Аналитический марафон #18 — ИИ нового поколения в анализе
ИИ стал неотъемлемой частью работы аналитика. На конференции разберёмся, что же такое ИИ нового поколения в анализе: ИИ как рабочий инструмент аналитика — от документации до чужого кода.
Что реально можно делегировать ИИ, а что нельзя. Черновики пользовательских историй и сценариев, заготовки SQL-запросов, наведение порядка в «простыне» требований, диаграммы из текста. Где ИИ экономит часы, а где создаёт иллюзию готовности.
Документация как код. Текстовые форматы и система контроля версий вместо вики, ревью требований как ревью кода.
Безопасность данных при работе с ИИ. Что нельзя отправлять в запрос к модели, облачные и локальные модели, ИИ-политика компании.
Обратный анализ кода с помощью ИИ. Как восстановить документацию по унаследованному коду без исходного ТЗ.
AI-разведка чужой системы: как собрать проверяемый контекст из документации и кода
Как системному аналитику использовать AI для изучения незнакомой системы и не принять убедительную догадку модели за подтверждённый факт. В докладе разберём практический пример и поймём, как грамотно это делать.
После доклада участник сможет:
организовать исследование незнакомой системы с AI;
использовать чужой код как источник свидетельств, не превращая его в единственную истину;
отделять факты от интерпретаций модели;
находить конфликты между документацией, решениями и реализацией;
собирать проверяемый контекст перед изменением системы;
определять ситуации, в которых AI должен остановиться и запросить решение человека.
Прочтёт ли AI-агент ваши требования?
Как новый стандарт организации агентской памяти от Google меняет подход к разработке документации
Короткая заметка Андрея Карпати об организации агентской памяти в виде набора wiki-страниц породила множество обсуждений и экспериментов. Google представил сразу два проекта: стандарт Open Knowledge Format (OKF) и фреймворк WikiSkill.
В своём выступлении я расскажу:
что такое OKF;
как этот стандарт может повлиять на структурирование постановки задачи и описание архитектуры решения;
чем он похож на агентские навыки, а чем отличается.
Развитие языковых моделей меняет и форматы документации. И хотя единые форматы представления знаний для людей и AI-агентов ещё только формируются, начинать использовать их можно прямо сейчас.
РискиИ: обратная сторона делегирования
Мы довольно быстро учимся делегировать ИИ всё больше задач. Но, возможно, интереснее другой вопрос: что именно мы делегируем вместе с ними?
Что получит аналитик, прослушав доклад:
карту рисков делегирования ИИ из четырёх классов — когнитивные, технические, риски автономности, риски данных и доверия — и вопросы, которые стоит задавать себе по каждому из них;
понимание, что происходит с навыками, вниманием, способностью проверять и самостоятельно рассуждать: почему решение задачи с ИИ не гарантирует ускорения, какие варианты взаимодействия с ИИ оказываются успешнее и почему когнитивное усилие при работе с ИИ даёт положительный эффект;
взгляд на накапливаемый долг: что происходит с сопровождаемостью, сложностью и стоимостью изменений, когда производство кода ускоряется, и как фронтирные модели справляются с рефакторингом и многочасовой автономной работой;
реальные примеры рисков автономности — что меняется, когда ИИ уже не только советует, но сам действует в среде и получает полномочия (разбор инцидента со взломом Hugging Face);
вопросы к данным и доверию: куда уходят данные, кто ещё получает к ним доступ и какие посредники появляются в цепочке (случай из недавнего отчёта Anthropic);
взгляд индустрии на риски ИИ: реестр рисков и свежие наблюдения;
умение узнать «противника» в лицо — чтобы замечать риски раньше, чем они сами найдут вас.
Принципы обучения нейронных сетей в биометрии: как учат модели, которым вы доверяете лицо и платите улыбкой
Как от базового понимания биометрических систем перейти к практическим принципам обучения нейросетей — с аугментацией, балансировкой данных и борьбой с переобучением.
понимание, что такое биометрия и как в принципе работают биометрические системы
