Сборка дашбордов с ИИ. Как сократить время работы и не потерять смысл
Нейросети могут собрать набор красивых графиков за считанные дни, но часто они не помогают принимать решения. Команда BI-разработчиков Авито разобрала, как превратить хаотичный набор визуализаций в рабочий инструмент.
Сбор требований и подготовка данных обычно занимают больше всего времени. В Авито решили автоматизировать техническую часть. Написание SQL-запросов и создание кода для визуализаций.
Для этого создали MCP-серверы, через которые ИИ-агенты могут искать таблицы и извлекать данные. Это позволило сократить сроки сборки сложных дашбордов с месяца до 8-10 дней.
Главная проблема «нейродашбордов», отсутствие единой логики. ИИ воспринимает каждый график как отдельную задачу, из-за чего на одном экране могут смешиваться разные масштабы или противоречить друг другу цвета.
Как отмечает Александр Богачёв в книге «Графики, которые убеждают всех», люди часто совершают ошибки из-за использования настроек по умолчанию. С ИИ ситуация схожая: модель предлагает типичные решения, которые выглядят эффектно, но не отвечают на конкретные вопросы бизнеса.
Чтобы проверить возможности агентов, разработчики провели эксперимент. Сначала ИИ составил техническое задание на основе старого дашборда, а затем по этому ТЗ другой агент собрал новую версию. В результате на первой итерации получился набор из семи карточек и разных графиков, но они не помогали понять причины изменений в показателях. Например, на одной панели могли оказаться разные шкалы, а отсутствие сравнения с прошлым периодом мешало анализу.
В итоге работа с ИИ превратилась в процесс совместной доработки. Человек задает правила, а агент вносит правки. Это меняет подход к работе BI-специалистов.
Теперь задача смещается с написания кода на контроль логики и архитектуры данных. Пока ИИ помогает ускорить рутину, но финальное решение о том, куда смотреть и как читать данные, остаётся за человеком.
Текст подготовила языковая модель по материалам источников.
