Как ИИ-агенты учатся правильно оценивать трудозатраты

Ещё недавно ИИ-помощники уверенно заявляли: «Это займёт два часа». И вы получали результат через шесть. Такая ситуация знакома многим. С развитием ИИ-инструментов для разработки осталась одна важная проблема — как научить агентов реалистично оценивать объём работы.

Почему оценка сроков остаётся сложной

Когда вы запускаете проект на хостинге с поддержкой ИИ-инструментов или подключаете автономного агента к рабочему процессу, главный вопрос не «сможет ли он написать код?». Главное — «когда будет готово?».

Человек обычно опирается на опыт и интуицию. ИИ-агенту нужен более структурированный подход. Ему нужны математические модели, которые учитывают неопределённость и непредвиденные сложности в разработке.

Именно этим занимается проект Agent-Estimate — открытый инструмент для оценки трудозатрат.

Три подхода в одном инструменте

Agent-Estimate не использует один метод оценки. Он сочетает три разных подхода:

1. Метод PERT

PERT — это классическая методика вероятностной оценки. Вместо вопроса «сколько времени займёт задача?» она задаёт три:

• Оптимистичный сценарий (лучший случай)
• Наиболее вероятный сценарий
• Пессимистичный сценарий (худший случай)

На основе этих данных рассчитывается взвешенное среднее, которое ближе к реальности. ИИ-агент теперь может давать оценку с учётом неопределённости, а не выдавать точные цифры.

2. METR Scoring

METR разбивает задачу на мелкие компоненты. ИИ-агенты здесь особенно полезны — они хорошо умеют декомпозировать сложные проблемы. Оценка каждого компонента снизу вверх даёт более надёжный результат, чем попытка оценить всё сверху.

3. Wave Planning

Этот подход предполагает планирование по фазам. Вместо оценок всей задачи сразу вы планиете в несколько волн. Это позволяет ИИ-агенту корректировать оценки по мере того, как он узнаёт больше о коде и ана