AI bubble: погляд інвестора

Андрій Бродецький

Investment Associate, Horizon Capital

Дизайн людино-агентної взаємодії

Ми звикли говорити про те, як побудувати AI-систему і наскільки добре вона виконує задачу. Але справжнє питання — як AI змінює саму взаємодію людини з комп’ютером і як системи, які ми створюємо, будуть інтегровані в повсякдення людей.

Марія Гірна

AI Research Lead, MacPaw

2026: Один день з життя AI-Native Team

Доповідь пропонує погляд у майбутнє на те, як інженерні команди працюватимуть, коли штучний інтелект стане не просто додатком, а основним рушієм продуктивності, креативності та командної структури. Презентація охоплює практичний шлях — від перших кроків із AI-інструментами до створення агентних команд, базуючись на мультигалузевому досвіді EPAM та еволюції платформи AI/Run. У фокусі — перехід до T-shaped AI-first спеціалістів, реальні виклики трансформації процесів і культури, а також ключові метрики та ефективні механізми зворотного зв’язку. Сесія містить практичні інсайти та досвід реальних трансформацій, а також огляд трендів, які формуватимуть AI-нативні організації до 2026 року.

Вадим Власенко

AI Director, EPAM Україна

Autogen Framework як основа SDLC платформи: досвід та особливості використання

Автономні агенти мають широкі можливості для швидкого підлаштування під різні завдання, самоаналізу та корекції, а також для розширення системи новими інтеграціями та функціональністю. Одним із ключових факторів, які визначають кінцеві можливості системи, складність її підтримки та масштабування, є вибір агентного фреймворку.
‍
У цій доповіді я розповім про досвід використання Autogen Framework від Microsoft у реальній платформі, що застосовує GenAI-агентів для спрощення та прискорення типових завдань у SDLC. Ми розглянемо, чому саме Autogen було обрано як основу платформи, які основні вимоги висувалися до агентного фреймворку, та наскільки ці вимоги були реалізовані — як у теорії, так і на практиці.

Андрій Барсуков

Software Architect,
Capgemini Engineering Eastern Europe GEC

Як ШІ змінює процеси у продуктових IT-командах: реальні приклади автоматизацій

Сергій Капранов

СEO, Spirio by SKELAR

Дмитро Софина

CEO & Co-founder,R&D Center WINSTARS.AI

Дмитро Лукашов

Applied Scientist, SQUAD

Модератор

Павло Лисий

Senior Machine Learning Engineer,
Universe Group

LoRA vs RAG: драма штучного інтелекту

Штучний інтелект переходить від монолітних моделей до модульних систем, де кожен компонент має власну роль. У центрі цієї зміни – підходи LoRA та RAG: один змінює модель зсередини, інший – підживлює її знаннями. У фінансових системах саме їхнє поєднання формує довіру до рішень. Під час доповіді розглянемо, як знайти цей баланс.

Анастасія Дейнеко

AI/ML Architect, OX Company

Директор крапка AI

Півтора року експериментів: як перекласти на штучний інтелект професійні обов’язки керівника. Шлях до мультиагентної RAG-системи з доступом до глибоких знань.
Зануримось у питання, як упакувати людські компетенції в ШІ через контекст-інжиніринг, яку роль тут відіграє дата-сторітелінг і до чого може призвести ідея «нагодувати» модель тисячею годин власних виступів, щоб більше ніколи не стояти зі слайдами на сцені.

Денис Суділковський

Chief Brand and Business Officer, ЛУН

Будуємо надійні AI-системи: автоматичне оцінювання якості моделей

Сучасні великі мовні моделі (LLM) дедалі частіше стають ядром інтелектуальних продуктів, тож забезпечення довіри до їхніх результатів є одним із ключових завдань.У доповіді розглянемо  підходи до оцінювання якості систем штучного інтелекту, зокрема методи автоматизованого оцінювання. Особливу увагу приділено підходу LLM-as-a-Judge, який дає змогу масштабно аналізувати точність, логічність і достовірність відповідей моделей без участі людини.Також поговоримо про типові підводні камені під час побудови систем оцінювання та способи зменшення упередженості.

Олександр Кондуфоров

Engineering Manager,
Superhuman (formerly Grammarly)

Від парного програмування до багатoагентних команд: переосмислення співпраці у SDLC

Розробка програмного забезпечення завжди ґрунтувалась на людській співпраці — парне програмування, agile-команди, код-рев’ю. Але що відбувається, коли до складу команди входять автономні AI-агенти? У цій сесії ми розглянемо нові моделі багатoагентної співпраці в SDLC, їхні переваги та ризики, а також практичні кейси.

Ірина Ковальчук

Program Manager, SoftServe

Інтернет Агентів: створення відкритої та сумісної екосистеми агентного штучного інтелекту

В процесі того, як штучний інтелект еволюціонує від ізольованих, розміщених на хостингу моделей до мереж спеціалізованих агентів, що працюють разом, сумісність стає ключовим викликом. Під час цієї сесії будуть обговорені виклики, що стоять перед мультиагентними додатками, представлена нова архітектура Інтернету Агентів, та набір технологій, які визначатимуть майбутнє масштабних агентських додатків штучного інтелекту.

Олексій Бесараб

Технічний директор, Cisco Україна