AI Semantic Layer или граф-онтология вашей компании
Спикеры
R77.AI
Максим Кочуков — CTO R77.AI
- 8+ лет опыта в IT, инженерной разработке и техническом лидерстве; background в Security: участник большого числа международных CTF-соревнований, многократный победитель и призёр.
- ex-CTO Dbrain (YC), ex-Mirror AI (YC), ex-Яндекс, ex-Kaspersky.
- Выпускник МФТИ: прикладная математика и информатика.
- Лектор Computer Networking в МФТИ.
- Специализация:
- архитектура AI-native продуктов и production-инфраструктуры для ML;
- MLOps, orchestration ML-пайплайнов, deployment и эксплуатация моделей;
- распределённые вычисления, data processing и backend-системы высокой надёжности;
- построение инженерных платформ для разработки, тестирования и внедрения AI-решений;
- техническое лидерство: от архитектуры до процессов разработки и production ownership.
Кому полезно
О чём доклад
(будет обновлено позднее) Как построить корпоративных ИИ-агентов, которые знают системы и процессы компании, учитывают SDD/ADR, связывают договоренности из звонков с состоянием проекта и замечают отклонения от плана? И как сделать это без раздувания промптов и повторного сбора одного и того же контекста?
Мы покажем AI Semantic Layer, общий инфраструктурный слой между корпоративными данными и агентами. Он объединяет системы, документы, регламенты, логи, транскрипты встреч и по сути все интересующие компанию цифровые следы в связанную модель. Агент получает из нее небольшой фрагмент данных для своей задачи вместе со ссылками на источники.
Каждый агент, вместо того, чтобы грузить в себя весь контекст, получает из AISL релевантный срез информации с указанием источников.
На примере внедрения в крупной финансовой организации разберем: - как построить онтологию реального бизнес-процесса - как связывать сущности без единого идентификатора - что хранить в графе, а что получать в рантайме - как извлекать события, задачи и решения из документов и звонков - как измерять стоимость контекста в токенах и времени разработки
Покажем архитектуру, промежуточные результаты и ошибки, обнаруженные при переходе от отдельных ИИ-пилотов к общему контекстному слою, а также объясним, где такой подход не окупается.
