GitHub представил Qubot — внутреннего аналитического агента, который позволяет сотрудникам задавать вопросы по данным в естественном языке и получать ответы менее чем за секунду. Для разработки Qubot использовалась технология GitHub Copilot, которая значительно упрощает доступ к аналитическим данным.
Проблемы доступа к данным
Многие компании сталкиваются с трудностями в организации доступа к данным и аналитике для своих сотрудников. Без помощи аналитиковproduct-командам трудно ориентироваться в больших объёмах данных и формулировать нужные вопросы. Qubot нацелен на решение этой задачи, позволяя пользователям быстро получать необходимую информацию без образования дополнительных затрат на поддержку.
Как работает Qubot
Qubot включает три основных компонента: интерфейс пользователя, слой контекста и движок запросов. Пользователи могут взаимодействовать с Qubot через Slack, VS Code и Copilot CLI, получая ответы прямо в чате.
Интерфейс Qubot в Slack требует минимальной настройки, что делает его удобным для команд. Все ответы сохраняются как отчёты в формате Markdown, что позволяет пользователям дорабатывать запросы и создавать дашборды на основе полученных данных. Слой контекста Qubot упрощает работу с данными на различных уровнях готовности: от сырых событий до обработанных наборов данных, подготовленных для аналитики.
Преимущества для команд разработчиков
Для команд разработчиков Qubot предоставляет возможность быстрее ориентироваться в данных, которые ранее могли быть незнакомыми. Использование же автоматизированного инструмента, как Qubot, позволяет минимизировать время, затрачиваемое на сбор данных. Это особенно важно в условиях, когда команды нехватка ресурсов по аналитику и изысканию данных.
Теперь, чтобы задать вопрос типа "Какой сегмент пользователей имеет наибольшую приверженность к нашему продукту?", достаточно просто написать его в Slack. Qubot ответит мгновенно. Такой подход позволяет сосредоточиться на разработке и приемах, а не на коммуникации с аналитиками.
Следующие шаги для GitHub
С запуском Qubot GitHub может углублять интеграцию ИИ в свои процессы, улучшая доступ к данным и аналитике. В будущем возможно появление новых функций для анализа и прогнозирования на основе собранных данных, что поможет ещё больше ускорить процесс разработки и принятия решений.