Нейросети для системного аналитика: требования, user stories, схемы и что проверять за ИИ
Нейросети в работе системного и бизнес-аналитика — это чат-модели и сервисы распознавания речи, которым аналитик поручает черновую часть работы с требованиями: расшифровать интервью с заказчиком, выписать из него пожелания, оформить их в user stories с критериями приёмки, набросать BPMN-схему или черновик спецификации API по текстовому описанию, найти в техническом задании противоречия и пропуски. Модель экономит время на оформлении, но не знает бизнеса заказчика. Поэтому навык складывается из двух частей: умения поставить модели задачу и привычки проверять каждый её вывод по первоисточнику — записи встречи, регламенту, действующей системе.
Содержание

Главное заблуждение новичков — считать, что ошибки модели будут заметны. Чаще нейросеть ошибается правдоподобно: дописывает требование, которого заказчик не произносил, но которое «обычно бывает» в похожих системах. Строка попадает в бэклог, её реализуют, и потом выясняется, что функцию никто не просил. Поэтому у каждого требования должен быть источник, на который можно сослаться.
Какие задачи можно отдать нейросети
Задачи удобно делить по тому, насколько легко проверить результат: если черновик сверяется с исходником за несколько минут, его стоит отдать модели. Ниже они примерно в порядке возрастания риска:
- оформить конспект встречи: участники, решения, открытые вопросы;
- переписать собранные пожелания в формат user story «Как <роль>, я хочу <действие>, чтобы <цель>» и предложить критерии приёмки;
- набросать схему процесса или диаграмму последовательности в текстовом формате;
- подготовить черновик спецификации OpenAPI по описанию полей и операций;
- искать противоречия, дубли и неоднозначные формулировки в большом ТЗ.
Модель не договорится с заказчиком о приоритетах, не узнает, как на самом деле работает склад или касса, и не ответит за согласованный документ.
Расшифровка интервью: где появляются несказанные слова
Интервью — главный источник требований, поэтому ошибки расшифровки опаснее ошибок оформления. Сервисы распознавания речи иногда вставляют фразы, которых в записи нет. Это показали Эллисон Кёнеке и соавторы в работе «Careless Whisper: Speech-to-Text Hallucination Harms» (конференция ACM FAccT 2024, DOI 10.1145/3630106.3658996). Исследователи прогнали через API OpenAI Whisper 13 140 аудиофрагментов из корпуса AphasiaBank весной 2023 года. Примерно в 1,4 % расшифровок появились целые выдуманные фразы, и в 38 % таких случаев выдуманное было вредным: упоминало насилие, ложные связи или несуществующие полномочия. Чаще это случалось у людей, которые говорят с длинными паузами, а выдуманный текст менялся от запуска к запуску даже при нулевой температуре.
После обновления Whisper в конце ноября 2023 года из 187 проблемных фрагментов выдуманный текст остался в 12, а сервисы Google, Amazon, Microsoft, AssemblyAI и RevAI на тех же фрагментах подобного не дали. Цифры относятся к конкретной версии сервиса, но вывод практический: расшифровка встречи — черновик, а не стенограмма. Фразу, из которой выросло требование, особенно прозвучавшую после паузы, нужно прослушать в записи, а в протоколе удобно ставить у требования отметку времени.
Учебный пример: заявка на гостевой пропуск
Учебная ситуация. Аналитик собирает требования к модулю гостевых пропусков бизнес-центра. Он записал встречу с офис-менеджером и начальником охраны и попросил модель оформить пожелания из расшифровки в user stories с критериями приёмки «Дано / Когда / Тогда».
Модель вернула восемь историй, например: «Как офис-менеджер, я хочу заказать пропуск для гостя до 18:00 предыдущего дня, чтобы охрана успела внести его в список». При сверке с записью выяснилось три вещи. История про SMS-уведомление гостю взялась из типового сценария: на встрече о нём не говорили. Начальник охраны упомянул, что гостя пропускают и без заявки после звонка арендатора, — это противоречит правилу «до 18:00», и модель конфликт сгладила. Пропуск на несколько дней и гостя без документа никто не обсуждал, так что эти случаи стали вопросами, а не требованиями.
Итог — шесть проверенных историй, одна отложенная до согласования конфликта и четыре вопроса к заказчику. Модель сэкономила время на формулировках, аналитик связал каждую строку с источником.
Схемы и черновик API из текста
Нейросеть может написать схему в текстовом формате: BPMN XML, PlantUML или Mermaid; код Mermaid вставляется в draw.io и многие вики-системы. С BPMN XML осторожнее: модели нередко пропускают раздел с координатами элементов, и редактор показывает пустой холст или ошибку импорта. Надёжнее попросить список шагов, ролей и развилок, сверить его с протоколом и уже затем строить схему.
Типичные ошибки сгенерированной схемы — шлюз без условия на одной из веток, процесс без конечного события, задачи, которые выполняет «система» вообще, а не конкретная роль. Пройдите каждую ветку от начала до конца.
С OpenAPI похожая история: модель быстро пишет YAML, но придумывает поля, коды ошибок и правила авторизации, которых не было в описании. Черновик стоит прогнать через линтер спецификаций и сверить с требованиями поле за полем.
Поиск противоречий в требованиях
Пронумеруйте требования и попросите модель выписать пары, которые противоречат друг другу, с номерами и цитатами. Отдельным запросом попросите найти термины, которые в документе означают разное, и непроверяемые формулировки вроде «быстро», «удобно», «при необходимости».
Ограничение в том, что модель видит только загруженный текст. Если требование конфликтует с регламентом, договором или поведением действующей системы, которых нет в чате, она этого не заметит. Список найденных противоречий — повод для проверки, а пустой список не доказывает, что противоречий нет.
Что нельзя загружать в чат
ТЗ заказчика и схемы интеграций часто подпадают под соглашение о неразглашении, а в записях встреч звучат имена, то есть персональные данные. Прежде чем отправлять документ в общедоступный сервис, выясните, какие ИИ-инструменты разрешены в компании и у заказчика. Если разрешения нет, заменяйте названия компаний, систем и людей условными, убирайте адреса серверов и ключи из примеров запросов и отправляйте фрагменты, а не документ целиком. Запись интервью согласуйте с участниками встречи.
С чего начать и в каком порядке осваивать
Порядок шагов построен так, чтобы сначала научиться проверять, а потом ускоряться. Если начать с генерации схем и спецификаций, ошибки модели будет трудно отличить от собственных.
- Возьмите старую встречу с записью и готовым протоколом, попросите модель сделать протокол заново и сравните, что она пропустила и что добавила.
- Отработайте user stories на знакомом процессе, требуя к каждой истории ссылку на фразу из расшифровки.
- Научитесь задавать формат ответа: таблица требований с номером, источником и статусом.
- Переходите к схемам: список шагов и ролей, код Mermaid или PlantUML, проверка веток.
- Последними — черновики OpenAPI и сверка больших документов.
Посмотреть, как аналитики разных специализаций используют ИИ, можно на бесплатном вводном онлайн-курсе Нетологии «Аналитика и ИИ в действии»: рекомендуемый срок — пять дней, шесть мини-проектов, среди сравниваемых ролей — системный аналитик. Это профориентация, а не подготовка специалиста.
Типичные ошибки и как проверить себя
Самая частая ошибка — загрузить всю расшифровку и попросить «требования»: ответ получится гладким и неполным, а источник каждой строки потеряется. Вторая — принимать критерии приёмки без негативных сценариев: модель охотно описывает успешный путь и редко пишет, что происходит при отказе или пустом поле. Третья — исправлять ошибки в готовом документе, а не в запросе, из-за чего они повторяются.
Проверить себя просто: дайте свои user stories разработчику или тестировщику и спросите, могут ли они по критериям приёмки однозначно сказать, готова ли задача. Если возникают вопросы «а что если…», критерии нужно дописать, кто бы их ни сочинил.
Чему учат на курсах
Отдельных онлайн-курсов «ИИ для системного аналитика» мало: обычно нейросети входят в программу по профессии отдельным блоком.
На курсе Skillbox «Системный аналитик + ИИ» (восемь месяцев) основу составляют требования и бизнес-процессы: интервью с заказчиком, описание процессов «как есть» и «как должно быть», use case и user story. Дальше идут API и OpenAPI, SQL, матрица трассировки и документация, нотации BPMN, UML и C4. ИИ-блок описан одной строкой — помощь в анализе процессов и подготовке материалов; сколько в нём часов и какие сервисы разбирают, в опубликованном описании не сказано, это стоит уточнить у школы.
При выборе смотрите, разбирают ли проверку результата модели: сверку с записью встречи, трассировку, негативные сценарии.
Как навык влияет на доход
Отдельной надбавки за работу с нейросетями у аналитиков в открытых зарплатных данных нет. Влияние косвенное: тот, кто быстрее готовит протоколы и черновики, тратит больше времени на интервью, согласование и архитектуру, а именно эти задачи отличают старшие грейды.
Разницу между уровнями видно по калькулятору зарплат Хабр Карьеры (Россия без фильтра по городу, данные на октябрь 2026 года). Для системного аналитика уровня Junior медиана в калькуляторе — 110 000 ₽ по 379 анкетам, для уровня Senior — 300 000 ₽ по 557 анкетам. Это зарплаты из анкет специалистов, а не предложения в вакансиях, и разница отражает опыт, а не владение ИИ. Смотрите медиану по своему городу: суммы в анкетах указывают и до вычета налога, и на руки.
Как выбрать обучение
Работающему аналитику полная программа может оказаться избыточной: работу с моделью проще освоить на своих задачах. Курс нужен, когда не хватает базы — нотаций, требований, API — или нужна проверка работ наставником.
Бизнес-аналитикам, которым важнее процессы и экономика, чем интеграции, подойдёт онлайн-курс SF Education «Бизнес-аналитик + ИИ»: в программе 18 модулей, среди них сбор требований, документация и описание бизнес-процессов на 23 урока. ИИ вынесен в последний модуль «Что такое ИИ и взаимодействие с бизнесом» — 11 уроков и два практических задания; какие инструменты в нём разбирают, не раскрыто. Сведения о длительности расходятся: четыре и пять месяцев, поэтому её стоит уточнить у школы.
Просите у школы пример задания из ИИ-блока. Если в нём нужно проверить результат модели по исходной записи или документу, блок полезен аналитику требований; генерацию текста по шаблону легко повторить самостоятельно.
Сравнить онлайн-школы по цене, длительности и формату поможет рейтинг онлайн-школ по системной аналитике. Перед записью сделайте с помощью модели протокол и user stories по одной своей встрече и посчитайте, сколько строк пришлось вычеркнуть. Это покажет, чему учиться — формулировать запросы или проверять результат.