Intent Loop в ИИ-разработке: как появляется замысел продукта

Intent Loop — петля намерения в AI-разработке, которая связывает бизнес-задачу с ее технической реализацией. На этом этапе человек определяет, что и зачем необходимо создать, уточняет требования, формирует критерии приемки и принимает ключевые архитектурные решения. ИИ-агент при этом выступает прежде всего исполнителем, а не владельцем продуктового намерения.

Intent Loop (петля намерений) выполняется после петли открытий на основе полученные требований к продукту. Итогом становится спецификация. 

Появление Intent Loop связано с изменением роли программного кода в генеративной разработке. Если раньше основным результатом работы разработчика считался код, то в AI-native подходе код становится производным артефактом. Первичным становится намерение, зафиксированное в спецификации, на основании которого агент затем может создавать и изменять программное обеспечение. Такой подход лежит в основе концепции AI-Disrupt PDLC, описанной Сбером.

Что такое Intent Loop

Intent Loop — это итеративный процесс, в котором человек формулирует задачу, уточняет ее смысл, определяет ожидаемый результат, создает спецификацию, получает реализацию от ИИ и затем проверяет, соответствует ли результат исходному намерению. Если результат не соответствует ожиданиям, изменяется не только код: уточняется само намерение и его формальное описание.

Именно это отличает Intent Loop от обычной работы с AI-кодогенератором. В классическом сценарии разработчик пишет код и исправляет его до тех пор, пока программа не заработает. В Intent Loop внимание переносится на более высокий уровень: необходимо добиться того, чтобы система правильно реализовывала согласованное намерение, а не просто выполняла технически корректный код.

В Intent Loop человек отвечает за намерение и критерии результата, а ИИ-агент — за исполнение этого намерения.

Такое разделение особенно важно для корпоративной разработки. Чем сложнее система, тем опаснее передавать агенту право самостоятельно определять бизнес-правила, архитектуру и границы продукта. Агент способен предложить несколько вариантов реализации, но окончательное решение о том, что должна делать система и почему, остается за человеком.

Расшифровка

Intent переводится как «намерение», «замысел» или «цель». В контексте AI-разработки это не просто текстовый запрос к нейросети. Intent включает понимание проблемы, цели продукта, ожидаемого поведения системы, ограничений, критериев качества и других условий, которые должны быть учтены при реализации.

Loop означает цикл. Intent не формируется один раз и навсегда: его можно уточнять по мере получения новых результатов. Поэтому петля намерения включает постановку задачи, формализацию, проверку результата и возврат к исходному намерению, если реализация показала его неполноту или неоднозначность.

Место в AI SDLC

В модели AI SDLC, построенной вокруг генеративной разработки, можно выделить три взаимосвязанных контура: Discovery Loop → Intent Loop → Implementation Loop. Сначала команда исследует проблему и выясняет, что именно необходимо изменить или создать. Затем результат Discovery переводится в намерение и спецификацию. После этого агентная система реализует спецификацию.

В более компактной модели AI-Disrupt PDLC Сбера выделяются две основные петли: Intent Loop, принадлежащая человеку, и Implementation Loop, выполняемая агентами. При этом внутри Intent Loop присутствует этап Discovery: человек исследует задачу, формирует гипотезу, пишет спецификацию и принимает результат. Поэтому при детальном рассмотрении AI SDLC Discovery можно выделять как самостоятельную предварительную петлю, а Intent — как следующий уровень формализации намерения.

Ключевой результат Intent Loop — спецификация. Именно она становится промежуточным слоем между человеком и агентом. Такой подход соответствует логике Specification-Driven Development (SDD): вместо того чтобы постоянно объяснять агенту задачу в свободной форме, команда формирует устойчивый источник знаний, на основании которого выполняется реализация.

Стадия	Основной участник	Ключевой вопрос	Результат
Discovery Loop	Человек + ИИ	Что на самом деле нужно решить?	Проблема, гипотезы, требования, ограничения
Intent Loop	Человек + ИИ	Что именно должна делать система?	Намерение, спецификация, критерии приемки
Implementation Loop	ИИ-агенты + человек	Как реализовать заданное?	Код, тесты, документация, работающая система

Таким образом, Discovery отвечает за понимание проблемы, Intent — за формализацию решения, Implementation — за его техническое исполнение. Такое разделение позволяет отделить продуктовые и архитектурные решения от рутинной работы по созданию программного кода.

Простыми словами

Простыми словами, Intent Loop — это этап, на котором человек должен объяснить ИИ не просто «что написать», а «что должно получиться и по каким правилам». Это похоже на постановку задачи хорошему специалисту: недостаточно сказать «сделай форму заказа». Нужно объяснить, кто ею пользуется, какие данные вводятся, что происходит после отправки, какие есть ограничения и как понять, что задача выполнена правильно.

В традиционной разработке значительная часть такого понимания может находиться в голове аналитика, заказчика или разработчика. В AI-разработке его необходимо сделать доступным для машины. Поэтому Intent Loop фактически превращает знания человека в формализованный контекст, с которым может работать агент.

Это меняет и требования к самому разработчику. Его ценность все меньше определяется скоростью набора кода и все больше — способностью понять бизнес-задачу, сформулировать требования, определить критерии качества и критически оценить результат агента.

Простой пример

Допустим, компании требуется система для согласования заявок на закупку. На уровне Discovery было установлено, что сотрудник создает заявку, руководитель согласовывает ее, а для дорогих закупок требуется дополнительное согласование финансовой службы.

На этапе Intent это требование превращается в более точную спецификацию. Например: заявка содержит сумму, подразделение, категорию и обоснование; до определенного лимита ее согласует руководитель; при превышении лимита добавляется финансовый директор; после согласования заявка передается в ERP; при отказе сотруднику возвращается причина.

После этого агент получает не расплывчатый запрос «создай систему согласования закупок», а структурированное намерение с правилами и критериями приемки. Если сгенерированный интерфейс или процесс не соответствует этим правилам, человек возвращается в Intent Loop и уточняет спецификацию.

Как работает: алгоритм и важные нюансы

Intent Loop представляет собой последовательность итераций, в которых намерение постепенно становится более точным. На входе находится проблема или бизнес-цель, а на выходе — спецификация, которую можно передать в Implementation Loop. При этом цикл не обязательно проходит строго линейно: результаты реализации могут обнаружить противоречие или недостаток в исходной постановке и вернуть команду обратно к намерению.

Качественная спецификация — это не подробный промпт, а устойчивое описание ожидаемого поведения системы, которое можно проверять независимо от конкретной модели.

Этап	Что происходит	Результат
1. Формулирование цели	Определяется бизнес-результат	Цель и границы задачи
2. Уточнение намерения	Выявляются сценарии, ограничения и правила	Структурированное намерение
3. Формирование спецификации	Намерение переводится в проверяемые требования	Спецификация
4. Архитектурное решение	Человек определяет принципиальные технические решения	Архитектурные ограничения
5. Критерии приемки	Определяется, что считается правильным результатом	Acceptance criteria
6. Передача агенту	Спецификация и контекст поступают в Implementation Loop	Задача на реализацию
7. Валидация и возврат	Результат сравнивается с намерением	Принятие или уточнение спецификации

Формулирование цели

Цикл начинается с определения бизнес-цели. Необходимо понять, какой результат должен получить пользователь или компания. Техническая реализация на этом этапе вторична.

Например, вместо «нужно сделать новый микросервис» правильнее начать с вопроса: какую бизнес-функцию должен обеспечить сервис, кто будет ее использовать и какую проблему существующего процесса он решает.

Уточнение намерения

На этом этапе первоначальная постановка превращается в набор конкретных сценариев. Выясняется, кто является пользователем, какие действия он выполняет, какие данные используются и какие исключения возможны.

ИИ может выступать здесь как инструмент выявления неоднозначностей: предложить вопросы, найти противоречия, перечислить пограничные случаи или предложить альтернативные варианты поведения.

Формирование спецификации

Когда смысл задачи становится понятным, его необходимо зафиксировать. Спецификация должна описывать ожидаемое поведение системы настолько точно, чтобы разные исполнители могли получить сопоставимый результат.

Это принципиальный переход от свободного текста к управляемому артефакту. Спецификация становится источником истины для агента, тестов и последующей проверки.

Архитектурное решение

Не все решения следует передавать агенту. Выбор архитектурного стиля, границ систем, принципов интеграции, требований безопасности и других значимых характеристик должен оставаться под контролем человека.

В AI-Disrupt PDLC этот принцип сформулирован однозначно: архитектурные и продуктовые решения человеку не делегируются. Агент может предложить варианты, провести анализ или реализовать выбранное решение, но ответственность за него остается у человека.

Критерии приемки

Спецификация должна отвечать не только на вопрос «что сделать», но и на вопрос «как определить, что сделано правильно». Для этого формируются критерии приемки: ожидаемые результаты, ограничения, сценарии и условия успешного выполнения.

Критерии приемки особенно важны в агентной разработке, поскольку позволяют автоматизировать значительную часть проверки. Агент может самостоятельно выполнять тесты и сверять результат с формализованными условиями, возвращая человеку только значимые отклонения.

Передача агенту

После формирования спецификации задача переходит в Implementation Loop. Агент получает не только текст требования, но и необходимый контекст: архитектурные ограничения, существующий код, стандарты, данные, доступные инструменты и правила проекта.

Именно здесь проявляется важность среды разработки. Источники подчеркивают, что эффективность AI-системы зависит не только от выбранной модели, но и от среды, которая управляет контекстом, инструментами, политиками и проверками.

Валидация и возврат

После реализации человек проверяет результат относительно первоначального намерения и критериев приемки. Если система не соответствует требованиям, возможны два сценария: исправить реализацию либо вернуться к Intent Loop и изменить спецификацию.

Последний вариант принципиален. Если агент несколько раз не может получить ожидаемый результат, проблема может находиться не в коде, а в недостаточно точном намерении. Поэтому исправлять бесконечно реализацию вместо уточнения требований — одна из главных ошибок AI-разработки.

Инструменты

Для Intent Loop нужны инструменты, способные работать не только с кодом, но и с намерением, спецификациями, контекстом и критериями приемки. Обычного AI-чата может быть достаточно для небольшой задачи, однако в корпоративном проекте требования быстро становятся слишком объемными для одной переписки.

В качестве рабочего набора могут использоваться AI-ассистенты, AI-IDE, системы управления требованиями, репозитории документации и агентные платформы. Главное не конкретное название инструмента, а возможность сохранить спецификацию и сделать ее частью постоянного контекста разработки.

В архитектуре AI-Disrupt PDLC эту функцию выполняет Integrated Development Platform (IDP) — среда, которая соединяет человеческое намерение с агентным исполнением. Она управляет контекстом, инструментами, агентами, политиками, наблюдаемостью и возвращает результат человеку для валидации.

Особенно важна контекстная инженерия. Руководитель или разработчик должен определить, какие знания доступны агенту, какие данные ему необходимы, какие действия разрешены и где требуется обязательная человеческая проверка. Это существенно шире классического prompt engineering.

Ошибки разработчиков

Ошибки в Intent Loop опаснее обычных ошибок кодогенерации, поскольку возникают на более высоком уровне. Ошибка в спецификации способна автоматически распространиться на код, тесты, документацию и несколько последующих итераций агентной работы.

Путать намерение с промптом

Промпт — это способ передать инструкции модели, а намерение — более устойчивый объект, который должен сохраняться независимо от конкретного инструмента и модели.

Если весь проект существует в виде длинной цепочки промптов, команда зависит от истории конкретного диалога. Спецификация позволяет отделить смысл задачи от механизма, которым он передается ИИ.

Сразу отдавать агенту архитектурные решения

Агент способен предложить убедительную архитектуру, но это не означает, что она соответствует корпоративным требованиям, стратегии развития ИТ-ландшафта или ограничениям существующих систем.

Поэтому человек должен сохранять право принимать продуктовые и архитектурные решения. Агент может анализировать варианты и выполнять выбранный путь, но не должен незаметно определять его самостоятельно.

Считать спецификацию конечным документом

Спецификация не должна становиться формальностью, которую составили один раз и больше никогда не пересматривают. Если результат реализации показал, что требование сформулировано неверно, необходимо изменить именно спецификацию.

В этом и заключается петлевой характер Intent Loop: результат реализации может возвращать человека к намерению.

Не определять критерии приемки

Фраза «сделать удобный интерфейс» или «реализовать надежный сервис» недостаточна для агентной системы. ИИ должен иметь возможность понять, по каким признакам результат считается правильным.

Без критериев приемки невозможно построить надежную автоматическую валидацию. В итоге человек вынужден вручную проверять практически каждый результат, а преимущества агентного подхода снижаются.

Игнорировать контекст

Даже идеально сформулированная спецификация может привести к плохому результату, если агент не знает архитектуру существующей системы, стандарты разработки, доступные API и ограничения безопасности.

Поэтому Intent Loop включает не только формулирование требований, но и подготовку контекста, необходимого для их корректного исполнения.

Доверять результату без проверки

Высокая убедительность ответа ИИ не является доказательством его правильности. В проектной работе это особенно опасно: человек может постепенно потерять способность замечать ошибки, если начинает автоматически принимать результаты агента.

Исследования и практические материалы по агентной работе выделяют слепое доверие к ИИ, межагентные каскады и атрофию навыков как отдельные риски. Поэтому человеческая проверка должна оставаться частью самого процесса, а не формальной процедурой в конце.

Пытаться автоматизировать само намерение

Еще одна ошибка — стремление передать агенту всю постановку задачи: определить бизнес-цель, выбрать продуктовую стратегию, принять архитектурные решения и самостоятельно определить критерии успеха.

Это разрушает главное разделение AI SDLC. Машина может быстро реализовать намерение, но ответственность за то, какое намерение является правильным, остается у человека. Именно поэтому Intent Loop занимает центральное место между исследованием задачи и агентной реализацией.

В результате Intent Loop можно рассматривать как управляющий контур AI-разработки. Discovery помогает понять проблему, Intent превращает понимание в формализованное намерение, а Implementation превращает это намерение в работающую систему. Такой подход меняет саму роль разработчика: его ценность постепенно смещаетс