🤖 Как 5 ИИ-агентов за 4 дня создали вирусный face-swap бот для избирательной кампании

Рассказываем, как команда искусственного интеллекта разработала telegram-бота с технологией замены лиц, который превращает фото пользователей в персональные мемы-стикеры за 3 минуты

В июле к нам обратилась партия "Новые люди" с нестандартной задачей: нужен был инструмент для предвыборной кампании, который бы не просто информировал избирателей, а создавал эмоциональную связь через персонализированный контент. Идея — telegram-бот, который превращает селфи пользователей в мемы-стикеры.

Казалось бы, типовая задача для нас. Но мы решили поэкспериментировать и поручить весь процесс разработки команде из 5 специализированных ИИ-агентов. Результат превзошел ожидания: готовый продукт за неделю вместо месяца, 10 000+ строк качественного кода и 50+ пользователей в первые сутки после запуска ⚡

Вызов: политика + вирусность + технологическая сложность

Проблема клиента: Как в условиях информационного шума привлечь внимание молодой аудитории к политической партии? Стандартные баннеры и листовки не работают, нужен интерактивный инструмент, который сам пользователь захочет попробовать и поделиться результатом.

Техническая сложность: Face-swap технологии требуют в первую очередь качественной обработки изображений. При этом всё должно работать быстро, в рамках telegram-бота, без установки дополнительных приложений.

Ограничения по времени: До выборов оставалось чуть больше месяца, классическая разработка заняла бы 3-4 недели только на программирование, не считая планирования и тестирования.

Именно тогда мы решили протестировать нашу экспериментальную систему — команду ИИ-агентов, каждый из которых специализируется на определённом этапе разработки.

💻 Решение: делегируем разработку искусственному интеллекту

Архитектура ИИ-команды

Мы создали 5 специализированных агентов:

1. Product manager — анализирует требования и планирует техническую архитектуру
2. Backend developer — пишет код на Node.js, интегрирует API
3. QA-developer — создаёт тесты и проверяет работоспособность
4. Analyst agent — проектирует систему сбора метрик и аналитики
5. Project-manager — создает план проекта, задачи и контролирует их выполнение

Каждый агент работает автономно, но синхронизируется с остальными через общую базу знаний проекта.

⚙ Технический стек

- Backend: Node.js + Express.js для обработки webhook'ов от Telegram
- AI Engine: Piapi AI для face-swap технологии (выбрали за скорость обработки и качество результата)
- База данных: SupaBase для хранения пользователей, метрик и истории операций
- Telegram Bot API: для взаимодействия с пользователями и автоматического создания стикер-паков
- Инфраструктура: Docker-контейнеры на Railway с автоматическим масштабированием

Как это работает с точки зрения пользователя

1. Пользователь присылает селфи в бота @NewPeopleStickers_bot
2. Бот предлагает выбрать шаблон (мем с политиком или актуальная картинка)
3. ИИ обрабатывает фото: извлекает лицо, адаптирует под шаблон, накладывает 4. За ~3 минуты готов персональный стикер-пак из 12 изображений
5. Бот автоматически создаёт стикер-пак в Telegram и отправляет ссылку пользователю

Процесс разработки: как ИИ-агенты работают в команде

День 1: Планирование и архитектура

Product-manager проанализировал техническое задание и предложил микросервисную архитектуру:

- Основной сервис для обработки telegram-запросов - Отдельный сервис для ИИ-обработки изображений - Сервис аналитики и метрик - База данных для пользователей и логов

Неожиданный инсайт: агент самостоятельно предложил систему очередей для обработки изображений, чтобы избежать перегрузки при вирусном росте аудитории. Это решение мы не закладывали в первоначальные требования.

День 2: Разработка core-функционала

Backend developer начал писать код, параллельно QA developer создавал автотесты.

Интересный момент: агенты "спорили" друг с другом. Программист предложил хранить временные файлы на диске, тестировщик возразил, что это создаст проблемы при масштабировании, и предложил использовать in-memory обработку. В итоге выбрали гибридный подход.

Результат недели: работающий прототип с базовым функционалом face-swap.

День 3: Интеграции и оптимизация

Analyst agent спроектировал систему метрик: отслеживание конверсии (от фото до готового стикера), популярности шаблонов, географии пользователей.

Project manager создал подробную документацию API и инструкции по развертыванию.

Параллельно программист оптимизировал скорость обработки: удалось сократить время генерации стикера с 5-6 минут до ~3 минут.

День 4: Тестирование и деплой

Финальное тестирование показало стабильную работу при нагрузке до 100 одновременных пользователей. Развернули на продакшн-серверах с мониторингом.

📊 Результаты: цифры и инсайты

Технические метрики

- 10 000 строк кода — написано ИИ-агентами с минимальным участием человека 🤖
- Время разработки: 4 дня против планируемых 3 недель (сокращение в 5 раз) ⏰
- Скорость обработки: 3 минуты на создание стикер-пака из 12 изображений ⚡
- Покрытие тестами: 31% кода покрыто автотестами ✅

Пользовательские метрики (первая неделя)

- 50+ пользователей в первые 24 часа после запуска 🚀
- 300+ стикер-паков создано за первую неделю 🎨
- 100% conversion rate — от загрузки фото до создания стикера 📈
- 40% viral coefficient— пользователи делились ботом в среднем с 2-3 друзьями 📱

Качественные результаты

Для клиента: получили готовый инструмент viral-маркетинга, который работает полностью автономно. Партия использовала метрики бота для анализа географии и демографии аудитории.

Для нас: доказали работоспособность концепции ИИ-команды разработчиков. Сейчас применяем этот подход в коммерческих проектах.

Для индустрии: показали, что сложные технические проекты можно создавать силами ИИ при правильной организации процесса.

🔍 Технические инсайты и подводные камни

Что сработало отлично ✅

1. Модульная архитектура от ИИ оказалась лучше классической
Агент-архитектор изначально спроектировал систему как набор независимых микросервисов. Это позволило легко масштабировать компонент обработки изображений при росте нагрузки.

2. Автоматическое тестирование экономит недели ИИ-тестировщик создал 200+ тест-кейсов, включая edge cases, о которых мы даже не думали. Например, тесты на обработку фото с несколькими лицами или без лиц вообще.

3. Качество кода выше ожидаемого Агенты писали код с подробными комментариями, следовали принципам SOLID, использовали современные паттерны Node.js.

Проблемы, с которыми столкнулись ⚠

1. Координация между агентами Первые дни агенты "не понимали" друг друга — программист писал API, которые не соответствовали ожиданиям тестировщика. Решили через подробный shared context и ежедневные "синхронизации".

2. Специфика face-swap технологий API Piapi AI иногда выдавал неожиданные результаты на нестандартных фото. Пришлось добавить предварительную обработку изображений и фильтрацию.

3. Нагрузка на Telegram Bot API При создании стикер-паков оказались лимиты Telegram API. Решили через батчинг и асинхронную обработку.

💡 Уроки для бизнеса: когда ИИ-разработка оправдана

Когда стоит использовать ИИ-команды

✅ Проект с чёткими техническими требованиями — ИИ отлично справляется, когда понятно "что делать"
✅ Ограниченные сроки — автоматизация может сократить время в 2-4 раза
✅ Ограниченный бюджет — автоматизация может сократить стоимость разработки в 2-4 раза
✅ Стандартные технологии — ИИ лучше работает с популярными фреймворками и подходами
✅ Высокие требования к качеству кода — ИИ не устаёт и следует лучшим практикам написания кода

🚀 Что дальше: планы по развитию ИИ-разработки

Успех проекта вдохновил на дальнейшие эксперименты. Сейчас тестируем расширенную команду из 12 агентов для более сложных проектов.

Планируемые улучшения:

- Design agent - для создания качественного дизайна
- Design review agent - для проверки и соответствии дизайна требованием проекта
- DevOps agent - для автоматического развёртывания и мониторинга
- Sequrity agent - для аудита кода и поиска уязвимостей

Новые направления: Применяем подход к e-commerce проектам, корпоративным системам автоматизации, образовательным платформам.

✨ Выводы

Кейс с face-swap ботом показал, что ИИ-технологии уже сейчас могут кардинально ускорить разработку сложных технических продуктов. Но ключ не в замене людей, а в правильной организации взаимодействия человека и ИИ.

В ближайшие 2-3 года ИИ-разработка станет стандартом индустрии. Компании, которые освоят эти подходы раньше конкурентов, получат серьёзное преимущество в скорости выхода продуктов на рынок.

Политическая партия получила работающий инструмент за неделю. А мы — опыт, который теперь применяем для коммерческих клиентов.

_P.S. Бот @NewPeopleStickers_bot работает — можете попробовать сами и оценить качество работы ИИ-команды._

Попробовать face-swap бота: @NewPeopleStickers_bot <br>
Обсудить автоматизацию для вашего проекта: info@aironlab.ru<br><b>Наш Telegram канал: https://tlgg.ru/@Aironlab
Наш сайт: https://aironlab.ru/