Как нейросети меняют работу бизнес-аналитиков в ИТ на конкретных примерах
Раньше бизнес-аналитики тратил недели на сбор требований, написание технических заданий и подготовку документации. Сегодня всё это можно сделать за часы — с помощью искусственного интеллекта. В этой статье мы покажу, как выстроить полный рабочий цикл с применением нейросетей: от первой встречи с заказчиком до обучающего видео для сотрудников.
📋 Этап 1. Сбор требований: расшифровка записей встреч с заказчиками
Любой продукт начинается с разговора. Встречи с заказчиками, мозговые штурмы, интервью с пользователями — всё это генерирует огромный поток неструктурированной информации. Раньше аналитик должен был успевать записывать, конспектировать и потом часами разбирать заметки.
Что делает ИИ:
Транскрибация аудио и видео — нейросеть превращает запись совещания в текст автоматически.
🔗 Digital Protocol — одна из простым и доступных моделей распознавания речи, работает с русским языком. Доступна в мессенджере МАХ: https://max.ru/id9715453291_1_bot
🔗 Voicee— транскрибирует встречи в Zoom/Teams, при необходимости может выделить ключевые моменты
Пример промпта для формирования требований из стенограммы:
Ты — опытный бизнес-аналитик. Прикрепяю стенограмму совещания. Выдели: 1) Функциональные требования, 2) Нефункциональные требования, 3) Ограничения, 4) Открытые вопросы и противоречия. Оформи в виде структурированного списка.
🔗 Claude (claude.ai),ChatGPT (chat.openai.com) или GigaChat (gigachat.ru) — любая из этих моделей отлично справится с анализом текста стенограммы.
🎨 Этап 2. Генерация концептуальных макетов интерфейсов
Один из самых визуально впечатляющих этапов. ИИ помогает получить как концептуальные изображения интерфейса, так и готовый HTML-код.
Вы описываете экран словами — нейросеть создаёт визуальный макет.
Пример промпта для Midjourney:
Разработай HTML страницу интерфейса в соответствии в требованиями: < ... > (можно добавить требования из предыдушего пункта). Пользовательский интерфейс веб-панели должен соответствовать дизайн-системе в файле.
Lovablehttps://lovable.dev/ — позволяет настраивать интерфейс без написания кода, есть библиотека готовых компонентов
Midjourneymidjourney.com — отличные результаты по качеству UI
Макеты подготовленные на данном этапе однозначно необходимо будет корректировать по мере прохождения следующих этапов.
📝 Этап 3. Формирование технического задания (ТЗ)
Когда требования собраны, ИИ помогает быстро сгенерировать полноценное ТЗ по ГОСТ или любому корпоративному шаблону.
Как это работает:
Вы передаёте модели:
Список требований с предыдущего этапа
Уточнения по технологическому стеку
Загружаете дополнительные материалы (в том числе макеты, ролевая модель и иные артефакты)
И получаете готовое ТЗ с разделами: цели системы, функциональные требования, ограничения, критерии приёмки, описание ролей пользователей.
Пример промпта:
Составь техническое задание для веб-приложения на основе следующих требований: [список].
Включи разделы: назначение системы, описание пользователей, функциональные требования (в формате пользовательских историй), нефункциональные требования, ограничения и допущения.
🔗 Лучшие инструменты для написания ТЗ:
Claude — claude.ai — отлично структурирует длинные документы
GigaChat — gigachat.ru — российская альтернатива с поддержкой русскоязычных стандартов
Notion AI — notion.so — если ведёте документацию в Notion
🗄️ Этап 4. Проектирование структуры базы данных
Это один из самых неожиданных для многих кейсов: ИИ отлично справляется с проектированием схем БД на основе описания бизнес-логики.
Что можно сделать:
Вы описываете сущности словами — нейросеть строит схему с таблицами, полями, типами данных и связями, и даже генерирует SQL-скрипт для создания базы.
Пример промпта:
Спроектируй реляционную базу данных для системы управления заявками в IT-поддержку. Система должна: принимать заявки от сотрудников, назначать исполнителей, отслеживать статусы, хранить историю изменений. Выдай: ER-диаграмму в текстовом виде (Mermaid), список таблиц с полями и типами данных, SQL DDL-скрипт для PostgreSQL.
🔗 Инструменты:
Claude — claude.ai — генерирует Mermaid-диаграммы и SQL
dbdiagram.io — dbdiagram.io — можно вставить сгенерированный DSL и получить визуальную схему
🎨 Этап 5. Доработка макетов и генерация HTML/CSS по описанию
Пример промпта:
Доработай HTML-страницу для <...> в соответстии в ТЗ, структурой базой данных, <...>
🔗 Инструменты:
Claude — claude.ai — генерирует чистый семантический HTML
v0 by Vercel — v0.dev — генерирует React + Tailwind компоненты прямо из описания
Bolt.new — bolt.new — создаёт полноценные веб-приложения
Lovable — lovable.dev/ — позволяет настраивать интерфейс без написания кода, есть библиотека готовых компонентов
🧪 Этап 6. Тестирование и выявление багов
ИИ активно входит в процессы QA — от генерации тест-кейсов до автоматизированного поиска ошибок.
Что делает ИИ:
Генерация тест-кейсов — на основе ТЗ нейросеть составляет полный чек-лист проверок, включая граничные условия и негативные сценарии.
Пример промпта:
На основе следующих функциональных требований составь набор тест-кейсов: <...>. Включи позитивные, негативные и граничные случаи. Формат: таблица Markdown.
Applitools — applitools.com — визуальное тестирование с ИИ
Анализ логов и поиск аномалий:
🔗 Datadog AI — datadoghq.com — автоматически выявляет аномалии и паттерны в логах
🎬 Этап 7. Создание обучающих видеороликов с ИИ
Финальный и, пожалуй, самый важный для пользователей этап. После того как продукт готов, нужно обучить пользователей. Здесь ИИ берёт на себя практически всю работу.
Шаг 7.1 — Скрытие конфиденциальных данных
Перед съёмкой или в процессе монтажа важно скрыть персональные данные, которые не должны попасть в обучающее видео (ФИО клиентов, номера договоров, финансовые данные).
🔗 Runway ML — runwayml.com — автоматическое размытие и замена объектов на видео с помощью ИИ-масок
🔗 Adobe Premiere Pro AI — функция автоматического размытия лиц и текста
Шаг 7.2 — Генерация голосового сопровождения
Не нужно арендовать студию и нанимать диктора — ИИ озвучит сценарий профессиональным голосом.
🔗 ElevenLabs — elevenlabs.io — самый реалистичный AI-голос, поддержка русского языка
🔗 Yandex SpeechKit TTS — cloud.yandex.ru — российский TTS с качественным русским голосом
🔗 Murf.ai — murf.ai — библиотека голосов с настройкой темпа и интонаций
🔗 VEED.io — veed.io — комплексный онлайн-редактор с AI-озвучкой
Шаг 7.3 — Добавление анимаций и субтитров
ИИ автоматически добавляет подписи, выделяет ключевые элементы экрана, добавляет переходы.
🔗 Synthesia — synthesia.io — создание обучающих видео с AI-аватаром диктора
🔗 HeyGen — heygen.com — генерация видео с виртуальным спикером и анимациями
🔗 Descript — descript.com — редактирование видео через редактирование текста, автосубтитры, шумоподавление
🔗 Captions.ai — captions.ai — автоматические субтитры с анимацией
Шаг 7.4 — Публикация и доступ для сотрудников
Готовые видео можно разместить во внутреннем корпоративном портале или специализированных платформах.
🔗 Loom — loom.com — запись и шаринг видео-инструкций
💡 Главный вывод
ИИ не заменяет аналитика — он убирает рутину и позволяет сосредоточиться на стратегии и общении с заказчиком. Цикл, который раньше занимал месяц, теперь укладывается в несколько дней. Ключевое умение бизнес-аналитика будущего — правильно поставить задачу нейросети и критически оценить результат.
Попробуйте начать с малого: возьмите запись вашего следующего совещания, пропустите её через Digital Protocol или Yandex SpeechKit, а полученный текст отправьте в Claude с промптом для выделения требований. Результат вас удивит.
В следующем материале разберём, как PM может использовать ИИ-агентов для автоматизации рутинных задач в Jira и Confluence.