Как мы встроили AI-ассистента в бизнес-анализ и сократили время на проработку задач
В быстро растущих командах задачи не всегда появляются сразу в идеально структурированном виде. Особенно когда параллельно меняются процессы, запускаются новые продукты или появляются дополнительные регуляторные требования.
Мы заметили, что значительная часть времени у команды бизнес-аналитиков начала уходить на синхронизацию контекста и уточнение деталей.
Например, запросы могли звучать так:
«Нужно улучшить уведомления»
«Хотим протестировать новый сценарий»
«Нужна интеграция с партнером»
После этого обычно начиналась серия дополнительных обсуждений: нужно было определить цель, сценарии, ограничения, критерии успеха и другие вводные.
В какой-то момент команда поняла, что этот этап можно улучшить с помощью AI.
Так появился внутренний AI-ассистент для первичной проработки бизнес-запросов.
Инициатор описывает задачу в свободной форме, а система помогает собрать и уточнить требования: задаёт уточняющие вопросы, собирает недостающий контекст, фиксирует сценарии, ограничения, риски и открытые вопросы.
На выходе получается не готовое ТЗ, а структурированный черновик требований, с которым бизнес-аналитик уже может полноценно работать. При этом мы довольно быстро поняли, что ценность даёт не просто AI-чат, а сценарий, встроенный в конкретный процесс.
Пользователь работает в привычной среде, где заранее определены логика взаимодействия, структура результата и шаблоны под разные типы задач. Благодаря этому система помогает не просто генерировать текст, а структурировать запрос для дальнейшей работы.
Например, для интеграционных задач ассистент помогает собрать цели, участников процесса, зависимости, ссылки на документацию и ключевые сценарии взаимодействия. А для продуктовых экспериментов — зафиксировать сегменты пользователей, логику распределения трафика, критерии оценки результата и потенциальные риски.
В среднем за двухнедельный спринт команда работает примерно с 15 задачами. До внедрения ассистента значительная часть времени уходила именно на первичную проработку и фиксацию вводных — около 20 часов за спринт.
После внедрения задачи начали попадать к бизнес-аналитикам уже в структурированном виде, а этап первичной проработки сократился до точечной проверки — по 30 минут на задачу. В итоге на тот же объём задач стало уходить около 7–8 часов вместо прежних двадцати.
Но главный эффект оказался даже не в экономии времени.
В итоге команды начали быстрее переходить от уточнения вводных к обсуждению самих решений, сценариев запуска и возможных рисков. Для нас это стало способом сократить рутинную часть бизнес-анализа и вернуть фокус на глубокую проработку логики и архитектуры.
Материал подготовлен на основе внутреннего опыта IT-команды СВОЙ Тех (входит в финтех-группу СВОЙ). В отдельном материале на Хабре подробнее рассказываем про архитектуру решения и то, как встроили AI-ассистента в существующие процессы команды.