Искусственный интеллект для большинства компаний уже стал рабочим инструментом. Он помогает отвечать клиентам, обрабатывать данные, искать ошибки и ускорять рутину. Поэтому все чаще звучит вопрос: сможет ли он заменить специалистов, в том числе аналитика 1С?
Чтобы ответить, рассмотрим основную работу аналитика.
Главная цель аналитика 1С
Аналитик 1С пишет техническое задание, формализуя бизнес-потребности заказчика в конкретные инструкции для разработчиков. Этот документ включает цели, описание бизнес-процессов, требования к функционалу, прототипы форм и матрицу прав доступа. Главная цель – создать понятный план действий, исключающий двусмысленность.
Подготовить такое ТЗ – можно поручить искусственному интеллекту, но нельзя забывать о его ограничениях, которые приводят к серьезным ошибкам.
Основные проблемы ИИ в процессе формирования ТЗ
- Модели плохо предсказывают. Исследования¹ показывают, что хотя ИИ имеет определенные представления о том, окончатся ли его действия успехом или неудачей (что уже удивительно), на практике модели слишком «самоуверенны» и плохо понимают свои ограничения.
- Модели отстают по времени. Отставание от существующей действительности без возможности поиска у моделей может быть от 1 до 2 лет. При таком подходе ТЗ может устареть уже на этапе написания. В случае включения поиска – у ИИ появится актуальность, но понимания возможностей, ограничений, результатов, которые дают новые технологии, из десятка найденных в интернете статей у ИИ не появится.
- Модели вполне могут вставить в ваше ТЗ лишние технологии, инструменты и бесполезные критерии проверки. Например, инструменты, которые недоступны в Российской Федерации, которые не имеют обновлений, либо просто лишние при разработке. Например, в ТЗ могут быть вставлены показатели скорости выполнения, которые будут зависеть не только от разработчика, но и от инфраструктуры, каналов связи, мощности оборудования и т. д. В таком случае вставленная красивая цифра показателя скорости и времени выполнения может привести к колоссальным затратам для организации инфраструктуры.
Когда же вы даете ChatGPT, DeepSeek или подобному ИИ задачу написать ТЗ, то оно пишется абстрактно, без возможности проверить вводимые допущения на практике, и результат этого часто бывает плачевным.
Не заменит человека, но сделает ТЗ более качественным
Для того чтобы ИИ создал что-то действительно инновационное, мощное, эффективное, полезное, необходимо разрабатывать и обучать ИИ конкретно под задачу. Над такими проектами трудится большое количество разработчиков и затрачивается значительное количество ресурсов на вычисления, а также времени на подготовку экспериментов.
Заменит ли он человека в задаче разработки технических заданий? Нет.
ИИ эффективно поможет сделать ТЗ более качественными, но при этом важно учитывать:
- Составляя ТЗ, нужно понимать каждую деталь. Если вы собрали информацию о проекте, технологиях и инструментах, но сами не до конца разобрались в теме, не стоит отдавать текст ИИ «на улучшение». Он может переформулировать непонятный фрагмент так, что смысл изменится. И обнаружить такие преобразования вы сможете далеко не всегда.
- Искусственный интеллект – это мощный инструмент, но не самостоятельная сущность. ИИ помогает ускорить работу, хорошо справляется с обработкой больших данных и автоматизацией, но нестандартное мышление, критический анализ и создание нового – это прерогатива человека.
- Хорошее ТЗ строится на трех вещах: детализации, понятности и согласованности. Разработчик должен понимать, что нужно сделать. Заказчик – какой результат он получит. Команда – как будет проверяться готовая доработка. Плохое ТЗ приводит к срывам сроков, росту бюджета, бесконечным правкам и конфликтам. Часто проблема не в разработке, а в том, что требования описали неполно, не согласовали детали или забыли важные сценарии.
Поэтому навык подготовки ТЗ нельзя полностью передать ИИ. Его нужно развивать самому аналитику: учиться задавать правильные вопросы, фиксировать требования, видеть риски и описывать задачу так, чтобы ее одинаково поняли заказчик, разработчик и тестировщик.
Именно этому посвящен курс «Написание ТЗ от и до: полный цикл на практике». На нем мы разберем практический процесс подготовки ТЗ: от сбора требований до согласования документа. В результате у вас будет система, шаблоны и инструменты, которые можно сразу применять в рабочих проектах.
¹ Barkan C. O., Black S., Sourbut O. Do Large Language Models Know What They Are Capable Of? , 2025.