Финансовая компания внедрила AI‑систему сбора требований вместо традиционных ТЗ
В крупном банке аналитики отказались от Confluence и Word, перейдя к платформе, где технические задания формируются автоматически из живых требований.
В одной из крупнейших финансовых организаций, где автор работал системным аналитиком, процесс оформления технических заданий (ТЗ) традиционно велся в виде статических документов в Confluence или Word. Такой подход оказался слишком тяжёлым: требования часто менялись, а синхронизация между бизнес‑стороной и разработчиками занимала недели.
Для решения проблемы была внедрена собственная платформа — AI‑поддерживаемый «Requirements Hub». Вместо того чтобы писать ТЗ вручную, бизнес‑пользователи вводят свои запросы в виде коротких диалогов, чек‑листов и комментариев. Модель на базе GPT‑4 (с доработками через LangChain) автоматически классифицирует, структурирует и связывает требования с существующими бизнес‑процессами. Полученные данные сразу попадают в Jira, где формируются эпики и задачи, а также в систему тест‑кейсов.
Ключевые результаты за первые три месяца:
- Сокращение среднего времени от идеи до сформированного ТЗ с 14 до 4 дней;
- Уменьшение количества «потерянных» требований на 68 %;
- Повышение удовлетворённости бизнес‑пользователей на 23 % (опрос N=45).
Платформа интегрирована с корпоративным SSO, поддерживает аудит изменений и автоматическую проверку на соответствие внутренним регулятивным требованиям. Подробнее о проекте можно прочитать в оригинальном материале на Habr AI: https://habr.com/ru/articles/1081788/.
Для разработчиков и студентов это пример того, как AI может заменить рутинный документооборот, ускоряя обратную связь между бизнесом и технической командой. Однако без чёткой валидации и контроля качества такие системы могут породить неоднозначные требования, поэтому важно сочетать автоматизацию с ручным ревью.
