«LigaGPT: как мы построили и эксплуатируем агентную AI-платформу для QA, SRE и поддержки»

LLM

Программный комитет ещё не принял решения по этому докладу

Целевая аудитория

— Архитекторы и инженерные лиды, проектирующие внутренние AI-платформы. — SRE- и DevOps-инженеры, отвечающие за эксплуатацию и наблюдаемость. — QA-лиды и инженеры, работающие с TestOps и масштабируемыми тест-процессами. — Техлиды и инженерные менеджеры, внедряющие AI в критичные IT-контуры. — Команды, строящие платформенные AI-решения для внутренних сервисов и поддержки.

Тезисы

— Как проектировалась агентная AI-платформа LigaGPT для QA, SRE и поддержки.
— Почему в LigaGPT отказались от ассистентов в пользу специализированных агентов.
— Архитектура LigaGPT: агентные микросервисы, LLM gateway и асинхронное выполнение.
— Воспроизводимость, отладка и контроль автономности AI-агентов в LigaGPT.
— Практический опыт эксплуатации LigaGPT в production-контуре.

Константин Попандопуло

Umbrella IT

Технический директор Umbrella IT. Специализация — внедрение AI-инструментов в бизнес-процессы, оптимизация разработки ПО и разработка эффективных IT-стратегий, которые приносят клиентам результат. Умеет собирать сильные команды и успешно проводить цифровую трансформацию. Регулярно выступает на отраслевых и бизнес-конференциях, а также является автором множества статей и экспертных комментариев в СМИ.

Видео

Другие доклады секции

LLM

LLM Performance Playbook: как выбрать модель и конфигурацию сервинга на основе воспроизводимых тестов

Антон Удалов

Magnit Tech

Опыт перехода от maas к selfhosted/on premise моделям: проблемы, боли, решения

Сергей Нотевский

Битрикс24

VLM для автоматической разметки сцен автономного вождения: практический опыт, вызовы и решения

Иван Катречко

Navio

Как мы автоматизировали процесс Code review в Авито при помощи LLM

Марк Каширский

Авито тех

Быстро делаем вашу AI систему расширяемой и поддерживаемой с помощью DSPy

Николай Сенин

Независимый исследователь

Ускоряем работу с контент маркетингом и SMM при помощи ИИ

Сатаров Дмитрий

Агентство интернет-маркетинга "Эй, Стартапер!"

Построение защиты LLM и агентов: контроль, guardrail-подходы и их валидация

Никита Облаков

HiveTrace

Внедрение LLM в модерацию: от PoC до целевого решения

Сакаев Руслан

Авито

Как мы растим эффективность в Яндекс Доставке: аналитические методы, unsupervised learning и LLM для повышения точности навигации

Андрей Нарцев

Яндекс Доставка

Приручаем зоопарк - архитектура и оркестрация в мультиагентных системах

Сергей Мамонов

Домклик

Как сделать умный поиск кандидатов?

Алексей Осипов

ГК Юзтех

Как “смотреть” на табличные данные: подвыборки и мета-характеристики вместо отдельных объектов

Ирина Деева

Университет ИТМО

Как ломаются LLM Guardrails: практический разбор NER для ПД

Богдан Минко

Hivetrace

RAG умер. Да здравствует Agentic RAG: Эволюция умного поиска.

Артем Косенко

CodeInside

От чат-бота к агенту: как строить интерпретируемую автоматизацию поддержки с GPT

Николай Пономаренко

Техплатформа Городских сервисов Яндекса

Кентавр: Революция в запуске IT-продуктов через гибридную аналитику

Шагалов Андрей Владимирович

Артезио

Практика применения LLM в задачах безопасности приложений

Дмитрий Марюшкин

Ozon Fintech

RAG и agentic‑подход в отечественных ИТ‑решениях: от бота к фабрике цифровых агентов

Максим Малышев

NOTAMEDIA

Мутационное тестирование как будущее агентского кодинга

Евгений Блинов

The Mutating Company

Эволюция Red Teaming’a в эпоху агентного ИИ

Данил Капустин

Raft Digital Solution

Наш путь в Machine Unlearning: От теории к практике

Вадим Шубин

Raft

Большие языковые модели: история и причины "взрыва"

Рыскулов Сергей Николаевич

Т-Банк