Что сегодня может небольшая команда с ИИ-контуром: 68 сценариев из практики

Недавно мы опубликовали исследование рынка ИИ-вакансий: собрали 2 808 описаний с hh.ru и посчитали, за что работодатели действительно платят. Главный вывод оказался неожиданным даже для нас. Слово «ChatGPT» в вакансии соответствует медиане на 24% ниже рыночной, слово «RAG» — на 67% выше. Рынок платит не за знакомство с нейросетями, а за умение собрать из них работающую систему. [1]

Параллельно мы пообщались со знакомыми из разных компаний — от небольших студий до крупных банков. Картина везде похожая: ИИ используют все, но полноценно настроенного контура нет почти ни у кого. Есть подписки, есть отдельные удачные эксперименты, есть скепсис после неудачных. Больших прорывов не видно ни в малом бизнесе, ни в крупном.

Эта статья — про другой уровень использования ИИ. Про будущее, которое подкралось незаметно и уже меняет рынок труда — тот самый рынок, который, судя по нашему исследованию, пока об этом не догадывается. Мы небольшая команда, и все описанные кейсы мы сначала собрали сами для себя. Не столько потому, что хотели быть первыми, сколько потому, что по-другому не выжить: нас мало, бюджеты ограничены, а делать нужно столько же, сколько командам в десять раз больше.

Когда мы предложили всерьёз вложиться в ИИ-инструменты внутри команды, идею не поддержали. Не поддержал даже один из самых опытных наших коллег — человек, который много лет собирал команды разработки и видел не один технологический тренд. Аргументы были разумные: подобное уже обещали, ресурсы ограничены, результат неочевиден. Ресурсы под это не выделили.

Мы собрали первый контур небольшой группой, фактически на энтузиазме. А дальше произошло то, ради чего эта статья и пишется: скептик попробовал сам — и через несколько недель собрал работающее приложение за день. Не прототип на салфетке, а инструмент, которым пользуется вся команда.

Дальше он начал брать задачи, о которых раньше даже не мечтал. Освободившееся время ушло на задачи другого уровня — те, до которых у руководителя обычно не доходят руки.

Ниже — то, что изменилось у нас за несколько месяцев. Мы называем некоторые системы, потому что без них картина неполная; как именно всё соединено — отдельная тема.

С ростом числа задач начался хаос. Продуктовые задачи и разработка жили в разных системах, связь между ними терялась. Через две недели было трудно вспомнить, что за задача и в чём её детали, — историю собирали по людям, плодились ошибки.

Сейчас у каждой задачи — структура и связь с остальными: бизнес-цель → продуктовая задача → задачи разработки → код → тестирование. После выполнения задача дополняется макетами, схемами и результатом. Любую фичу можно поднять со всей историей изменений. Связка Outline — Jira — GitLab. Часть рутины автоматизирована: от проставления компонентов до публикации MR.

Два примера, чтобы было понятно, как это выглядит в работе.

Роадмап. У нас он лежит в общем хранилище как обычный документ. Агент читает его первым — раньше спецификаций и трекера. Поэтому любая новая задача раскладывается с учётом того, куда движется продукт и какие цели стоят на каждом этапе. Когда роадмап меняется, никого не нужно уведомлять: следующий запрос к агенту уже учитывает изменения. Роадмап перестал быть презентацией раз в квартал и стал живым контекстом.

Обратная связь. После очередного раунда общения с пользователями у нас лежало несколько десятков документов — ответы, заметки, расшифровки. Раньше кто-то садился и неделю читал, анализировал. Сейчас агент за минуты раскладывает всё по темам, считает частоту, вытаскивает цитаты и формирует список гипотез с приоритетом. Продакт открывает не сырые тексты, а готовый срез с обдуманными идеями — и сразу заводит задачи.

Самый частый ответ, который мы слышим: «мы тоже пользуемся нейросетями, много чего пробуем». Разница не в модели и не в подписке. Она в том, что видит ИИ и что ему разрешено делать.

В индустрии для этого уже есть названия. Agentic development — агентная разработка: ИИ не подсказывает, а выполняет задачи внутри рабочих систем — заводит тикеты, пишет код, открывает запросы на слияние. Context engineering — инженерия контекста: работа над тем, что именно агент видит, в каком порядке и с каким приоритетом. Второе важнее первого. Без выстроенного контекста агент делает быстро, но не совсем то.

Одна и та же нейросеть в двух режимах использования

В первом случае вы каждый раз приносите контекст руками: копируете кусок таблицы, объясняете, что за проект, пересказываете, что решили на прошлой встрече. Нейросеть отвечает — вы переносите ответ обратно. Полезно, но потолок низкий.

Во втором случае агент подключён к тем местам, где работа реально живёт: задачи, файлы, переписка, таблицы, документы, код. И у него есть право не только читать, но и действовать — создать, изменить, отправить, проверить. У нас это устроено так: агент читает источники в фиксированном порядке — сначала роадмап и документы, потом спецификации в базе знаний, потом статусы в трекере. Поэтому он раскладывает задачу так, как раньше делал бы дорогой техлид: понимая, куда движется продукт и какие части системы затронет изменение.

Есть и более приземлённое объяснение. Мощные модели стоят денег, и если гонять через них всё подряд, счёт быстро съедает выгоду. Многие на этом и останавливаются: попробовали, посчитали, закрыли.

Работает другой порядок. Простые шаги — собрать, отфильтровать, привести к единому виду, отбросить лишнее — делаются простыми и дешёвыми средствами: скриптом, лёгкой моделью, готовым коннектором. И только на подготовленных данных коротко включается тяжёлая модель — там, где нужна её способность рассуждать. Разбор обратной связи у нас устроен именно так: дешёвый шаг раскладывает документы по темам, дорогой — формулирует гипотезы по уже сгруппированному материалу.

Порядок шагов меняет цену задачи сильнее, чем выбор модели

Это и есть та инженерия, за которую платит рынок. Не «уметь писать промпты», а понимать, какую часть работы можно сделать дёшево, а где без сложного шага не обойтись.

Дальше — основная часть. За последние полгода мы разбирали применение ИИ-контура с компаниями из очень разных отраслей: медтехника, страхование, розница, строительная техника, каршеринг, образование, клиники. Часть сценариев прошли сами, часть проектировали под чужие процессы. Пришло время собрать всё в одном месте.

Читайте выборочно: найдите свою сферу. В каждой строке — задача, которая раньше требовала либо отдельного человека, либо подрядчика, либо просто не делалась.

Девять сфер, в которых мы делали или проектировали рабочие сценарии

Отсев по формальным признакам — это, пожалуй, всё, что здесь умеет ИИ. Сравнить людей по существу некорректно: на входе самооценка, на выходе разложенная по полочкам самооценка. Для этого нужны измеримые методики диагностики на основе научных данных. Мы занимаемся этим в HT Platform, поэтому и знаем разницу между «структурировать» и «измерить».

Теперь главное, ради чего стоило всё это перечислять.

Посмотрите на таблицы ещё раз. Почти в каждой строке — работа, которую раньше делал отдельный сотрудник, отдел или подрядчик. Сегодня подавляющее большинство этих сценариев собирает команда из одного-трёх человек. Не за год — за несколько недель.

Это и есть практический вывод из первого исследования. Там мы написали: развивайтесь вглубь своей сферы, это добавит ценности вам как специалисту, и компании. Разница между «пользуемся нейросетями» и «собрали рабочий контур» — та самая разница, которую рынок оценивает в десятки процентов зарплаты. [1]

Порядок, который сработал у нас и у тех, кому мы это показывали

Единственное, что мы бы посоветовали не делать, — начинать с самой важной задачи. Возьмите ту, которая надоела: еженедельный отчёт из трёх выгрузок, разбор почты, протокол встречи. Если получится — вы поймёте принцип, и дальше он переносится на всё остальное. Если не получится — вы ничего не потеряли.

Было бы нечестно закончить на воодушевляющей ноте и не сказать, где всё это ломается.

Крупная компания может позволить себе нанять людей и ждать. Небольшая — нет. Для нас это оказалось не модернизацией, а способом соответствовать: делать продукт того же уровня при заметно меньших ресурсах.

И тут есть неочевидный эффект. Обычно новая технология сначала усиливает сильных — у них больше денег на внедрение. Здесь наоборот: барьер входа низкий, а выигрыш от скорости у маленькой команды больше, потому что ей не нужно ничего согласовывать. Такого окна на нашей памяти давно не было.

Мы ничего не продаём в этой статье и специально не описываем, как всё устроено внутри. Но общаясь с коллегами и знакомыми компаниями, мы видим: подобное собрали единицы, и разговор часто идёт на разных языках. Люди мыслят прежними категориями и просто не представляют, что такое уже возможно. Мы стараемся не только помогать искать работу через наш сервис, но и сами внедрять новые подходы, использовать технологии, соответствовать будущему, которое уже наступило.

Поэтому: если вы делаете что-то похожее или только собираетесь — напишите. Расскажем, на какие грабли наступили, и с удовольствием посмотрим на ваш опыт. Заглядывайте в наш Telegram-канал, мы стараемся делиться чем-то полезным.

А если вы ищете работу или думаете, куда развиваться, — начните с одной своей рутины на этих выходных. Этого достаточно, чтобы понять, ваше это или нет. А также регистрируйтесь на нашей платформе, где вы бесплатно сможете пройти «Инфопрофиль» и увидеть свой потенциал — ровно то, что подсветит вам направление дальнейшего развития.