В Sape не стали внедрять ИИ-агента вслепую: сначала изучили более 200 задач, нашли самые трудоёмкие этапы и только затем собрали под них платформенные навыки. На выбранных операциях время выполнения сократилось примерно в десять раз.
Суть события
Команда разработки Sape системно внедрила навыки для ИИ-агента Opencode. Навык здесь — это набор инструкций и интеграций, который помогает агенту выполнять повторяющуюся операцию в принятом внутри компании порядке. Результат проверяли не по впечатлениям: по выбранным этапам разработки время выполнения уменьшилось примерно в 10 раз.
Главный эффект оказался практическим. Разработчики тратят меньше времени на однообразную техническую работу и могут больше внимания отдавать проектированию и решениям, где действительно нужна квалификация.
Детали
Перед внедрением команда исследовала более 200 задач из трекера. Аналитик сопоставлял этапы работы с историей изменений, комментариями, логами времени и консультациями с разработчиками. Затем этапы оценили по ICE — влиянию, уверенности и простоте реализации — и выбрали четыре операции, которые оформили в три платформенных навыка.
В плагин для Opencode добавили навыки, интеграции MCP (протокол, через который модель получает доступ к инструментам и контексту) и отправку метрик во внутреннюю систему событий. Среди прикладных сценариев — подготовка бизнес- и технических метрик, разметка кода событиями и создание дашбордов для Grafana. То, что раньше могло занять неделю, в удачном сценарии теперь собирается примерно за полчаса в диалоге с агентом.
Плагин подключают к приложениям через git submodule, а обновления репозитория постепенно попадают к разработчикам. Авторизация и передача необходимых доступов происходят внутри среды, поэтому команде проще наблюдать использование навыков и развивать их по обратной связи.
Контекст
Для компаний и небольших команд здесь важен не сам выбор инструмента, а метод внедрения. Сначала Sape выяснила, где рутина действительно отнимает время, а не просто выглядит неудобной. Первоначальная гипотеза о навыке для создания сущностей в базе данных не подтвердилась, зато работа с метриками оказалась востребованной.
Такой подход снижает риск купить или собрать дорогую автоматизацию, которой никто не пользуется. Для фрилансера или небольшой команды логика та же: измерить повторяющиеся операции, выбрать один узкий сценарий, определить понятный результат и только потом расширять набор автоматических действий.
Что дальше
Следующий шаг для Sape — продолжать наблюдать за использованием навыков, собирать отзывы и корректировать процесс через командные встречи и ревью. Ограничение уже видно: разработчики могут пользоваться и другими агентами, поэтому внутренние метрики не показывают всю картину.
Но кейс задаёт рабочую последовательность для тех, кто хочет повторить опыт: найти узкое место по данным, упаковать корпоративные знания в навык, встроить его в привычную среду и измерить эффект. Именно такая связка превращает ИИ-агента из отдельного чата в часть производственного процесса.
