструмент в середину действующего проекта. Все три проблемы росли из одного корня: жёсткая привязка к одной модели и одному харнесу.

Что делает «AIналитик» и зачем это бизнес-аналитику?

Платформа работает рядом с бизнес-аналитиком (BA) как опытный коллега, который знает методологию BABOK v3. Она ведёт аналитика по проекту и не даёт пропустить шаг, забыть про дедлайны или уйти в «отсебятину».

Покрытые задачи:

  • Планирование и подготовка интервью
  • Сбор и трассировка (отслеживание связей между) требований
  • Приоритизация, оценка рисков и управление изменениями
  • Все задачи пяти областей знаний BABOK (главы с 3 по 7, кроме 8-й)

Пользователь общается с платформой обычными словами, никаких специальных команд заучивать не нужно.

Что понадобится

  • Харнес на выбор: OpenCode, Kodik, Codex, Claude Code или другой совместимый
  • LLM: облачная (Claude, GPT) или локальная модель, если данные не должны покидать контур компании
  • Исходный код: репозиторий «AIналитик» на GitHub (открытый доступ)
  • Время на запуск: по описанию автора, от установки до первого рабочего сеанса хватает одного рабочего дня
  • Confluence (опционально): для интеграции с корпоративной базой знаний

Пошаговая инструкция

  1. Выберите харнес и модель. Если компания запрещает отправлять данные в облако, берите локальную LLM и любой совместимый харнес (OpenCode, Kodik). Если ограничений нет, подойдёт Claude Code или Codex.

  2. Склонируйте репозиторий.

git clone https://github.com/<автор>/ainalitik-v2
cd ainalitik-v2

(Точную ссылку уточните в канале проекта «AI Платформа AIналитик».)

  1. Настройте подключение к LLM. В конфигурационном файле укажите эндпоинт модели. Для локальной модели это адрес вашего сервера, для облачной это API-ключ.

  2. Запустите платформу внутри выбранного харнеса. Платформа сама определит доступные инструменты и загрузит нужный набор.

  3. Начните диалог на естественном языке. Опишите, на каком этапе проект: платформа подскажет следующий шаг по BABOK.

  4. Для действующего проекта: загрузите уже собранные артефакты. Платформа примет их и продолжит работу с того места, где вы остановились. Это прямой ответ на страх «ломать середину проекта».

Что изменилось в архитектуре?

Первая версия использовала 21 MCP-сервер (Model Context Protocol, протокол подключения инструментов к модели). Все серверы загружались в контекстное окно (рабочую память модели) одновременно. Чем плотнее окно забито, тем выше вероятность галлюцинации (когда ИИ уверенно выдумывает то, чего не было).

Автор делил инструменты на пять фаз по областям BABOK и загружал по одному набору. Память разгрузилась, но аналитику приходилось следить за текущей фазой и вручную давать команду перезапуска. Мелочь, которая ломала саму идею «бизнес-аналитик не думает о технике».

Решение: переход от MCP-серверов к обычным CLI-скриптам (командам, которые запускаются в терминале). Это убрало привязку к конкретному харнесу и позволило подключать любую LLM.

Среди новых функций, которые добавлены или находятся в разработке:

  • Многоагентная система (несколько ИИ-агентов делят задачи между собой)
  • Доска навигации по проекту
  • Дашборд для тимлидов, чтобы видеть прогресс всей команды BA
Как это применить

Ситуация: BA-команда из трёх человек ведёт проект в компании, которая запрещает отправлять документы в облако. Один аналитик уходит в отпуск.

Что сделали: развернули «AIналитик» на локальном сервере с открытой моделью. Каждый шаг аналитика фиксировался в структурированных артефактах.

Результат по описанию автора: когда аналитик ушёл, замена вошла в контекст проекта за часы, а не за недели. Все требования, трассировки и решения остались в проекте, а не в голове у человека.

Для оценки изменений: когда стейкхолдер (заинтересованная сторона) просит «по-быстрому добавить вот это», платформа за секунды показывает, какие требования, тесты и решения затронет новое пожелание. BA получает конкретные аргументы для переговоров, а не ощущение «кажется, это сложно».

Частые ошибки

Запуск без выбора модели под задачу. Локальная модель на слабом железе будет работать медленно и давать больше галлюцинаций. Если бюджет на оборудование ограничен, начните с облачной модели (где это допустимо по регламенту) и переходите на локальную после тестирования.

Попытка перенести середину проекта «одним махом». Загружайте артефакты поэтапно и проверяйте, что платформа корректно подхватила контекст, прежде чем двигаться дальше.

Ожидание, что платформа заменит аналитика. «AIналитик» не заменяет BA, а работает рядом. Финальные решения по требованиям, приоритетам и рискам остаются за человеком. Платформа берёт на себя рутину и следит за методологией.

Игнорирование обновлений. Архитектура активно развивается, многоагентная система и дашборд для тимлидов пока в разработке. Следите за каналом проекта, чтобы не пропустить момент, когда нужные вам функции станут доступны.

Что с этого вам прямо сейчас?

Бизнес-аналитику и BA-команде. Бизнес-анализ с ИИ перестаёт требовать конкретной модели и конкретного окружения. Если раньше вход в «AIналитик» означал подписку на Claude с VPN и серой оплатой, теперь можно взять локальную модель и OpenCode. Для команд с ограниченным бюджетом на облако это практический вход в бизнес-анализ с ИИ-ассистентом.

Тимлиду и руководителю отдела. Дашборд для тимлидов (в разработке) покажет, на каком этапе каждый аналитик и где проект буксует. Структурированные артефакты снижают риск потери знаний при уходе сотрудника.

Предпринимателю в РФ и СНГ. Главный барьер снят: платформа больше не завязана на Anthropic. Для тех, кто работает с локальными LLM или российскими инструментами (Confluence на внутреннем сервере, OpenCode), «AIналитик» встраивается в существующий стек без серых схем и VPN.

Мнение редакции dzen.guru

Я слежу за проектом с первой публикации на Хабре, и переход от «работает только в Claude Code» к «запускается под чем угодно» это именно то, что делает инструмент пригодным для реальных команд, а не для экспериментов энтузиаста.

Честная оговорка: многоагентная система и дашборд для тимлидов пока в разработке, автор это не скрывает. Платформа покрывает главы 3-7 BABOK, но не восьмую. Перед тем как переводить на неё всю команду, проведите пилот на одном проекте и проверьте, насколько ваша локальная модель справляется с длинными транскриптами интервью.

Для тех, кто пока не готов к полноценной платформе, попробуйте просто сформулировать промпт (запрос к модели) с ролью «бизнес-аналитик по BABOK» в любой доступной LLM. Это не заменит платформу, но покажет, где ИИ уже полезен в вашей ежедневной рутине.

Узнайте больше об ИИ-инструментах для работы с контентом

В dzen.guru мы тестируем нейросети, которые помогают авторам и аналитикам работать быстрее. Загляните и посмотрите, что подойдёт вам.

Перейти на dzen.guru

Бизнес-анализ с ИИ-ассистентом из теоретической возможности превратился в практический инструмент, который можно развернуть на своём сервере, подключить к модели, за которую не нужно платить через серые схемы, и встроить в проект, который уже идёт, а не ждать следующего.

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

RAG нейросети уходят от энкодеров к декодерам: как мигрировать за два дня
ai

RAG нейросети уходят от энкодеров к декодерам: как мигрировать за два дня

Русскоязычные команды, которые строили RAG (retrieval-augmented generation, когда нейросеть ищет ответ не в своей памяти, а в подключённой базе документов) на…

6 мин
SpaceX выкупает Cursor за $60 млрд: нейросеть для кода подорожала вдвое за полтора года
ai

SpaceX выкупает Cursor за $60 млрд: нейросеть для кода подорожала вдвое за полтора года

Компания Anysphere, создатель популярного ИИ-редактора кода Cursor, прошла путь от студенческого стартапа до сделки со SpaceX на 60 млрд долларов за три года,…

6 мин
Нейросеть в медицине выдумывает диагнозы: 4 провала сервиса и как их чинили
ai

Нейросеть в медицине выдумывает диагнозы: 4 провала сервиса и как их чинили

Медсервис на нейросетях звучит просто, пока не увидишь, как модель уверенно связывает повышенные лейкоциты с препаратом, который пользователь начал принимать…

7 мин