← Каталог

· AI Engineer Europe 2026

Как использовать предметную экспертизу

How to Leverage Domain Expertise — Chris Lovejoy, Notius Labs

Качество вертикального AI-продукта зависит от того, как организация встраивает экспертизу предметной области, а не от выбора самой сложной модели.

  • Три роли эксперта — Oracle сам правит выходы и промпты, Evaluator задаёт метрики и систему измерений, Architect строит систему, которая улучшается из использования без ручной правки. Выбор зависит от того, можно ли измерить качество и достаточно ли быстра ручная итерация.
  • Масштаб меняет роль — в Granola один эксперт сам проверяет заметки и правит промпты. В Tandem из-за множества специальностей и стран появился децентрализованный Oracle из нескольких врачей, а в Anterior клиницисты размечали выходы через дашборд, и понадобился переход к Architect.
  • Один ответственный за качество — по словам спикера, комитет без владельца замедляет работу, а два старших клинициста без реальных полномочий ушли из компании через 12–18 месяцев.
  • Широкий набор навыков — экспертиза предметной области обязательна, а data science, продуктовый менеджмент и опыт работы с LLM-продуктами можно добрать в паре с коллегой.

Кому полезно: тем, кто строит продукт в регулируемой области, например в медицине или страховании, и решает, кого нанять или как организовать оценку качества AI.

Статья по теме

Главы

Ещё доклады: Christopher Lovejoy

Страница спикера →

Похожие доклады