Техническое задание на мобильное приложение с AI — это не просто список кнопок и экранов. Вы закладываете в него модели, данные, интеграции и критерии качества, от которых напрямую зависит ROI. Без чёткого ТЗ разработчик не поймёт, какую нейросеть ставить, какие данные собирать и на чём тестировать. В этой статье — практическая структура документа, которая сэкономит бюджет и ускорит запуск.
Какие AI-сценарии стоит закладывать в ТЗ
Главная ошибка — пытаться «зашить» AI везде. Выберите 1–3 конкретных сценария, где ML-модель даст измеримый прирост. Типовые варианты для бизнеса в 2026:
- Чат-бот для заявок и первого контакта. Обрабатывает текст, распознаёт намерение (intent), маршрутизирует лида в CRM или передаёт оператору. В ТЗ пропишите: какие сущности (товар, услуга, город, сумма) бот должен извлекать, какими фразами отвечать, как переключаться на человека.
- Рекомендательная система. Например, подбор товаров/услуг в ленте. Опишите: источники данных (история, корзина, просмотры), частоту пересчёта, метрику успеха (CTR, конверсия).
- Обработка изображений. Распознавание документов, фото товаров, дефектов. В ТЗ укажите точность (precision/recall), формат входных данных, объём обучающей выборки.
- Голосовые команды. Если приложение ориентировано на hands-free. Требования к языку, акценту, времени ответа.
Совет: для каждого сценария опишите «идеальный» и «граничный» случаи. Например: «Чат-бот должен ответить на 80% типовых запросов за 2 секунды, при нераспознанном запросе — передать оператору с контекстом диалога».
Интеграции: что должно быть в ТЗ
AI-функции редко живут изолированно. В наших проектах мы сталкиваемся с необходимостью стыковать приложение с CRM, сайтом, платежными шлюзами, мессенджерами. В разделе «Интеграции» пропишите:
- CRM/ERP — куда передаются лиды, какие поля (имя, телефон, продуктовый запрос, статус), синхронизация в обе стороны или только в одну.
- Сайт (лендинг / корпоративный) — если заявки дублируются или нужно единое API для чат-бота.
- Мессенджеры (Telegram, WhatsApp) — каналы коммуникации, формат сообщений, поддержка кнопок.
- Платёжные системы — если AI принимает оплату (например, бот оформляет заказ).
- Внешние AI-сервисы — OpenAI, YandexGPT, Hugging Face или собственная модель. Укажите API-требования, лимиты, SLA.
Обязательно приложите схему data flow: от нажатия кнопки в приложении через AI-модуль до записи в базу. Это снимает 90% недопонимания с командой разработки.
Метрики и KPI: как измерить эффект AI
Без цифр ТЗ — просто список пожеланий. В 2026 заказчики хотят видеть конкретные показатели, а разработчику нужно, на что опираться при оптимизации. Пропишите:
| Метрика | Что измеряет | Типичное значение (ориентир) |
|---|---|---|
| Время обработки одного запроса | Скорость AI-модуля (от запроса до ответа) | < 2 с для чат-бота, < 5 с для распознавания фото |
| Доля успешных ответов (Resolution Rate) | % случаев, когда AI дал корректный ответ без перехода к оператору | 80%+ за первый месяц, 90%+ после дообучения |
| Конверсия в лид / заказ | % сессий с AI, которые привели к цели | +15–30% к обычному воронке |
| Стоимость одного инференса | Затраты на вызов модели (токены, GPU) | Зависит от модели; оптимум — менее 0.01$ за запрос |
| NPS пользователей | Удовлетворённость AI-функциями | > 50 (положительный) |
Если метрика не дотягивает, ТЗ должно предусматривать план дообучения: сбор размеченных данных, A/B-тест, повторная версия. Иначе AI-функция рискует стать «чёрным ящиком».
Практический чеклист: что обязательно включить в ТЗ
Чтобы ничего не забыть, используйте наш чеклист при подготовке документа:
- Цели AI-функции — бизнес-показатель, который она улучшает (лиды, скорость, экономия FTE).
- Сценарии use cases — 3–10 примеров диалогов/действий с «правильным» ответом.
- Данные — откуда берётся обучающая выборка, какой объём, кто размечает.
- Требования к производительности — latency, RPS, время отклика.
- Интеграционные контракты — API-спецификации, поля, методы.
- Нефункциональные требования — безопасность (шифрование, анонимизация), логгирование, мониторинг.
- Тестирование — критерии приёмки: как мы поймём, что модель работает хорошо?
- План развития — какие метрики нужно догнать через 3, 6, 12 месяцев.
Подготовив ТЗ по этой схеме, вы снизите риск переделок на 40% и получите предсказуемый бюджет.
Как мы помогаем составить ТЗ и запустить AI-приложение
В студии App72.ru мы используем эту структуру в каждом проекте. Если у вас есть идея, но нет чёткого ТЗ — мы помогаем его сформулировать на этапе пресейла. В зависимости от сложности AI-функций предлагаем:
- AI Базовый — один AI-сценарий (чат-бот, обработка заявок), MVP за 3–4 недели, от 600 000 ₽. Подходит, чтобы быстро протестировать гипотезу.
- AI Бизнес — 2–3 AI-сценария, полные интеграции с CRM/сайтом, метрики, дообучение. Срок 6–8 недель.
Мы также готовим экосистему «сайт + приложение», когда лендинг собирает заявки, а мобильное приложение обрабатывает их через AI-модуль вместе с клиентами. Посмотрите примеры реализованных проектов.
Если у вас уже есть ТЗ — мы оценим его за 1 день и укажем узкие места. Если нет — составим с нуля вместе с вами.
Нужна оценка проекта? Напишите в Telegram или оставьте заявку на сайте — подготовим ТЗ и прототип.