Улучшаемые навыки
Проектирование ИИ-агентов
RAG на корпоративных документах
Оркестрация и обработка ошибок
Контроль качества и валидация артефактов
Безопасное внедрение LLM
Оценка ROI
Автоматизация сбора требований
Генерация и верификация BPMN/UML/OpenAPI/SQL
Чему вы научитесь
01
Проектировать и настраивать ИИ-агентов с базой знаний, набором действий и памятью для задач системного анализа.
02
Строить сквозной AI-workflow: от стенограммы встречи до валидированной документации и задач в Jira.
03
Применять цикл «генерация → валидация → экспертная проверка → исправление» для диаграмм, API-спецификаций и SQL.
04
Делать агентов управляемыми: логирование, ретраи, обработка ошибок, защита от промпт-инъекций
05
Оценивать качество и риски внедрения, рассчитывать ROI и составлять чек-лист по безопасному запуску.
06
Работать с RAG: подключать корпоративные документы к агенту.
07
Настраивать интеграцию ИИ для автоматического ведения документации.
Программа курса
01
AI-workflow аналитика: извлечение требований и работа с контекстом
Промптинг для аналитика: структурирование, извлечение требований, работа с сырыми стенограммами (системная роль, контекст, формат вывода).
Техника «обратного промпта» для выявления скрытых требований.
Работа с базой знаний проекта: подключение документов, анонимизация и безопасность.
Практика 1: из хаотичной стенограммы встречи извлечь структурированные User Stories, критерии приёмки и вопросы на доработку. Сравнение результата с ручным способом.
Практика 2: создание агента для вычитки требований на противоречия и дубли с использованием чек-листа.
02
Генерация и валидация артефактов: диаграммы, API, SQL
Обзор инструментов: Mermaid, PlantUML и draw.io с ИИ для схем процессов.
Промпты для генерации диаграмм: Sequence, ER, схем процессов, а также критерии валидации.
Генерация OpenAPI 3.0 и Postman-коллекций с валидацией через ИИ.
SQL: генерация, оптимизация и проверка на узкие места.
Практика 3: по описанию бизнес-процесса сгенерировать схему процесса (Mermaid), Sequence-диаграмму и ER-модель. Провести валидацию с последующим исправлением.
Практика 4: по ТЗ на интеграцию сгенерировать OpenAPI-спецификацию и Postman-коллекцию. Проверить на соответствие исходным требованиям.
03
Проектирование ИИ-агентов: архитектура, RAG, оркестрация
Архитектура агента: системный промпт + действия (Actions) + память; отличие агента от чат-бота.
RAG на корпоративных документах: загрузка PDF, Confluence, Jira; векторные базы.
Оркестрация: цепочка агентов, ретраи, логирование, обработка ошибок; базовые риски промпт-инъекций.
Ограничения по стоимости и производительности: токены, latency, выбор модели.
Практика 5: настройка ИИ-ассистента аналитика с системной инструкцией и базой знаний, подключение действий.
Практика 6: стресс-тестирование агента: противоречивые вводные, проверка обработки ошибок, донастройка; логирование и разбор неудачных запусков.
04
Боевая интеграция и оценка эффекта
Интеграция ИИ в Jira и Confluence: автоматическое создание задач, Docs as Code.
Карта зрелости команды: с каких задач начать, low-hanging fruits.
Расчёт ROI: экономия часов, снижение рисков.
Чек-лист безопасного внедрения.
Практика 7 (итоговая): прогон реального проекта через сквозной AI-workflow: извлечение требований → генерация и валидация диаграмм/API/SQL → настройка агента под проект. «Разбор полётов»: групповая обратная связь, усиление промптов, исправление галлюцинаций.
05
Итого на курс 16 ак. ч.: теория — 7 ак. ч. (44%), практика — 9 ак. ч. (56%)
Для кого
Руководитель группы\Тимлид
Системный аналитик
Предварительная подготовка
Опыт работы системным или бизнес-аналитиком от 1 года.
Понимание SDLC и Agile.
Уверенное знание SQL (JOIN, подзапросы) и REST API.
Опыт работы с BPMN/UML.
Доступ к одной из LLM (ChatGPT, DeepSeek или YandexGPT) — платный или бесплатный.
Базовое понимание работы LLM (желательно).
