ИТ-директор компании «Эрегион» Игорь Кузнецов, которая развивает ИИ-продукты и консультирует бизнес по внедрению ИИ, провел эксперимент: он решил проверить, можно ли полностью передать продуктовые и ИТ-задачи ИИ-агентам. За четыре недели он собрал систему из 13 агентов, которые сами разбирают задачи, распределяют работу, проверяют друг друга и фиксируют результаты. Первые внедрения этой системы прошли в процессах «Кабель.РФ».
Идея возникла из-за роста числа проектов и бэклогов. Контекст каждого проекта хранился отдельно, и на погружение в историю задач уходило много времени. Кузнецов решил проверить гипотезу: можно ли собрать команду ИИ-агентов, которая будет самостоятельно вести задачи. Сначала он использовал языковые модели стандартно — ставил задачи в чате и получал результат. Это помогло запустить экспериментальные проекты, включая LMS-систему и сервис речевой аналитики. Но управление все равно оставалось ручным: после каждого этапа нужно было проверять результат и запускать следующий круг правок.
Для автоматизации Кузнецов начал с трекера Linear. Он отметил, что у Linear отличный MCP-сервер — протокол-мост, через который ИИ-агент подключается к трекеру по API и управляет задачами. Однако агенты быстро уперлись в два ограничения: лимит в 250 карточек на бесплатном тарифе и ограниченная кастомизация досок. В Linear можно создавать свои этапы, но они должны относиться к одной из пяти системных категорий: Backlog, Unstarted, Started, Completed или Canceled. Изменить эти категории нельзя, а проекты в «Эрегион» требуют разной структуры.
Эксперимент длился 4 недели; первые внедрения проведены в процессах «Кабель.РФ».
Поэтому Кузнецов перенес схему в Kaiten, с которым работал более двух лет. Kaiten имеет открытый API и практически полную свободу настройки рабочих процессов. Готового MCP у Kaiten тогда не было, поэтому он собрал собственный MCP-сервер и подключил агентов через Claude Code. Теперь агенту можно дать ссылку на карточку, он откроет ее в Kaiten, изучит описание и начнет выполнять, фиксируя действия в комментариях. Это снижает ручное управление и ускоряет работу.
Сейчас для аналогичных задач можно использовать Kaiten CLI Community Edition — открытую разработку участника комьюнити. Через CLI LLM-агенты могут работать с Kaiten из терминала: получать доступ к карточкам, комментариям, участникам и тегам. Это позволяет выстроить работу агентов без собственного MCP-сервера.
Эксперимент показал, что ИИ-агенты способны взять на себя значительную часть рутинных задач по управлению проектами. Однако для успешного внедрения важно выбрать трекер с гибкой настройкой и достаточными лимитами. Опыт «Эрегион» может быть полезен компаниям, которые рассматривают автоматизацию процессов с помощью ИИ.
