· 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 →От А до Я: создание AI agents
AI Engineer World's Fair 2024
Создание мультимодальных AI-агентов с нуля
AI Engineer World's Fair 2025
Похожие доклады
Внутри 847 клинических AI-заметок из продакшена
AI Engineer World's Fair 2026
Близко по содержанию
Практическое руководство по запуску ИИ-агентов в корпоративном масштабе
AI Engineer Europe 2026
Близко по содержанию
Практические приёмы создания надёжных AI-приложений
AI Engineer World's Fair 2025
Близко по содержанию

