Материалы выпуска Research Insights Made Simple #31: AI4SDLC — что бы я делал по-другому (Рубрика #AI4SDLC)

Собрал материалы сольного выпуска Research Insights Made Simple от 22 сентября 2026 года. Это режиссёрская версия моего lightning talk с Deep Tech Night: на конференции было 15 минут, а в эфире — почти полтора часа.

Помощник для управления проектами хорошо работает на задачах своей команды, но теряется на проектах, разнесённых по нескольким трекерам. Часть пользователей просто молча перестаёт его открывать. Взять модель посильнее? Сначала нужен набор реальных задач, на котором такую замену можно проверить.

В выпуске разобрал cледующие моменты
1️⃣ Граница владения и build/buy решения
Модели и базовый агентный цикл арендовать, контекст и адаптеры к внутренним системам дорабатывать, а права, идентичность агента и доказательства качества держать у себя.
2️⃣ Полномочия и инструменты
Умение агента спланировать исправление ещё не даёт права его выполнить, а механическая обёртка OpenAPI в MCP не делает инструмент удобным для агента.
3️⃣ Проверка качества
Демонстрация, трассировка и проверочный набор отвечают на разные вопросы. Удачные и неудачные задачи стоит сохранять и прогонять при каждой смене модели, контекста или обвязки.
4️⃣ Экономика
Когда работа разбита на проверяемые инженерные эпизоды, можно пробовать меньшие модели и отделять планирование от исполнения.

А собственные доработки придётся регулярно перепроверять: следующая модель может справиться с той же задачей без накопленных обходных решений.

Материалы выпуска:
📌 Страница выпуска с таймкодами
📊 Слайды доклада
🎬 YouTube, VK Видео
🎧 Podster, Яндекс Музыка, Apple Podcasts
📝 Текстовый конспект

Какую часть AI-стека вы уже сделали своей? И когда последний раз проверяли, что она всё ещё лучше готового решения?

#AI4SDLC #AI #Agents #Architecture #PlatformEngineering #Evals