Как мы убрали хаос на входе и вернули фокус в бизнес-анализ с помощью ИИ-ассистента

12.05.2026 12:42:24 | Хабр

Хабы: Блог компании Финтех-группа «Свой», Искусственный интеллект, Разработка мобильных приложений, IT-компании

В какой-то момент мы столкнулись с ситуацией, когда качество входящих требований от бизнеса заметно просело. Это произошло не из-за одной причины, а из-за сочетания факторов: изменения в командах, большое количество новых сотрудников, постоянные регуляторные изменения и, как следствие, отсутствие времени на полноценный онбординг. В быстро меняющейся среде это довольно типичная история, когда процессы не успевают адаптироваться с той же скоростью, с которой меняется сама организация.

Для функции бизнес-анализа такие изменения особенно чувствительны. Когда требования приходят сырыми, аналитики начинают тратить время не на проработку решений, а на базовую подготовку материала к работе: уточнение целей, сбор контекста, определение границ задачи, фиксацию сценариев и устранение противоречий.

Когда аналитика превращается в расшифровку задач

Именно это и начало происходить у нас. На вход от бизнеса мы всё чаще получали не требования, а скорее описание идеи и иногда перспективной, масштабной, но слабо структурированной. Такие запросы могли звучать примерно так: “Нужно улучшить уведомления”, “Пользователи где-то отваливаются, надо исправить”, “Давайте попробуем новый оффер”, “Нужно что-то поменять в процессе”. Иногда это выглядело еще проще: “Нужна интеграция с новой системой, документация во вложении” или “Нужно запустить новый эксперимент на сайте”.

Формально задача есть. По факту нет ни границ, ни сценария, ни критериев успеха, ни понимания того, что именно требуется реализовать.

Мы увидели проблему одними из первых, потому что именно на нашей стороне накапливалась вся неопределенность входящих задач. Значительная часть времени начала уходить не на анализ и проработку решений, а на приведение запросов в рабочий вид. Вместо содержательной аналитики команда всё чаще занималась расшифровкой задач: проводила встречи, собирала контекст по кускам, искала связанные процессы, изучала вложения и пыталась превратить сырую идею в понятный запрос для дальнейшей работы.

Подробнее

Читайте также