AvitoTech рассказала, как общая база знаний помогает команде проверять продуктовые гипотезы
Команда AvitoTech описала переход от разрозненных инструкций для ИИ-агентов к общей проверяемой базе предметных знаний. Её задача — помочь продуктовым специалистам самостоятельно разбирать типовые вопросы к данным и освободить аналитиков для более сложной исследовательской работы.

Главное
В опубликованном инженерном кейсе руководитель DS-направления Avito объяснила исходную проблему: небольшие запросы по метрикам и поведению продавцов постоянно попадали к аналитикам. При этом для корректного ответа требовалось понимать определения показателей, надёжность источников и ограничения расчётов. Даже простой на вид SQL-запрос мог дать ошибочную интерпретацию, если выбрать неподходящую витрину данных.
Команда начала с переноса отобранной документации Confluence в Markdown, доступный ИИ-агентам, но быстро обнаружила слабость такого подхода. Внутренние инструкции могли устареть, названия таблиц измениться, а критически важные объяснения вообще оставались у отдельных специалистов. Поэтому накопленные страницы пришлось не просто индексировать, а проверять и преобразовывать в согласованную модель предметной области.
Подробности
В результате появились отдельные описания сущностей и границ репутационной системы, карточки метрик с формулами и знаменателями, карты данных с ключами и ограничениями, а также наборы повторяемых SQL-приёмов. Особое внимание уделили похожим названиям, за которыми стоят разные объекты измерения. Такие ловушки опасны именно тем, что технически успешный запрос может отвечать не на поставленный вопрос.
Знания разместили в версионируемом репозитории Bitbucket и распределили ответственность между аналитиками, специалистами по данным и продуктовыми командами. Для типовых проверок дополнили материалы инструкциями и оценочными сценариями, проверяющими выбор источника и корректность объяснения. Актуальные конфигурации решили получать из действующих систем, а не хранить рядом устаревающие копии значений.
Что это меняет
По наблюдениям авторов, база стала рабочим инструментом самостоятельных исследований и позволила иначе распределить часть аналитических запросов. При этом ускорение принятия решений отдельно не измерялось, так что выдавать субъективный эффект за доказанную производительность было бы неверно. Для повторения подхода важнее начать с частых вопросов, назначить владельцев знаний, наладить проверку изменений и оценивать правильность итоговых ответов.
Первоисточник
Материал подготовлен STRUCTURE по открытой публикации Habr. Текст и иллюстрации первоисточника не воспроизводятся целиком.