Зачем ИИ-агенты IT-команде

Большинство людей знакомы с ИИ в формате чата: задал вопрос, получил ответ; скопировал кусок текста, попросил переписать. Это полезно, но это не то, о чём этот сайт. Агент делает следующий шаг: вы не спрашиваете, а делегируете. Разница примерно как между «спросить коллегу, как исправить баг» и «попросить коллегу исправить баг».

От вопросов-ответов к делегированию

В чате вся работа остаётся на вас. Модель отвечает текстом, а вы сами копируете код в редактор, запускаете тесты, возвращаетесь с ошибкой, вставляете её в чат, и так по кругу. Вы работаете курьером между моделью и своим проектом.

Агентом называют большую языковую модель (LLM, large language model), которой дали инструменты и цикл работы: она читает файлы, запускает команды, смотрит на результат и повторяет, пока задача не решена. Задачу «исправь падающий тест в этом репозитории» агент выполняет сам: найдёт тест, прочитает код, внесёт правку, запустит тесты, увидит новую ошибку, поправит ещё раз. Ваша роль смещается с «делать руками» на «поставить задачу и проверить результат». Подробно устройство агента разобрано на странице Что такое агент.

Это касается не только кода. Агент может пройтись по папке с документами и собрать сводку, сверить требования со сделанным, разобрать логи, подготовить черновик отчёта из нескольких источников.

Что реально меняется

По опыту команд, которые встроили агентов в работу, выигрыш концентрируется в четырёх областях:

Скорость рутины. Переименовать сущность по всему проекту, обновить зависимости и починить сломавшееся, написать миграцию, заполнить однотипные конфиги. Задачи, где всё понятно, но руками отнимают полдня.
Черновики. Первая версия функции, тестов, документации, письма, постановки задачи. Черновик за минуты вместо часа «чистого листа», а довести до ума быстрее, чем написать с нуля.
Исследование кода и документов. «Где в этом проекте обрабатывается оплата?», «Что изменится, если мы уберём это поле?», «Собери из этих трёх спецификаций противоречия». Агент читает быстрее человека и не устаёт от объёма. Для аналитиков и новичков в проекте это часто самая ценная возможность.
Автоматизация проверок. Прогнать линтер и исправить замечания, проверить пулл-реквест по чек-листу, сверить документацию с кодом, найти места без тестов.

Общая черта этих задач: результат легко проверить. Тесты либо проходят, либо нет; сводку по коду можно выборочно сверить с исходником. Именно поэтому здесь агенты окупаются быстрее всего. Подробнее об этом в Проверка результатов агента.

Чего агенты не делают

Здесь важно быть честными, потому что завышенные ожидания чаще всего и приводят к разочарованиям.

Не заменяют экспертизу. Агент не знает вашего бизнеса, истории проекта и негласных договорённостей команды. Он предложит решение, которое выглядит разумно в общем случае, а подходит ли оно вам, решаете вы. Чем меньше вы понимаете в предметной области, тем хуже вы можете оценить работу агента.
Ошибаются уверенно. Модель может выдумать несуществующую функцию библиотеки, «вспомнить» неверный факт или неправильно понять код и изложить это тем же уверенным тоном, что и правильный ответ. Это называется галлюцинацией (hallucination), и по стилю текста её не отличить от правды.
Требуют проверки. Из первых двух пунктов следует третий: результат работы агента остаётся черновиком от способного, но ненадёжного исполнителя. Принимать его без проверки нельзя, как нельзя мержить код нового сотрудника без ревью.

Честные ожидания

Где выигрыш большой:

рутинные и однотипные задачи, где понятно, что делать;
бойлерплейт: заготовки кода, тестов, конфигураций, документов;
поиск и исследование по кодовой базе или пачке документов;
задачи с автоматической проверкой результата: тестами, компиляцией, схемой.

Где выигрыш малый:

уникальные архитектурные решения: выбор между подходами, у каждого из которых свои последствия именно для вашей системы;
задачи, где всё решает контекст, которого нет в файлах: политика, договорённости, знание пользователей;
области, где цена ошибки высока, а проверка дорога: там время на верификацию съедает экономию.

Практическое правило: агент даёт наибольший эффект там, где задача понятна, а проверка дешева. Он снимает механическую часть работы, но постановка задачи и оценка результата остаются на человеке, и это не временное ограничение, а суть инструмента.

Стоит ли тогда тратить время на изучение? Да, по простой причине: даже с учётом всех оговорок агенты уже заметно ускоряют существенную долю повседневной работы, а разница между «пользоваться неумело» и «пользоваться грамотно» огромна. Грамотная работа складывается из трёх вещей: правильно выбирать задачи, давать агенту нужный контекст и выстраивать проверку. Именно этому посвящены остальные разделы: устройство агентов разобрано в Что такое агент, практические приёмы начинаются с Промптинг.

Что дальше

Что такое LLM: минимум теории, который объясняет и сильные стороны, и галлюцинации.
Что такое агент: как из модели получается агент (инструменты, цикл, харнес).

Автор учебника: Шахматов Алексей