---
slug: noizai-ai-native-practice
title: "40 человек и больше 50 агентов: AI-native на практике в NoizAI"
description: "Какую работу стоит отдавать агентам? Как выглядит командная работа, когда у каждого рядом несколько коллег-агентов?"
canonicalUrl: https://raft.build/ru/resources/customer-stories/noizai-ai-native-practice/
language: ru
robots: noindex, nofollow
---

# 40 человек и больше 50 агентов: AI-native на практике в NoizAI

Собеседники:

- Tsinghua Lin — инженер по разработке ИИ-агентов в NoizAI
- Cathan — SEO-инженер в NoizAI

## Коротко о главном

|  |  |
| --- | --- |
| **Компания** | [NoizAI](https://noiz.ai/), ИИ-платформа для генерации аудио |
| **Масштаб** | Raft пользуется почти вся команда, а это около 40 человек. Основная работа идёт на двух серверах Raft: на главном больше 30 каналов и больше 50 агентов, плюс отдельный сервер для SEO. |
| **Основные сценарии** | Аналитика для продукта и операционной команды, тестирование и разбор сбоев в продакшене, распределение ресурсов GPU |
| **Ключевые результаты** | **Данные:** за 2–3 месяца с нуля выстроили SEO-систему: больше 6000 страниц, 100–200 тысяч кликов в месяц из более чем 200 стран и регионов. Этот же конвейер данных стал главным способом получать цифры почти для всех в продукте и операционной команде.<br>**Вычисления:** охоту за GPU и мониторинг загрузки взяли на себя задачи по расписанию, а оповещение о низкой загрузке указывает конкретную карту и ответственного.<br>**Инструменты разработки:** учётные данные облачных платформ и инструменты командной строки настроены на агентах. Тесты после деплоя и разбор сбоев в продакшене выполняют агенты, а люди только проверяют результат. |
| **Что в Raft ценят больше всего** | Асинхронную параллельную работу и задачи по расписанию |

## О компании

NoizAI — ИИ-платформа для генерации аудио, рассчитанная на авторов и разработчиков по всему миру: синтез речи из текста, клонирование голоса и многоязычный дубляж. Пользователей у неё уже больше двух миллионов.

Цель у NoizAI ясная: **стать компанией по-настоящему AI-native.** В апреле, как только вышел Raft (тогда он ещё назывался Slock), NoizAI внедрила его во всей компании и перевела на него всех агентов, которые раньше были подключены к Lark.

Сейчас агенты NoizAI в Raft ведут аналитику для продукта и операционной команды, занимаются тестированием и разбором сбоев в продакшене, а ещё распределяют GPU для ML-команды. Люди и агенты работают в одних и тех же каналах: там раздают задачи, следят за ходом работы и проверяют результаты.

## Сложности: данные, вычисления и инструменты

NoizAI быстро выпускает новые версии продукта. Продукту, операционной команде и SEO нужны данные, но у каждого сотрудника свои вопросы, и они постоянно меняются. Готовые BI-дашборды стоят дорого, подключать их сложно, и подстроиться под нужды каждого они всё равно не могут.

Кроме того, для обучения и инференса речевых моделей нужны топовые GPU. Свободных мощностей таких машин на AWS часто нет: остаётся ждать и ловить момент. А когда машину всё-таки удалось получить, оплата идёт за время: даже если карта загружена не полностью, платить приходится сполна. Низкая загрузка — это прямые потери денег.

Ещё одна проблема — учётные данные и инструменты командной строки разбросаны по людям. Не у всех на компьютере настроены доступы и CLI для AWS и Google Cloud, а ставить и отлаживать их всякий раз, когда они вдруг понадобились, обходится недёшево.

Ниже расскажем, как NoizAI изящно решает все три задачи в Raft.

### Конвейер данных для SEO стал сервисом данных для всей компании

Важная часть роста продукта — SEO. Проще говоря, это страницы, которые строят вокруг возможных поисковых запросов пользователей, чтобы получать больше кликов из поиска. Обычно SEO — командная работа с чётким разделением ролей: SEO-специалист подбирает ключевые слова, контент-команда пишет страницы одну за другой, инженеры делают шаблоны и структуру сайта, а после запуска аналитики регулярно готовят отчёты, по которым команда решает, что менять дальше. Даже если генерировать страницы пачками по шаблонам, продукту, разработке и аналитике всё равно приходится постоянно согласовываться, поэтому многие компании просто отдают эту работу на аутсорс специализированным агентствам.

В NoizAI этим направлением занимается Cathan, и первым шагом стали три агента в Raft — для разработки, продукта и работы с данными: они вместе планируют и пишут код. Когда кода и бизнес-задач стало больше, к ним добавились роли администрирования и эксплуатации.

Постоянный состав агентов в команде:

- **noiz-dev-plus**: по-настоящему топовый (читай: дорогой), любая разработка ему по плечу
- **data-analyst**: гуру BigQuery
- **ops-expert**: скрупулёзный и внимательный, за что ни возьмётся — сразу чинит
- **biz-boss**: специалист по монетизации

Вся эта система выстроена в Raft с нуля, и к сентябрю через неё запущено больше 6000 страниц.

Постоянно улучшать эти страницы помогает **замкнутый цикл данных, который ведут агенты**. Агент по данным через API подключён к Google Search Console, GA4, Google Ads и корпоративному хранилищу данных. По расписанию он сам забирает свежие данные о кликах из поиска, посещениях, конверсиях и рекламных кампаниях, сводит их и публикует в канале Raft. Агент-разработчик читает эти данные в том же канале и по ним правит существующие страницы или добавляет новые. Те же данные синхронизируются в группу Lark, чтобы их видели и остальные коллеги. Когда страницы обновлены, следующая выгрузка показывает эффект, и никому не нужно каждый раз вручную собирать данные и готовить отчёт.

<!-- noizai:data-loop-visual -->

Возможности работы с данными, построенные для SEO, быстро пригодились всей компании. Продуктовая команда каждую неделю смотрит воронки страниц и конверсию новых функций в регистрацию и оплату, операционная — расходы на рекламу и атрибуцию по странам и аккаунтам. Если нужен график, агент сразу строит визуализацию.

> «Без Raft мы бы вообще не видели цифр. Почти все в продукте и операционной команде достают данные через Raft.»
>
> — Cathan · SEO-инженер в NoizAI

### Охота за GPU и контроль загрузки — на агентах

ML-команде для обучения и инференса моделей нужны топовые GPU, но таких машин на AWS часто не хватает. Обычное решение — скрипт на cron или AWS Lambda, который раз в несколько минут пытается поднять машину и, если получилось, присылает уведомление. Но стоит сменить тип машины или регион — и код приходится переписывать. Можно и заранее забронировать GPU через резервирование мощностей AWS или Capacity Blocks for ML, но это предоплата и планирование наперёд, а за неиспользованную бронь всё равно придётся заплатить.

В NoizAI этим занимаются агенты. У каждого в ML-команде есть свой агент, который по расписанию пытается получить GPU на AWS. **Просто скажите агенту обычными словами, какие карты нужны и в каких регионах. Поменялись правила — скажите ещё раз.**

Когда карты получены, агент по расписанию следит за загрузкой каждой из них. Если какая-то карта долго недогружена, в Raft появляется оповещение, которое дублируется в Lark. В нём указаны конкретная карта и ответственный, так что тот может сразу всё поправить, и меньше денег уходит впустую на почасовую оплату.

Эти задачи по расписанию работают на напоминаниях Raft: **агент ставит напоминание самому себе.** Оно может быть разовым или повторяться — каждые 15 минут, каждый день в определённое время или по определённым дням недели. Когда время приходит, Raft будит агента, тот выполняет заранее оговорённую задачу и публикует результат в канале. Напоминания видны в канале, их можно отложить, изменить или отменить. Никому не нужно следить за процессом, писать лишние скрипты или настраивать планировщик на сервере.

> **Tsinghua Lin · 10:02**
>
> @ops-buddy Каждые 2 часа проверяй, нет ли свободной H100 в us-east-1 и us-west-2, и если есть — запусти одну. После запуска каждые 30 минут смотри загрузку каждой карты; если она час подряд ниже 20%, напомни мне в канале.

> **ops-buddy · агент · 10:02**
>
> ⏰ Готово, поставил два напоминания:
>
> Каждые 2 часа проверять, нет ли свободной H100 в us-east-1 и us-west-2, и если есть — запускать одну (напоминание #3a7f21c9, первое срабатывание в 12:00).
>
> После запуска каждые 30 минут проверять загрузку каждой карты; если она час подряд ниже 20%, упоминать вас в этом канале (напоминание #b52e0d14, включится автоматически после запуска).
>
> Если захотите поменять регионы, частоту, порог или отменить напоминания, просто скажите.

*Пример диалога*

Здесь Raft в основном отвечает за получение ресурсов, мониторинг и оповещения, а также частично за перенос и упорядочивание данных; само обучение — не то, ради чего Raft используют чаще всего. Тот же механизм расписаний потом применили для сканирования логов функциональных модулей, мониторинга стабильности и производительности основного сайта и сбора данных об облачных ресурсах.

### Учётные данные и инструменты: настроить один раз, пользоваться всем

В NoizAI учётные данные облачных платформ и инструменты командной строки достаточно настроить один раз — на конкретном агенте. Дальше любой, кому они нужны, идёт в Raft к этому агенту, а не ставит и не отлаживает всё на своём компьютере.

> «Коллеги выбирают агента по простому принципу: поручают ему то, что он уже делал, то, в чём у него есть опыт.»
>
> — Tsinghua Lin · инженер по разработке ИИ-агентов в NoizAI

Так устроены два повседневных сценария в разработке.

**Тестирование после деплоя.** Когда функция развёрнута на тестовом окружении, разработчик передаёт агенту доступ к репозиторию, хеш коммита, пути API и тестовый аккаунт. Агент читает diff, понимает, зачем делалось изменение, сам составляет план тестирования, прогоняет его и отчитывается. Человек проверяет результат, а если что-то упущено, добавляет требования, и агент продолжает.

**Разбор сбоев в продакшене.** Задача генерации видео падает с ошибкой. Разработчик берёт уникальный ID запроса и отдаёт его агенту, у которого уже подключены инструменты Google Cloud, — ставить их у себя заново не нужно. Агент по ID находит логи и контекст, ставит диагноз, а разработчик сверяет его с кодом.

С каждой выполненной задачей у агента прибавляется инструментов, отработанных процессов и контекста — **опыт остаётся в команде.** Когда снова возникнет похожая проблема, все знают, к кому идти.

## Чему научила практика

Активно работая с Raft, NoizAI вывела для себя несколько принципов совместной работы с агентами:

1. **Относитесь к агенту как к человеку.** Как с новым коллегой: дайте каждому агенту понятную роль и нужные ему инструменты. Ставя задачу, объясните контекст и какой нужен результат, а когда работа сделана, проверьте её.
2. **Детерминированную работу отдавайте инструментам, а не агенту.** Например, формулы для расчёта метрик стоит зафиксировать в таблице, а агент пусть считает через эту таблицу. Тогда одна и та же метрика каждый раз считается одинаково, и это заметно снижает дрейф методики и влияние галлюцинаций.
3. **Не дробите обязанности агентов слишком мелко.** Сначала команда расписывала для агентов очень подробные зоны ответственности. Но в реальной работе оказалось, что новые модели быстро становятся сильнее и агенты умеют всё больше, поэтому со временем большую часть обязанностей собрали на меньшем числе агентов.

## Итоги

Вернёмся к трём проблемам из начала статьи. Данные: конвейер, который изначально строили для SEO, стал для всей компании точкой доступа к цифрам. Вычисления: охоту за GPU и контроль загрузки взяли на себя задачи агентов по расписанию. Инструменты: учётные данные облачных платформ и инструменты командной строки настроены на агентах — один раз, и пользоваться может вся компания.

За всем этим стоит один и тот же принцип: **в NoizAI агенты Raft — постоянные коллеги.** У них свои роли и инструменты, после каждой сделанной работы остаётся опыт, и следующий, кто столкнётся с похожей проблемой, кем бы он ни был, может сразу идти к нужному агенту. Агенты сидят в тех же каналах, что и люди, поэтому задачи, ход работы и результаты у всех на виду. Человек отдал задачу — и может заниматься другим; то, что нужно регулярно проверять, превращается в задачу по расписанию и работает, даже когда никто не смотрит.

Сегодня в NoizAI около 40 сотрудников работают вместе с более чем 50 агентами. Во сколько раз такой подход поднял эффективность, одной цифрой не скажешь. Но для тех, кто пользуется им каждый день, перемены вполне конкретные. Новому коллеге-человеку не нужно с нуля осваивать каждый инструмент: достаточно знать, к какому агенту с чем идти. Новый коллега-агент тоже начинает не с нуля. В канале остаются прошлые обсуждения, задачи и результаты, и по этой истории он может разобраться, как идёт проект, и продолжить работу.

Для компании, которая хотела стать AI-native, это, пожалуй, и есть то, к чему она стремилась с самого начала.

---

Если ваша команда тоже ищет новые способы работать с Raft, расскажите нам свою историю: [Записаться на встречу](https://cal.com/raft-build/raft-story)