Amplitude, Jira, Metabase, заметки саппорта — у тебя стоят сильные системы, каждая со своей глубиной, и заменять их незачем. Беда не в самих инструментах, а в том, что между ними нет никого, кто умел бы ходить по всем сразу: данные разбросаны по пяти-десяти системам, и заметная часть рабочего дня уходит не на анализ, а на то, чтобы их собрать в кучу и связать одно с другим. Эта статья про агента, который берёт на себя именно эту склейку: не очередная «AI-аналитика, которая всё знает сама», а навигатор, который помнит, где у тебя что лежит, и умеет туда сходить. Ниже о том, как сейчас выглядит обычный рабочий вопрос, как тот же вопрос выглядел бы с агентом, как он устроен внутри и, главное, где проходит граница между ним и живым специалистом.

Начнём с того, как это происходит сейчас.

Один вопрос — два часа навигации

Обычный вторник продакта. Прилетает сообщение от CEO: почему в апрельской когорте просел retention, то есть доля пользователей, которые вернулись в продукт спустя время после регистрации.

Ты открываешь продуктовую аналитику и идёшь смотреть когорту. Просадка реальная, но почему — непонятно. Заходишь с другой стороны, через второй инструмент аналитики, и получаешь слегка другие цифры, потому что события в этих двух системах определены по-разному, и ты в который раз вспоминаешь, какой из них считать опорным. Идёшь в таск-трекер посмотреть, что выкатывали в апреле, и находишь там пару релизов и одну выкатку фичи под флагом. Идёшь в рабочие заметки читать, что писал саппорт по фидбэку за тот же месяц, и натыкаешься на жалобы про баг с авторизацией у части пользователей. Теперь надо понять, скольких именно это затронуло, и ты лезешь в хранилище данных писать SQL-запрос — а он ругается, потому что ссылка на схему таблицы устарела. Идёшь в чат уточнять у инженера данных, как теперь называется поле.

Через два часа ты возвращаешься к CEO с ответом. К этому моменту ты успел открыть с десяток вкладок, перескочить между четырьмя инструментами и несколько раз вспомнить, в каком из них что лежит. Сам ответ, по-хорошему, занял минут двадцать. Всё остальное — это навигация между источниками, перевод с языка одной системы на язык другой, который ты держишь в голове и заново проделываешь каждый раз.

И это типичный день не только продакта — так же живёт аналитик, так же живёт бизнес-аналитик. Главная их боль почти никогда не звучит как «не хватает данных». Данных как раз хватает, иногда даже слишком. Боль в том, что данные размазаны по куче систем, и большую часть времени съедает не мысль, а сборка. Агент, который ходит во все эти системы за тебя, меняет здесь ровно одну вещь, но важную: ты перестаёшь быть переводчиком между источниками.

Тот же вопрос, только с агентом

Тот же вторник, тот же вопрос от CEO про апрельскую когорту. Только теперь ты не открываешь восемь вкладок, а пишешь его одной фразой в чат.

Дальше агент идёт делать то же самое, что делал бы ты, но сам и по порядку. Заглядывает в продуктовую аналитику, поднимает данные по когорте, подтверждает, что просадка действительно есть, и фиксирует масштаб. Идёт в таск-трекер за релизами апреля и выкатками фич, сверяет даты — какие из них по времени могли задеть retention. Поднимает фидбэк саппорта и рабочую переписку за тот же период, находит тот самый баг с авторизацией. Если для точной оценки нужно посчитать, скольких пользователей задело, пишет SQL-запрос к хранилищу и выполняет его, опираясь на сохранённую карту схемы, а не на твою память.

Через минуту-другую ты получаешь не дашборд и не сырую выгрузку, а связный ответ: вот цифра, вот что в апреле выкатывали, вот когда начались жалобы, вот сколько людей затронул баг, и вот гипотеза, которая всё это увязывает, со ссылками на источники, чтобы ты мог проверить. Хочешь копнуть глубже — продолжаешь тем же текстом, прямо в чате: разбей по платформам, посмотри то же самое по конкретной фиче, сравни с мартом. И каждый такой заход — это не новая экспедиция по вкладкам, а ещё одна реплика в разговоре.

Дело не в том, что агент умнее тебя. Гипотезу он рисует грубее, чем сделал бы ты, и нередко её приходится поправлять. Разница в том, что всю механическую часть — сходить, забрать, сверить, собрать — он делает за секунды и сам, а тебе остаётся то, ради чего тебя и держат: посмотреть на собранную картину и подумать.

Как он это делает

Со стороны это выглядит как магия, но устроено просто, и из устройства как раз понятно, почему агент ходит сам, а не ждёт от тебя инструкций на каждый шаг.

Первое — подключения к твоим источникам. Доступ к хранилищу данных через SQL, токены к продуктовой аналитике, интеграции с таск-трекером и рабочими заметками, доступ к почте и чатам, если нужно. Всё это настраивается один раз на онбординге, и дальше ты к этому не возвращаешься: каналы открыты, агент ими пользуется.

Второе и, пожалуй, главное — карта твоих данных, записанная в правилах. Это обычные текстовые описания того, что где лежит и по какой логике считается. Какие события заведены в аналитике и что у вас считается активным пользователем. Как именно ваша команда считает retention, потому что у каждой команды своя формула. Где в таск-трекере хранятся релизы и флаги фич. Как устроены рабочие заметки. Какие SQL-запросы вы переиспользуете из раза в раз. Раньше всё это жило только в голове у людей, и новый человек в команде вытаскивал это неделями через расспросы. Теперь оно прописано один раз и доступно всем, у кого есть доступ к чату. Карта не статичная: каждый новый вопрос её чуть уточняет, и агент со временем отвечает точнее.

Третье — собеседник в чате, тот, кому ты пишешь вопрос. На каждое сообщение он сначала сверяется с правилами, понимает, в какие источники идти и что в них искать, а потом идёт и делает: забирает данные, сверяет даты, при необходимости пишет и выполняет запрос, собирает всё в короткий ответ. Не отвечает «вот тебе ссылка на дашборд», а приносит готовый разбор.

Ближе всего сюда аналогия с новым аналитиком и тем, кто работает с вами полгода. Новый умный, но каждый раз начинает с нуля: где у вас что лежит, как считается метрика, какой инструмент опорный — всё это надо ему объяснять заново. Тот, кто с вами давно, всё это просто знает и держит в голове карту вашего хозяйства. Агент с прописанными правилами ведёт себя как второй: контекст ему не объясняешь по новой, он в нём живёт.

Где это выручает сильнее всего

Заметнее всего разница на ad-hoc вопросах от руководства — тех самых «почему такая цифра», «дай разрез по регионам», «сравни с прошлым кварталом». Раньше каждый такой вопрос стоил тебе часа на склейку, и потому многие из них CEO попросту не задавал: он знал, что это полдня твоего времени, и берёг его. Теперь это пять минут, и происходит интересное — спрашивать начинают чаще, и ответы начинают получать те вопросы, которые раньше тихо умирали невысказанными. Это меняет не столько скорость работы, сколько то, насколько вообще команда понимает, что у неё происходит.

Хорошо ложатся сюда и регулярные сводки. Утренний или недельный дайджест по ключевым метрикам, который агент собирает из всех источников сам и сам же пишет к нему короткий человеческий комментарий: вот что выросло, вот что просело, вот на что стоит посмотреть глазами. Частоту настраиваешь под себя.

Отдельно — подготовка к встречам с продуктовой командой. Перед каждой агент сам подтягивает свежие метрики, актуальный статус релизов, открытые тикеты, последние данные из исследований, и ты приходишь не с пустыми руками и обещанием «уточню после встречи», а с уже собранной картиной. И похожим образом он выручает в диагностике, когда что-то сломалось или показатель повёл себя странно: сводит данные из мониторинга, аналитики и тикетов в одну картинку за минуты вместо полудня переписок по всей команде.

Где это не про замену специалиста

Тут важно проговорить границу прямо, чтобы не было лишних ожиданий, потому что соблазн пообещать «AI-аналитика» большой, а честнее показать узкое и реальное.

Это не AI-аналитик, который заменит тебя или твою команду. Глубокая аналитика, гипотезы, эксперименты, продуктовые решения — это по-прежнему твоя работа. Агент здесь только слой над инструментами, который снимает рутину сбора и склейки данных и возвращает тебе время на то, ради чего ты команде и нужен.

Это и не замена дашбордов. Дашборды живут в другом жанре: они для регулярных регламентных метрик, для широкой команды, для устойчивого взгляда на бизнес из месяца в месяц. Чат с агентом — для ad-hoc и быстрого ответа здесь и сейчас. Одно другое не отменяет, они про разное.

И это не история про то, что «AI сам делает выводы». Агент собирает данные, рисует гипотезу, даёт связный ответ — но решение всё равно за человеком. Если гипотеза выглядит сомнительно, ты её проверяешь, и обычно она быстро уточняется через тот же диалог. Он навигатор и сборщик, а не тот, кто за тебя решает, что с этим делать.

Что с этим делать дальше

Если твой день сейчас выглядит как бесконечное путешествие между аналитикой, таск-трекером, заметками, хранилищем и чатами, ты в этом не один — так живёт большинство продактов и аналитиков, и узнают они себя тут без напряжения.

Мы с командой собрали kvelo — преднастроенного агента, которого не нужно поднимать с нуля. Это не пустая коробка и не очередной ассистент «один на всех»: базовая логика работы с источниками в нём уже заложена, а дальше он донастраивается под твой конкретный стек и твою команду. Первичную настройку мы берём на себя. Часть подключений делается быстро, это типовые API. Часть требует разобраться с вашей картой данных — где что лежит и как у вас считается, — и это и есть основная работа онбординга. Обычно уже в первую неделю агент закрывает заметную долю твоих ad-hoc вопросов, а дальше точность растёт по мере того, как накапливается контекст.

В худшем случае потратишь час разговора и поймёшь, что под твой стек это пока не складывается. В лучшем через неделю рядом будет тот, кто помнит, где у тебя что лежит, и собирает ответ, пока ты допиваешь кофе.

Посмотреть подробнее можно на сайте. Или оставь заявку ниже — расскажем, как это собирается под твои инструменты, и, если захочешь, выберешь удобное время для разговора.