Онлайн-конференция

AI Dev
Conf 2026

Конференция об агентной разработке

Когда

26 и 28
ноября

Где

Онлайн

Зарегистрироваться

26.11ДокладыДва параллельных трека и круглый стол

28.11Мастер-классыТри практикума по агентной разработке

При поддержкеJUG Ru Group

Кому будет полезно

01Инженеры

Разработчики, DevOps-инженеры и тестировщики

Как реализовать агентную систему, которая решает мои задачи?
Как управлять знаниями о проекте?
Какие практики и инструменты взять на вооружение?

02Лиды

Тимлиды, продакты и техлиды

Как управлять разработкой, если часть кода пишут агенты?
Какие инструменты внедрять и как?
Какие метрики реально нужны, а какие устарели?

03Руководители

Руководители, менеджеры и инфраструктурные команды

Как внедрить AI в команде и получить измеримый результат?
Как не потерять данные компании?

Программа

26.11 · Доклады 28.11 · Мастер-классы

День 1 · 26 ноябрявремя московское, UTC+3

ТРЕК 1ТРЕК 2

15:00до 15:30

ТРЕК 1

Григорий ДобряковCTO AI First

Маржа вне IDE: что ломается, когда AI ускорил всё, кроме обещаний

15:45до 16:30

ТРЕК 1

Денис СлащевRaft

Общие AI-агенты: от личных чатиков к совместной разработке

Об организации совместной работы в Multica: обсуждения, постановки и решения сохраняются в общем пространстве задач, а команда единообразно использует корпоративных агентов.

ТРЕК 2

Константин ВолковVeai

Я уже видел это кино. Что меняет AI на самом деле

Расскажу, что увидел во внедрениях пилотов AI-агентов в российских компаниях из финтеха, телекома, промышленности и ритейла.

16:45до 17:30

ТРЕК 1

Павел ГолубевMicrosoft

Hypervelocity Engineering: разработка production-ready решений

Разберу методологию HVE: инструменты, агентные воркфлоу и как tiny-teams сводят инженерию, продукт, дизайн и домен в production-ready решения.

ТРЕК 2

Павел ФедотовскийЯндекс

Как закрывать весь SDLC с помощью агента

Как построить инженерный контур из памяти проекта, скиллов и MCP, который превращает агента из генератора кода в участника всего SDLC среды, в которой изменение можно довести до прода.

17:45до 18:30

ТРЕК 1

Евгений СергеевHead of AI Platform

Эвалы для агентских продуктов: что покрывать и когда остановиться

О том, как собрать эвалы для агентского продукта: начать с карты сбоев, выбрать метрики, разделить работу между оффлайн- и онлайн-эвалами и понять, когда покрытия уже достаточно. Всё покажу на одном сквозном примере на открытом стеке.

ТРЕК 2

Спикер уточняется

Тема уточняется…

18:45до 19:30

ТРЕК 1

Александр ВолочневCodeRabbit

Drunk on AI Speed

Этот доклад о том, что происходит, когда менеджмент решает, что достаточно просто натравить агентов на продакшен-код, и о том, что мы, инженеры, можем сделать, чтобы вернуть себе утраченный контроль.

19:35

ЗакрытиеПодведение итогов и дальнейшие планы · до 19:40

19:40до 20:30

КРУГЛЫЙ СТОЛ

Lost in Semantics

Обсудим, как семантический слой помогает людям и машинам говорить на одном языке, кто должен за него отвечать и можно ли вообще доверять агенту данные без него.

День 2 · 28 ноября · мастер-классывремя московское, UTC+3

11:00–12:4501

Филипп БочаровMWS

Observability AI-агентов с Langfuse

Мы разберём Langfuse — open source инструмент наблюдаемости для AI-приложений. Участники научатся трассировать вызовы LLM, собирать метрики, оценивать качество ответов и выполнять диагностику агентов так же, как и обычных продовых сервисов и приложений.

13:00–14:3002

Павел ВостриковKaspersky

Homo agenticus v2. Спим и видим: передача агентного контекста от владельца продукта разработке

Интерактивный практикум о Навыках в агентной разработке:

Решим продуктовый кейс.
Любой желающий сможет попробовать себя в формировании эффективного Харнесса на базе Навыков, скиллов и продуктовых метрик.
Научимся на совместной практике формировать и использовать продуктовые метрики как источник истины для работы команды агентов, инженеров и владельцев продукта.

14:45–16:1503

Александр ВолковCloud.ru

Как собрать своего QAI-агента: тестирование задач и root-cause анализ

Соберём своего QAI-агента — агентную систему, которая помогает тестировать задачи и проводить root-cause анализ. Построим команду специализированных агентов: разбор задачи/баг-репорта, исследование логов и данных, построение и проверка гипотез.