
Привет, Хабр! Меня зовут Сергей Протацкий, я директор по продукту COMETAL. Мы строим платформу для промышленной кооперации, через которую помогаем заказчикам находить исполнителей для изготовления металлоизделий, а производствам – получать заказы.
За последние годы мы прошли путь от стороннего коробочного решения, которое не справлялось с нашими задачами, до собственной платформы с сильной IT-командой. Параллельно научились использовать нейросети так, чтобы они не просто писали код, а реально работали на бизнес. Сегодня у нас работают 14 ИИ-агентов, и они делают вещи, которые ещё пару лет назад казались фантастикой.
В этом материале расскажу, как мы строили платформу, почему отказались от готовых решений и как дошли до того, что нейросети у нас тестируют платформу по ночам, строят графики по запросу на человеческом языке и сами выкатывают код в прод (да, было и такое).
От коробки к своему продукту: как мы поняли, что готовых решений нет
Когда я пришёл в проект аналитиком, это была ещё гипотеза – платформа по продаже изделий из металла. Мы начали с AMS CRM, я предложил кучу интеграций: телефония, бизнес-процессы, разные сервисы. Но быстро стало понятно, что классические CRM не подходят. У нас схема другая: мы сначала закупаем продукт у исполнителя, потом продаём заказчику. Это два разных контракта, две разные логики. В одной заявке нужно учитывать и закупку, и продажу. CRM под это не заточены.
Мы взяли коробочное решение интернет-магазина и начали дорабатывать. Переписали около 80% кода. Но столкнулись с проблемой – монолитная архитектура. Мы быстро росли, накидывали функциональность, и система начала ломаться. Правили одно – ломалось другое. Стало очевидно, что это тупик.
Отказались. Забрали главное – наработки и знания бизнес-процесса. Аналогов нашей платформы на рынке нет, мы первопроходцы. Всё, что мы делаем, мы придумываем сами.
Мы нашли нового вендора, поставили задачу. Но и здесь нас ждал сюрприз: вендор взялся за дело рьяно, но этого запала хватило на пару месяцев. Скорость просела, продукт оказался сложнее, чем они думали. Первую версию мы получили только через полгода, и к тому моменту уже понимали: дальше работать с ними не будем.
В мае 2023 года у нас появилась первая внутренняя команда разработчиков. В ноябре мы закончили отношения с вендором, забрали код, утрясли финансовые вопросы, и команда начала работать в полную силу. Сейчас в IT-дирекции COMETAL 25 человек: аналитики, разработчики бэкенда и фронтенда, тестировщики, архитекторы, девопсы, дизайнеры, техподдержка.
Где живут ИИ-агенты?
Самым сложным было создать инфраструктуру. Агентам нужно где-то жить, нужна платформа, которая будет их оркестрировать. Мы рассматривали готовые решения, но они не подошли: либо дорого, либо слабо по функционалу, либо оказывалось, что компания выдаёт open-source за свою наработку.
Приняли решение пилить сами. И здесь у нас было преимущество: мы уже умели применять ИИ в работе. Платформу я сделал сам с помощью нейросетей. Заказали пентест – нас не взломали. После этого начали создавать агентов и запускать их в бой.
Все агенты живут в Яндекс.Мессенджере. Мы работаем в закрытом контуре, плотно интегрированы с Яндекс.Трекером и Яндекс.Вики. Пользователи пишут агентам прямо в рабочих чатах – это удобно: не надо переключаться между платформами.
Важный момент про безопасность: мы используем локальные модели. Если работаем с облачными, вся чувствительная информация проходит через маскиратор. Маскиратор заменяет реальные данные на маски, а при возврате запроса делает демаскирацию. Пользователь думает, что модель просто обработала запрос, а на самом деле данные защищены. Мы не раскрываем ни персональные данные, ни коммерческую тайну.
Наши агенты: кто они и чем занимаются
Сейчас у нас 14 полноценных агентов. Перечислю основных, чтобы было понятно, что именно мы передали нейросетям.
«Аркадий» – наш первый агент. Пишет ТЗ. Любой пользователь может написать ему в Яндекс.Мессенджере, описать идею, и «Аркадий» превратит её в структурированное техническое задание, которое сразу упадёт в трекер задач. Он подключён к Вики и Трекеру, знает всё о нашей системе, может ответить на любой вопрос по статусу задачи.
«Ирида» – обрабатывает входящие письма. 80% заявок приходят на почту. Раньше менеджер открывал письмо, копировал данные вручную, вбивал ИНН, название компании, контакты. Сейчас «Ирида» забирает письмо и в течение 30 секунд заполняет заявку. Всё автоматически: ИНН, название, гендиректор, контакты. Никакого ручного ввода.
«Геннадий» – для техотдела. Очищает чертежи от персональных данных и коммерческой тайны. Раньше технологи открывали каждый чертёж и вручную удаляли всё лишнее. Теперь это делает «Геннадий» по кнопке. Он же проверяет комплектность конструкторской документации: может быстро сказать, каких чертежей не хватает.
«Нестор» – проверяет контрагентов. Пишешь ему ИНН и роль (заказчик или исполнитель) – он собирает информацию из открытых и закрытых источников, проверяет через «Контур-Фокус» и выдаёт заключение: стоит с этой компанией работать или нет. Всё за две минуты.
«Герман» – занимается преддоговорной работой. Может написать письмо, собрать комплект уставных документов, заполнить формы для тендерной подачи.
«Прохор» – нейроюрист. Закидываешь договор – он проверяет его по нашей карте рисков, подсвечивает все проблемные места. Карту рисков составляли наши юристы; «Прохор» просто применяет её к каждому новому договору.
«Порфирий» – для производства. Сверяет с эталоном спецификации, собирает таблицы из КМД и проверяет сертификаты.
«Аналитик» – новый агент, который появился совсем недавно. Работает прямо на платформе, подключён к реплике нашей продакшн-базы данных (копия снимается раз в час). Теперь любой сотрудник может написать агенту на человеческом языке: «Выбери заказчиков с такими-то контактами по такому-то переделу» или «Построй график динамики за период». Агент сам сходит в базу, вытащит данные, обработает и выдаст результат. Теперь получение информации занимает минуты вместо дней ожидания в очереди. Забавный факт: я не собирался его выпускать, но в пятницу вечером накидал ему идей и ушёл спать. В субботу коллега пишет: «Классная функциональность». Агент сам всё доделал и залил в прод.
«Контекст» – второй мозг для продажника. Полное досье на заказчика и на сделку. Можно написать ему любой вопрос по заявке или контрагенту – он выдаст всю информацию: что мы с ним делали, что продавали, какие были договорённости. Приходит звонок – он тут же транскрибирует, записывает оперативную информацию и раз в полчаса обновляет данные. Помните, как на совещаниях постоянно звучит: «Дайте статус по заявкам»? Теперь этот статус будет собирать агент. А ещё мы его доработаем, чтобы он показывал, на каком этапе заявка «тупила».
«QA-калибратор» – тестирует платформу. Берёт тест-кейс из Яндекс.Вики, открывает QA-стенд, заходит под нужной ролью и начинает пошагово проверять: нажимает кнопки, смотрит результат. Когда успешно проходит весь путь, генерирует специальный скрипт с точными локаторами. Дальше этот скрипт уже без нейросети просто прогоняет кнопки. Каждую ночь в 22:00 запускается прогон. К 7:00 всё готово. В 8:00 в мессенджер приходит отчёт: столько-то прошло, столько-то упало. Раньше, чтобы руками проверить всю платформу, требовалось два человеко-дня. Сейчас весь прогон занимает буквально час.
«Триажёр» – разбирает упавшие тесты и помогает понять, где именно проблема: код сломали или тест-кейс устарел.
Есть ещё «OCR-бот» – это функция, а не полноценный агент, но она важна. Распознаёт текст в любых документах и сканах, в том числе без текстового слоя. Работает через Apple Vision или более серьёзные визуальные модели, если Apple Vision не справляется.
И ещё несколько агентов для внутренних технических нужд: помогают разработчикам с нотификациями, проверяют мерж-реквесты на качество кода.
Планы и мысли на будущее
Сложно прогнозировать развитие на год вперёд. Всё зависит от того, куда пойдёт мировая тенденция. Если выпустят ещё более быстрые и качественные модели – мы сможем реализовать планы 2027 года быстрее и меньшим количеством людей. Если появятся новые технологические решения – мы можем полностью переписать платформу для агентов, чтобы сделать их ещё лучше.
Мы не бежим за трендами. Если задачу можно решить алгоритмом – решаем алгоритмом. Это дешевле, быстрее и стабильнее. Если нужна непрямая логика – используем ИИ. Человеческий контроль остаётся обязательным. Нейросети ошибаются, и мы не можем позволить себе пропустить ошибку.
Через год-два я вижу такую картину: все сотрудники IT-дирекции используют ИИ в своей работе. Рутинные задачи автоматизированы, люди сосредоточены на сложных задачах, требующих профессионального суждения. Разработчики перестают быть кодерами – они становятся инженерами, которые управляют нейросетями. Аналитики пишут бизнес-требования, а не системные ТЗ.
Аргумент для тех, кто сомневается
Многие боятся, что ИИ заменит людей. Я думаю иначе: преимущество получат специалисты, которые умеют применять ИИ в своей работе. Если у меня есть два разработчика – один использует нейросети, а другой нет, – первый сможет быстрее решать часть задач. Скорость здесь решает всё. Фича, которая делается месяц, с нейросетью делается за неделю.
В нашей команде мы сейчас проводим ротацию, и это нормально. Для определённого этапа развития продукта нужны определённые люди.
Тем, кто только думает начать: просто попробуйте. Работать с ИИ значительно проще, чем кажется. Начните с самой рутинной задачи – переложите её на нейросеть и посмотрите на результат. Это лучший способ убедиться самому.
Если у вас есть похожий опыт или вопросы – добро пожаловать в комментарии. ?
perry_19
А что вы получаете утром после ночного теста? Если нейросеть находит баг, она сразу показывает, как его воспроизвести, или это приходится выяснять вручную?
SeregaProt Автор
Утром мы получаем отчет сколько кейсов прошли, а сколько упали. По упавшим кейсам, еще ночью, при завершении прогона, включается агент который проверяет причину по которой упал кейс, это может быть как ошибка стенда так и ошибка самого кейса.
Если причина в кейсе то агент сам ставит кейс на перекалибровку и, после калибровки, заново запускает прогон. Если ошибка стенда, то агент предоставляет нам gif файл с подробными картинками, что он нажимал и, что получилось. Ну и мы уже разбираемся что было причиной ошибки.