GINA —это AI-платформа для автоматизации полного цикла разработки программного обеспечения. GINA выступает как «ИИ-член команды», способный автономно выполнять задачи по разработке: от декомпозиции требований и написания кода до тестирования, DevOps-операций и создания документации. Мы ищем Feature Leader — владельца фич работы с требованиями и проектной документацией. Успешный кандидат будет отвечать за фичи ИИ-платформы GINA, которые превращают замысел и/или существующий код в требования, сценарии тестирования и проектную документацию, и доводить недетерминированный ИИ до предсказуемого качества через бенчмарки и реальные задачи. Предметное ядро вакансии — системный анализ и техническое письмо. Над чем предстоит работать: · Работа с замыслом — продукт-овнер или бизнес-аналитик через чат-бот описывает замысел (какую фичу он хочет видеть в системе); ИИ-платформа GINA анализирует замысел и существующие функции, в режиме интервью уточняет детали и запрашивает подтверждения, выдаёт новую версию требований и сценариев тестирования, которые уже идут в реализацию. · Формирование требований по кодовой базе — восстановление требований из существующего кода для онбординга ИИ-платформы GINA на проекты без требований. · Разработка документов РА и РП — генерация эксплуатационной документации (руководство администратора и руководство пользователя). · Создание ПМИ — генерация программы и методики испытаний: понятный сценарий, аккуратные демо-данные, генерация демо-роликов.
Обязанности
Успешный кандидат будет:
· владеть фичами «Работа с замыслом», «Формирование требований», «Формирование РА / РП», «Формирование ПМИ и демо-роликов»;
· снимать требования с визионеров и команды внедрения, додумывать детали, формировать видение «что такое хорошо» для своих фич;
· проектировать поведение ИИ: что считается корректными требованиями, сценариями, документацией и ПМИ, граничные случаи и критерии приёмки — опираясь на практику системного анализа и стандарты документации;
· проектировать интервью-сценарии для «работы с замыслом»: логику уточнений и подтверждений;
· эталонировать артефакты: задавать образцы «правильных» требований / РА / РП / ПМИ, по которым меряется качество генерации;
· строить бенчмарки и наборы реальных задач, мерить качество (pass-rate, регрессии), находить, где и почему ИИ ошибается;
· итеративно улучшать фичи: править требования к ИИ, промпты и инструкции; проверять гипотезы на макете рядом с системой и переносить подтверждённое в GINA;
· проводить приёмку по статистическому критерию — не «получилось один раз», а стабильно на наборе задач;
· формировать инкрементальный roadmap по своим фичам — цепочку небольших шагов, каждый с проверяемым результатом; проводить roadmap через РП и команду, синхронизировать приоритеты;
· вести фичи до стабилизации и сдачи и далее следить за регрессиями.
Обязательные требования
· Системный
- и бизнес-анализ: выявление и формализация требований (функциональных и нефункциональных), управление требованиями, проведение интервью с заказчиком.
· Инкрементальная декомпозиция — «есть слона по частям»: виртуозно резать большую цель на короткие шаги, каждый из которых даёт работающий и проверяемый результат; первый полезный инкремент — через дни, а не месяцы; цепочка шагов сходится к большой фиче, а конечный замысел не теряется по дороге. Большие фичи здесь не сдаются «целиком за квартал» — они выращиваются по шагам.
· Моделирование: пользовательские сценарии и use cases, BPMN / UML, ER-диаграммы, описание процессов «как есть / как должно быть».
· Проектирование тестовых сценариев и приёмки: тест-кейсы, программа и методика испытаний (ПМИ).
· Техническое письмо: структурирование и написание понятной документации — руководства пользователя и администратора, ПМИ, спецификации.
· Стандарты документации: Оформление РА / РП / ПМИ и других документов.
· Понимание процесса разработки ПО (SDLC): этапы, роли, артефакты — чтобы анализировать и документировать их.
· Инструменты: трекеры и базы знаний (Jira / Confluence), системы управления требованиями, диаграммные редакторы; базово — Git, K8s.
· Практическая грамотность в LLM: понимать, что умеют и где ошибаются ИИ-агенты, личный опыт работы с ИИ-ассистентами (ChatGPT / Claude / Copilot и т.п.).
· Промпт-инжиниринг: формулировать инструкции и требования к агенту так, чтобы он стабильно выдавал нужный артефакт; итеративно дорабатывать формулировки.
· Проектирование диалоговых (интервью) сценариев: как ИИ уточняет детали и запрашивает подтверждение (для «работы с замыслом»).
· Эвал-мышление: формулировать измеримые критерии «хорошего» требования / документа, проверять качество не на одном примере, а на наборе задач и метриках; понимать недетерминизм и подход «мерить и улучшать».
· Критическая проверка вывода ИИ: находить галлюцинации, пропуски, несоответствия требованиям и стандартам.
· Коммуникация и интервьюирование: снимать требования с продукт-овнеров, аналитиков и заказчиков, докапываться до сути, разрешать противоречия.
· Структурное мышление и внимание к деталям: требования и документация не прощают неточностей.
· Ясное письмо: излагать сложное коротко и понятно.
· Исследовательский драйв + продуктовая страсть: «загореться» фичей и довести её до результата.
· Спокойствие к недетерминизму и итеративности: не «сделал и забыл», а «мерю и улучшаю».
· Самостоятельность и проактивность: додумывать детали, а не ждать готового ТЗ.
· Стейкхолдер-менеджмент: визионеры, команда внедрения, РП, команда разработки.
Будет плюсом
· Знание конкретных стандартов (ГОСТ 19 / 34, отраслевые и корпоративные).
· Статистика / data-driven подход, опыт построения метрик и бенчмарков.
· Навыки javascript-разработки.
· Опыт автоматизации документации (docs-as-code, генерация из моделей).
· Опыт записи скринкастов и создания демонстраций.
· Опыт применения ИИ-инструментов в работе аналитика / техписателя.
