Дата Фрейм запускает пилотный проект мультиагентной системы для анализа legacy-кода в крупном банке

Компания Дата Фрейм объявила о запуске пилотного проекта по внедрению мультиагентной ИИ-системы для анализа унаследованного (legacy) кода в одном из крупнейших банков России. Проект направлен на автоматизацию рутинных процессов системных аналитиков и повышение эффективности разработки в условиях высокой сложности IT-инфраструктуры.

Проблема: 40% времени — на ручной поиск в коде

Системные аналитики крупных финансовых организаций ежедневно сталкиваются с одной и той же задачей: поиск связей между классами, таблицами и алгоритмами в обширных legacy-системах. По данным внутреннего аудита, более 40% рабочего времени специалистов уходит на ручной анализ кода. При этом, по 85-му персентилю, поиск информации занимает в среднем 30 минут на задачу, а в некоторых случаях — значительно больше.

«В условиях, когда требования регулятора меняются ежеквартально, а сроки реализации сокращаются, каждая минута на поиск кода — это потеря времени и ресурсов», — отмечает Роман Соловьёв, Председатель правления компании RB DATA Group. — «Мы видим, как талантливые аналитики вынуждены тратить время на рутину вместо решения стратегических задач. Наш ИИ-агент призван вернуть им фокус на экспертизу, а не на поиск».

Решение: мультиагентная система как «умный помощник»

Опираясь на экспертизу в области Generative AI, LLM и Retrieval-Augmented Generation (RAG), Дата Фрейм разработала мультиагентную ИИ-систему, соответствующую современным трендам на децентрализованные и специализированные агенты. Такой подход позволяет гибко масштабировать решение и адаптировать его под разные задачи — от анализа кода до работы с регуляторными требованиями.

Система включает несколько взаимодействующих агентов, каждый из которых отвечает за свою функцию: анализ структуры кода, интерпретацию бизнес-логики, формирование документации и ответы на запросы пользователей. В отличие от монолитных решений, мультиагентная архитектура обеспечивает большую гибкость, отказоустойчивость и точность за счёт распределённой обработки.

Ключевые возможности системы:

• Преобразование legacy-кода в структурированную документацию;
• Ответы на сложные вопросы о зависимостях, алгоритмах и архитектуре (включая формы ЦБ РФ 303, 310, 101);
• Работа с неформализованными данными — от псевдокода до устаревших комментариев;
• Использование векторизации кода и семантического поиска для повышения точности.

Решение уже прошло внутренний пилот на кодовой базе продукта Дата Фрейм, используемого для формирования регуляторной отчётности. Результаты показали:

• Сокращение времени поиска информации на 70% — с 30 до 9 минут на задачу;
• Рост продуктивности аналитиков на 30–50%;
• Повышение качества изменений за счёт учёта влияния на смежные системы.

Пилот в банке: от идеи до внедрения

Следующим этапом стало масштабирование решения на инфраструктуру крупного банка. Пилотный проект будет реализован в течение трёх месяцев и включает:

• Развертывание мультиагентной системы, способной работать с кодовой базой на Groovy;
• Автоматическое документирование фрагментов кода и генерацию поясняющих комментариев;
• Поддержку аналитиков при модификации регуляторных форм и оценке влияния изменений;
• Оценку точности ответов (целевой уровень — не менее 70%) и удовлетворённости пользователей (цель — положительная оценка от ≥50% тестировщиков).

Особое внимание уделено совместимости с GigaIDE — внутренней средой разработки банка. Подключение системы запланировано на срок не более двух недель, что позволяет минимизировать операционные риски и обеспечить быстрый старт.

Экономический и операционный эффект

Ожидаемый экономический эффект от внедрения мультиагентной системы включает:

• Снижение нагрузки на FTE за счёт автоматизации рутинных операций;
• Ускорение адаптации новых сотрудников — сокращение времени на обучение (T2M) и выход на полную продуктивность (LT);
• Минимизация рисков ошибок при внесении изменений в критически важные системы, включая кредитные калькуляторы для юрлиц;
• Повышение скорости и качества разработки на промышленной среде (ПРОМ).

Дата Фрейм — поставщик ИИ-решений, обладающий практическим опытом внедрения агентов в сложные IT-среды, глубокой экспертизой в области LLM, RAG и NLP, а также модульной архитектурой, позволяющей оперативно адаптировать решение под новые предметные области.

«Мы не предлагаем просто ещё один ИИ-инструмент, — подчёркивает Роман Соловьёв. — Мы предлагаем новую модель взаимодействия с legacy-системами, где искусственный интеллект становится естественной частью рабочего процесса. Это не замена человеку, а усиление его экспертизы. И именно мультиагентность делает такой подход устойчивым и масштабируемым».

Стратегическое значение для банка

Проект полностью соответствует стратегии банка по цифровизации и внедрению ИИ. В условиях растущего объёма регуляторных требований и ускорения цифровых трансформаций, внутренний AI Copilot для аналитиков становится важным элементом конкурентоспособности.

Успешный пилот откроет путь к расширению использования мультиагентной системы на другие направления: кредитные системы, платёжную инфраструктуру, аналитические платформы и другие.

Запуск пилотного проекта — не просто технологический эксперимент, а шаг к новой модели работы с унаследованными системами. Дата Фрейм показывает, что уже сегодня ИИ может эффективно поддерживать инженеров, повышая производительность, снижая риски и помогая сохранять экспертные знания внутри организации.