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.

Уявіть, що одного дня вашій команді передають систему, яку 4 роки створювали шість різних команд, просто щоб перевірити гіпотези. Ніякої документації, просто гігантська монорепа і Jenkins для деплою. Саме в таких умовах ми вирішили зробити повну інвентаризацію — і почали з Architecture as Code. У цьому виступі я розповім, як ми системно підійшли до опису архітектури: від побудови C4-діаграм до створення Service Documentation, ERD та Sequence Diagram-ів. Ви дізнаєтесь, як ми на практиці відновили розуміння системи, впровадили архітектурну прозорість, а також які інструменти (PlantUML, Mermaid) та підходи спрацювали найкраще. Це не лише про діаграми — це про виживання в хаосі, командну синхронізацію та архітектурну еволюцію через прозорість.

Як правильно спланувати глобальні зміни у компанії з понад 25 тис. клієнтів. Чому комунікація між технічними командами та бізнесом є ключем до успіху. SRE, RnD, Архітектура як драйвери трансформації. Роль ФінОпс у сталому розвитку. Реальні кейси, помилки та висновки.