Фільтр по тегу

Can on-call be solved with AI? [ukr]

Що, якби на типове запитання під час онколу першим відповідав не інженер? AI-асистент, створений платформною командою Superhuman, допомагає понад 25 командам і самостійно вирішує 20% запитань. Я розповім, як ми перетворили його на платформний сервіс, а також познайомлю з AI Golden Path — внутрішнім сервісом, який допомагає інженерам використовувати AI-агентів і виконувати типові задачі розробки та роботи з інфраструктурою через готові інструменти й покрокові робочі процеси. Поділюся, як ці сервіси вписуються в платформну стратегію, чого ми навчилися, як ми здобували довіру команд, і що плануємо розвивати далі.

Владислав Тріпатхі

(Software Engineer at Superhuman (ex-Grammarly)),
AI fwdays’26
Життя і роботи. Як керувати AI-агентами з телефону і чому це не зовсім круто [ukr]

Коли звикаєш працювати з AI-агентами за ноутом, рано чи пізно хочеться мати їх під рукою 24/7. Можна залишити робочий комп’ютер увімкненим, підняти власний сервер, запустити агента в хмарі або скористатися готовим рішенням на кшталт dot у ChatGPT чи Grok Bot. Розповім, як від першої ідеї «можна ж із телефона» дійшов до експериментів із кількома сетапами для робочих та особистих проєктів. Розберемо • Відмінності в автономності агентів поза робочим місцем. • Підходи та інструменти для роботи з телефона - від сесій у tmux до агрегаторів підписок (T3 Code, Orca) та окремих агентів, які самі оркеструють проєкти (Hermes тощо). • Проблеми синхронізації, оточення, рев’ю результатів та розсіювання уваги. • Підсумуємо, що спрацювало для мене, а від чого я відмовився та чому.

Олег Мельничук

(Head of Product at Artellence),
AI fwdays’26
The Self-aware infrastructure: how always-on agents can build knowledge about the company estate [ukr]

Ми створили self-aware infrastructure: систему з пам’яттю, класифікаторами, моделями прийняття рішень у стилі Jev, оцінками та агентами, які здійснюють triage подій в інфраструктурі. Здебільшого агенти розгортаються або як обробники запитів без збереження стану, або як один спільний агент, що обслуговує всіх. Для автономних Triage агентів та командних експериментів нам потрібно було щось інше. Кожна команда або інженер отримує власного агента, що завжди увімкнений (always-on), - Spot. Він запам’ятовує поставлені завдання, продовжує працювати після того, як вони завершують сесію, і чекає на них, коли вони повертаються. Ви можете голосом попросити «RCA для кожної проблеми минулого тижня», закрити сесію і через кілька годин побачити, що робота виконана. У цій доповіді йдеться про те, як ми створили https://triageagent.dev Що отримають учасники: 1. З чого ми почали. Наше експериментальне середовище для масштабного запуску агентів, побудоване на kagent, agentgateway, ego та substrate. 2. Що ми отримали — «Triage Spots». Реальний приклад використання життєвого циклу агента, що завжди активний: один агент на користувача, який активується подіями, має власну пам’ять та квоту. 3. Чесний перелік наших помилок. Історія, що стоїть за цим кейсом: Замість відкриття запитів на платформі та отримання дозволу, ми запровадили для наших команд ізольоване середовище, щоб зменшити масштаб можливих наслідків від ненадійного або експериментального коду на спільних кластерах у великих масштабах. Цей підхід є конкретним, відкритим прикладом створення середовища для розробників на базі agent substrate, включаючи triageagent — переможця Національної премії Індії AI Gamechanger 2026.

Денис Васильєв

(Principal Site Reliability Engineer / UK Global Talent Visa Holder),
AI fwdays’26
Agentic Workforce: нова операційна модель бізнесу [ukr]

Чому майбутнє автоматизації — не в кількості розробників, а в доступності AI-агентів Традиційна автоматизація вимагає часу, бюджету та залучення IT-команд. Але що, якщо кожен співробітник зможе самостійно автоматизувати власні процеси? Agentic Workforce змінює сам принцип організації роботи. Люди визначають цілі, агенти виконують задачі, а платформа забезпечує інструменти, доступи, безпеку та контроль. Розповім про наш досвід побудови та впровадження Agentic Workforce продукту в ентерпрайз організації, архітектуру агентної платформи, управління цифровими виконавцями та те, як ми бачимо трансформацію корпоративної автоматизації.

Ігор Дрозд

(CTO at Silpo (E-commerce)),
AI fwdays’26
Графова істерія або як я вмовляю клієнтів відмовитись від типової Dark Software Factory [ukr]

Якщо в тебе процес розробки виглядає як "я пишу в Claude Code промпт, а далі разом з своїм улюбленим комплектом скілів робимо справу" - то ви застарілі роки на півтора, що в наших ШІ-реаліях - вічність. Зараз в моді графи та self-improving loops - ви пишете задачу - її розбивають на 100500 окремих блоків, кожен з яких простий, дає вимірюваний результат а отже - ним легко керувати і легко покращувати. Виглядає ідеально? Так, доки тебе не втомлює, що проста задача робиться годинки півтори або поки ти не рахуєш скільки це коштує (в грошах чи токенах - неважливо). За останні півроку я побудував 6 подібних фабрик як консалтер - як під копірку за ідеологією - однак тепер з кожним новим клієнтом я починаю довгу розмову, що скоріше за все вам або воно не треба, або треба - але в інший спосіб. Ми зачепимо три аспекти: технологічний, економічний та культурний, щоб пояснити де власне виникають проблеми і чому я більше не вважаю dark software factory у її графово-блоковому вигляді срібною кулею для всіх.

Ілля Климов

(Staff Frontend Engineer at GitLab),
Fwdays Tech Summit
Evals для тестування агентів [ukr]

Створити AI-агента — лише половина задачі. Треба ще зрозуміти, наскільки добре він працює і чи не став гіршим після зміни моделі, запиту, інструментів або даних. У доповіді на практичному прикладі розберемо, як створювати Evals для AI-агентів: формувати тестові сценарії, визначати критерії та метрики якості, використовувати автоматичні перевірки, LLM-as-a-Judge і ручне оцінювання, порівнювати версії агента та вбудовувати Evals у процес розробки й тестування.

Олександр Краковецький

(СЕО at DevRain),
Fwdays Tech Summit
Building Agentic Software Factories [ukr]

Агентна інженерія дорослішає: від «попроси агента написати код» ми переходимо до фабрик — конвеєрів, де команда AI-агентів проводить проєкт повним циклом: вимоги → специфікації → тести → імплементація → адверсарне рев'ю → докази якості. У доповіді розберемо, з чого така фабрика складається насправді: оркестратор і спеціалізовані субагенти, детерміновані quality gates, ланцюг трасування від вимоги до тесту, петлі верифікації замість «здається, працює». Головний виклик автономної розробки — не змусити агентів писати код, а не дати фабриці впевнено рапортувати успіх там, де його немає. Розберемо типові механізми самообману конвеєра: «м'які» правила в промптах, що зникають під тиском реального проєкту; перевірки, які тихо пропускають відсутні докази; вимоги, чий метод приймання ніколи не існував у вигляді коду. Ілюструватиму живим матеріалом — зокрема кейсом, де фабрика пройшла всі гейти «на зелено» й видала продукт, що не відповідав ключовій вимозі, і тим, що знадобилося, аби той самий прогін став чесно червоним. Окрема частина — про самовдосконалення: як побудувати цикл, у якому кожен виявлений провал стає новим гейтом, який наступний проєкт вже не зможе оминути. Три-значна семантика перевірок (PASS / NOT-EARNED / FAIL), реєстр процес-дефектів, бібліотека «уроків», що успадковується кожним новим проєктом. Все — на реальних артефактах: коміти, метрики, вимірювані результати. Про що поговоримо: Анатомія agentic-фабрики: оркестратор, субагенти, детерміновані гейти, ланцюг трасування Механізми самообману конвеєра — і форензика реального «фальшивого done» Maker ≠ checker на практиці: адверсарне рев'ю, яке реально ловить дефекти Цикл самовдосконалення: correction → retro → новий гейт → урок для наступного проєкту Скільки це коштує: про токени, час і де фабрика (поки) програє людині Кому буде корисно: інженерам і тимлідам, які вже використовують AI-агентів у розробці й хочуть перейти від «іноді спрацьовує» до передбачуваного конвеєра з доказами якості.

Вʼячеслав Колдовський

(Founder at Dev AI Consulting),
Fwdays Tech Summit
Product QA & AI: симбіоз людини й технологій замість заміни спеціалістів [ukr]

Що варто делегувати AI вже зараз, а що все ще потребує людини? На прикладі стрімінгового продукту поговоримо, як за допомогою AI-copilots оптимізувати QA-командам технічну рутину, масштабувати тестування, пришвидшувати релізи та залишати людям простір для дослідження продукту, UX і складних користувацьких сценаріїв

Тетяна Калашнікова

(QA Team Lead at UnitedTech),
Конференція AI Product fwdays'26
Remote Agents у продакшені: від Jira до PR без розробника [ukr]

Що якщо інженер отримує не задачу, а вже готовий PR з контекстом і пропозицією рішення? У Wix ми будуємо remote agents — автономні агенти, які тригеряться зовнішніми подіями (Jira, Slack), виконують задачу у фоні без участі людини і повертають результат як контекст для розробника. У доповіді я розберу: що таке remote agents, як вони влаштовані архітектурно, і як впровадити такого агента у себе в системі. Поділюсь реальними цифрами — success та failure кейси з нашого досвіду. Окремо — про неочевидне: де агенти ламаються, чому spec-driven підхід критичний для їх роботи, і що змінюється в процесах команди, коли частину роботи робить агент. Доповідь буде корисна тим, хто вже працює з AI-інструментами і думає над наступним кроком — від copilot до автономії.

Данило Колесніков

(Engineering Team Lead at Wix),
Конференція AI JavaScript fwdays'26
AI як Продукт: від автоматизації підтримки до Agentic State в екосистемі «Дія» [ukr]

Впровадження ШІ у державний сервіс на 23+ млн користувачів — це шлях постійних продуктових відкриттів та викликів. У цій доповіді я поділюся реальним досвідом того, як екосистема «Дія» переходить від класичної Цифрової держави (де юзер сам шукає потрібні послуги) до Агентної (де ШІ проактивно виконує намір користувача). Про що поговоримо: - Product Discovery та зміна парадигми: Перехід від Digital State до Agentic State. Чому звичні інтерфейси досягли своєї межі, та як ми валідували потребу в проактивних AI-рішеннях. - AI у Підтримці як перший великий крок: Як ми автоматизували 90% звернень без втрати якості (CSAT). М'який AI UX: чому люди не вміють користуватися промптами і як ми допомагаємо їм гібридними інтерфейсами. - Кейс Upskill та трансформація команди: Ми не звільнили жодного оператора. Як ми створили внутрішні AI-тули для команди, а вчорашні оператори стали AI-тренерами. - Deep Dive у Дія.AI на Порталі: Запуск першої у світі агентивної послуги на державному рівні. Як працює наша RAG-архітектура, як ми захищаємо персональні дані (PII) від потрапляння в LLM та відбиваємо спроби джейлбрейків.

Денис Коровін

(AI Product Manager at WINWIN AI Center of Excellence (Ministry of Digital Transformation of Ukraine)),
Конференція AI Product fwdays'26
Увійти
Або поштою
Увійти
Або поштою
Реєстрація через e-mail
Реєстрація через e-mail
Забули пароль?