От LLM на CPU до корпоративного AI-ассистента: наш путь в QA
Программный комитет ещё не принял решения по этому докладу
Целевая аудитория
Тезисы
В октябре 2025 года мы начали экспериментировать с LLM в QA-процессах. На старте у нас не было GPU, поэтому первые эксперименты запускали на CPU с использованием Ollama и небольших моделей. Ответ на запрос мог занимать до 10 минут, но даже при таких ограничениях первые результаты показали, что LLM может быть полезна в повседневной работе QA.
В докладе покажем весь путь: от первых экспериментов на CPU до текущей архитектуры AI-ассистента. Разберём, зачем понадобился агент, как мы проектировали навыки и инструменты, и почему простого подключения LLM оказалось недостаточно.
Расскажем, как измеряем использование и эффективность решения: кто и для каких задач использует ассистента, какие сценарии наиболее востребованы, сколько запросов выполняется, как оцениваем качество ответов и какие метрики позволяют понимать реальную ценность AI для команд.
Более 6 лет в QA, последние 5 - в роли QA Lead. Люблю разбираться с процессами, которые отнимают время у команды, и искать способы их автоматизировать или сделать проще.
За время работы занимался развитием автоматизации, QA-процессов, внутренних инструментов и команд. Сейчас экспериментирую с применением AI в QA и делюсь опытом того, что из этого действительно работает на практике.
Видео
Другие доклады секции
Внедрение AI в SDLC
