Sber AI

• Покупают товары
• Бронируют отели
• Ищут билеты
• Работают с файлами и корзиной

Ждать отмашки от самого агента или использовать LLM-судью не нужно.

• Автоэнкодеры состоят из двух частей. Энкодер сжимает изображение лица, сохраняя важные признаки, а декодер восстанавливает его. В одной из схем общий энкодер работает с лицами двух людей, а для каждого лица обучают свой декодер. Чтобы сделать подмену, изображение одного человека обрабатывают декодером другого
ㅤ
• Генеративно-состязательные сети (GAN) обучаются через соревнование двух нейросетей. Генератор создаёт искусственные изображения, а дискриминатор пытается отличить их от настоящих. Генератор учится на результатах этих проверок и постепенно создаёт все более убедительную подделку
ㅤ
• Условные GAN (cGAN) работают по тому же принципу, но получают дополнительное условие, например, поддерживать нужное выражение лица. Генератор учитывает его при создании изображения, а дискриминатор проверяет и реалистичность результата, и соответствие условиюㅤ

🟣 ИИ-инструменты. Архитектура, метрики, ограничения и реальные кейсы внедрения
🟣 Модели и инфраструктура. Производительность, железо и оптимизация моделей
🟣 AI-native-организация. Изменение процессов и ролей в командах при агентизации
🟣 Harness. Предсказуемая и управляемая работа ИИ, спецификации, контекст, policies, workflow

• 16 октября, офис Сбера, г. Москва, пр-т Кутузовский, 32к1
• Вход по предварительной регистрации

• ИИ превратит кусок холста в шедевр искусства? Рассуждает Люк Бессон!
• Как развиваться тем, кто работает на благо геймеров?
• Стоит ли инвестировать в робототехнику?
• Как ИИ меняет обучение?ㅤ

• Это РЕАЛЬНО новая медицина
• Как не провалить автоматизацию бизнеса
• Про демопрототипы и успешные запуски
• Делаем оригинальный технологический продуктㅤ

⚡️ Спойлер: самому юному ИИ-фаундеру 13 лет

Люди стали придумывать ей работу. Цифровую модель мухи учили играть в DOOM, управлять машинками и торговать криптовалютой

Уютный осенний интерьер у большого окна. На переднем плане крупная керамическая чашка тыквенного латте с высокой молочной пеной, корицей и красивым поднимающимся паром. Рядом маленькие тыквы, тарелка с печеньем, несколько закрытых книг и мягкий плед. За окном — осенний городской пейзаж, золотые деревья и тёплый свет в окнах домов. Атмосфера очень тёплая, домашняя. Уютная современная книжная editorial-иллюстрация с осенней атмосферой: ручная живописная манера, гуашь, пастель, матовые краски, мягкие мазки, лёгкая бумажная фактура. Осенняя палитра — золотая, медовая, тыквенно-оранжевая, охристая, с мягкими прохладными акцентами в деталях интерьера и предметах.

Тихий городской парк золотой осенью у пруда. На переднем плане большой уютный плед для пикника, на нём книги, корзина, кружки с горячим напитком, маленькие тыквы, выпечка, яблоки и красивые фонарики со свечами. На заднем плане вода, каменный мост, лавка, старые деревья и мягкий городской пейзаж вдали. Атмосфера светлая, спокойная, осенняя, очень уютная. Уютная современная книжная editorial-иллюстрация с осенней атмосферой: ручная живописная манера, гуашь, пастель, матовые краски, мягкие мазки, лёгкая бумажная фактура. Осенняя палитра — золотая, медовая, тыквенно-оранжевая, охристая, с мягкими прохладными акцентами в деталях интерьера и предметах.

Тёплая домашняя кухня осенью. На переднем плане большой румяный яблочный пирог с красивой решёткой из теста. Рядом на тарелке лежит отрезанный кусочек пирога, рядом яблоки, половинка яблока, палочки корицы, чай или чайник, мягкий плед на краю стола или стуле. На заднем плане окно с яркими осенними деревьями. Атмосфера домашняя, аппетитная, мягкая и уютная. Уютная современная книжная editorial-иллюстрация с осенней атмосферой: ручная живописная манера, гуашь, пастель, матовые краски, мягкие мазки, лёгкая бумажная фактура. Осенняя палитра — золотая, медовая, тыквенно-оранжевая, охристая, с мягкими прохладными акцентами в деталях интерьера и предметах.

Уютный интерьер у окна в дождливый осенний вечер. На переднем плане чашка горячего чая или кофе с паром, книга, свеча и мягкий плед. За окном — мокрая городская улица, отражения фонарей в лужах, старые дома, прохожие под зонтами, тёплый свет в окнах. Атмосфера тихая, камерная, немного меланхоличная, но очень уютная и красивая. Уютная современная книжная editorial-иллюстрация с осенней атмосферой: ручная живописная манера, гуашь, пастель, матовые краски, мягкие мазки, лёгкая бумажная фактура. Осенняя палитра — золотая, медовая, тыквенно-оранжевая, охристая, с мягкими прохладными акцентами в деталях интерьера и предметах.

Осенняя домашняя кухня. На переднем плане большая керамическая миска яркого тыквенного крем-супа со сливками, семечками и зеленью. Рядом ломтики деревенского хлеба, маленькая мисочка с семечками, ложка, свеча, несколько маленьких тыкв и мягкий плед. На заднем плане окно с золотой осенью. Атмосфера тёплая, сытная, домашняя и спокойная. Свет приглушённый. Уютная современная книжная editorial-иллюстрация с осенней атмосферой: ручная живописная манера, гуашь, пастель, матовые краски, мягкие мазки, лёгкая бумажная фактура. Осенняя палитра — золотая, медовая, тыквенно-оранжевая, охристая, с мягкими прохладными акцентами в деталях интерьера и предметах.

8 октября в Университете Иннополис состоится AI-спринт САПФИР для студентов и молодых исследователей, которые работают в области искусственного интеллекта

🟣 Научимся формулировать исследовательскую задачу
🟣 Проверим гипотезы и определим вклад своей работы
🟣 Разберём ошибки, которые снижают шансы публикации на отборе

А затем — практика. Мы соберёмся в команды, чтобы проработать исследовательский кейс и представить свои решения экспертам

Рассказал, как агентные системы меняют подход к работе с ИИ и почему компаниям уже сейчас важно адаптировать бизнес-модели и процессы к новым возможностям технологии.ㅤСледующим шагом, по его словам, станет выход ИИ в физический мир. 2026 и 2027 годы будут посвящены созданию функциональных роботов, а с 2028 года их можно будет массово применять в разных сферах.ㅤЕщё одной частью программы стала дискуссия Германа Грефа и заместителя руководителя Администрации Президента России Максима Орешкина о развитии ИИ-агентов и их месте в экономике и обществе.

Показал возможности применения ИИ на всём жизненном цикле разработки продукта и рассказал о развитии архитектуры AI PSLC.

Обозначил ключевые направления развития GigaChat 3.5 Reasoning, единственной российской открытой модели с последовательным рассуждением. По уровню следования сложным инструкциям, планированию и написанию кода GigaChat 3.5 Ultra Reasoning вплотную приблизилась к лучшим мировым моделям.

Обозначил принципы ИИ-трансформации и ключевые вызовы внедрения ИИ-агентов при переходе к агентной экономике.

Персональный агент, которому достаточно задать цель. Он работает 24/7, запоминает действия пользователя, развивается и решает задачи целиком: управляет почтой и календарём, собирает дайджесты новостей и помогает создавать контент для личного блога.

Платформа для создания и управления ИИ-агентами внутри компании, позволяющая перейти от личной эффективности к командной. Агенты работают с данными, системами и процессами организации и помогают решать большие задачи.

Aгентная среда для создания мини-приложений и дашбордов по текстовому описанию прямо внутри GigaCowork. Пользователю нужно лишь описать желаемый результат, источники данных и правила расчёта.

СОВЕТЫ И ЛАЙФХАКИ
🗣 Александры Шкабарня

Наша профессия находится на острие технического прогресса, поскольку именно системный аналитик упаковывает смыслы в язык информационных систем. И поэтому нам проще всех, наверное, даётся работа с LLM. Всё держится на трёх главных навыках 👇

👉 Овладеть искусством промптинга. Чтобы успешно двигаться в работе, одного промптинга уже недостаточно. Важно освоить написание кода, проведение приёмо-сдаточных испытаний и вывод в прод. Но начать стоит именно с уверенного владения промптингом.

👉 Погрузиться глубже. И начать разбираться в более продвинутых вещах: что такое контекст, правила и ограничения, как заставить модель работать на вас, не выходя за пределы тех правил, которые вы зададите.

👉 Осознать ценность коллаборации. Это, как ни странно, лежит не внутри технологии, а в людях. Общайтесь с коллегами и с командой, обменивайтесь опытом и работайте над вашим конвейером поставки ценностей совместно. Тогда вас точно будет ждать успех!

СЕКРЕТНЫЕ МАТЕРИАЛЫ
🗣Анны Покровской

Мы используем ИИ в работе постоянно. Вот задачи, для которых я привлекаю нейросети чаще всего 👇

👉 Быстро разобраться в легаси. Чтобы понять, как работает кусок проекта без документации, который придумали тысячу лет назад, я загружаю данные в ИИ и прошу объяснить нужную функциональность: как она устроена, от чего зависит и какие есть ограничения. Всё это поручаю собрать на страницу с требованиями в Confluence — так документация сохранится и для команды.

👉 Проверить требования. Люблю отдавать ИИ написанные мной требования и просить найти противоречия, неоднозначности и пропущенные сценарии. Пользователь может понять что-то иначе, чем я, или сделать то, чего я не предусмотрела. ИИ помогает посмотреть свежим взглядом и понять, что ещё нужно уточнить у бизнеса.

👉 Продумать архитектуру. Обсуждаю с ИИ, как лучше устроить систему: на какие части её разделить, как они будут взаимодействовать и где могут возникнуть сложности. Описываю задачу и ограничения, прошу предложить несколько вариантов и сравнить их. Это помогает увидеть плюсы и минусы разных подходов и аргументировать свой выбор при обсуждении с командой.

👉 Разбить большие задачи. Когда я работаю над крупной фичей, прошу ИИ помочь с декомпозицией и приоритезацией: какие задачи нужны для её реализации, что нужно сделать сначала, а что можно разрабатывать параллельно. Ещё могу загрузить проект и попросить найти зависимости между компонентами и сервисами, разобраться, что уже есть в коде, а чего не хватает для новой функциональности.

При тестировании готовых ревьюеров команда LinkedIn столкнулась с систематическими ошибками. Модели регулярно пропускали одни типы проблем и избыточно отмечали другие⠀

Оркестратор параллельно запускает субагентов. У каждого своя модель, поиск контекста, промпты и фильтрация результатов. Несколько моделей изучают код и не видят выводов друг друга. Если находят одну проблему, уверенность в ней растёт. Если ошибку замечает только одна модель, другая перепроверяет находку.⠀

Каждое изменение модели, промпта или харнесса проходит попарное сравнение с текущей версией. В нём используют LLM-судью, три раунда и смену позиций ответов. После релиза отдельный пайплайн сверяет предложения со смерженным кодом.

Платёжному сервису и экспериментальному фронтенду нужны разные стандарты ревью. Поэтому оркестратор сочетает правила всей компании. У него есть три уровня инструкций: глобальные YAML-правила организации, правила репозитория и требования конкретного кейса.⠀