Как AI‑ассистент спас бизнес‑анализ от хаоса требований
СВОИ RU внедрили ИИ‑ассистента, который упорядочил входящие бизнес‑требования, ускорил онбординг и повысил качество аналитики.
В середине 2025 года команда бизнес‑аналитиков СВОИ RU столкнулась с резким падением качества входящих требований. Причиной стал совокупный эффект: частая ротация сотрудников, рост количества новых членов команды, постоянные регуляторные изменения и, как следствие, отсутствие времени на полноценный онбординг. В результате аналитики получали разрозненные, неполные и часто противоречивые запросы, что замедляло разработку и увеличивало количество правок.
Для решения проблемы компания создала внутренний AI‑ассистент, построенный на современных LLM (Large Language Model). Ассистент автоматически классифицирует входящие запросы, проверяет их на полноту, сопоставляет с текущими регулятивными требованиями и предлагает шаблоны для онбординга новых аналитиков. За первые два месяца работы инструмента:
- среднее время обработки требования сократилось с 4,5 ч до 1,2 ч;
- количество требований, требующих доработки, упало на 37 %;
- удовлетворённость аналитиков выросла до 92 % по внутреннему опросу.
Технология интегрирована в существующую систему управления задачами (Jira) и использует API OpenAI (GPT‑4.5) для генерации рекомендаций. Кроме того, в ассистенте реализован модуль «регулятивный чек‑лист», который автоматически обновляется при изменении законов, избавляя аналитиков от ручного мониторинга.
Подробный разбор проекта и результаты доступны в оригинальной статье на Habr AI: https://habr.com/ru/companies/svoi_ru/articles/1034272/.
Для разработчиков AI‑решений это пример того, как LLM могут стать «проектным менеджером», автоматизируя рутинные проверки и ускоряя онбординг. Студентам стоит обратить внимание на интеграцию LLM в бизнес‑процессы и построение кастомных чек‑листов, а также на необходимость поддерживать актуальность регулятивных данных.
