Піврічний досвід граблів у використанні AI на різних задачах та технологіях, розберемо актуальні інструменти, підходи та рекомендації. Що працює, а що ні. Від вау-ефекту на демо до спалених днів на «вайбкодинг».

Як залишатися успішним у світі, де AI змінює індустрію? У цій доповіді ми розглянемо дослідження та практичні приклади, що допоможуть зберегти стабільність кар’єри й навчитися ефективно використовувати AI для власного професійного розвитку.

Запуск Diia AI всупереч усім труднощам Що потрібно, щоб створити розмовного AI-асистента для мільйонів громадян? Подорож зі створення Diia.AI, національного цифрового асистента України, почалася з простого й багатообіцяючого Proof of Concept. Але перехід від контрольної демо-версії до живої, продуктивної системи, що працює з чутливими даними та реальними державними сервісами, виявився шляхом, сповненим несподіваних викликів. Ця доповідь — чесний, закулісний погляд на нашу архітектурну еволюцію. Ми заглибимося у реальні виклики, з якими зіткнулися: від боротьби з непередбачуваними "галюцинаціями" LLM та інтеграції зі складними державними реєстрами, до проєктування системи для національного рівня безпеки й масштабування під екстремальним тиском. Це не історія бездоганного успіху; це історія вирішених проблем — від абсурдно простих до монументально складних. Приєднуйтесь, щоб дізнатися практичні уроки, яких немає в підручниках. Ми розповімо, як проєктували систему з урахуванням стійкості, застосовуючи RAG-підхід для боротьби з дезінформацією, впроваджували надійні Guardrails для забезпечення безпеки та будували масштабовану, відмовостійку екосистему. Ця сесія буде корисною для архітекторів, розробників і продуктових лідерів, які хочуть зрозуміти справжні «шрами від битв» та важко здобуті інсайти, що приходять із запуском масштабної AI-платформи всупереч усім труднощам.

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.

Проаналізуємо що справді працює в сфері автономних LLM агентів, наявні обмеження та їх причини, напрямки досліджень по збільшенню періоду повністю автономного виконання задач, оглянемо потенційні архітектури повністю автономних систем, економічна автономність агентів та де ми на шляху до неї.

Бачення Microsoft. Огляд пропозиції та попиту, ключові тенденції розвитку штучного інтелекту, а також виклики на корпоративному та державному ринках.

Поговоримо про те в якому стані зараз інвестиції в AI, в які продукти вкладають гроші, чи варто інвестувати зараз і як.

Дослідимо ключові виклики розробки RAG-систем для української мови. Обговоримо методи оцінки таких систем у конкретних доменних областях, як-от консультування з державних послуг, та розкриємо практичні аспекти та граблі, що виникають під час їх впровадження.

Розкажу про валідацію та моніторинг AI-агентів на прикладі мобільного додатку, що працює з мультиагентною системою через OpenAPI. Продемонструю практичні підходи до тестування логіки агентів, методи збору метрик їхньої роботи та налаштування observability системи. Поділюся досвідом відстеження поведінки агентів у реальному часі, виявлення аномалій та забезпечення надійності мультиагентної архітектури в продакшені.