В ИТМО создали многоагентную ИИ-систему ProAGI, которая ускоряет создание промышленного ПО от 2 до 10 раз

ProAGI уже протестировали на задачах телекоммуникаций, медицины, образования и нефтяной отрасли, но работу агентов можно адаптировать под другие области.

Сейчас с разработкой простой программы вроде калькулятора справляется любой пользователь — достаточно попросить популярные нейросети сгенерировать код под задачу. Для создания более сложных продуктов, например шаблонного лендинга или сайта, также можно использовать ИИ-помощников, но знания в ИТ-области позволят пользователю проверить продукт на ошибки и вовремя отловить баги. Создание действительно сложного и принципиально нового ПО (операционной системы или языковых моделей) требует большой команды профессионалов с уникальной экспертизой в разных ИТ-областях.

Команда разработчиков Института искусственного интеллекта ИТМО создала ProAGI — это многоагентная система, которая не просто генерирует код, а ведет полный цикл разработки промышленного ПО. ProAGI умеет автоматически проектировать, разрабатывать, проверять и улучшать программные продукты, работая как команда из нескольких цифровых специалистов: архитектора, аналитика, разработчика, тестировщика, технического консультанта. Система закроет потребности компаний со штатом до 500 специалистов, которым нужно разработать ПО под собственные профессиональные задачи, но возможностей популярных нейросетей для этого недостаточно, а на найм новых ИТ-специалистов не хватает ресурсов.

«Мы разработали многоагентную систему ProAGI, которая реализует полный цикл разработки программного обеспечения. Вы даете системе идею для разработки в виде промпта и в итоге получаете готовый продукт. Этот подход отличает нас от косвенных конкурентов на российском рынке. Они предоставляют разработчикам доступ к своим языковым моделям и инструментам co-pilot, которые внедряются в среду разработки и помогают дописывать только отдельные части кода. Наша система ProAGI ускоряет весь цикл разработки и снижает ее стоимость от 2 до 10 раз, что делает современные ИТ-решения доступными для любого сектора экономики. Например, 20 крупных заказов, которые средняя компания штатом в 500 человек делает за год, мы сможем осилить за неделю», — рассказал руководитель проекта, старший научный сотрудник исследовательского центра «Сильный искусственный интеллект в промышленности» ИТМО Денис Насонов.

Внешне работа ProAGI выглядит просто: пользователю достаточно написать задачу в виде промпта, и система сама запланирует работу, соберет информацию, спроектирует архитектуру и напишет код, затем проверит качество и доработает ПО. Но «под капотом» ProAGI устроен более сложно. Сначала агенты (автономные интеллектуальные системы, которые могут взаимодействовать со средой и принимать решения без вмешательства человека) уточняют цель, задачу и контекст и анализируют требования, ограничения и критерии успеха. Задача разбивается на подзадачи и зоны ответственности, которые закрепляются за каждым агентом, а также определяются взаимосвязи между ними.

Под конкретную задачу каждый агент выбирает методологию и уже готовые технологии — например, текстовый редактор для написания текста, электронную почту для писем или популярные нейросети для поиска новой информации. Но каждое использование нейросетей требует больших вычислительных мощностей, которую агенты оплачивают условной цифровой валютой. Зато когда агенты выполняют задачу, они получают цифровую «зарплату», которую можно потратить на новые инструменты для следующих задач. По словам Дениса Насонова, этим работа агентов напоминает устройство человеческой биржи труда.

Затем агенты проектируют архитектуру решения. Для генерации программного кода агенты черпают знания и контекст из баз данных, библиотек и сервисов компании и на их основе проектируют архитектуру, пишут тесты и документацию для валидации решения. В итоге получается готовое к развертыванию и обслуживанию решение. При этом во время процесса разработки встроенные в ProAGI агенты-валидаторы проверяют ПО на соответствие требуемым метрикам и стандартам, анализируют и исправляют найденные ошибки.

ProAGI можно использовать для быстрого создания надежных цифровых решений в разных областях. Для телекоммуникаций — проектировать и поддерживать внутренние платформы, для промышленности — конструировать цифровых двойников, системы мониторинга или ERP-модули для управления ресурсами предприятия. Также ProAGI будет полезна для медицинских компаний и образовательных учреждений. Для первых можно создавать клинические регистры для сбора и хранения данных о пациентах с определенными заболеваниями, а для вторых — автоматизировать LMS — цифровую платформу для создания и организации курсов и ведения учебной аналитики. Помимо этого, с помощью разработки можно контролировать затраты, управлять активами и проводить аудит в финансовых компаниях, а в госрегуляторах — создавать информационные системы и анализировать данные.

В этих областях работу ProAGI уже протестировали на pet-проектах и реальных инициативах. Например, для индустриального партнера ИТМО компании «Татнефть» создали ПО для генерации дашбордов и оценки параметров пластового давления на месторождениях. Такая аналитика помогает понять, насколько хорошо скважины справляются с добычей нефти. Также ProAGI легла в основу HR-приложения, в котором агенты автоматически анализируют резюме соискателей под нужную вакансию, отбирают подходящих кандидатов и проводят первичные текстовые интервью. Вместо многочасового ручного поиска HR-специалисты получают список кандидатов, уже настроенных на диалог.

Однако работа ProAGI не ограничивается только перечисленными областями — ее можно «настроить» и под другие бизнес-задачи. Многоагентная система поддерживает корпоративные процессы и интеграции с компаниями: может подключиться к репозиториям, API и базам данных и работать локально без передачи данных во внешний контур. Также ProAGI использует собственные знания — внутренние документы, код, регламенты, что повышает точность и корпоративную надежность.

Сейчас разработчики сосредоточены на выборе модели взаимодействия с заказчиками — в каком секторе (B2B, B2C или обоих) развивать возможности продукта в дальнейшем. Также команда планирует создать предпроектного агента, который мог бы оценивать сложность разрабатываемых решений для пользователя. На основе анализа проще принимать решение, справится ли ProAGI с конкретной задачей самостоятельно или сможет создать большую часть архитектуры ПО, которую доработает команда ИТ-специалистов.

Фото: SuperOhMo / Фотобанк Фотодженика, news.itmo.ru