Я не планировал менять профессию. Просто слишком долго автоматизировал собственную работу.
Когда я пришёл в поддержку ChatMe, никакого плана стать ИИ-инженером у меня не было.
Были тикеты, клиентские боты, сценарии, интеграции и обычная для поддержки задача: понять, что сломалось, и либо починить, либо собрать достаточно информации для тех, кто сможет это сделать.
Проблема была в другом. Чем дольше я этим занимался, тем сильнее замечал, сколько времени уходит не на само решение, а на дорогу к нему.
Найти нужный диалог. Выгрузить аналитику. Сопоставить данные из нескольких источников. Понять, какой сценарий работал в этот момент. Проверить конфиг. Вспомнить, где искать нужные логи. А через неделю повторить примерно то же самое для другого проекта.
Сначала я просто пытался сделать свою работу чуть менее тупой.
Сначала исчезли отчёты
Одной из первых больших целей стала аналитика.
Вместо ручной работы с выгрузками я начал собирать процесс, в котором данные можно получить, обработать и проверить автоматически. Потом таких проектов стало несколько.
В какой-то момент это уже было сложно назвать просто «удобным скриптом для саппорта». Появились LLM, отдельные сценарии обработки, работа с API, автоматические проверки и инструменты расследования инцидентов.
Но внутри головы я всё ещё воспринимал это одинаково:
есть повторяющаяся работа → попробуем убрать еёНаверное, именно поэтому переход и получился таким незаметным.
Потом оказалось, что автоматизировать надо не ответ
Когда начинаешь работать с LLM-ботами в проде, довольно быстро выясняется неприятная вещь.
Ответ модели — только последняя точка длинной цепочки.
До него есть состояние сценария, входные данные, память, маршрутизация, внешние API, конфигурация, база знаний. После него тоже что-нибудь обязательно есть: доставка сообщения, переключение канала, оператор, webhook или ещё одна система, которая решила сегодня пожить собственной жизнью.
Поэтому постепенно я перестал смотреть на проблему как на «бот неправильно ответил». Вопрос стал другим:
Почему вся система пришла именно в это состояние?
Это уже требовало логов, аналитики, конфигов и понимания того, как проходит запрос от пользователя до конечного действия.
Работа незаметно сдвинулась от поддержки результата к инженерии процесса.
Потом я начал строить инструменты уже не только для себя
Следующий сдвиг я заметил недавно.
До этого большая часть автоматизации помогала прежде всего мне самому быстрее работать с проектами. Но если инструмент действительно полезен, довольно странно оставлять его личной коллекцией заклинаний.
Так появился внутренний kit для разбора тикетов. Вместо того чтобы каждый раз вручную восстанавливать окружение проекта, рабочий агент получает последовательный путь: определить нужного бота, посмотреть конфиг и аналитику, проверить сценарий и только затем, если причина всё ещё непонятна, идти глубже в логи.
Я отдельно написал об этом в статье «Собрал поддержку в папку».
Для меня интереснее всего в нём даже не автоматизация. А память.
Каждый разобранный кейс оставляет после себя немного больше контекста о конкретном проекте. Следующее расследование начинается уже не с нуля.
В какой-то момент я понял, что строю не инструмент, который «знает ответы». Я строю среду, в которой человеку и агенту проще добраться до ответа.
Должность немного опоздала
Самое забавное во всей истории: момента перехода я не помню.
Не было утра, когда я закрыл ноутбук специалистом поддержки, а вечером открыл его инженером по ИИ-автоматизации.
Я просто всё меньше занимался отдельными обращениями и всё больше тем, что находилось между обращением и решением:
- автоматизация аналитики;
- LLM-сценарии;
- интеграции;
- отладка сложных цепочек;
- инструменты для расследований;
- агенты, которые умеют работать с реальным контекстом проекта, а не только красиво разговаривать.
В какой-то момент название моей роли просто догнало то, чем я уже занимался.
И, пожалуй, это мне нравится больше всего.
Я не выбирал новую профессию из списка вакансий и не строил идеальный план перехода. Мне просто раз за разом хотелось убрать следующую бессмысленную часть собственной работы.
А когда таких частей стало достаточно много, оказалось, что прежней работы почти не осталось.