Не ускорять разработку, а строить новую: опыт AI-native трансформации в международном банке
Программный комитет ещё не принял решения по этому докладу
Целевая аудитория
Тезисы
- Почему AI-помощник для каждой существующей роли ускоряет отдельные операции, но сохраняет прежние передачи, очереди и полный срок выпуска изменений.
- Как перестроить разработку вокруг end-to-end результата: бизнес задаёт цель и ограничения, команда владеет способом достижения, агенты выполняют стандартную работу, человек проверяет результат.
- Почему Product Engineer — не перегруженный fullstack и не механическое объединение нескольких профессий, а владелец результата и средств производства.
- Как harness связывает квалифицированную задачу, контекст, работу coding agent, merge request, человеческую проверку и доставку в production.
- Как каждая фича даёт два результата: изменение продукта и улучшение системы разработки через review, анализ traces, обновление контекста, проверок и инженерных практик.
- Почему для надёжной работы агентов приходится выравнивать структуру проектов, сборку, тестирование, CI/CD, архитектурные правила и зависимости.
- Что показала трансформация бизнес направления крупного корпоративного банка: лучшие изменения уже доставляются за несколько часов вместо недель
- Куда перемещается основное ограничение после ускорения coding: в качество постановки цели, полноту контекста и возможность быстро доказать правильность результата
I co-lead Financing within the Corporate and Investment Banking division of an international bank, sharing responsibility for P&L, products, sales and operations. My focus is building an AI-native bank from the inside, starting with Financing.
I do my best work when a technology shift makes the existing operating model obsolete. I go deep enough to form an independent view, give the organization a language for the shift and turn it into a working system.
Earlier in my career, I moved from information security into software engineering, co-founded a venture-backed startup as CTO, and rebuilt a fragmented product portfolio inside a large bank. Financing is the largest, most consequential and inspiring transformation I have taken on: rebuilding one of the core businesses of a major financial institution around an AI-native operating model:
- We have implemented generalist product-engineering model built around end-to-end ownership across every engineering team, and are now scaling it across the bank.
- We built an agentic delivery system that produces software changes with testing and verification built in.
- We are systematically turning consequential human-in-the-loop decisions into reusable organizational context.
Verification, inference economics and organizational design for an agentic world are among the problems I work on.
Ultimately, P&L is the scorecard. AI adoption, in and of itself, - is not a business outcome to us.
Видео
Другие доклады секции
Внедрение AI в SDLC
