Применение AI для анализа и решения ИТ задач
В статье демонстрируется прикладное применение ИИ для анализа и решения ИТ задачи. Ценность подхода в том, что вы быстро получаете проработанное представление о задаче и базу, на основе который можете строить архитектуру и документацию.
Задача
Автоматизировать бизнес-процесс (т.е. сделать автоматическим).
Бизнес-процесс
Сотрудник раз в сутки запускает генерацию фида для Яндекс Товары, затем загружает фид в личном кабинете. Раз в час сотрудник проверяет статус фида, и если он принят, то ранее загруженные фиды в Яндекс Товары удаляются. Товары находятся в CMS Битрикс.
Решение
Для решения был сформирован минимальный (14 КБ текста) NLP (Natural Language Programming, корпус знаний + инструкции) для задач класса "Инструментальная Агентная" (весь функционал помещается в автономные сервисы). Основная задача NLP – задать матрицу формализации, т.е. направить ИИ, обозначить темы (иногда узко), по которым он должен высказаться.
Natural language programming
Разделы NLP
- Понятия Универсальные
- Артефакты Прикладные
- Компоненты Типовые
- Логика Прикладная
- Карта Функциональная
- Карта Компонентная
- Карта Коммуникаций Внешних
Задание ИИ
1. Сделай Функциональную карту.
2. Сделай Компонентную карту.
3. Сделай Карту внешних коммуникаций.
Результат
Результат, конечно, не идеальный, ИИ показывает своё понимание задачи и деталей решения. Тестирование проводилось на 3-х AI, все решения примерно равны (по уровню ошибок, релевантности информации, представления о решении задачи), повторяемость в разных генерациях высокая. Победителя выберите сами ...
Домыслы
Результат можно улучшить ... как?
- Провести несколько раундов с вопросами, а ответами уточнять постановку задачи.
- Добавить больше прикладных артефактов (API, Битрикс) и качественнее их специфицировать (в корпусе всего 1 шт. – фид).
- Залить в корпус больше профильных знаний.
Если добавить в корпус раздел Стек технологий (описать возможности и критерии применения системных компонентов), то можно получить полноценные архитектурные артефакты (диаграммы, модели, контракты и т.д.) в любой нотации.
Корпус NLP не может расти бесконечно, он должен оставаться сфокусированным на профиле задач своего класса.
Что еще ...
Решение задач только с NLP и голым ИИ – не самый продуктивный способ достигать результата в ИТ процессах, для максимальной эффективности хорошо бы добавить:
- Регламенты, стандарты и методики.
- Базы эталонных решений.
- Шаблоны документов для качественной упаковки задач и решений.
- RAG и AI-агенты, выполняющие рутинные операции (изменение документации, обновление кода в репозитории, постановка задач и т.д.).
В конечном счёте можно получить: эффективные и интересные процессы решения задач в ИТ, единый язык и качественное управление документацией.