Искусственный интеллект в ИТ-проектах: практические кейсы и немного теории

Моя статья будет про то, как мы используем некоторые технологии искусственного интеллекта в проектах. Расскажу о том, какие вещи я использую, и о каких-то позитивных кейсах – возможно, они вам будут полезны.

Мы постоянно занимаемся улучшением технологии ведения проектов, и в том числе последние лет пять – как раз с тех пор, когда активно начали развиваться технологии искусственного интеллекта – применяем их на практике.

Так как я менеджер проекта до мозга костей, эта статья будет в контексте этапов проекта, которые применяются в нашей технологии:

• Подготовка проекта

• Моделирование процессов

• Проектирование и разработка

• Обучение пользователей

• Поддержка в процессе эксплуатации

• Внутренняя платформа ИИ

На каждом из этих этапов мы так или иначе начинаем применять технологии искусственного интеллекта, которые позволяют облегчить нашу жизнь и где-то повысить качество результата, который мы получаем на этом этапе.

Внутренний Telegram-бот и обучение промптингу

Где-то год назад мы раскатали на сотрудников всей нашей компании – у нас уже сейчас порядка трех тысяч человек – Telegram-бота, который форвордил запросы в ChatGPT. Все достаточно банально, технологически не очень сложно.

Мне говорили: «Слушай, это какая-то банальность, у всех есть этот доступ». Но ведь тогда нужен VPN. А когда у сотрудников появляется возможность очень просто, без всяких VPN, получить доступ к самому передовому продукту, это круто. И это приобрело популярность. Это первое.

Второе, что немаловажно: мы провели достаточно много обучений для работы с большими языковыми моделями. В компании мы проводили семинары о том, как задавать вопросы – так называемый промптинг – как общаться с искусственным интеллектом так, чтобы он тебе помогал.

И вот один из интересных кейсов. Мне нужно было склеить несколько Word-файлов. Я подумал: «Почему бы не спросить ИИ, как написать программку?» И достаточно быстро ChatGPT дал мне скрипт, который я скопипастил в файл, нажал на кнопочку – и все склеилось.

То есть это тот инструмент, которым можно пользоваться просто для решения текущих задач.

Не говоря уже о том, что можно получить достаточно много новых знаний из самых разных областей.

Мы собираем статистику по тому, как наши сотрудники пользуются этим ботом: в основном это какие-то общие информационные запросы, но в целом очень много запросов по программированию. Нейронки очень сильно заточены под разработчиков. Очень много тем по работе с базами данных, настройкам сетевого оборудования, администрированию и так далее.

Полные данные статистики:

• Общие запросы / информационные запросы – 31%

• Вопросы по программированию – 21%

• Юмористические / творческие запросы – 14%

• Работа с базами данных и запросами – 9%

• Настройка сетевого оборудования – 6%

• Администрирование серверов – 5%

• Ошибки в работе с оборудованием – 5%

• Вопросы по управлению доступом – 4%

• Настройка облачных технологий – 3%

• Прочие технические запросы – 1%

Генерация изображений через ИИ

Эта тема – очень классная с точки зрения генерации картинок для презентаций. Мне ее где-то полгода назад продал один из моих коллег с проекта. Как я отношусь к генерации картинок? Мне проще где-то загуглить и откуда-то вырезать. Почему? Потому что искусственному интеллекту надо объяснить, какую картинку ты хочешь, а это целая проблема.

Коллега мне предложил: «А ты попроси ИИ сформулировать запрос, чтобы сделать картинку». То есть ты просишь: «Напиши запрос для генерации вот такой картинки». Он сначала пишет тебе текстом описание картинки, ты его корректируешь, если нужно, потом отдаешь этот запрос обратно в модель – например, в DALL-E – и она уже генерирует красивую картинку.

Идея на поверхности, но сам по себе инструмент начинает работать гораздо лучше. Вы заставляете его описывать ваш запрос. Невероятно круто и вполне работает. Для презентаций – шикарная рабочая история.

ТЗ для автоматизируемых процессов

У нас есть тема с подготовкой проекта, техническим заданием и так далее. И в одном из проектов, который был недавно, мы столкнулись с химическим предприятием. Я ни разу не работал с химией, трубопроводами или еще чем-то. Но надо же что-то нагенерить, например, для встречи с клиентом, чтобы не упасть в грязь лицом, в ТЗ посмотреть, что это такое.

Пишем: «Дай мне, пожалуйста, каталог бизнес-процессов для ERP-систем» – и он выкатывает вполне нормальный, классический перечень процессов, на которые надо смотреть через призму применимости к предприятию и так далее. Вполне нормально работающая история, в качестве контекста подходит прекрасно. Понятно, что дальше с этим нужно работать, но метод вполне работоспособный.

Предварительное описание процесса

По нашей технологии сначала создается каталог бизнес-процессов, потом мы работаем уже с шагами, то есть описываем их более детально. И здесь искусственный интеллект справляется хуже, потому что он еще не все знает про 1С – я думаю, что все впереди.

В целом, если исходить из того, что вам нужно сделать детальное описание процесса, привлекая специалистов условно младшего уровня, дать им контекст для того, чтобы они это писали, а потом выверить при помощи мидлов – вполне хорошо заходит. Факт получения контента вполне нормальный, в хорошей структуре, с неплохим описанием. Понятно, что положить его на 1С придется уже более квалифицированным специалистам, но это займет гораздо меньше времени, чем если бы кто-то с нуля посидел и написал весь этот текст.

Протоколирование совещаний с помощью ИИ

Следующее – это задача протоколирования совещаний.

Задача транскрибации и составления мемо на текущий момент очень хорошо решается уже существующими технологиями искусственного интеллекта, будь то TimeList или Umka.

Есть достаточно хороший продукт, который называется Whisper – его можно просто поставить на компьютер. Он прекрасно делает транскрибацию с видео- и аудиозаписей совещаний. Дальше вы эту транскрибацию засовываете в любую LLM – будь то ChatGPT или что-то локальное, типа развернутых Llama. И у вас на выходе появляется хороший протокол.

Тот же TimeList и Umka в принципе уже хорошо с этим справляются – просто присылают на почту. Мы этим пользуемся. Возникает вопрос конфиденциальности и так далее, но это уже технический вопрос.

Это уже must have. Все должны это делать по умолчанию. В противном случае мы тратим уйму времени на составление всех этих протоколов или мемо.

Управление объемом проектной документации

Следующая проблема, которая встает на текущий момент – это проблема объема информации, с которой мы работаем в проектах.

Здесь приведена статистика из нашей компании. Мы немного анализировали тот объем документов, который у нас нагенерился за последние 5 лет. У нас очень много файлов хранится в хранилище документов по проекту – просто невероятное количество.

Условно за год проекта у нас генерится около пары сотен файлов, а в зависимости от количества бизнес-процессов и масштаба проекта может быть и под 500 документов в хранилище проектной документации.

Каждый новый человек, который приходит в команду, просто не может ознакомиться с таким количеством файлов. Да, у нас есть поисковик – он может найти вам 100 ссылок на все файлы, но прочитать их невозможно.

Поэтому задача, связанная с поиском и доступностью информации, лежит на поверхности. Многие, наверное, уже пользуются нейропоиском Яндекса. Хочется получить ответ, а не читать всю документацию.

Сейчас мы достаточно плотно внедряем у себя продукт, который занимается поиском знаний по базе данных и хорошо себя зарекомендовал.

Вы задаете вопрос по документации, которая находится у вас в проекте, он анализирует эти документы и выдает ответ. Более того, если все хорошо с индексацией и документами, он еще и выдает ссылки.

По документации могут быть совершенно разные вопросы, вплоть до контактов или итогов совещаний. Вы исходите из того, что контент, который есть по вашему проекту, становится доступным для людей. Не нужно читать – нужно просто получить ответ. Причем все это пополняется в автоматическом режиме.

ИИ-ассистенты в разработке

Следующая история – про разработку. Помощника, которого выпускает 1С, уже показывали на одной из конференций. Но это скорее дань обосновавшемуся на рынке не 1С-ной разработки тренду. Копайлоты уже везде с точки зрения языков программирования, один из самых крутых сейчас – это гитхабовский Copilot. Это ТОП-1 на рынке в принципе, но это облачное решение.

У нас очень много достаточно профильной разработки на других языках программирования, не только на 1С. И есть ContinuedDev, который наши ребята развернули и очень активно используют.

В целом абсолютное большинство коллег, которые сталкивались с разработкой (а разработчиков у нас уже около 500), говорит, что это ускоряет разработку. И я очень надеюсь, что в 1С это тоже будет, и мы все этим будем пользоваться.

У нас было несколько митапов с разработчиками на эту тему. В целом все говорят о том, что следующий шаг – это умение работать с искусственным интеллектом. То есть мы не можем от этого отказаться – нам уже нужно разрабатывать так, чтобы искусственный интеллект нас понимал и помогал нам, в этом основная задача.

Автоматизация тестирования и создание инструкций через Vanessa Automation

Последние лет пять мы очень плотно используем Vanessa Automation.

Мне очень нравится тема с видеоинструкциями. Алиса озвучивает видеоинструкцию, и это тоже искусственный интеллект. Они используют Яндекс DeepSpeech. Большое спасибо разработчикам, это очень круто, возьмите на вооружение.

Возвращаясь к Vanessa Automation. Когда мы посмотрели на то, как выглядит сам сценарий тестирования, поняли одну вещь.

Когда я зашел в тему обучения через видеоинструкции, мне все говорили: «Видеоинструкций недостаточно, нужна бумага». Мы начали думать: «Не хочется писать инструкции. Надо заставить это делать искусственный интеллект».

Адаптировать сценарий тестирования, который записывает Vanessa на языке Gherkin, с использованием искусственного интеллекта очень просто. Он хорошо справляется с тем, чтобы сухой текст инструкций превратить в осознанный текст инструкций для пользователя.

Такой промпт, как: «Распиши алгоритм по скрипту, приведенному ниже, с подробным описанием для неспециалиста, тестирование проводится в 1С. Оформи в виде инструкции для пользователя…» уже хорошо готовит инструкцию в текстовом виде для Word-представления для пользователей. Имея такой сценарий, мы получаем и видеоинструкцию, и текстовую инструкцию, не говоря уже об автотестах и прочем.

Я считаю, что использовать Vanessa Automation в своих проектах – это must have.

ИИ в технической поддержке и работе с инструкциями

Про поддержку в процессе эксплуатации. Если у вас достаточно большой Service Desk, а у нас в компании он очень большой: у нас много заказчиков на поддержке, есть подразделения, которые занимаются обработкой заявок, маршрутизация заявок от заказчиков по подразделениям и конкретным направлениям – с этим неплохо справляются нейросети. Есть специализированные решения для этого, и некоторые мы у себя используем. Для того, чтобы облегчить диспетчеризацию заявок, которые приходят от заказчиков, это вполне хорошо работающий кейс.

Автоответы и поддержка сейчас достаточно специфическая тема. Скорее хорошо заходит поддержка сотрудников первой линии, а не автоответы заказчику, но маршрутизация вполне нормально работает.

1С недавно наконец-то тоже запустила своего бота по ИТС. В свое время я загрузил весь ИТС в систему с искусственным интеллектом – неплохо работало. Надеюсь, что 1С сейчас тоже такое выдаст, и в принципе, во всех базах появится нормальный поиск с искусственным интеллектом – и по ИТС, и по функционалу 1С в целом.

На текущий момент технологии так называемых RAG-систем (это не только искусственный интеллект) очень круто работают с данными. Загружаем туда все инструкции, например, инструкции ИТС, инструкции, которые у вас появились в процессе реализации проекта и так далее. На выходе вы получаете бота, который отвечает вам со ссылками на инструкции.

Но я считаю, что пока это не для пользователей. Это скорее история для первой линии – для ответов или повышения уровня квалификации сотрудников, которые находятся на техподдержке, чтобы они более качественно консультировали пользователей, и у вас не было серьезных разрывов. Но тема очень крутая, и я надеюсь, что в перспективе это можно будет легко транслировать на пользователей.

Архитектура внутренних ИИ-ассистентов

И немного про архитектуру того, что мы внедряем у себя внутри, как мы у себя организуем ассистентов с использованием искусственного интеллекта.

Здесь три основных компонента. Первое – это система управления всеми ассистентами, которые работают с нашими сотрудниками и с данными. Каждый ассистент обладает возможностью выхода в интернет с использованием OpenAI, GigaChat или чего-то другого. Это когда мы работаем с неконфиденциальной информацией.

Если у нас информация конфиденциальная, мы работаем с локальной RAG-системой, которая позволяет, не выходя за рамки нашей инфраструктуры, обрабатывать запросы.

Внутри – либо Llama, либо DeepSeek, сейчас тестируем разные варианты. Но в целом внутренняя RAG-платформа позволяет работать с конфиденциальными данными и не вытаскивать работу с документами наружу, что для нас, как для компании, у которой с заказчиками подписана куча всяких NDA, очень критично.

Со стороны системы управления у нас Telegram-канал, Telegram-бот, приложения по анализу резюме, те инструкции, которые я показывал, чат-бот нашего внутреннего сервиса по обмену сообщениями, который в принципе может работать как с документами, так и с искусственным интеллектом, который находится внутри компании.

*************

Статья написана по итогам доклада (видео), прочитанного на конференции INFOSTART TEAMLEAD & CIO EVENT.