💻 Воркшоп: «Построение AI-агента: Говори с данными на языке бизнеса»

GenAI и большие языковые модели (LLM)

Метрики

Лайфхаки

Инструменты

Google Outlook Apple

Доклад принят в программу конференции

Мнение Программного комитета о докладе

А что, если один воркшоп - и у вас есть AI-агент для аналитики? Один воркшоп - и новый скилл в копилку? А еще, такие строчки в резюме: - опыт построения AI-агентов; - работа с OpenCode, ClickHouse, Redash, MCP в связке; - внедрение LLM-инструментов в data-процессы с учетом enterprise-требований.

Целевая аудитория

Продуктовые команды и инженеры данных, которые устали от рутины: - Продуктовые аналитики и менеджеры, стремящиеся к самостоятельной работе с данными без постоянных посредников. - Разработчики (Python, Backend), которым приходится часто писать SQL или строить дашборды для поддержки бизнес-запросов. - Специалисты по данным (DWH, DBA, Data Engineers), заинтересованные в автоматизации рутинных запросов и улучшении гигиены данных.

Тезисы

Аналитики тратят часы на SQL-запросы, которые «почти как в прошлый раз, но не совсем». Каждая BI-система — свой синтаксис, каждый дашборд — ручная работа, каждая выгрузка — снова с нуля. Знакомо?

А что если просто написать: «Посчитай MAU и выручку по тарифам с 2025 года» — и получить готовый интерактивный график через 30 секунд?

Воркшоп построен по слоям. Сначала поднимаем рабочую среду и снимаем главную боль: агент читает схему вашей БД, историю запросов и отвечает на бизнес-вопросы на человеческом языке — без SQL вручную.

Но дальше интереснее. По ходу воркшопа будем намеренно сталкиваться с реальными проблемами: агент перегружает продовую базу — решаем. Агент путает имена таблиц и полей — решаем. Каждый слой добавляет надёжности, пока в финале не получим полноценное, защищённое AI-рабочее место продуктового аналитика, готовое к enterprise.

OpenCode — MIT open source, работает в терминале, без IDE и регистраций. Поддерживает 75+ провайдеров: Claude, GPT, Gemini и локальные модели через Ollama — данные не покидают вашу инфраструктуру.

Что заберёте с собой: - Поднятый рабочий стек с AI-агентом, настроенным под аналитику - Готовый AGENTS.md и понимание, как масштабировать решение в команде - Навык итеративного построения AI-инструментов: от прототипа до продакшена

Что сможете вписать в резюме: - Опыт построения AI-агентов для аналитики данных - Работа с OpenCode, ClickHouse, Redash, MCP в связке - Внедрение LLM-инструментов в data-процессы с учётом enterprise-требований

Барышев Сергей

ON Медиа (KION/MWS/МТС)

Я в ИТ более 20 лет, и мой путь начался не с классического программирования, а с экономики и задачи автоматизации реального трикотажного производства — бумаги до цифры. Этот опыт сформировал мой подход: глубокое погружение в предметную область как основа для создания масштабируемых и жизнеспособных систем. Моя экспертиза заточена под высокие нагрузки, проработав 9 лет архитектором и vCTO в «Литрес», (30+ разработчиков). Сейчас я фокусируюсь на применении ИИ в медиа, возглавляя это направление в «КИОН» (Медиа-кластер МТС), где решаю задачи, находящиеся на стыке технологий, бизнеса и миллионов пользователей.

Алексей Жиряков

Сбер

Исполнительный директор в ПАО Сбербанк, Дивизион платформы генеративного ИИ.
15+ лет в backend-разработке, руководитель инженерных команд. Ex Stream CTO KION, прошёл путь от senior-разработчика до руководителя направления: занимался построением высоконагруженных систем, вёл направления backend, данных и A/B-экспериментов, отвечал за highload-архитектуру, платформу данных и персональные витрины. Ex лидер Python-гильдии и TechMaster MWS. Внедрял DORA, OKR, performance review; запускал AI-агентов для автотестов и ускорения code review; растил «продуктовых» разработчиков (dev + QA + analyst)