Аналитики компании разработали конвейер для автоматизации подготовки технических заданий с помощью ИИ-агентов. Процесс включает сбор данных из Git-репозиториев, документации и записей встреч, которые преобразуются в структурированный контекст для нейросетей.
Для работы с аудиозаписями встреч используется модель Whisper от OpenAI, после чего LLM формирует выжимку требований. Конвертацию документов из форматов вроде .docx в Markdown для ИИ-агента обеспечивает утилита Pandoc, которая позволяет сохранять таблицы и списки.
Для приведения результатов работы ИИ к корпоративному стандарту .docx команда применяет макросы в Word. Они автоматически настраивают стили, заголовки и форматирование, заменяя ручную верстку документа. Финальная проверка данных перед передачей заказчику остается за человеком.
Внедрение системы сократило время обработки часовой встречи с 1–2 часов до 10–20 минут. Подготовка итогового документа занимает 5–10 минут, а общее время написания ЧТЗ уменьшилось с одного-двух дней до нескольких часов. Количество ошибок в требованиях снизилось примерно на 30%.
