Разработка решений с искусственным интеллектом начинается с определения бизнес-задач и подготовки требований. Без технического задания сложно согласовать функциональность системы, оценить стоимость проекта и проверить качество готового продукта.

В этой статье по шагам разбираем какие требования включить в техническое задание на AI-проект, как описать данные, интеграции и архитектуру AI-решения и как определить критерии качества и этапы разработки, а по ходу собираем выводы, которые можно сразу примерить на свои процессы.

Как составить техническое задание на AI-проект: требования, структура и этапы

ТЗ на AI-проект описывает назначение будущего решения, пользовательские сценарии, источники данных, интеграции и ограничения. В отличие от обычного программного обеспечения, системы с искусственным интеллектом требуют дополнительных условий для оценки точности ответов, обработки нестандартных запросов и контроля действий модели.

Разберём, как подготовить техническое задание на ИИ-решение, какие разделы необходимо включить и на что обратить внимание перед началом разработки.

Какие требования включить в техническое задание на AI-проект

Первый этап — определение целей и ожидаемых результатов. Необходимо описать, какую задачу бизнеса должна решать система и какие показатели подтвердят успешность её внедрения.

Например, компания планирует создать AI-ассистента для сотрудников. Его задача — искать информацию в корпоративных документах и отвечать на вопросы по внутренним регламентам. В техническом задании необходимо определить, какие материалы использует ассистент, какие категории сотрудников получат доступ и какие действия система сможет выполнять.

Далее описывают функциональные требования. Они определяют поведение продукта: обработку пользовательских запросов, поиск информации, формирование ответов, работу с документами и взаимодействие с другими сервисами.

Отдельно фиксируют нефункциональные требования. К ним относятся скорость ответа, допустимая нагрузка, доступность системы, безопасность данных и требования к инфраструктуре.

Важно заранее установить границы проекта. Например, AI-ассистент должен отвечать на вопросы по корпоративной базе знаний, но не изменять документы и не выполнять финансовые операции.

Такие ограничения помогают избежать постоянного расширения функциональности в процессе разработки.

Как описать данные, интеграции и архитектуру AI-решения

Качество искусственного интеллекта во многом зависит от исходных данных. Поэтому в ТЗ необходимо указать их источники, форматы, объём, структуру и периодичность обновления.

Если проект предполагает обработку документов, следует определить поддерживаемые форматы файлов, перечень извлекаемых полей и требования к точности распознавания.

Для корпоративного поиска необходимо описать базы знаний, доступные разделы, правила индексации и порядок обновления информации. При использовании RAG-архитектуры дополнительно фиксируют механизм поиска источников и формирования ответов на их основе.

Отдельный раздел посвящают интеграциям. Например, при подключении AI к Битрикс24 указывают используемые сущности CRM, доступные методы API, события, права пользователей и правила обмена данными.

Архитектура ИИ-решения должна отражать взаимодействие основных компонентов: пользовательского интерфейса, бэкенда, языковой модели, хранилища информации и внешних систем.

Также необходимо определить, где будут выполняться вычисления и храниться данные. При использовании внешних AI-сервисов важно заранее согласовать перечень передаваемой информации и требования к её защите.

Грамотное проектирование AI-решений учитывает не только текущую функциональность, но и дальнейшее развитие системы, увеличение нагрузки и подключение дополнительных источников.

Как определить критерии качества и этапы разработки

Одна из особенностей AI-проектов — вероятностный характер результатов. Одинаковые или похожие запросы не всегда приводят к полностью идентичным ответам. Поэтому обычной проверки работоспособности функций недостаточно.

В техническом задании необходимо определить критерии качества для каждого основного сценария.

Например, для AI-чат-бота оценивают корректность ответов, соблюдение инструкций, долю успешно обработанных обращений и количество случаев передачи диалога оператору.

Для системы обработки документов важны точность извлечения полей, полнота распознавания и количество записей, требующих ручной проверки.

Критерии желательно проверять на заранее подготовленном наборе примеров. Он должен содержать типовые запросы, нестандартные ситуации, неполные данные и случаи, когда система обязана отказаться от выполнения действия.

После определения требований формируют бэклог — перечень задач с приоритетами. В первую очередь включают функции, необходимые для проверки основной бизнес-гипотезы.

Затем составляют план внедрения искусственного интеллекта с последовательностью этапов, сроками и контрольными точками.

Разработка может начинаться с POC для технической проверки гипотезы, переходить к MVP с ограниченным функционалом и завершаться полноценным запуском системы.

На каждом этапе предусматривают тестирование, проверку качества и приёмку результатов по согласованным критериям.

Готовое техническое задание должно содержать достаточно информации для оценки стоимости проекта и начала разработки. При этом требования к AI необходимо пересматривать, если тестирование выявляет ограничения модели или проблемы с исходными данными.

Частые вопросы

Чем аналитика AI-проекта отличается от AI-аудита?

AI-аудит помогает определить целесообразность проекта, возможные риски и предварительный бюджет. Аналитика и проектирование нужны для подготовки конкретных требований, архитектуры, пользовательских сценариев и технической документации.

Нужно ли готовое ТЗ перед началом AI-разработки?

Необязательно. Если у компании есть только идея и описание бизнес-задачи, требования формируют на этапе предпроектной аналитики. По её результатам подготавливают техническое задание и план реализации.

Что должно быть в ТЗ на AI-проект?

Документ должен содержать цели, функциональные и нефункциональные требования, пользовательские сценарии, описание данных и интеграций, архитектуру, ограничения, критерии качества и условия приёмки.

Как оценить качество AI-решения?

Для этого определяют измеримые показатели и формируют тестовую выборку. В зависимости от задачи оценивают точность ответов, полноту извлечения данных, долю успешных операций, скорость обработки и количество ошибок.

Можно ли изменить техническое задание во время разработки?

Да, если тестирование выявило новые ограничения или изменились бизнес-требования. Изменения необходимо согласовать, оценить их влияние на сроки и бюджет, после чего обновить проектную документацию.