Год назад мы провели первый внутренний AI-хакатон. После некоторые проекты были разработаны и реализованы в течение года. В этом году мы повторили опыт, но усложнили задачу — сместили фокус на мультиагентные системы. Делимся опытом организации, выводами и результатами. Наш опыт будет полезен тем, кто планирует подобное мероприятие.
Выбор темы: фокус на мультиагентность
Прошлой осенью мы впервые попробовали формат внутреннего хакатона для эксперементов с нейросетями. В этом году усложнили задачу и сфокусировались на мультиагентных системах. Участникам предстояло создать не одного агента для автоматизации функции, а систему из нескольких взаимодействующих AI-агентов, обладающих автономностью, реактивностью и проактивностью.
Мы ожидали, что проекты станут на порядок сложнее — так и вышло. Если в прошлом году многие идеи касались ускорения рабочих процессов (часто с использованием RAG), то теперь команды углубились в проектирование мультиагентных архитектур, построение сложных цепочек промптов и интеграцию с внутренними API.
Организация — что изменилось и как прошло
Формат и участники. Хакатон снова проходил два дня (суббота и воскресенье). Хотя мы разрешили онлайн-участие, почти все команды собрались в петербургском офисе, что создало интенсивную рабочую атмосферу. Некоторые участники работали практически без сна.
Правила
Размер команды: до 6 человек.
Выбор LLM — полная свобода: локальные, облачные или развёрнутые внутри компании модели.
Жюри — 5 человек: ИТ-директор, директора департаментов разработки и аналитических решений, два менеджера по продуктам.
Судейство и обратная связь. В этом году мы отказались от рейтинга команд и «Приза зрительских симпатий». Решили оставить только одно призовое место. Такой подход вызвал у некоторых участников разочарование. Вопрос, сохраним ли мы этот формат в будущем, пока остаётся открытым.
Критерии оценки остались прежними: качество и структура презентации и наличие работающего демо.
Команды и их проекты
В хакатоне участвовали четыре команды:
1. Команда тестирования с проектом «Архитектурный комитет». В их работе часто возникают сложности при принятии решений. Например, затягиваются обсуждения, кто-то из принимающих решение в отпуске, возникает конфликт интересов (бэкенд хотят Go, фронтенд — TypeScript везде). Решением стало веб-приложение для многоагентных переговоров с ИИ. Пользователь вводит вопрос, а группа агентов (стратег, эксперт по безопасности, инноватор, «мечтатель» и другие) генерирует согласованное и аргументированное предложение.
2. Команда «RAGи на Кассе» с проектом «ИИ-ревью тех. решений». Они предложили мультиагентную систему для автоматического ревью технических решений, что может ускорить и стандартизировать процесс разработки.
3. Команда «Ошибка-402» представила проект «Умное управление деньгами». Этот проект выделялся тем, что вышел за рамки IT-оптимизации и предложил продуктовое B2C2B-решение. Команда разработала концепцию персонального финансового помощника внутри кошелька ЮMoney, который помогает пользователям планировать бюджет, копить и находить выгодные предложения от магазинов. Для бизнеса это —инструмент привлечения целевых лидов.
Победитель: команда из департамента информационной безопасности
Команда «Раскачаем этот прод» представила проект «Мультиагентный помощник SOC-аналитика» — систему для автоматизации расследования инцидентов безопасности. Проект признали технологическим прорывом, готовым продуктом с понятной экономикой — он способен сэкономить компании десятки миллионов рублей.
Комментарий Ирины, участницы команды:
Ирина
Начальник аналитического отдела в департаменте ИБ, менеджер проекта команды на хакатоне
Наша команда участвует в AI-хакатоне уже не первый год. В прошлый раз мы разрабатывали систему интеллектуального поиска по внутренней документации. Сейчас сосредоточились на области, которая напрямую связана с нашей экспертизой, — кибербезопасности.
Задача заключалась в том, чтобы переложить накопленный опыт анализа инцидентов ИБ на AI-агента. Он должен обрабатывать инциденты из трекера задач, обращаться к внутренним системам для расследования, при необходимости самостоятельно уточнять детали у сотрудников и выносить итоговый вердикт: требуется ли вмешательство специалиста по ИБ или инцидент ложный.
Проект оказался значительно сложнее прошлогоднего: решение пришлось интегрировать с трекером задач, корпоративными системами, мессенджером и GigaChat, что усложнило архитектуру.
Команду составили пять специалистов: дата-сайентист, Python-разработчик, SOC-аналитик, инфраструктурный инженер и менеджер проекта. Мы были единственной командой не из IT-департамента, что придавало дополнительную мотивацию. Работали почти без перерыва — с 11 утра субботы до 7 утра воскресенья. Самым трудным выдался вечер: около восьми вечера система всё ещё была нестабильной, физическая усталость нарастала, но мы продолжали. К моменту награждения мы буквально едва держались на ногах.
Несмотря на сжатые сроки и сложность, мы собрали работающий прототип. В рабочем режиме реализовать такой объём интеграций за короткое время почти невозможно. Это подтвердило, что хакатоны дают мощный импульс разработке.
AI-хакатон для нас — это не только возможность углубить знания в области ИИ обменяться экспертизой с коллегами. Это шанс создать продукт, который приносит ощутимую пользу компании. После прошлого хакатона несколько решений были доработаны и внедрены, теперь они используются в повседневной работе. Надеемся, что и текущий проект по ИБ получит развитие и выйдет за рамки прототипа.
Итоги и планы
Главный итог — заметный рост зрелости проектов. Практически каждый из них заслуживает детального изучения и имеет шансы на внедрение. Хакатон снова подтвердил свою эффективность как инструмент быстрого прототипирования и демонстрации ценности автоматизации.
Что дальше? Лучшие идеи пойдут в реализацию. Уже точно понимаем, что работу SOC-аналитика нужно автоматизировать — и будем это делать. Другие проекты проанализируем вместе с командами, чтобы оценить ресурсы для их пилотирования.
А в вашей компании уже был опыт проведения хакатонов? Делитесь в комментариях.