Неделя вместо квартала. Как технологии меняют профессию бизнес-аналитика
Хабр, привет! Меня зовут Джангр Анджукаев, я работаю старшим бизнес-аналитиком в Lenta Tech (ИТ-бренд «Группы Лента»). В этой профессии я уже более 10 лет и каждый год открываю для себя что-то новое – инструменты, подходы, технологии.
Изначально я планировал посвятить эту статью своему опыту вайбкодинга с позиции бизнес-аналитика. Но в процессе понял, что хочу посмотреть на тему шире. Поэтому помимо технического кейса поделюсь своими мыслями о том, как искусственный интеллект меняет профессию аналитика и к чему нам стоит готовиться в ближайшие годы.
Оглавление:
Как все начиналось
Все началось с задачи от бизнес-заказчика. Нужно было сделать голосовое распознавание для ТСД (терминал сбора данных) в гипермаркете. Суть: сотрудник говорит команду вслух, и терминал сам ее выполняет – вместо того чтобы вбивать цифры руками, держа ТСД в одной руке и товар в другой.
Всё началось с задачи от бизнес-заказчика. Нужно было реализовать голосовое распознавание команд для ТСД (терминала сбора данных) в гипермаркете. Суть идеи: вместо того чтобы вручную вводить цифры, держа в одной руке ТСД, а в другой – товар, сотрудник произносит команду вслух, и терминал её выполняет.
Это классический use case для склада: у сотрудника руки заняты, а нужно отсканировать товар, ввести количество и подтвердить операцию. Голосовое управление здесь – прямой путь к повышению производительности.
Проект уже защитили и готовились начать работу с подрядчиком, который предлагал готовое решение для голосового управления ТСД. Но оставался важный вопрос: было непонятно, как технология будет работать с существующими приложениями на терминалах. Покупать дорогостоящее решение, не зная, получится ли его использовать, было рискованно.
Я обратился к разработчикам, чтобы обсудить возможность создать собственное решение. Ответ был ожидаемым: «С такими задачами мы ещё не сталкивались. Для распознавания голоса нужна отдельная экспертиза, которой у нас в команде нет».
Тогда я решил попробовать сделать всё сам, чтобы проверить, можно ли вообще использовать эту технологию в условиях наших гипермаркетов.
Первый шаг: разговор с ИИ как с архитектором
Я открыл Claude и начал с простых вопросов: «Что вообще нужно для такого решения? Реально ли сделать его самому? Какие существуют архитектурные подходы и модели распознавания голоса?»
Казалось бы, можно просто написать «сделай мне приложение». Но мне хотелось выстроить полноценный диалог с ИИ, использовать его как консультанта. Я задавал вопросы, уточнял детали, просил сравнить разные варианты. На это ушло несколько часов, зато в итоге у меня сложилось чёткое понимание того, что и как нужно делать. А главное, я смог разобраться в технических деталях разработки, что было важно для дальнейшей работы с продуктом.
Следующим шагом стал выбор open-source модели. Я изучил несколько вариантов, которые можно бесплатно использовать в коммерческих целях, сравнил их по точности распознавания и требованиям к оборудованию. В итоге выбрал подходящую модель и запустил Claude Code.
Здесь уже пригодился мой опыт бизнес-аналитика. Я хорошо понимал потребности заказчика и на их основе выстраивал логику взаимодействия модели распознавания речи с основным приложением. Его задача – не просто распознать сказанное, но и определить, какую команду нужно передать дальше в клиентские приложения «Адресное хранение» и «Инвентаризация», с которыми сотрудники гипермаркетов работают на ТСД.
Что получилось технически
Вот ключевые архитектурные решения:
Офлайн-распознавание. Всё работает непосредственно на ТСД, без подключения к интернету и серверу. Это было принципиальным требованием: в гипермаркетах случаются перебои с сетью, поэтому зависеть от внешнего API мы не могли.
Язык и платформа. Приложение написано на Java. Новое приложение Voiceservice устанавливается на Android-ТСД так же, как и другие приложения, например «Адресное хранение» или «Инвентаризация».
Как это работает: Voiceservice распознает речь сотрудника, преобразует её в текст и по заданной логике передает нужную команду клиентскому приложению. Например, сотрудник говорит «домой», и приложение возвращает его в главное меню. Произносит «25 штук», и число 25 автоматически появляется в нужном поле.
Обработка аудио. Звук поступает через встроенный микрофон ТСД и обрабатывается локально. Никакие записи не передаются за пределы устройства, поэтому конфиденциальность данных сохраняется.
Потенциал для развития. В будущем часть справочников и словарей можно будет перенести на сервер. Тогда при наличии интернета они смогут обновляться в фоновом режиме, и для каждого обновления не придется переустанавливать приложение целиком.
Выбор модели распознавания: почему не стал делать с нуля
Самый частый вопрос: «А ты сам обучал модель?» Нет, и это было бы странным решением.
Создать модель распознавания с нуля в моих условиях просто невозможно: нужны ML-навыки, экспертиза, огромные датасеты и инфраструктура для обучения. Это задача для целой команды, а не для одного аналитика.
Я взял готовую предобученную open-source модель. Сравнил несколько вариантов по точности и требованиям к процессору, выбрал ту, которая стабильно работает на ТСД. И это единственное, что я «позаимствовал» – все остальное, включая интеграцию с бизнес-логикой, я делал сам с помощью ИИ.
Отладка и тестирование: как я разбирался в инструментах, которых не знал
Самым сложным для меня оказался не код – его генерировал ИИ. Гораздо труднее было разобраться в незнакомой экосистеме: Android Studio, GitHub, сборка APK, подпись пакета и развертывание приложения на устройстве. Для меня это был целый новый мир.
Как я тестировал:
Доступа к клиентскому приложению на ТСД у меня не было, поскольку его разрабатывает другая команда. Поэтому я попросил ИИ создать тестовое мобильное приложение, на котором можно было проверить выполнение голосовых команд. Например, говорю «привет» – получаю один ответ, говорю «выкладка» – другой.
Параллельно я попросил ИИ сгенерировать автотесты. Получилось около 50 штук. После каждой итерации я составлял список найденных ошибок и описывал, что нужно доработать.
Всё тестировал на реальном ТСД, который мне предоставили в пилотном гипермаркете. Без проверки на самом устройстве результат мог оказаться непредсказуемым.
Цифры: сколько заняло времени и во сколько обошлось
Сроки:
От идеи до готового APK – 1 неделя плотной ежедневной работы.
До запуска в реальном гипермаркете – еще 2–3 недели (организационные вопросы, согласования, интеграция).
Экономика:
Стоимость моей разработки оказалась примерно в 25 раз ниже, чем стоимость разработки у внешнего подрядчика. Конечно, я не учитывал затраты на собственное время, поскольку занимался проектом помимо основной работы. Но сам факт: компания получила работающий прототип и возможность проверить идею за неделю вместо нескольких месяцев согласований и найма подрядчика.
Сейчас решение уже передано на развитие и поддержку в команду Lenta Tech. Прошли ревью кода, дальше планируются улучшения на стороне клиентского приложения, интеграция между приложениями уже реализована. Дальше решение полностью будет вести команда по автоматизации процессов гипермаркета.
Что вайбкодинг умеет, а что – нет
После такого эксперимента хочу поделиться с вами основными выводами, которые я для себя сделал.
Что получилось хорошо:
быстро получить рабочий прототип;
попробовать разные архитектурные подходы;
самостоятельно пройти путь от идеи до деплоя, включая тесты и документацию;
понять, что реально работает на устройстве, а что нет.
С чем были сложности:
приходилось принимать решения на всех уровнях: бизнес-логика, архитектура, компоненты, тесты, документация;
даже при хорошем промпте ИИ не мог предугадать все детали – часто требовались дополнительные уточнения.
в некоторых случаях я сам не до конца понимал суть проблемы, поэтому сначала приходилось разбираться в ней и только потом формулировать правильный запрос к ИИ.
Чего ИИ не сделал за меня:
понимание бизнес-потребностей (как я писал выше, тут ключевую роль сыграла моя должность);
принятие архитектурных решений с учетом ограничений (железо, офлайн-режим);
оценку того, «а понадобится ли это заказчику»;
объяснение результата руководству.
А теперь про роль бизнес-аналитика и будущее профессии
Когда я говорю «я навайбкодил решение», коллеги часто спрашивают: «Ты теперь программист?» Нет, я по-прежнему бизнес-аналитик. Моя работа как таковая не изменилась, изменился только набор инструментов.
Наш ИТ-директор как-то сказал такую фразу: «Раньше базой для резюме была работа с Microsoft Office, сейчас однозначно – работа с ИИ». Я с этим совершенно согласен.
Аналитик с ИИ – это всё ещё аналитик. На сегодняшний день нельзя реализовать проект только за счет искусственного интеллекта, главная сила по-прежнему в людях. ИИ пока лишь дополняет наши возможности и дает своего рода суперсилу: там, где раньше приходилось тратить много времени на изучение новых инструментов и технологий, теперь можно гораздо быстрее перейти от идеи к ее реализации. Главное – научиться правильно пользоваться этой суперсилой.
Что, как мне кажется, стало важнее всего (софт-скиллы по приоритету):
Умение формулировать задачи для ИИ.
Принятие решений в условиях неопределенности.
Умение объяснять руководству, что ты сделал и почему это работает.
Больше всего я боюсь неоправданных ожиданий бизнеса. Когда бизнес видит, что я за неделю сделал голосового помощника, у него появляется иллюзия, что теперь любую задачу можно решить так же быстро. А потом наступает реальность: что-то не получается или результат не соответствует ожиданиям. Это та же история, что и с классической разработкой, просто теперь всё происходит быстрее и нагляднее.
ИИ действительно дает суперсилу там, где у тебя не хватает компетенций или нет сложных инструментов под рукой. За счет этого появляется преимущество перед остальными. Но эта суперсила постепенно становится доступной всем, как когда-то интернет. Поэтому разница будет уже не в том, у кого есть доступ к ИИ, а в том, кто умеет грамотно им пользоваться. А чем больше силы, тем больше ответственности.
Как я вижу профессию Бизнес-аналитика через 3–5 лет
Потребность в бизнес-аналитиках точно останется – кому-то по-прежнему нужно выявлять требования и отвечать за сдачу проекта в срок. Уже сейчас становится всё больше фулстек-аналитиков. Например, в нашей команде мы и раньше работали на стыке нескольких ролей: продакта, бизнес-аналитика, системного аналитика, дизайнера, тестировщика и деливери-менеджера. Не хватало только разработки. С появлением ИИ цикл замкнулся: сам сформулировал требования, сам реализовал решение и сам доставил его в продуктив.
Думаю, через 3–5 лет у бизнес-аналитиков станет больше компетенций, но вряд ли они будут связаны непосредственно с разработкой. С помощью ИИ разработчиком может стать кто угодно, не только бизнес-аналитик. Вайбкодинг доступен каждому, кто умеет формулировать свои мысли текстом. В этом и заключается чарующая магия новых технологий.
У бизнес-аналитика есть небольшое преимущество: он работает на стыке бизнеса и ИТ, поэтому понимает обе стороны. Но в конечном счете выигрывает тот, кто лучше понимает потребности бизнеса.
Поэтому, скорее всего, обязанности бизнес-аналитика не будут расширяться в сторону разработки. Вместо этого появится новая роль, которая объединит сразу несколько направлений: аналитику, разработку и тестирование. При этом для такой роли уже потребуется реальный опыт разработки.
Что я советую тем, кто хочет попробовать пройти мой путь
Пробовать, а не думать.
Моя главная ошибка в том, что я не попробовал раньше. Я думал: «Это слишком сложно», «Это не моя роль», «Разработчики разберутся». А когда всё-таки попробовал, оказалось, что привычных границ почти не осталось. Сейчас, можно сказать, я немного опоздал в эту гонку супергероев. Остаётся пользоваться новыми возможностями и стараться идти в ногу со временем.
Куда двигаться, чтобы не выпасть из профессии? Однозначно стоит осваивать новые навыки в бизнес-анализе, системном анализе и работе с ИИ. В этих направлениях можно развиваться бесконечно. Лучше не зацикливаться на чем-то одном, а изучать новые направления.
А как вы думаете, что будет с профессией бизнес-аналитика через 5 лет?
KioskNews shows a cleaned-up reading view extracted from the publisher’s page — the original always lives on their site, not ours.