Что такое ИИ-агент на практике: НЛМК переписал MES-систему в 10 раз дешевле

НЛМК ИТ опубликовал разбор миграции устаревшей MES-системы (система управления производственными процессами, которая связывает планирование, контроль качества и отгрузку). Компания использовала собственную платформу с ИИ-агентами, то есть программами, которые выполняют отдельные инженерные задачи самостоятельно, от анализа требований до тестирования кода, а человек контролирует процесс и отвечает за результат. Подход проверили на реальной legacy-системе с более чем 20 интеграциями, которую обслуживал единственный специалист-носитель знаний.

Что такое ИИ-агент и почему он заменяет команду?

Прежде чем разбирать шаги, уточним терминологию. ИИ-агент (agent) в контексте разработки это не чат-бот и не автодополнение кода. Это программа, которая получает задачу, сама планирует последовательность действий и выполняет их: один агент разбирает требования, другой пишет код, третий проверяет результат, четвёртый тестирует.

Агентный (agentic) подход отличается от привычного «спросил у ChatGPT, скопировал ответ». Здесь несколько ИИ-агентов работают параллельно, а человек выступает в роли ИИ-инженера: ставит задачи, проверяет промежуточные результаты и доводит решение до финала.

В НЛМК для этого использовали собственную внутреннюю платформу. Компания не раскрывает, на каких моделях она построена, но описывает архитектуру ролей: цифровой аналитик, цифровой разработчик, цифровой тестировщик и цифровой тимлид, который двигает процесс дальше.

Что понадобится

Если вы хотите повторить подход на своей legacy-системе, вот минимальный набор:

• Платформа с ИИ-агентами. Внутренняя (как у НЛМК) или доступная на рынке: Cursor, Windsurf, Claude Code, GitHub Copilot Agent. Для РФ ограничений меньше у опенсорс-решений (открытых моделей с открытыми весами)
• Один инженер с навыками промпт-инжиниринга (prompt engineering, умение формулировать задачи для ИИ так, чтобы получать точный результат)
• Доступ к коду и документации legacy-системы. Чем полнее, тем лучше, но даже если часть знаний только в голове у одного специалиста, это рабочая ситуация
• Носитель знаний, человек, который помнит, почему код работает именно так. Без него ИИ перенесёт букву, но не логику
• Бизнес-пользователь для приёмочного тестирования
• Время. В НЛМК весь проект (включая интеграции) занял около полугода. Собственно разработка ускорилась, но интеграционная часть сохранила прежние сроки

Пошаговая инструкция

1. Оцените масштаб классическим способом. Посчитайте стоимость и сроки миграции обычной командой. Это даст базовую линию для сравнения и поможет обосновать эксперимент перед руководством.

2. Выберите один модуль для пилота. НЛМК начали с функциональности одного цеха, а не всей системы сразу. Берите наименее критичный участок, где ошибка не остановит производство.

3. Назначьте ИИ-инженера. Это не классический разработчик. Его задача: декомпозировать миграцию на операции, которые можно передать ИИ-агентам, и контролировать результат.

4. Разверните команду цифровых сотрудников по ролям:

5. Агент-аналитик: разбирает требования и документацию
6. Агент-разработчик: пишет код на целевой платформе
7. Агент-тестировщик: проверяет результат

8. Агент-тимлид: координирует передачу задач между агентами

9. Проведите миграцию пилотного модуля. ИИ-инженер ставит задачи агентам, проверяет промежуточные результаты, привлекает носителя знаний для валидации бизнес-логики.

10. Проведите приёмочное тестирование с бизнес-пользователями. На этом этапе код готов, но промышленной эксплуатации ещё нет.

11. Масштабируйте на всю систему. После успешного пилота перенесите оставшиеся модули тем же способом. В НЛМК на этом этапе стоимость оказалась примерно в 5 раз ниже первоначальной оценки для классического подхода.

12. Оставьте ИИ-агента внутри новой системы. В НЛМК после миграции агент продолжил работать: теперь он помогает пользователям в повседневных задачах. Это отдельная ценность, которую легко упустить.

Что делать с этим прямо сейчас, по ролям

Руководителю IT или CTO. Пересчитайте стоимость ближайшей миграции legacy-системы с учётом агентного подхода. Кейс НЛМК показывает: один инженер с командой ИИ-агентов может заменить проектную группу по трудозатратам. Но закладывайте прежние сроки на интеграции.

Разработчику. Осваивайте роль ИИ-инженера. Навык не в написании кода, а в декомпозиции задач для агентов и проверке их результата. Промпт-инжиниринг (умение формулировать точные задачи для ИИ) становится инженерной компетенцией, а не модным дополнением.

Предпринимателю в РФ и СНГ. Доступные агентные инструменты для разработки есть: Cursor, Claude Code работают из РФ с ограничениями, для внутренних задач можно использовать открытые модели. Из российских инструментов: GigaCode от Сбера, ассистенты на базе YandexGPT. Полного аналога внутренней платформы НЛМК на рынке пока нет, но собрать похожую архитектуру из доступных компонентов реально.

Автору Дзена и копирайтеру. Принцип «один человек координирует команду ИИ-агентов» работает не только в коде. Тот же подход применим к контенту: один автор ставит задачи агентам на ресёрч, черновик, проверку фактов, а сам контролирует результат и отвечает за качество.

Самое практичное, что можно сделать прямо сейчас: взять одну устаревшую систему, посчитать стоимость миграции классическим способом, а потом попробовать агентный подход на одном модуле. Разница покажет, стоит ли масштабировать. НЛМК именно так и поступили, и у них получилось.