AI-first часто буксует не из-за моделей, а из-за более приземленных причин.
В зале «Кинетика» (1 этаж) как раз разбирают, где обычно возникают реальные ограничения.
Миф №1. «Достаточно выбрать хорошую модель»
🔴 15:00–15:30 | Александр Сидоров (Wildberries & Russ)
Почему успех data/ML-проектов зависит от зрелости компании: доступности данных, понятных целей и готовности процессов к изменениям. Уровни их развития «красный/оранжевый/зеленый», AAARRR-воронки и практичная диагностика.
(доклад идет)
Миф №2. «Менеджмент не изменится»
🕞 15:35–16:05 | Вячеслав Болгов (Президентская академия / ВШГУ)
Как ИИ забирает рутину и что делать менеджеру, чтобы играть в нападении. Реальный опыт в строгих условиях закрытого контура (госсектор): отчеты 30 минут → 30 секунд, прозрачная постановка задач в Jira и кейс с легаси-кодом, где ИИ за 15 минут решил баг, над которым бились полторы недели.
Миф №3. «AI-first — это просто чат-интерфейс»
🕓 16:10–16:40 | Аслан Байрамкулов (ЦУМ)
Переход от отдельных ML-сервисов к единому AI-помощнику: архитектура роутинга, классификация интента, оркестрация, fallback-сценарии и работа с контекстом диалога. Что уже работает, что пока нет, и с чего начинать такую схему.
🕟 16:45–17:15 | Дмитрий Якунин (MyDataHub)
Как собрать единую точку входа для AI- и ML-продуктов вместо разрозненного набора инструментов: почему один маршрутизатор лучше 500 агентов, как плагинная архитектура подключает новые продукты за дни без переписывания фронта, и как LLM собирает интерфейс под запрос.
Хорошие модели сегодня доступны многим. Разница все чаще в том, как компания умеет с ними работать — об этом говорим в «Кинетике» прямо сейчас.
2
1
1May 22, 2026 1K 4
