Русова о QA

Анатомия AI-агента. Как устроен искусственный интеллект, который не просто отвечает, а выполняет задачи 🧠
⠀
Многие думают, что AI-агент это обычный ChatGPT с дополнительными инструментами.
⠀
Но мне нравится другая аналогия. Представьте AI-агента как человеческое тело.
⠀
У него есть мозг, библиотека знаний, нервная система, мышечная память и руки.
⠀
1. LLM это мозг
⠀
ChatGPT, Claude, Gemini и другие языковые модели умеют анализировать информацию, писать тексты, программировать и рассуждать.
⠀
Но сами по себе они не знают, что происходит в вашем бизнесе.
⠀
Например, сколько продаж было вчера или какие задачи сейчас выполняет ваша команда.
⠀
2. RAG это мозг с библиотекой
⠀
RAG позволяет AI находить информацию в ваших документах и использовать её при формировании ответа.
⠀
Например, агент может изучить договоры, инструкции компании или базу знаний.
⠀
Вместо догадок он получает доступ к конкретным источникам.
⠀
Но если документы устарели, ответы тоже могут оказаться неправильными.
⠀
3. MCP это нервная система
⠀
Model Context Protocol позволяет стандартизировать подключение AI к внешним инструментам.
⠀
Например, к Gmail, Google Drive, CRM или базе данных.
⠀
Благодаря этому агент может не только анализировать информацию, но и взаимодействовать с рабочими сервисами.
⠀
4. Skills это мышечная память
⠀
Представьте, что вы каждый день просите AI составить отчёт по одинаковым правилам.
⠀
Вместо повторения инструкций можно создать Skill.
⠀
Он содержит готовый рабочий процесс, который AI сможет использовать при необходимости.
⠀
5. AI Agent это мозг + руки
⠀
Теперь объединяем всё вместе.
⠀
Агент получает задачу, анализирует информацию, планирует действия и использует подключённые инструменты для выполнения работы.
⠀
Например, может:
⠀
Получить данные о продажах из CRM.
Сравнить показатели с прошлой неделей.
Найти причины отклонений.
Подготовить отчёт.
Создать черновик письма руководителю.
⠀
При этом действия, которые могут привести к ошибкам или потерям, лучше оставлять под контролем человека.
⠀
💡 Главная мысль: умная языковая модель ещё не означает полезного AI-агента.
⠀
Ценность появляется, когда AI получает нужные данные, инструменты и понятные процессы.
⠀
И для этого необязательно сразу строить сложную систему. Начните с одной задачи и постепенно добавляйте возможности.
⠀
А какую часть этой системы вы уже используете: LLM, RAG, MCP, Skills или полноценных AI-агентов?

QA, а вы уже успеваете за разработкой, где код пишет ИИ? 👀

AvitoTech зовёт тестировщиков на воркшоп в Петербурге — разбираться, что делать с классическим SDLC, когда разработка ускорилась, а требования к качеству никуда не делись.

Вместо обычных докладов будете решать реальные задачи. В командах участники попробуют перестроить процесс разработки с учётом ИИ, собрать новый фреймворк с акцентом на QA, а потом прогнать по нему реальную задачу в тестовой среде.

Встречаемся 27 октября в 18:00 в офисе Авито в Петербурге. С собой нужен ноутбук, а зарегистрироваться можно тут.