Как работать за десятерых, но получать один оклад

30 ноября, 12:20, «Сан-Паулу»

Средняя сложность
Доклад принят в программу конференции
AI-ассистенты для кодинга и Spec-Driven Dev
Экономика, зрелость и стратегия AI-продуктов
AI в работе руководителя
AI-ассистенты для кодинга и Spec-Driven Dev
Экономика, зрелость и стратегия AI-продуктов
AI в работе руководителя

Мнение Программного комитета о докладе

Максим Шаланкин покажет, как вести десять окон агентной разработки без чтения каждой строки кода: приём смены, контрольные точки, автоматическое ревью и экономика дня. Вы получите пять точек контроля, карту задач, которые нельзя доверять агенту, и определите свой лимит параллельности.

Целевая аудитория

Разработчики и тимлиды, ежедневно работающие с AI-агентами и ведущие несколько параллельных потоков. Все, кто внедряет AI в SDLC и хочет удерживать качество кода на масштабе

Тезисы

Год назад я запускал один агентный поток и успевал читать каждую строку кода. Сегодня у меня до десяти параллельных окон агентной разработки, и держать в голове каждый поток физически невозможно. Если у вас так же, то вы не одиноки. Это новая инженерная дисциплина, у которой пока нет учебника. Но есть этот мастер-класс. Он для разработчиков и тимлидов, у которых уже работают агенты.

Что вы увидите вживую: работу десяти агентных окон в реальном времени; приём смены и точки, где нужны мои решения; ревьюера (параллельный harness), который принимает код без меня; hooks-гейты и протокол взаимодействия между агентами; честную экономику дня (что ушло на токены, что на моё время). Отдельно разберу устройство своего harness с долговременной памятью.

Всё это применяется в первый же рабочий день: правила «что отдать агенту и какое правило за это платит», шаблоны постановки и ревью, промпт критика. А свой предел параллельности (сколько окон вести именно вам) посчитаем на месте.

Спикеры

Максим Шаланкин
ML Tech Lead в финтех‑команде MWS (МТС). Более 7 лет в Data Science и production ML: строит высоконагруженные ML‑сервисы и ML‑платформы, развивает MLOps‑контуры, внедряет LLM и агентные системы в бизнес‑процессы

Другие доклады секции