После перерыва в зале «Молекула» стартует трек для тех, кто хочет разобраться, как собирать AI-помощников без vendor lock-in, с прозрачной архитектурой и понятной экономикой.
Четыре истории подряд:
🔍 15:00–15:30 | Беслан Курашов (plevako.ai)
Как устроен современный AI-сервис под капотом: от выбора базовой модели и планирования действий до оркестрации всего стека. Все на хардкорном опыте plevako.ai — GPU, параллелизм, бэкенд, векторный поиск, кастомные функции. Слушатели получат ясную схему, из каких «кубиков» собираются рабочие AI-сервисы и как развернуть такой под свою задачу.
🧪 15:35–16:05 | Виктория Качалова (Kameleoon)
Команды теряют до 70% выигрышных гипотез — часть застревает в очереди на тестирование, часть «умирает» на пути к выкладке. Спикер покажет, как закрывать этот разрыв с помощью AI-агента: генерация и сборка эксперимента, помощь в поиске и оценке гипотез, деплой с помощью МСР-сервера.
📈 16:10–16:40 | Аркадий Лысяков (Т-Банк)
Почему метрики чат-ботов (CR/CSAT/время ответа) мало что говорят про LLM-агентов, и чем их заменять. Практика A/B-тестирования AI-воркфлоу и подход к контролю качества, скорости и стоимости в AI‑native‑поддержке.
📊 16:45–17:15 | Сергей Захарченко (Dopamine
Analytics, «Динамика»)
После ухода Amplitude и Mixpanel команды массово откатились к статичным дашбордам. Эксперт покажет путь «от плоского графика к AI-аналитику на примере платформы «Динамика». Отдельно — про ИИ-ассистента Дину внутри платформы: поиск аномалий 24/7, проактивная генерация гипотез и оцифровка влияния инсайтов на выручку.
Этот трек — про AI, который можно не только эффектно показать на демо, но и контролировать и развивать в реальном продукте.