Алексей Горбачев
Создаю системы AI-агентов для оптимизации процессов разработки. Руковожу большими командами 20+ человек.
Почему я
Большинство профессионалов либо стратеги, либо технические специалисты. Я работаю на стыке обоих направлений, переводя потребности бизнеса в высокоэффективную AI-архитектуру.
Product Owner
Стратегическое видение, roadmap, стейкхолдеры.
AI-оптимизация SDLC
Архитектура агентов, интеграция в production.
BMAD — AI Agents
для оптимизации SDLC
report_problem Проблема
У команды из 22 человек рутинные операции занимали 40-50% рабочего времени:
groups Команда AI Агентов
Аналитик
Сбор требований, структурирование в GitLab
Архитектор
BPMN, C4, UML диаграммы, техдокументация
Разработчик
Генерирует код, рефакторинг, юнит-тесты
Scrum Master
Создаёт user stories, планирует спринты
Product Owner
Валидирует требования, приоритизирует
QA архитектор
Анализ качества, тестовое покрытие
account_tree Архитектура
Единый источник истины
GitLab (все артефакты)
RAG
Контекст из README и стандартов
Обратная связь
Человек правит → агент учится
Резервный механизм
уровень уверенности < 80% → проверка человеком
timeline Эволюция
Месяц 1: MVP
- → Claude code + LLM
- → Документация в git
- → Внедрение: 30%
Месяц 2: Итерация
RAG + оптимизация промптов
- → Точность: 60% → 85%
- → Внедрение: 80%
Месяц 3: Оптимизация
- → Оптимизация стоимости
- → Адаптация под проекты
- → Внедрение: 95%
bar_chart Результаты
- → 100% внедрение в команде
- → 8.5/10 удовлетворённость
- → 95% команды хотят продолжать
- → 715 часов/месяц
- → ~32 часа/чел
- → Годовая: ~34.5M ₽
- → Инвестиции: 400K ₽
- → Окупаемость: 1.7 дня
- → ROI: 2 910%
work Реальные кейсы
MVP-сервис с нуля
NestJS, React, Postgres, MinIO, Keycloak
Добавление статуса в таблицу
TypeScript, типизация, рендеринг
Рефакторинг CI/CD
Единый стандарт, документация
MDM-система (НСИ)
От брифа до документации
User Story цикл
PRD, стори, Jira, QA-гейты
Обоснование подписки
ROI, финансы, диаграммы
school Главные выводы
- → Промпты важнее модели
- → RAG — прорыв
- → Проверка человеком — фича, не баг
- → Один универсальный агент = плохо
- → Полная автоматизация — люди хотят в контуре
- → Дообучение — дорого, RAG дешевле
- → Единый BMAD репозиторий
- → Прямая интеграция с Jira и Confluence
- → Документация решений
rocket_launch Влияние на компанию
Скорость разработки
функции на ~30% быстрее
Моральный дух команды
меньше рутины
Стоимость функции
на ~30% дешевле
Качество кода
ИИ-ревью ловит баги раньше
Обмен знаниями
новички учатся быстрее
Опыт работы
ООО "Астра консалтинг"
2023—наст. времяProduct Owner / AI Lead
BMAD система, ROI 2 910%, 22 чел.
Low code Master, управление командой 22 чел, roadmap 6-12 мес
ФГИС "Авиасерт"
2022—23Архитектор
4 месяца → защита, Росавиация
ФГИС, BPMN 2.0, 15+ документов, защита проекта
ООО "Эй Ти консалтинг"
2020—22Project Manager / Архитектор
ФГИС лесного комплекса
Jira Gantt, Confluence, 2 очереди, автоматизация
Навыки
Давайте обсудим ваш проект?
Готов внедрить AI-агентов и обучить ваших сотрудников