Квиз завершён ✅

Если у вас 6–7 правильных ответов — вы уже хорошо понимаете базу по ИИ-агентам и, скорее всего, готовы идти глубже: разбирать реальные сценарии, инструменты, правила, безопасность и применение в работе аналитика.

Если 4–5 правильных ответов — база есть, но есть пробелы. Это нормально: тема новая, и большинство путает “просто промпты” с настоящей агентной работой.

Если 0–3 правильных ответа — тоже ничего страшного. Значит, сейчас самое время разобраться, пока ИИ-агенты ещё не стали обязательным навыком для аналитика.

На курсе «ИИ-агенты в работе аналитика» как раз разбираем, как применять агентов не в теории, а в рабочих задачах: требования, документация, API, файлы, проекты, Cursor и безопасная автоматизация рутины

Старт курса — 18 мая (в ближайший понедельник)

До 17 мая включительно действует промокод AGENT20 на скидку 20% (вводить на странице оплаты)

👉Подробнее о курсе и приобрести можно здесь

ИИ уже скоро будет не преимуществом, а базовым требованием👆

Если посмотреть на то как быстро менялись требования к аналитикам за последние пару лет, очень скоро это станет обязательным пунктом!

Старт курса по ИИ-агентам для аналитиков уже завтра 18 мая⚠️
До конца сегодняшнего дня действует скидка 20% по промокоду

AGENT20 💛

👉Подробнее о курсе и приобрести можно здесь

LLM перестал быть просто чатом. Теперь он полноценный член команды аналитика

Ещё пару лет назад LLM использовали в основном как «генератор текста»: набросать черновик требований, переписать абзац, придумать название. Но дальше всё равно приходил человек и переписывал результат почти полностью. Потому что модель не знала контекста проекта, не понимала артефактов и не умела держать в голове ограничения.

Сейчас ситуация кардинально изменилась, модель можно обучать на проектных артефактах (ADR, спецификации, схемы). И она начинает решать инженерные задачи.

На ИТ конференциях наши коллеги все больше начинают рассказывать про удачные кейсы применения ИИ:
— Проектирование ADR и диаграмм через Cursor. Аналитики и архитекторы показывают, как с помощью агентских навыков (agent skills) создают черновики архитектурных решений и даже схемы — не копируя ответы, а адаптируя под контекст проекта.
— LLM как аудитор требований. Модель находит противоречия в документах или рекурсивные описания за считанные секунды, когда аналитики могут на это тратить несколько дней.
— Фасилитатор встреч. LLM генерирует уточняющие вопросы по сценариям, указывая на слепые зоны, о которых аналитик мог забыть. А еще отлично присутствует вместе с вами на встречах, ведет протокол и фиксирует договоренности.

ИИ в анализе — это не хайп, а новый рабочий инструмент. Не замена человека, а усиление: быстрее, тщательнее, без рутины.

Ставьте 🔥, если тоже хотите использовать LLM как члена команды, а не просто как чат. Поделитесь в комментариях своими реальными кейсами!

Вакансии для самых самых самых✅

⚡️Системный аналитик, Globus

💪🏻Бизнес аналитик (кредитный процесс), Selecty

📞Бизнес Аналитик, Т-Банк

💸Ведущий аналитик анализа данных QS, Тануки

🔑Старший системный аналитик в MAX

Как мы попробовали Spec-Driven Development на реальном проекте

Чтобы далеко не ходить, мы пообщались с экспертами школы и попросили поделиться опытом в применении SDD. И вот, какой ответ получили)

Решили не гадать, а взять и попробовать SDD на внутренней задачке: реализовать небольшой сценарий в голосовом боте. Вместо обычного ТЗ написали спецификацию.

Что получилось:
Время от идеи до работающего черновика скрипта сократилось в разы. Мы сократили время на передачу задачи от аналитика к разработчику (планирование, спринты, все дела), сократили время на реализацию (AI сделал за пару минут). Плюс спецификация стала понятна всем — и аналитику, и тестировщику, и разработчику. Это сняло кучу уточнений.

Но без ложки дёгтя не обошлось:
SDD не прощает любые двусмсленные фразы, разницы в понятиях. Нужна строгая, однозначная формулировка, иначе AI генерирует кашу или начинает додумывать. Плюс когда мы стали масштабировать задачу и усложнять логику, модель начинала ошибаться (ну или мы еще не научились нормально описывать).

Вердикт
SDD — отличная штука для прототипов и типовых сервисов (на данный день, кто знает что будет дальше). Аналитик перестаёт быть просто «передатчиком требований» и начинает влиять на форму продукта. Но к старым привычкам писать «как-нибудь» придётся забыть.