Панельная дискуссия «AI в производственном процессе» Прочее
СРО платформы для разработчиков в Авито, то есть занимается developer expirience, а в прошлом
руководил продуктовым и проектным офисом платформы для девелоперов в Яндексе в райдтех и е-ком.
До этого 8+ лет помогал сделать Сбербанк онлайн надежнее.
Началось все с того, что нужно было написать маленькое ТЗ на внедрение Circuit breaker, а дальше все как в тумане: рост с 7 млн пользователей до 79 млн, уникальные вопросы (посмотрим, как вы отнесетесь, если вам не хватает денег на карте, чтобы оплатить покупку, а сервис пополнения недоступен — это вам не сломавшиеся фоточки), проектирование отказоустойчивой архитектуры, масштабирование всего и вся.
И вот, он уже Head of PMO, за спиной распил того самого монолита СБОЛа, который столько лет пилил, 500+ микросервисов и 180 тыс. входов клиентов в минуту.
И тут бы сказать себе — все офигенно, наконец-то можно расслабиться, но так дела не делаются.
Поэтому Артем стал директором по технологическому развитию в департаменте данных и рекомендательных систем. Ага, это те самые, которые вам рекомендуют купить чехол, когда вы купили iPhone или присылают смс с предложением по кредитной карте или рекомендуют вам фильмец на вечер.
А еще у них в обойме MDM система на 107+ млн клиентов, кросс-продуктовый кеш для всего банка — это когда у тебя никто не ходит в процессинг и другие АБС напрямую, а ходит к тебе: 70 + тыс. запросов в секунду.
А что там делал Артем?
1. Отвечал за техническую повестку: переход на новый техстек (отказ от Oracle, OSE и т. п.).
2. Повышал эффективности разработки: новые практики, расшивание узких мест и т. п.
3. AI-фицировал производство: использование AI на всех этапах производственного конвейера.
Закончил МФТИ, ранее занимался машинными обучением и продуктовой разработкой в компаниях Samsung и Parallels и Voximplant. Сейчас возглавляет NLP направление в AI-центре Т-Банка.
Руководит разработкой юнита рекомендаций и ML-платформы в Авито. Юнит рекомендаций отвечает за стабильность и качество рекомендаций в любых уголках Авито, в том числе на Главной странице. ML-платформа выстраивает MLOps-процессы в компании.
Тезисы
Сo-pilot в разработке — тренд последних лет. Однако этот трек не единственный в ландшафте AI-оптимизации внутренних процессов в бигтехе.
Вместе c коллегами из Яндекса, VK, Т-Банк, Truffle и Авито обсудим:
1. как в целом можно замерять эффективность производственного процесса — овервью и типичные трудности;
2. как вовлечь разработчиков в использование новых инструментов, какие механики использовать для масштабирования внутри компании;
3. как можно использовать AI в разных ролях: поддержки, дизайна, аналитики, солюшн-архитектуры, тестирования;
4. когда это становится cost-effective.
Поищем общие и конфликтующие позиции, послушаем success-stories из первых рук.
