TL;DR
- Документация для LLM — это JSON, YAML и размеченные контексты, а не проза: модели требуют формализованных входов.
- Промпт-инжиниринг заменяет традиционное ревью: требования пишутся как инструкции для модели, тестирование — через валидацию ответов.
- AI-зрелость аналитиков отстаёт из-за отсутствия стандарта: разработчики используют Copilot, а аналитики не внедряют аналоги для генерации спецификаций.
Разбор
Системный аналитик 2026 года — это не просто автор ТЗ. Если вы всё ещё пишете длинные тексты на естественном языке, вашу работу читает только LLM, и то с трудом. Модели, такие как GPT-4 или Claude, лучше обрабатывают структурированные данные: JSON-схемы, YAML-конфигурации, размеченные контексты с чёткими границами. Например, вместо «Пользователь вводит логин и пароль» вы даёте:
{
"intent": "authentication",
"fields": ["login", "password"],
"validation": "regex: ^[a-zA-Z0-9]{3,20}$"
}
Это не просто формат — это способ заставить модель понимать требования без двусмысленностей.
Промпт-инжиниринг становится частью работы аналитика. Вы не пишете «система должна обрабатывать ошибки», а формулируете инструкцию: «Если ответ модели содержит код ошибки, верни JSON с полем error и описанием на русском». Тестирование такой документации — это не ревью коллегой, а валидация ответов LLM через итеративное уточнение контекста. Вы проверяете, что модель выдаёт корректные выходы, а не что текст читабелен. Это смещает роль: от фиксации требований к контролю качества AI-выхода.
Проблема в том, что большинство коллег не готовы. Разработчики уже используют Copilot для кода и MCP для интеграций, но аналитики не внедряют аналогичные инструменты — например, генераторы спецификаций на основе промптов или графы знаний для контекста. Вакансии требуют «AI-native документацию» и «Chain-of-Thought», но на практике это означает проектирование цепочек рассуждений и графов знаний, а не написание текстов. Без единого стандарта AI-усиления мы застреваем в прошлом.
Выводы
- Аналитикам нужно перейти от прозы к структурированным данным (JSON, YAML) и промпт-инжинирингу — иначе документация станет бесполезной для LLM.
- AI-зрелость требует внедрения инструментов, аналогичных Copilot: генераторы спецификаций и валидаторы ответов — это не опция, а необходимость.
- Работодатели ждут умения проектировать цепочки мыслей и графы знаний, но без стандарта это остаётся разрозненными практиками.
Нужна такая автоматизация? Обсудить проект в Telegram: https://t.me/Cvister0