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

Нещодавно Superhuman (раніше Grammarly) запустила Superhuman Go — AI-асистента, який працює поруч із вами на кожній платформі. Щоб його створити, нам було потрібне масштабоване рішення, яке підтримує необмежену кількість агентів, динамічно формує інтерфейс користувача та виглядає однаково на всіх підтримуваних десктопних і мобільних платформах. Приєднуйтеся, щоб дізнатися, як ми знайшли рішення для цього інноваційного продукту

Про що: - Які growth-челенджі визначатимуть 2026 рік. - Як AI змінює швидкість запуску MVP і продуктових експериментів — і чому швидкість без стратегічного фокуса не створює sustainable growth. - Чому для масштабування вже недостатньо CRO та performance-маркетингу. - Як використовувати AI для research, прототипування, продуктових драфтів і швидшого запуску рішень.

У цій доповіді Владислав розповість про його шлях приборкання AI: від простого Plan Mode в Cursor/Claude до складних систем документування. Він розбере, чому GitHub Spec Kit виявився занадто важким, як ADR (Architecture Decision Records) допомагають агентам не «губити» контекст між сесіями і чому OpenSpec від Y Combinator (Fission-AI, W26) став золотою серединою. Ключова теза: якість коду на виході = якість специфікації на вході. Разом поміркуємо про трансформацію ролі розробника — від «кодера» до «архітектора специфікацій».

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.

Vibecoding — один із найефективніших інструментів для product-менеджера сьогодні. Він дозволяє не лише використовувати готові сервіси для пришвидшення роботи, а й створювати власні інструменти під конкретні задачі — з урахуванням контексту продукту і процесів. Це зменшує кількість зайвих дій і повернень до одних і тих самих задач вручну. У великих командах це про персональну ефективність і автоматизацію роботи. На етапі R&D — про можливість самостійно зібрати MVP, отримати перший фідбек від користувачів і лише після цього передати рішення в розробку. У доповіді Максим розкаже, як він використовує vibecoding у роботі product-менеджера: від MVP до створення власних інструментів.

<p></p>

Вимоги ринку до розробників стрімко зростають: сьогодні замовникам потрібне не лише базове вміння писати промпти, а й практичний досвід роботи з Model Context Protocol (MCP). На цій доповіді ми доведемо, що в MCP немає нічого складного: ми пройдемо шлях від звичайного REST API до готового MCP-сервера. Ви дізнаєтесь про ключові особливості протоколу, необхідні бібліотеки та аспекти безпеки, щоб навчити штучний інтелект самостійно користуватися вашим бекендом.

Олексій Мінаков і Вʼячеслав Колдовський зійдуться у видовищному батлі, щоб наживо продемонструвати найяскравіші й найнесподіваніші кейси використання інструментів генеративного штучного інтелекту. На вас чекають нестандартні сценарії, творчі експерименти та вражаючі приклади реального застосування ШІ, які не залишать байдужими ні новачків, ні профі. Мета — не просто здивувати, а розширити уявлення про можливості сучасного штучного інтелекту. Вʼячеслав Колдовський: Agent Skills Superpowers. Пам’ятаєте, як в Матриці Нео навчився Кунг-фу? Йому просто ці знання завантажили в голову. На жаль, поки що з людьми це не працює, але вже доступно для AI-агентів за допомогою Agent Skills. Agent Skills перекладається як “навички агента” і по суті є тим же, що і навички людини – тобто здатність виконувати певні дії, досягати результату або вирішувати конкретні задачі. Але на відміну від людей, агентам ці навички не потрібно роками тренувати – їх можна створювати, комбінувати та перевикористовувати практично миттєво. Фактично, Agent Skills – це модульні блоки поведінки: окремі функції, інструкції або сценарії, які агент може викликати у потрібний момент. Це можуть бути як прості дії (наприклад, обробити текст або знайти інформацію), так і складні процеси (запустити аналіз, взаємодіяти з API, або виконати багатокроковий workflow). Справжня “суперсила” з’являється тоді, коли ці навички починають працювати разом. Агент може динамічно обирати, яку навичку застосувати, комбінувати їх у ланцюжки та адаптувати поведінку під контекст задачі. Мало того, якщо ми опишемо послідовність необхідних дій не у якості детермінованого коду, а як набір навичок агента, то ми по факту “запрограмуємо його”, але зробимо це у зовсім іншій парадигмі недетермінованого програмування, яка, на відміну від звичайних детермінованих програм, може адаптуватися до контексту, приймати рішення в умовах невизначеності, гнучко змінювати свою поведінку в залежності від обставин і навіть автоматично покращуватися. І саме тому Agent Skills – це суперможливості AI агентів, з якими ми познайомимося разом з В'ячеславом Колдовським.