Традиційний підхід “ШІ — це лише інструмент” обмежує ШІ допоміжною роллю, застарів і виглядає відверто кумедно на фоні початку буму ШІ-агентів. Повне розкриття потенціалу сучасних ШІ-систем можливе через інтерактивне двостороннє співробітництво та партнерство. Розберемо різні моделі взаємодії з ШІ, які змінюють підходи до роботи: “кіборг” і “кентавр”, “ансамбль”, “автор-привід” і “резонатор”, “кібернетичний колега”, “партнер у мисленні” та інші. Як уникнути ефекту “засинання за кермом” або “незалученої взаємодії з ШІ”? Кожен співробітник стає СЕО стартапу, що складається з мінікоманди ШІ-агентів, але яка кількість ШІ-агентів на кожного співробітника є оптимальною?

Розповім, як змінюється підхід до письма, коли твоїм співатором стає генеративний ШІ. Поділюся власним досвідом написання книги про генеративний ШІ з його ж допомогою — з етичними дилемами, когнітивними викликами та несподіваними інсайтами. Розкажу, чому процес зайняв у 10 разів більше часу, але приніс у 100 разів більше досвіду. Покажу, як я працював із термінологією, а також як паралельно створював практичні рекомендації щодо використання генеративного ШІ в програмуванні, освіті та інших сферах.

Розкажу про сучасні можливості генерації відео з текстових промптів та AI-асистованого монтажу, базуючись на 17-річному досвіді у відеопродакшені. Продемонструю ключові платформи та інструменти, поділюся власними кейсами інтеграції AI у робочі процеси креаторів і продакт-менеджерів. Окреслю продуктові можливості та воркфлоу для розробників і відеотворців і визначу пріоритетні напрями розвитку AI-based відеосервісів.

Чи можна довіряти хмарі? Confidential Computing дає змогу захистити дані навіть у повністю контрольованому середовищі.

Огляд практичних кейсів створення систем на основі штучного інтелекту. У фармацевтичній галузі представлено рішення з комп’ютерним зором для автоматизованого візуального контролю якості вмісту флаконів. Система забезпечує виявлення дефектів у реальному часі, інтегрується в існуючу виробничу лінію та дозволяє зменшити витрати порівняно з класичними інспекційними машинами. У державному секторі впроваджено сервіс на базі LLM для перевірки заявок на участь у конкурсах міжнародних молодіжних обмінів. Сервіс інтегрований у державну платформу реєстрів, забезпечує швидкий зворотний зв’язок для заявників та створює прецедент використання LLM у продуктах на основі Дія.Engine.

Ми як провайдер бачимо що нерідко потенційні клієнти дещо дезорієнтовані в питаннях вибору акселераторів. Технології змінюються дуже швидко, тому питання «а що там на ринку, а чим відрізняються всі ці картки, а які кращі» мають місце бути. І критерії вибору досить непрості. Що таке compute/memory bound models, «арифметична інтенсивність» і квантування моделе? Ці характеристики мають вирішальне значення при виборі інфраструктури.

Наразі Kernel є провідним виробником соняшникової олії та одним з найбільших агрохолдингів України. Які задачі ставить бізнес і чому ML - це must have? Розвиток команди data science в Kernel. Перші експерименти в Google, власне мінімальне залізо, потреба в більшому обсязі ресурсів. Інфраструктурна співпраця Kernel - De Novo. Вирішення задачі прогнозу врожайності полів. Позитивний результат тестування та приріст у швидкості і можливість виконувати більше задач бізнесу на H100.

Доповідь інтегратора AI рішень про те як вони структурують власні бізнес процеси та задачі за допомогою AI. Як модель за 15 хвилин виконує опрацювання бізнес вимог на яке data science витратив би два тижні роботи.

Розкажу про Computer/Browser/Mobile Use агентів. Почнемо з API, які надають нам OpenAI та Claude під задачі Computer Use. Згадаємо, як тренуються LLM/VLM, що таке RL і як його тут можна застосувати. Розберемо свіжі open-source модельки та поговоримо про evaluation таких агентів.