← Каталог

· AI Engineer World's Fair 2026

Проектирование AI-систем: от идеи до продакшена

AI System Design: From Idea to Production

Прежде чем генерировать код, AI-системе нужны измеримая бизнес-проблема, ограничения и метрики успеха, а архитектуру стоит начинать с простейшей схемы.

  • Метрики в требованиях — успех задаётся конкретным числом и сроком: в примере со страховыми заявками спикер предлагает сократить время обработки срочных запросов с двух дней до часа в течение 90 дней после запуска.
  • Простейшая архитектура первой — спикер советует начинать с control flow, где порядок шагов задан кодом, а LLM выполняет отдельные задачи. Сложность стоит добавлять только после оценки и по найденным пробелам.
  • Гибридный поиск для медицинских текстов — диагнозы и коды процедур могут плохо находиться векторным поиском, поэтому спикер добавляет метаданные для фильтрации или hybrid search.
  • Сигналы из продакшена — доля случаев, когда ревьюер переопределяет решение LLM, и время проверки рекомендации. Высокая доля переопределений, по логике доклада, говорит, что система не справляется с задачей.

Кому полезно: тем, кто проектирует AI-системы с участием человека в цикле и высокой ценой ошибки, например обработку заявок в медицине или страховании.

Статья по теме

Главы

Ещё доклады: Apoorva Joshi

Страница спикера →

Похожие доклады