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.

Штучний інтелект більше не обмежується цифровими просторами - він стрімко виходить у фізичний світ, змінюючи те, як машини сприймають, рухаються та взаємодіють зі своїм середовищем. Багато хто впевнений, що робототехніка є наступною великою задачею, яку вирішить ШІ. Ви отримаєте уявлення про розвиток у цій сфері від інженера-дослідника з майже десятирічним досвідом роботи та від ML-інженера, який перейшов у цю галузь лише два роки тому. Ми поговоримо про те, що таке Physical AI, як його описують і презентують, а також які задачі він намагається вирішити. Водночас ми обговоримо, наскільки крихким і нестабільним є реальний світ, і які унікальні виклики виникають при поєднанні штучного інтелекту та робототехніки.

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.

Більшість компаній починають AI-трансформацію з технології, а не з бізнес-задачі, і отримують вічні пілоти замість результатів. Поділюся принципами, які сформувались через побудову та реалізацію 20+ AI-стратегій і 50+ рішень для компаній від рітейлу до фарми в США, Європі та Україні. Які помилки коштують найдорожче, що насправді визначає ROI, і чому одні проєкти масштабуються, а інші назавжди залишаються на слайдах. Для кого буде корисно: • CEO, власники бізнесу та керівники, які впроваджують або планують AI. • Технічні лідери та ML-інженери, які будують AI-рішення і хочуть, щоб робота давала бізнес-результат.

Опис доповіді: - Передумови впровадження. Чому ми вирішили додати асистента до звичного пошуку. - Ринкові тренди. Як розвивається Agentic Commerce і чому це важливо зараз. - Реалізація. Як ми технічно будували та впроваджували AI-агента в структуру Prom. - МВП та результати експерименту. Що показали перші тести та як користувачі взаємодіяли з асистентом. - Ключові інсайти та висновки. Головні думки, які ми винесли під час розробки та запуску. - Що робимо далі. Плани щодо розвитку AI-інструментів на маркетплейсі.