7 августа 2026
528
Дмитрий Овчаренко, технический директор с 15-летним опытом в архитектуре ПО, на сквозном примере стартапа — платформы для кондитеров — показал, как ИИ помогает архитектору ускорить работу на всех этапах: от чистого листа до готовых артефактов для команды.
С чего начать: первый промпт и база требований
Архитектор стартует с нуля, без готовых требований. Первый запрос ИИ — «Составь десять функциональных требований в формате пользовательских историй для роли кондитера». ИИ не только генерирует истории, но и разворачивает контекст: предлагает технологический стек, риски, бизнес-модель, план запуска. За несколько минут появляется база, которую можно брать в работу.Нефункциональные требования: как говорить с бизнесом
Бизнес говорит о «быстро» и «надёжно», архитектор переводит это в количественные метрики. ИИ помогает подготовиться к встрече: предлагает вопросы бизнесу и вероятные ответы для стартапа в регионе с 20 городами. Доступность «три девятки» (1 минута 26 секунд простоя в день) автоматически даёт требование к кластеризации. Ответы преобразуются в формальные нефункциональные требования — уже готовая постановка для инженера по нагрузочному тестированию с рекомендацией по стеку (K6, Prometheus, Grafana).Архитектура и интеграции: декомпозиция за минуты
ИИ разбивает систему на ограниченные контексты и предлагает стратегию разработки для каждого квадранта. Генерирует диаграммы в PlantUML и Mermaid — их можно сразу редактировать, заливать в репозиторий и синхронизировать с кодом. Для интеграций — выбор протоколов, паттерны и таблица потоков данных.Выбор технологий и модели данных
ИИ сравнивает варианты с учётом доступности разработчиков на рынке: фронтенд — React, мобильные — React Native, бэкенд — Python, при росте нагрузки — Go. Базы данных: Postgres для транзакций, Redis для кэша, Elasticsearch для поиска. Готовые компоненты выносятся во внешние сервисы. Всё с обоснованием и даже примерной оценкой стоимости.Ограничения и риски
ИИ не заменит архитектора. Галлюцинации — несуществующие версии продуктов, параметры настройки — требуют проверки. Конфиденциальность: в публичные нейросети нельзя загружать чувствительные данные. Потеря критического мышления — серьёзный риск при полном доверии ИИ. Ответы стоит проверять тестами и адаптировать под проект.Как внедрять дальше
Переход на локальные или корпоративные LLM с RAG-подходом позволяет не вводить контекст каждый раз. Агенты могут автоматизировать создание задач в Jira, генерацию кода, ревью, описание изменений и тесты. Формат Markdown делает артефакты готовыми для вики и репозиториев.Главный вывод
ИИ не строит архитектуру за архитектора, но ускоряет создание черновиков, генерацию документации и принятие решений. За 40 минут вебинара была сгенерирована задача для инженера, требования, диаграммы, таблица технологий и рекомендации.Подробнее — в записи вебинара.