Декоративное изображение
492
Программа конференции объединила несколько тематических направлений: экономику масштабирования цифровых продуктов, методы снижения стоимости проверки гипотез, архитектуру прикладного AI, ML&AI-инженерию, data-платформы, управление ассортиментом и спросом в retail и e-commerce, а также внедрение LLM и AI-агентов в реальные бизнес-процессы

От аналитики к AI-first решениям

Центральной темой стало применение LLM и AI-агентов в продуктовых процессах.

Дмитрий Михель из «Авито»  рассказал о системе Next Best Action, где ML и LLM помогли в 7–10 раз оптимизировать работу сейлз-команд.

Елизавета Афанасьева из «Точка Банка» поделилась опытом токенизации русского языка и подготовки данных для дообучения LLM.

Владислава Павликова и Ольга Логинова из MTS Web Services представили мультиагентную платформу с долгосрочной памятью и RAG-подходом для персональных пользовательских сценариев.

Дешевле проверять гипотезы

Никита Бобух из «Авиасейлс» поделился подходами к A/B-тестированию без участия разработчиков, а команда VK, «Дзен» показала, как LLM автоматизируют пост-анализ экспериментов и выявляли скрытые факторы, влияющие на результаты.

Инфраструктура для AI

Роман Гриднев из «Яндекса» рассказал об автоматизированном каталоге данных на базе LLM — решение сэкономило более 5 лет рабочего времени специалистов.   Сергей Бажин из ИТ-холдинга Т1 разобрал метод Test-Time Learning: адаптация LLM к новым задачам во время инференса без размеченных данных.

Конференция также включала мастер-классы, дискуссии и партнерские активности, которые позволили участникам обсудить реальные кейсы внедрения AI, обменяться опытом и познакомиться с новыми инструментами для работы с данными и продуктами.

Интервью
Декоративное изображение

Сеть «Перчини»: гости хотят получить убедительный аргумент для выбора ресторана

Сеть развивает 40 ресторанов в 25 городах страны и планирует расти, делая ставку на пиццу и пасту.

Новость от компании:

Декоративное изображение
Декоративное изображение