Кейс: ИИ-агент заменил Confluence и автоматизировал создание дайджестов изменений

Практический смысл кейса не в «замене вики нейросетью». Он в смене источника правды: им объявлен код, а не текст, который кто-то должен не забыть переписать.

Дайджест строится из изменений, а не из памяти команды

Схема, описанная в кейсе, жёсткая:

• репозитории синхронизируются ежедневно;
• граф кода на основе AST перестраивается каждые два часа;
• агент ежедневно прогоняет коммиты и вносит изменения в затронутые статьи;
• раз в неделю формируется сводка изменений по проекту.

Это закрывает типовую проблему корпоративных дайджестов. Когда сводку собирают вручную, в неё попадает то, что автор заметил, понял и успел описать. В результате она отражает не состояние продукта, а качество внутренней коммуникации.

Здесь входные данные привязаны к коммитам. Это снижает долю пропусков, но не отменяет проверку качества: коммит показывает изменение в коде, а не обязательно бизнес-смысл, принятое решение или последствия для пользователя.

База знаний получила маркировку неопределённости

В кейсе отдельно предусмотрено разделение фактов и того, что кодом не подтверждается. Договорённости с бизнесом, планы и устные решения агент не должен выдавать за установленную информацию: такие фрагменты помечаются как «не проверено по коду».

Это существенная деталь. Автоматизация документации без статуса достоверности создаёт ложную определённость. Текст выглядит актуальным, но читатель не понимает, где машинная сверка с репозиторием, а где старая память команды.

Для редакторов дайджестов и владельцев баз знаний рабочий минимум выглядит так:

• фиксировать первичный источник каждого пункта;
• отделять подтверждённые изменения от интерпретаций;
• показывать дату последней сверки;
• не смешивать релизные факты, планы и внутренние договорённости в одном блоке.

Та же логика полезна и в более приземлённых сценариях: перед действием нужен проверяемый статус, а не предположение — например, при проверке наличия товара по чеку или артикулу.

Автогенерация не равна автономной разработке

Автор кейса сообщает, что первоначальная цель была другой: агент должен был закрывать простые задачи разработки. Этот контур не сработал. На серии правок одной функции за шесть итераций накопилось около 2 000 строк диффа там, где, по оценке команды, хватило бы примерно 300. В финтех-продукте с более чем миллионом пользователей агент в итоге перестал получать боевые задачи: риск ошибки оказался выше готовности передавать ему работу.

Зато побочный результат оказался применимым: команда полностью отказалась от Confluence, где за пять лет накопилось более 200 статей, и перенесла материалы в базу, сверяемую с кодом.

Вердикт: ИИ-агент полезен для дайджестов не как автор текста, а как механизм трассировки изменений. Если система не показывает, что подтверждено источником, а что нет, автоматизация только ускоряет выпуск недостоверной сводки.