💻 Воркшоп: «Построение AI-агента: Говори с данными на языке бизнеса»
Доклад принят в программу конференции
Целевая аудитория
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
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.
Руководитель бэкенд-направления команды витрины в KION. Больше 15 лет в медиа-IT. В качестве хобби написал распределенную поисковую систему. В KION руководит командой, отвечающей за персонализированную рекомендательную витрину, обработку больших данных и A/B-эксперименты. Команда отличается минимальным time-to-market и высокой эффективностью. Адепт data-driven-подхода, юнит-экономики и оптимизации разработки. Обладает глубокими знаниями в проектировании распределенных систем, работе с брокерами сообщений, ETL-процессами и микросервисной архитектурой. Успешно сочетает техническую экспертизу с управленческими навыками.
