Агентная разработка и эксплуатация ИТ | Dark Fresh от ITfresh @ITfresh_DarkРекомендуем подписаться на наш Telegram-канал ITfresh Dark — там приватные предложения и интересные посты →Наш Telegram: приватные предложения и интересные посты →
Москва, Щёлковское шоссе, д. 92, корп. 7 · Пн–Пт 9:00–19:00 · +7 903 729-62-41
АйТи ФрешПрезентация Dark Fresh →
ИИ и нейросети · авторский подход

Dark Fresh: агентная разработка и эксплуатация ИТ на системе доверия

Автор: Семёнов Евгений Сергеевич, директор ООО «АйТи-Фреш» · · чтение ~25 минут
ITfresh_Dark — доступ ограничен● LIVEТОЛЬКО ДЛЯ ПОДПИСЧИКОВ🔒 Закрытый канал · @ITfresh_DarkТёмная сторона IT: то, о чём подрядчики молчат› Разборы реальных аварий — как было на самом деле› Приватные предложения только для подписчиков› Серверы, сети, VPN и ИИ-агенты без водыОткрыть доступ →бесплатно · 1 клик · отписаться можно в любой момент
Dark Fresh: ночная фабрика ИИ-агентов ITfresh — агенты собирают доработки на конвейере, человек принимает результат кнопкой
Dark Fresh: ночью работают агенты, утром человек принимает результат одной кнопкой. Иллюстрация сгенерирована на GPU-сервере ITfresh.

Агентная разработка и эксплуатация ИТ по подходу Dark Fresh — это когда работу выполняют ИИ-агенты, а человек ставит задачу и принимает результат по проверяемым доказательствам, не читая код построчно. Доверие строится на многоуровневой автоматической проверке, которая резко снижает риск брака, а система учится на поправках человека. Ниже — как это устроено и как работает в ИТ-аутсорсинге малого бизнеса.

Открыть презентацию Dark FreshНаши продукты

Что такое Dark Fresh простыми словами

Директор небольшой компании обычно видит ИТ-подрядчика так: пришла заявка, инженер её взял, что-то поменял, проверил руками и написал «готово». Качество держится на внимательности конкретного человека, а большая часть его времени уходит на уточнения, чтение журналов и согласование правок.

Dark Fresh меняет эту схему. Основную работу выполняют ИИ-агенты — программы, которые сами планируют шаги, пишут код или команды, запускают проверки и собирают отчёт. Инженер и руководитель формулируют задачу, задают проверяемые критерии приёмки («повторная загрузка не создаёт дублей», «сценарий проходит от входа до печати») и получают на руки артефакты: скриншоты прохождения сценария, цифры до и после, состояние базы после действия.

Решение принимается по этим доказательствам, а не по фразе агента «я всё проверил». Не устраивает результат — кнопка «откатить», и задача возвращается в работу с пояснением.

Откуда название. «Тёмный цех» — это производство, которое работает ночью без света, пока люди спят: агенты чинят, собирают и проверяют в нерабочее время, а утром человек видит готовый результат. «Fresh» — наша марка, ITfresh.

Людей это не заменяет, а перераспределяет. Человек уходит из исполнителей в постановщики и приёмщики: он задаёт цель, решает, что «хорошо», а что «нет», и отвечает за необратимые шаги — деньги, данные, доступы.

Почему агентная разработка стала возможна сейчас и при чём тут малый бизнес

Ещё пару лет назад агентная разработка была скорее демонстрацией, чем рабочим инструментом. Изменились три вещи.

Первое — модели научились долго держать задачу и пользоваться инструментами. Агент открывает терминал, выполняет запрос к базе, проходит сценарий в браузере, собирает результат и возвращает его в виде артефакта. Длинная работа — от формулировки требования до выкладки — раскладывается на шаги, каждый из которых агент выполняет сам, а человек подтверждает итог.

Второе — час работы агента стоит в разы дешевле часа инженера. Но эта экономия реальна только тогда, когда есть система проверки. Без неё дешёвый результат превращается в дорогие ошибки: кто-то всё равно должен читать каждую строку и перепроверять каждое действие. Поэтому в Dark Fresh основные усилия вложены не в «генерацию», а в доверие — об этом ниже.

Третье — характер задач малого бизнеса. У компании до 50 рабочих мест поток состоит из мелких однотипных запросов: доработать обработку 1С, разобраться с заявкой пользователя, обновить, проверить бэкап, посмотреть на мониторинг. Подрядчику такие задачи часто невыгодны: на уточнения и проверку уходит больше времени, чем на саму работу. Агентный конвейер снимает именно эту часть — уточнения ведёт агент, проверку выполняет автоматика.

Честная оговорка: фабрика окупается на потоке. Если задач мало, они редкие и прекрасно решаются руками — ломать работающий процесс не нужно. Тогда агентов разумно использовать точечно, как помощников инженера, а не как конвейер.

Как устроена фабрика: роли ИИ-агентов

Фабрика — это не один «умный бот», а несколько ролей с разными обязанностями. Разделение нужно не для красоты: у каждой роли своя зона ответственности, и ни одна не проверяет сама себя.

CTO-агент — единственный собеседник руководителя

Заявка приходит в мессенджер: голосом, текстом, пересланным письмом. CTO-агент фиксирует её, уточняет цель и запускает работу. Обратно руководитель получает короткие сообщения: что случилось, что сделано, какие доказательства, и две кнопки — «принять» и «откатить». Отвечает CTO-агент по записям журнала, а не «по памяти», и пишет только тогда, когда нужно решение человека.

Тимлид-агент — планирует и принимает, но не пишет код

Тимлид разбирает задачу на тикеты, решает, что можно делать параллельно, а что строго по очереди, назначает исполнителей и принимает их результат по критериям из спецификации. Код он не пишет намеренно: тот, кто принимает работу, не должен быть её автором.

Исполнители — каждый в своей копии

Каждый исполнитель получает свой тикет и работает в изолированной копии: отдельная ветка кода, отдельная копия базы, отдельный стенд. Ошибка одного не ломает работу другого, а в боевую систему исполнитель не попадает вообще.

Критик и арбитр — другая модель, свежий взгляд

Результат исполнителя смотрит критик — агент на другой модели, в чистом контексте, с одной задачей: найти, где это сломается. У любой модели есть слепые пятна, и та же модель, что писала, склонна считать свою работу верной. Если исполнитель и критик не сошлись, спор разбирает арбитр — третья модель, которая смотрит на доводы обеих сторон и на результаты проверок.

Журнал событий — его пишет программа

Каждый шаг — взял тикет, отдал на проверку, получил замечания, прошёл тесты, человек нажал «принять» — записывается в общий журнал. Пишет его программа, а не агент: агент может «забыть» отметить задачу закрытой, и через месяц у вас сотни висящих задач, которые на деле давно сделаны. Программа не забывает.

Опасные действия — изменения в боевой базе, выкладка, всё необратимое — фабрика сама не выполняет. Она готовит всё до последнего шага и ждёт кнопку человека.

Инфографика 1 · схема фабрики
Кто есть кто на фабрике Dark Fresh

Руководитель общается с одним агентом. Остальные роли работают внутри, а каждое их действие записывает программа в общий журнал.

Руководительцель, вкус, решение «да/нет»
CTO-агент в мессенджерекороткий отчёт + кнопки
Тимлид-агентделит задачу, назначает, принимает. Код не пишет
Исполнитель Aсвоя копия кода и базы
Исполнитель Bсвоя копия
Исполнитель Cсвоя копия
Критикдругая модель, свежий контекст: ищет, где сломается
Арбитртретья модель разбирает спор
Конвейер провероклинтеры → тесты → мутанты → приёмка в браузере

Схема ITfresh. Время в журнале — иллюстрация, не замер.

CTO-агент в мессенджере: короткий отчёт и кнопки «принять» и «откатить» на смартфоне руководителя
Руководитель видит один канал: короткий отчёт, доказательства и две кнопки. Иллюстрация сгенерирована на GPU-сервере ITfresh.

Опора 1. Постановка задачи: успех решается до первой строки кода

Постановка задачи для ИИ-агентов: из хаотичных требований — точная спецификация и тикеты
Хаос пожеланий превращается в спецификацию и тикеты — до того, как агент напишет первую строку.

Самый дорогой баг — тот, что заложен в задачу. Если требование понято неверно, никакие тесты не спасут: агент быстро и аккуратно сделает не то. Поэтому в Dark Fresh большая часть усилий приходится на этап до кода, и ведёт его не человек, а агент.

Допрос задачи

Мы не просим заказчика писать идеальное ТЗ. Агент сам задаёт вопросы — по одному-два за раз, — и каждый ответ становится контекстом для следующего вопроса. Так модель находит пробелы, о которых заказчик даже не подозревал.

Пример. Бухгалтер сети кофеен «Медный Чайник» (пример условный) пишет: «Нужна обработка, которая загружает чеки из ОФД в 1С». Агент спрашивает:

  1. Как оформлять возвраты — отдельным документом или сторно в той же смене?
  2. Что считать дублем при повторной загрузке — фискальный признак чека, номер или сумму со временем?
  3. Как быть с чеками без номенклатуры — загружать как услугу «Продажа» или останавливаться и спрашивать?
  4. Кассы три — нужна ли разбивка по кассам и сменам?
  5. Документы проводит обработка или оставляет черновики бухгалтеру?

Через десять минут разговора у бухгалтера нет ощущения, что он «писал ТЗ», а у агента есть список решений.

Словарь предметной области

Дальше агент фиксирует термины, чтобы все исполнители и бухгалтер понимали одно и то же:

Термин Что значит в этом проекте
Чек Электронный документ из ОФД с фискальным признаком
Смена Период работы одной кассы между открытием и закрытием
Возврат Чек возврата из ОФД, оформляется отдельным документом
Дубль Чек, фискальный признак которого уже есть в 1С

Словарь кажется формальностью, пока два агента не начнут по-разному понимать слово «смена».

Спецификация с критериями приёмки

Спецификация описывает, что делаем и чего не делаем, а главное — как проверить результат. Критерии формулируются так, чтобы их мог проверить автомат:

Нарезка на тикеты

Последний шаг — разбить работу на маленькие независимые задачи: получение чеков из ОФД, поиск дублей, возвраты, разбивка по кассам, тесты, приёмочный сценарий. Тимлид-агент отмечает, что можно делать параллельно, а что строго по очереди, и только после этого исполнители начинают писать код.

Инфографика 2 · конвейер постановки
От «сделайте, чтобы работало» до очереди тикетов

Код начинается только после пятого шага. Всё, что выше, — разговор, который ведёт агент, а не человек.

Идея

Пожелание в свободной форме: голосом, письмом, в чате.

→ запрос
Допрос

Агент задаёт 1–2 вопроса за раз, пока не уйдёт неопределённость.

→ список решений
Словарь

Термины предметной области: что такое «чек», «смена», «дубль».

→ глоссарий
Спецификация

Что делаем, чего не делаем, проверяемые критерии приёмки.

→ спека + критерии
Тикеты

Мелкие независимые задачи: что параллельно, что строго по очереди.

→ очередь задач
постановкакод и проверка

Соотношение полосы — наша оценка того, где решается судьба задачи, а не измерение.

Опора 2. Доверие вместо ручного ревью: пирамида проверок

Пирамида доверия Dark Fresh: многоуровневая автоматическая проверка результата работы ИИ-агентов
Пирамида доверия: каждый уровень ловит свой класс ошибок, вершина — приёмка глазами пользователя.

Как принять код, который никто не читал? Ответ Dark Fresh — не верить словам «тесты зелёные» и «я всё проверил», а требовать доказательства. Проверка устроена пирамидой: внизу дешёвые и быстрые уровни, наверху — дорогие и умные. Пока нижний уровень красный, верхние даже не запускаются.

Скрипты и линтеры

Самый нижний уровень — сборка и статический анализ. Для кода 1С это линтер модулей и аудит безопасности: пароли в коде, отключённый безопасный режим, запросы в цикле, вызовы командной строки. Для инфраструктуры — проверка конфигураций и скриптов. Если что-то красное, задача сразу возвращается исполнителю с причиной, а человек этого даже не видит.

Сложность и метрика CRAP

CRAP — метрика, которая сопоставляет цикломатическую сложность функции (число ветвлений) с тем, насколько она покрыта тестами. Запутанная процедура с десятком ветвлений и без тестов получает высокий балл и не принимается, пока её не упростят или не покроют проверками. Это защищает от «работающего, но страшного» кода, который сломается при первой правке.

Тесты, мутанты и свойства

Обычные тесты проверяют, что код делает то, что задумано. Но тесты пишет тот же агент, и они могут ничего не проверять. Поэтому есть мутационное тестирование: программа нарочно портит код — меняет «больше» на «меньше», убирает условие, — и тесты обязаны покраснеть. Если не покраснели, тесты бесполезны, и их переписывают.

Property-based тесты проверяют свойство на тысячах случайных входов. Для загрузки чеков свойство звучит так: «сумма документов после загрузки равна сумме чеков». Генератор подбрасывает странные данные — нулевые суммы, возвраты без продажи, смены через полночь — и ищет случай, где свойство нарушится.

Формальные инварианты для денег

Там, где цена ошибки высока — деньги, остатки, взаиморасчёты, — инварианты формулируются ещё до кода. Сначала словами: «деньги не исчезают и не задваиваются», «остаток не уходит в минус без явного разрешения». Потом формально — спецификацией на языке TLA+, которую модель-чекер TLC автоматически проверяет на всех возможных последовательностях шагов в заданных границах. Для простых доработок это избыточно, и мы так не делаем; для расчётов с деньгами — обязательно.

Критик на другой модели

Дальше результат смотрит критик — агент на другой модели, в свежем контексте. Его задача — сломать: подать отрицательную сумму, пустую дату, документ задним числом, два одинаковых чека в разных сменах. Замечания возвращаются исполнителю, спор при необходимости разбирает арбитр.

Приёмка глазами пользователя

Верхний уровень — агент управляет браузером так же, как пользователь: открывает веб-клиент 1С на копии базы, загружает тестовый день, открывает отчёт, сверяет итоги. Каждый ключевой шаг сопровождается скриншотом. Именно эти скриншоты и цифры «до и после» человек видит в отчёте.

Вердикт по риску и жёсткий шлюз

Итоговое решение зависит от риска: насколько часто это действие выполняется и какой вред возможен при ошибке. Низкий риск и всё зелёное — результат уходит человеку на быструю приёмку. Всё, что нельзя откатить, — отправка платежей в банк, отчётность в ФНС, удаление данных, изменение прав и паролей — проходит через жёсткий шлюз: решение принимает только человек, сколько бы уровней ни светились зелёным.

Инфографика 3 · пирамида доверия
Доверяем артефактам, а не словам агента

Каждый уровень дешевле и быстрее следующего. Пока нижний красный, верхние не запускаются.

Приёмка
Критик
Инварианты
Мутанты и свойства
Тесты
CRAP и сложность
Линтеры и аудит
Скрипты сборки
↑ дороже и умнеедешевле и быстрее ↓
8
Приёмка — агент проходит сценарий в браузере на копии базы и прикладывает скриншоты
7
Критик — другая модель в чистом контексте ищет, где результат сломается
6
Инварианты — для денег и остатков: «ничего не исчезает и не задваивается» — до кода
5
Мутанты, свойства — портим код нарочно — тесты обязаны покраснеть; проверяем свойства на тысячах входов
4
Тесты — модульные и сценарные, на живой копии
3
CRAP — сложный код без покрытия не принимается
2
Линтеры, аудит ИБ — стиль, ошибки, пароли в коде, отключённый безопасный режим
1
Скрипты — пока сборка красная, дальше не смотрим
Жёсткий шлюз. Платежи, отправка в банк и ФНС, удаление данных, пароли и периметр сети — вердикт выносит только человек, сколько бы уровней ни было зелёными.

Опора 3. Самообучение: ночные уроки из поправок

Самообучение агентов: ночные уроки из поправок человека превращаются в правила и тесты
Ночью поправки дня превращаются в правила, тесты и проверки.

Агенты ошибаются, и человек их поправляет. Вопрос в том, что происходит с поправкой дальше. Если она остаётся в чате, та же ошибка вернётся через неделю — у другого агента, в другой задаче. В Dark Fresh каждая поправка становится материалом для ночного урока.

Что происходит ночью

Днём руководитель возвращает работу, правит формулировку, отвечает на вопрос агента. Всё это попадает в журнал. Ночью агент-разборщик собирает возвраты, промахи и ответы за день, ищет повторяющиеся причины и предлагает правило.

Дальше важный принцип: правило уходит вниз. Самое слабое место — текст инструкции: агент может её не прочитать или понять по-своему. Поэтому правило сначала пытаемся встроить в архитектуру или линтер, чтобы ошибку стало невозможно совершить. Если не получается — в тест или хук, который поймает ошибку автоматически. И только в последнюю очередь — в текст инструкции для агента.

Экзамен памяти

Новое правило может сделать хуже: замедлить работу, начать ложно браковать хорошие решения, конфликтовать со старыми правилами. Поэтому после ночного обновления запускается экзамен — прогон на наборе прошлых задач с известным правильным результатом. Стало хуже — изменение откатывается автоматически, а в журнале остаётся причина. Раз в неделю отдельный проход чистит правила, которые устарели или дублируют друг друга.

Судья вкуса

Часть вопросов исполнителей повторяется: «как называть такие документы?», «можно ли трогать этот справочник?». Отвечать на них каждый раз руководителю незачем. Судья вкуса — агент, который отвечает по прошлым решениям руководителя, с цитатой и датой решения. Если вопрос новый, касается денег, людей, доступов или чего-то необратимого — судья не угадывает, а отправляет его человеку с вариантами ответа.

Как это выглядит на практике

Типичная поправка из эксплуатации: «перед перезапуском службы на сервере сначала сделай снимок». В чате это напоминание, которое забудут. После ночного урока это шаг конвейера: перезапуск без свежего снимка просто не выполняется, а проверка на прошлых инцидентах показывает, что ничего не сломалось. Исполнителю больше не нужно об этом помнить.

Инфографика 4 · цикл самообучения
Ночные уроки: поправка превращается в проверку

Одну и ту же ошибку человек объясняет один раз. Дальше её ловит конвейер.

каждую ночь чистка правил — раз в неделю Поправкаднём: возврат, правкаНочной разборагент собирает промахиПравило внизлинтер · тест · хукЭкзамен памятипрошлые задачи зановоВыкладкаили откат, если хуже
  1. 1
    Поправка. человек вернул работу или поправил решение — это сигнал, а не досада
  2. 2
    Ночной разбор. агент-разборщик собирает возвраты, промахи и ответы руководителя за день
  3. 3
    Правило уходит вниз. сначала в архитектуру или линтер, потом в тест или хук, и только в последнюю очередь — в текст инструкции
  4. 4
    Экзамен памяти. прогон на наборе прошлых задач: стало ли лучше
  5. 5
    Выкладка или откат. хуже — изменение памяти откатывается автоматически
куда записываем правило:архитектуралинтертестхукинструкция

Фабрика доработок 1С: автоматизация 1С с помощью ИИ-агентов

Фабрика доработок 1С: расширение собирается агентами, проверяется тестами и прогоняется на копии базы
Расширение собирается агентами и проходит проверку на копии базы, прежде чем его увидит бухгалтер.

Мелкие доработки 1С — главный кандидат на фабрику (готовые решения смотрите в нашем каталоге обработок для 1С): их много, они однотипные, а проверить результат можно объективно. Вернёмся к примеру сети кофеен «Медный Чайник» (условный пример) и загрузке чеков из ОФД.

Как идёт работа

  1. Допрос и спецификация. Агент уточняет у бухгалтера правила возвратов, дублей, касс и проведения, фиксирует словарь и критерии приёмки.
  2. Расширение конфигурации. Исполнитель делает доработку расширением конфигурации (.cfe): типовая конфигурация не меняется и не снимается с поддержки, обновления 1С ставятся как обычно.
  3. Статический анализ и аудит безопасности. Линтер модулей 1С, проверка запросов на типовые ошибки (запросы в цикле, лишние соединения), аудит на пароли в коде, отключение безопасного режима, вызовы внешних программ.
  4. Автотесты YaXUnit. Тесты на экспортные методы: дубли, возвраты, разбивка по сменам, плюс мутационная проверка самих тестов.
  5. Прогон на свежей копии рабочей базы. Расширение подключается к копии, загружается реальный день чеков, сверяются суммы по сменам и количество документов. Рабочая база в этот момент не затрагивается.
  6. Приёмка через браузер. Агент открывает веб-клиент 1С на копии, проходит сценарий бухгалтера и прикладывает скриншоты: обработка, созданные черновики, отчёт по кассе.
  7. Отчёт и кнопки. Бухгалтер получает короткое сообщение: что сделано, итоговые цифры сверки, скриншоты, кнопки «принять» и «откатить».

Что остаётся человеку

Решение о подключении расширения к рабочей базе и проведение документов. Обработка создаёт черновики — проводит их бухгалтер, как и договорились на этапе допроса. Если в данных есть персональные сведения, их обрабатывают локальные модели на нашем GPU-сервере, без передачи во внешние облака.

Почему это работает именно в 1С

У 1С есть удобные точки опоры для автоматической проверки: расширения отделяют доработку от типовой конфигурации, копию базы можно поднять быстро, веб-клиент позволяет пройти сценарий «как пользователь», а для анализа кода есть линтеры и инструменты аудита. Для связи агентов с базами мы используем собственный MCP-сервер для 1С — он даёт агенту доступ к метаданным и данным с проверкой каждого запроса.

Самолечение инфраструктуры: ночной инцидент без дежурного

Самолечение инфраструктуры: агент чинит упавший узел ночью, мониторинг независимо подтверждает исправление
Агент чинит обратимое, мониторинг снаружи независимо подтверждает результат.

Второй конвейер — дежурство по инфраструктуре. Возьмём логистическую компанию «Полярная Сова» (пример условный): водители-экспедиторы и склад работают с 1С через VPN. В 03:10 мониторинг фиксирует падение VPN-узла. В классической схеме это либо десяток алертов дежурному, либо — если дежурного нет — утренний простой склада.

Цикл самолечения

  1. Тикет. Мониторинг создаёт тикет в журнале с типом сервиса, критичностью и связью с бизнес-процессом.
  2. Диагностика. Основа — нормальный мониторинг инфраструктуры: без него агенту не на что опереться. Агент читает журналы узла и ранбук — заранее описанный порядок действий для этого сервиса — и определяет, какие шаги допустимы.
  3. Обратимое действие. Перезапуск туннеля или переключение на резервный узел. Это действия, которые можно отменить одной командой, поэтому агент выполняет их сам.
  4. Независимая проверка. Не слова агента «служба запущена», а внешний мониторинг: реальное подключение снаружи, проверка, что трафик идёт и авторизация проходит. Проверяет не тот, кто чинил.
  5. Урок. Что сломалось, что помогло, сколько длился простой — запись в базу знаний. Если похожее повторяется, это сигнал к постоянному исправлению, а не к очередному перезапуску.

Что видит руководитель

Утром — одно сообщение от CTO-агента: что случилось, что сделано, доказательство (результат внешней проверки и выдержка из журнала) и кнопка «откатить». Промежуточные шаги остаются в журнале, а не в телефоне.

Где агент останавливается

Если нужное действие необратимо или касается периметра — правила межсетевого экрана, настройки WAN, маршрутизация на пограничном роутере, — агент ничего не меняет. Он готовит план с командами и проверками и зовёт инженера. Удалённая ошибка в настройке периметра может отрезать офис от сети, и чинить её придётся уже на месте.

Главный эффект — самолечение без лишних алертов. Человек получает сообщение только тогда, когда нужно его решение или когда автоматика не справилась.

Поддержка пользователей: «пропала база 1С»

Третий конвейер — заявки пользователей. Утро, бухгалтер мебельной фабрики «Кедровый Двор» (пример условный) пишет: «пропала база». Звучит страшно, но чаще всего данные на месте — пропал пункт в списке баз.

Как агент разбирает заявку

  1. Смотрит факты, а не гадает. Агент проверяет профиль пользователя на терминальном сервере: какие базы видны в его списке, когда список менялся, что было в журналах при входе.
  2. Находит причину. Например, после обновления в списке баз появились записи с одинаковыми идентификаторами, и нужная база «спряталась» за дублем.
  3. Исправляет у всех затронутых. Агент правит список у этого пользователя и проверяет остальные профили на ту же проблему, чтобы завтра не пришли ещё пять таких же заявок.
  4. Проверяет другим агентом. Независимый агент входит тестовым профилем, открывает базу и подтверждает, что она запускается и данные на месте.
  5. Отвечает человеческим языком. «База на месте, после обновления в списке появился дубль, мы его убрали. Откройте 1С ещё раз — если что-то не так, нажмите „Сообщить о проблеме“».

Чего агент не делает без человека

Такие шаги агент может подготовить и описать, но выполняет их инженер после проверки.

Инфографика 7 · сценарии
Три типичные истории — и кто в них что делает

Оранжевое — агенты, бирюзовое — независимая проверка, фиолетовое — решение человека.

Обработка для 1С

сеть кофеен «Медный Чайник» · условно
  • Бухгалтер: «загружать чеки ОФД в 1С»
  • Допрос: возвраты, дубли, кассы, кто проводит
  • Расширение .cfe, типовая не тронута
  • Линт, аудит ИБ, тесты YaXUnit
  • Прогон на копии базы, скриншоты из браузера
  • Бухгалтер жмёт «принять», проводит сам

VPN-узел упал ночью

логистика «Полярная Сова» · условно
  • 03:10 мониторинг видит падение → тикет
  • Агент читает журналы и ранбук
  • Обратимое действие: перезапуск или резервный узел
  • Мониторинг снаружи подтверждает реальным подключением
  • Урок — в базу знаний
  • Утром одно сообщение с кнопкой «откатить»

«Пропала база 1С»

мебельная фабрика «Кедровый Двор» · условно
  • Заявка: «пропала база»
  • Агент проверяет список баз пользователя
  • Находит дубль идентификатора после обновления
  • Исправляет у всех затронутых
  • Другой агент входит тестовым профилем и открывает базу
  • Ответ пользователю простым языком

Контент-фабрика и собственный GPU-сервер

Тот же подход мы применяем к собственным материалам. План строится по поисковым запросам и экспертной SEO-базе, черновики разделов пишут локальные модели, они же делают первую вычитку. Иллюстрации генерируются на наших видеокартах, и каждую оценивает модель-судья: найденный брак — лишние надписи, рамки, искажённые предметы — перегенерируется автоматически. Финальную редактуру, проверку фактов и решение о публикации делает человек.

Эта статья и презентация к ней собраны именно так: тексты разделов — черновики локальной модели с последующей редактурой, иллюстрации — генерация на нашем GPU-сервере с автоматическим контролем качества.

Свой AI-сервер

Для данных клиентов — бухгалтерии, договоров, персональных данных — мы используем локальные модели на собственном GPU-сервере. Такие данные остаются в закрытом контуре и не уходят во внешние облака. Ведущие облачные LLM подключаются только к задачам без чувствительных данных и только с согласия клиента.

Компромисс честный: локальные модели медленнее и слабее топовых облачных. Поэтому мы отдаём им то, где они хорошо справляются, — черновики, классификацию, распознавание документов, первичную проверку, — а их ошибки ловит та же пирамида проверок, что и ошибки любых других агентов. Архитектура доверия не зависит от того, насколько умна конкретная модель.

Собственный GPU AI-сервер: локальные модели, данные клиента не покидают защищённый контур
Чувствительные данные клиента обрабатываются локальными моделями и не покидают контур.

Классический ИТ-аутсорсинг и Dark Fresh: сравнение

Разница не в том, «есть ИИ или нет». Разница в том, кто выполняет работу, как принимается результат и куда попадает опыт. В классической модели качество держится на внимательности конкретного инженера. В Dark Fresh его держит конвейер проверок и журнал, а инженер отвечает за постановку и решение.

Инфографика 5 · сравнение
Классический аутсорсинг и Dark Fresh

Те же задачи малого бизнеса — другой способ их выполнять и принимать.

Критерий
Классический ИТ-аутсорсинг
Dark Fresh
Кто делает работу
✕Инженер руками, по очереди заявок
✓Агенты параллельно, инженер ставит задачу и принимает
Ночью и в выходные
✕Дежурный, если он есть и проснулся
✓Агент чинит обратимое, человек утром видит отчёт
Как проверяется результат
✕Выборочно, «на глаз», по словам исполнителя
✓Пирамида проверок, критик другой модели, артефакты
Знания о клиенте
✕В голове конкретного инженера
✓В спецификациях, словаре и журнале событий
Повторная ошибка
✕Возможна, если сменился инженер
✓Превращается в тест или правило после первой поправки
Мелкие доработки 1С
✕Часто не окупаются для подрядчика
✓Идут потоком через фабрику доработок
Данные клиента
✕Зависит от дисциплины
✓Чувствительное — только локальные модели на нашем сервере
Необратимые действия
✕На усмотрение исполнителя
✓Только через кнопку человека, жёсткий шлюз
Классический ИТ-аутсорсинг и Dark Fresh: ручная очередь заявок против конвейера агентов с проверками
Слева — очередь заявок и ручная проверка, справа — конвейер агентов с контрольными точками.

Пример расчёта: сколько часов инженера освобождается

Ниже — условная модель, чтобы показать механику, а не обещать цифры. Берём поток из двадцати мелких доработок и заявок в месяц. В классике инженер тратит время на уточнения, исполнение и проверку. В Dark Fresh человек отвечает на вопросы агента и принимает результат по артефактам, а исполнение и первичная проверка переходят к агентам.

Реальная экономия зависит от того, насколько задачи однотипны, есть ли копии баз и сколько проверок уже автоматизировано. Поэтому в каждом проекте мы сначала замеряем свой поток задач и только потом считаем.

Инфографика 8 · пример расчёта (условно)
Куда уходят часы инженера на 20 мелких задач

Условная модель для иллюстрации, не замер: 20 мелких доработок и заявок в месяц. Подставьте свои цифры.

Классический подход

Разбор и уточнение
20 ч
Исполнение
30 ч
Проверка
10 ч
Итого
60 ч

Dark Fresh

Ответы на допрос
6 ч
Исполнение (часы человека)
0 ч
Приёмка по артефактам
4 ч
Итого
10 ч

Допущения: 3 часа инженера на задачу в классике; 30 минут человека на задачу в Dark Fresh. Вычислительные ресурсы, настройка конвейера и разбор сложных случаев инженером не учтены — их считаем отдельно в каждом проекте.

Что остаётся человеку и куда агентов не пускаем

Чем больше работы берут на себя агенты, тем важнее чётко сказать, что остаётся за человеком.

Человеку остаются цель и приоритеты; вкус — умение сказать «нет», даже если решение формально работает; удаление лишнего — костылей, которые были нужны вчера и мешают сегодня; и ответственность перед клиентом. Агент может предложить десять вариантов, но выбирает и отвечает за выбор человек.

Куда агентов не пускаем без кнопки человека

Общий принцип простой: всё, что нельзя отменить одной командой, проходит через жёсткий шлюз. Агент готовит, проверяет, описывает последствия — человек решает.

Профессия меняется, а не исчезает

ИИ не отменяет инженера, он перестраивает его работу. Меньше ручного исполнения, больше постановки, приёмки и проектирования проверок. Хороший инженер в Dark Fresh — тот, кто умеет точно сформулировать, что значит «сделано», и построить автомат, который это проверит.

Как внедрить агентную разработку: план из шести шагов

Внедрять агентную разработку «сразу везде» — верный способ разочароваться. Мы идём от одного потока задач, на копиях данных и с понятными красными линиями. Каждый шаг даёт отдельный результат, которым можно пользоваться, даже если дальше не идти.

Инфографика 6 · план внедрения
Шесть шагов от первой заявки до фабрики

Начинаем с одного потока задач и копии данных, а не с «перевода всего ИТ на ИИ».

  1. 01Инвентаризация задач

    Выписываем повторяющиеся работы за последние месяцы: доработки 1С, заявки пользователей, инциденты, отчёты. Выбираем 1–2 потока с наибольшим объёмом.

    результат: карта потоков
  2. 02Копии и песочницы

    Готовим копии баз и тестовые стенды, куда агенты имеют доступ. В боевые системы агентов не пускаем.

    результат: изолированный стенд
  3. 03Словарь и правила

    Фиксируем термины клиента, запреты и границы: что агент делает сам, что — только через кнопку человека.

    результат: глоссарий и красные линии
  4. 04Пирамида проверок

    Подключаем линтеры, аудит безопасности, тесты, приёмку через браузер. Без зелёного конвейера результат не показывается человеку.

    результат: конвейер проверок
  5. 05CTO-агент и кнопки

    Один канал в мессенджере: короткий отчёт с артефактами, кнопки «принять» и «откатить», никаких лишних алертов.

    результат: канал решений
  6. 06Ночные уроки

    Включаем разбор поправок, экзамен памяти и еженедельную чистку правил. Расширяем фабрику на следующий поток.

    результат: самообучение

Частые ошибки при внедрении ИИ-агентов

Большинство разочарований в агентах связано не с моделями, а с тем, как их встроили в работу. Вот ошибки, которые встречаются чаще всего.

  1. Верить словам «тесты зелёные». Агент искренне считает работу готовой. Без независимых проверок — мутационных тестов, критика, приёмки в браузере — это просто мнение.
  2. Проверять той же моделью, что писала. У модели есть слепые пятна, и свои ошибки она повторит при проверке. Критик должен быть на другой модели и в свежем контексте.
  3. Пускать агента в боевую базу. Работа — только на копиях и тестовых стендах. Боевая система получает уже проверенный результат и только по кнопке человека.
  4. Писать правила только в промпт. Инструкцию агент может не прочитать или понять по-своему. Правило должно стать тестом, линтером или ограничением в архитектуре.
  5. Заваливать руководителя алертами. Десять уведомлений за ночь приучают их не читать. Одно сообщение с доказательствами и кнопкой работает лучше.
  6. Строить фабрику там, где задач мало. Настройка конвейера и проверок окупается на потоке. Для редких задач хватит агента-помощника у инженера.
  7. Покупать «фабрику под ключ», не понимая, где она ломается. Агентная система требует настройки под ваши данные, термины и красные линии. Если вы не знаете, где у неё слабые места, вы узнаете об этом в самый неудобный момент.

Частые вопросы

Чем Dark Fresh отличается от обычного ИТ-аутсорсинга?

В обычном аутсорсинге мелкую задачу чаще всего и выполняет, и проверяет один и тот же инженер, поэтому качество зависит от его внимательности. В Dark Fresh работу выполняют ИИ-агенты, а результат проходит независимые автоматические проверки: линтеры, тесты, проверку другой моделью и приёмку в браузере на копии данных. Инженер ставит задачу и принимает результат по доказательствам, а необратимые действия выполняются только по кнопке человека.

Можно ли доверять коду, который никто не читал построчно?

Можно, если доверие опирается на артефакты, а не на слова агента. Код проходит статический анализ и аудит безопасности, тесты проверяются мутациями, свойства — на тысячах случайных входов, для денег формулируются инварианты, критик на другой модели ищет слабые места, а приёмочный сценарий проходит в браузере со скриншотами. Всё, что нельзя откатить, дополнительно подтверждает человек.

Куда уходят данные нашей 1С и бухгалтерии?

Агенты работают с копиями баз на наших или ваших серверах. Задачи с персональными и бухгалтерскими данными обрабатывают локальные модели на нашем GPU-сервере, без передачи во внешние облака. Облачные модели подключаем только к задачам без чувствительных данных и только с вашего согласия. Состав данных и границы доступа фиксируем до начала работ.

Что агенты точно не будут делать без нашего согласия?

Не будут отправлять платежи и отчётность, удалять данные и восстанавливать резервные копии поверх рабочих баз, менять пароли живых учётных записей и права доступа, править периметр сети удалённо и делать массовые рассылки. Такие действия агент может подготовить и описать, но выполняет их человек после проверки.

С чего начать небольшой компании?

С одного потока задач, которых у вас больше всего: доработки 1С, заявки пользователей или дежурство по инфраструктуре. Мы собираем список типовых задач, готовим копии баз и стенд, фиксируем словарь и красные линии, подключаем проверки и канал с кнопками «принять» и «откатить». Дальше фабрика расширяется на следующие потоки, когда первый работает стабильно.

Нужна ли нам своя команда разработчиков?

Нет. Постановку, проверки и сопровождение фабрики берём на себя мы, а от вас нужен человек, который знает процесс и принимает результат: бухгалтер, руководитель или администратор. Если у вас есть свои специалисты, они могут участвовать в приёмке и формулировке правил — это ускоряет обучение системы.

Коротко о главном

Dark Fresh — это не «ИИ вместо инженеров», а другой способ организовать работу: агенты выполняют, независимые проверки доказывают, человек ставит задачу и принимает решение. Три опоры — постановка, доверие вместо ручного ревью и ночное самообучение — делают результат предсказуемым, а необратимые действия остаются за человеком.

Если хотите посмотреть, как это ляжет на ваши задачи, начните с одного потока: доработки 1С, дежурство по инфраструктуре или заявки пользователей. Полную схему мы собрали в презентации Dark Fresh — её удобно показать коллегам.

Столкнулись с похожей задачей? Обращайтесь — решим

Если у вас происходит что-то из описанного в этой статье — или любая другая проблема с ИТ-инфраструктурой, — обращайтесь в любое время. Мои специалисты и я лично разберём ситуацию, найдём настоящую причину и доведём до решения.

Возьмёмся и за разовую задачу, и за постоянное обслуживание. Первичная консультация — бесплатно и без обязательств.

📞 +7 903 729-62-41 ✈ Telegram @ITfresh_Boss

С уважением, Семёнов Евгений Сергеевич, директор «АйТи Фреш» — IT-аутсорсинг для компаний до 50 рабочих мест, 15+ лет практики

АйТи-Фреш (ООО «АЙТИ-ФРЕШ») · г. Москва, Щёлковское шоссе, д. 92, корп. 7 · +7 903 729-62-41 · info@itfresh.ru · Пн–Пт 9:00–19:00