"Умные AI-автоматизации" не дадут системному аналитику +30% свободного времени. И вот почему 😎
Сейчас каждый второй "нейро эксперт" рассказывает, как собрать себе "цифрового джуна" на n8n, Make или Zapier. Звучит красиво)) один раз настроил автоматизацию, дальше она сама пишет, думает, раскладывает задачи, заводит тикеты, а ты пьешь кофе и смотришь, как работа делается сама.
Но в реальности там есть нюанс ✋
Сам принцип сценарных AI-автоматизаций кайфовый. Я сам использую n8n в работе. Но это не "помощник для аналитика". Это скорее конструктор приложений и чат-ботов на максималках.
И если смотреть честно, у такого подхода есть 3 проблемы:
Например, недавно делал автоматизацию на n8n. Мне нужно было работать с большим количеством ТЗ, где были макеты экранов, таблицы и много инфы. Дефолтная нейронка на работе оч плохо парсила их и теряла много контекста. Я решил сделать кастомный парсер, который решил эту проблему.
То есть на вход вкидываю разрозненные документы, на выход получаю готовый к работе формат векторного хранилища (RAG).
И она реально работает. Но по сути это маленькая статичная приложуха под один понятный процесс. А работа системного аналитика редко выглядит так красиво.
🍵 У нас чаще все живет в черновиках:
Вот в этом месте сценарные AI-пайплайны начинают проигрывать. Потому что тебе нужен не "рельсовый сценарий", где шаг 1 всегда ведет к шагу 2. Тебе нужен инструмент, где можно быстро раскидать мысли, перетасовать структуру, поменять подход, сохранить 5 черновиков и держать весь контекст перед глазами. Как Miro, только для работы с AI и текстом.
А в таких автоматизациях любое "а давай теперь по-другому" превращается в: "так, надо переподключить ноду, поменять условие, проверить формат, обновить промпт, протестить сценарий…"
И вот ты уже не аналитик, который ускорил работу. Ты владелец pet-проекта, который надо поддерживать.
Поэтому мой вывод простой: AI-пайплайны — классный инструмент для автоматизации отлаженных процессов. Но если ты системный аналитик и просто хочешь быстрее разбирать созвоны, писать спеки, собирать требования и не тонуть в рутине — я бы туда не лез первым делом
Потому что можно очень быстро поменять шило на мыло: раньше ты страдал от рутины, а теперь страдаешь от поддержки своей "умной автоматизации".
Вопрос не в том, плохой этот подход или хороший. Вопрос в другом: ты хочешь автоматизировать работу или начать кодить свою мини-систему?
Я считаю, что для 90% аналитиков нужен другой подход. Более гибкий. Без зоопарка интеграций, нод и вечного "почему оно опять отвалилось". Такой подход есть, я уже скоро его покажу 🤗
Кто в теме, просьба не спойлерить, можете просто плюсануть в чате))
А как вы считаете, такие AI-пайплайны для аналитика — это реальное ускорение или просто уход в разработку под видом автоматизации?
🔥 — да)) сложно все это, ускорение вряд ли будет
🍵 — я люблю собирать свои сервисы
Сейчас каждый второй "нейро эксперт" рассказывает, как собрать себе "цифрового джуна" на n8n, Make или Zapier. Звучит красиво)) один раз настроил автоматизацию, дальше она сама пишет, думает, раскладывает задачи, заводит тикеты, а ты пьешь кофе и смотришь, как работа делается сама.
Но в реальности там есть нюанс ✋
Сам принцип сценарных AI-автоматизаций кайфовый. Я сам использую n8n в работе. Но это не "помощник для аналитика". Это скорее конструктор приложений и чат-ботов на максималках.
И если смотреть честно, у такого подхода есть 3 проблемы:
* Это почти разработка. Ты не просто "накидал блоки". Ты проектируешь логику, условия, обработку ошибок, форматы данных, интеграции, токены, API, сценарии падения.
* Этому нужно учиться отдельно. Если ты еще не до конца понял, как нормально работать с нейронками, то залезать сверху в n8n — это как открыть вторую профессию.
* Он хорош только для повторяющихся процессов. То есть когда у тебя уже есть понятный алгоритм: взяли данные → обработали → переложили сюда → отправили туда.
Например, недавно делал автоматизацию на n8n. Мне нужно было работать с большим количеством ТЗ, где были макеты экранов, таблицы и много инфы. Дефолтная нейронка на работе оч плохо парсила их и теряла много контекста. Я решил сделать кастомный парсер, который решил эту проблему.
То есть на вход вкидываю разрозненные документы, на выход получаю готовый к работе формат векторного хранилища (RAG).
И она реально работает. Но по сути это маленькая статичная приложуха под один понятный процесс. А работа системного аналитика редко выглядит так красиво.
🍵 У нас чаще все живет в черновиках:
созвон → кусок требований → непонятный комментарий → схема в Miro → передумали → новая версия → нашли ограничение → переписали логику → потом еще раз переписали.
Вот в этом месте сценарные AI-пайплайны начинают проигрывать. Потому что тебе нужен не "рельсовый сценарий", где шаг 1 всегда ведет к шагу 2. Тебе нужен инструмент, где можно быстро раскидать мысли, перетасовать структуру, поменять подход, сохранить 5 черновиков и держать весь контекст перед глазами. Как Miro, только для работы с AI и текстом.
А в таких автоматизациях любое "а давай теперь по-другому" превращается в: "так, надо переподключить ноду, поменять условие, проверить формат, обновить промпт, протестить сценарий…"
И вот ты уже не аналитик, который ускорил работу. Ты владелец pet-проекта, который надо поддерживать.
Поэтому мой вывод простой: AI-пайплайны — классный инструмент для автоматизации отлаженных процессов. Но если ты системный аналитик и просто хочешь быстрее разбирать созвоны, писать спеки, собирать требования и не тонуть в рутине — я бы туда не лез первым делом
Потому что можно очень быстро поменять шило на мыло: раньше ты страдал от рутины, а теперь страдаешь от поддержки своей "умной автоматизации".
Вопрос не в том, плохой этот подход или хороший. Вопрос в другом: ты хочешь автоматизировать работу или начать кодить свою мини-систему?
Я считаю, что для 90% аналитиков нужен другой подход. Более гибкий. Без зоопарка интеграций, нод и вечного "почему оно опять отвалилось". Такой подход есть, я уже скоро его покажу 🤗
Кто в теме, просьба не спойлерить, можете просто плюсануть в чате))
А как вы считаете, такие AI-пайплайны для аналитика — это реальное ускорение или просто уход в разработку под видом автоматизации?
🔥 — да)) сложно все это, ускорение вряд ли будет
🍵 — я люблю собирать свои сервисы