Quality Gate для AI: Як Ми Побудували Архітектуру Контролю AI [ukr]
Доповідь присвячена архітектурному підходу для контролю якості AI-рішень, де замість традиційних методів тестування використовується інший AI в ролі «судді». На прикладі реального кейсу AI Calories Tracker, який щодня розпізнає 5000+ зображень страв, ми покажемо, як нестандартний підхід до контролю якості дозволяє ефективно керувати ризиками і підвищувати довіру до штучного інтелекту.
- На вас чекає:
- Аналіз, чому класичні QA-підходи неефективні для AI-рішень
- Детальне пояснення, як саме один AI автоматично оцінює якість роботи іншого
- Розбір процесу контролю якості на різних етапах життєвого циклу рішення: від вибору оптимальної моделі та налаштування prompts до регулярних оновлень моделі у проді
- Висновки про реальні переваги, які ми отримали завдяки такому підходу, а також про виклики, з якими ми зіткнулися.
Дмитро Демянов
Solution Architect, BetterMe
- В IT 8 років, пройшов шлях від розробника до архітектора
- Спеціалізується на AI/ML та Cloud Architecture, проєктує AI-рішення для бізнесу з використанням AWS
- Вірить, що Gen AI найкраще працює, коли інтегрований у бізнес-процеси та вирішує конкретні задачі компанії
- Захоплюється технічною літературою, архітектурою та менеджментом, відновлюється на природі
- Головний принцип: архітектура завжди повинна створювати реальну цінність для бізнесу