AI Dev Conf 2026 Autumn

26.11 - доклады. 28.11 - мастер-классы

При поддержке JUG Ru Group

Как внедрить AI в команде и получить измеримый результат?
Как не потерять данные компании?

Для руководителей, менеджеров и инфраструктурных команд

Как управлять разработкой,
если часть кода пишут агенты?
Какие инструменты внедрять и как?
Какие метрики реально нужны,
а какие устарели?

Для тимлидов, продактов и
техлидов

Как реализовать агентную систему, которая решает мои задчи?
Как управлять знаниями о проекте?
Какие практики и инструменты
взять на вооружение?

Для разработчиков, devops-
инженеров и тестировщиков

Онлайн

Где

26 и 28 ноября

Когда

ЗАРЕГИСТРИРОВАТЬСЯ

Конференция об агентной разработке

AI Dev Conf

2026

Cloud.ru

Cоберем своего QAI-агента — агентную систему, которая помогает тестировать задачи и проводить root-cause анализ. Построим команду специализированных агентов: разбор задачи/баг-репорта, исследование логов и данных, построение и проверка гипотез.

Александр Волков

Как собрать своего QAI-агента: тестирование задач и root-cause анализ

14:45 - 16:15

Kaspersky

Интерактивный практикум о Навыках в агентной разработке:
– Решим продуктовый кейс.
– Любой желающий сможет попробовать себя в формировании эффективного Харнесса на базе Навыков, скиллов и продуктовых метрик.
– Научимся на совместной практике формировать и использовать продуктовые метрики как источник истины для работы команды агентов, инженеров и владельцев продукта.

Павел Востриков

Homo agenticus v2. Спим и видим: передача агентного контекста от владельца продукта разработке

13:00 - 14:30

MWS

Мы разберём Langfuse — open source инструмент наблюдаемости для AI-приложений. Участники научатся трассировать вызовы LLM, собирать метрики, оценивать качество ответов и выполнять диагностику агентов так же, как и обычных продовых сервисов и приложений.

Филипп Бочаров

Observability AI-агентов с Langfuse

11:00 - 12:45

Программа конференции
2 ДЕНЬ

Программа конференции
1 ДЕНЬ

Подведение итогов и дальнейшие планы

Закрытие

19:35 - 19:40

Трек 2

Трек 1

Veai

Расскажу, что увидел во внедрениях пилотов AI-агентов в российских компаниях из финтеха, телекома, промышленности и ритейла.

О организации совместной работы в Multica: обсуждения, постановки и решения сохраняются в общем пространстве задач, а команда единообразно использует корпоративных агентов.

Денис Слащев

Общие AI-агенты: от личных чатиков к совместной разработке

15:45 - 16:30

CTO AI First

Григорий Добряков

Маржа вне IDE: что ломается, когда AI ускорил всё, кроме обещаний

15:00 - 15:30

Яндекс

Как построить инженерный контур из памяти проекта, скиллов и MCP, который превращает агента из генератора кода в участника всего SDLC среды, в которой изменение можно довести до прода.

Павел Федотовский

Как закрывать весь SDLC с помощью агента

16:45 - 17:30

Microsoft

Разберу методологию HVE: инструменты, агентные воркфлоу и как tiny-teams сводят инженерию, продукт, дизайн и домен в production-ready решения.

Павел Голубев

Hypervelocity Engineering: разработка production-ready решений

16:45 - 17:30

CodeRabbit

Этот доклад о том, что происходит, когда менеджмент решает, что достаточно просто натравить агентов на продакшен-код, и о том, что мы, инженеры, можем сделать, чтобы вернуть себе утраченный контроль.

О том как собрать эвалы для агентского продукта: начать с карты сбоев, выбрать метрики, разделить работу между оффлайн- и онлайн-эвалами и понять, когда покрытия уже достаточно. Всё покажу на одном сквозном примере на открытом стеке.

Евгений Сергеев

Эвалы для агентских продуктов: что покрывать и когда остановиться

17:45 - 18:30

.

А здесь - его описание

Спикер уточняется

Здесь будет тема доклада

17:45 - 18:30

Обсудим, как семантический слой помогает людям и машинам говорить на одном языке, кто должен за него отвечать и можно ли вообще доверять агенту данные без него.

Круглый стол:
Lost in Semantics

19:40 - 20:30

RuStore

О чем доклад?

Более 15 лет в IT. Занимался мобильной разработкой. Руководил командами в роли Head/Cluster последние 6–7 лет.
Последние 3 года работаю в RuStore.
Последний год активно внедряю AI в SDLC компании: используя практики, агентов, автоматизацию части CI/CD, метрики импакта AI.
Помимо работы много выступал на конференциях и митапах. Участник ПК Мобиуса и клуба Podlodka AI Engineers Club.

Один инженер использует AI в IDE/CLI, другой уже запускает агентов, а третий — не пробует ничего.
Знакомо?
Я расскажу, как за год мы прошли путь от 10 активных пользователей до сотни инженеров, ежедневно использующих AI в разработке. Поделюсь, какие подходы, практики, инфраструктуру использовали. Какие метрики применяли. И что работало, а что нет, и почему «просто раздать доступ к топовым моделям» — это всего 10% успеха для задачи AI-adoption в компании.

Михаил Емельянов

Внедрение AI-практик разработки в RuStore

Microsoft

О чем доклад?

Павел - Principal AI Forward deployed engineering manager в Microsoft Frontier Company.

Занимается внедрением решений у клиентов и партнеров Microsoft, в основном в сегментах Oil&Gas, Automotive, Manufacturing, Energy и Mobility.

До Microsoft занимал различные должности в компаниях EY, Accenture, Reaktor, Epam, S7 и Renault, пройдя путь от data science консультанта до руководителя направлений. Работал с клиентами в Восточной Европе, Западной Европе и на Ближнем Востоке.

На сессии мы разберём методологию HVE, переиспользуемые инструменты и агентные воркфлоу, на которых она строится.
Поговорим о том, как измерять скорость разработки, качество, надёжность и бизнес-эффект, а также как управлять расходом токенов и общей стоимостью AI-assisted разработки, не превращая контроль затрат в препятствие для экспериментов.
Для опытных разработчиков, инженеров и технических руководителей.

Павел Голубев

Hypervelocity Engineering: разработка production-ready решений

Head of AI Platform

О чем доклад?

До недавнего времени работал во Flo Health как Director of Engineering.
Сейчас он сфокусировался на ИИ-трансформации в компании на позиции Head of AI Platform.

LLM-агент почти всегда отвечает правдоподобно, поэтому его ошибки не видны, пока о них не напишет пользователь. Я расскажу, как собрать эвалы для агентского продукта: начать с карты сбоев, выбрать метрики, разделить работу между оффлайн- и онлайн-эвалами и понять, когда покрытия уже достаточно. Всё покажу на одном сквозном примере на открытом стеке.

Евгений Сергеев

Эвалы для агентских продуктов: что покрывать и когда остановиться

CodeRabbit

О чем доклад?

Пишет код с 1992 года и бо́льшую часть последних двадцати лет запускает его в продакшене. Он был разработчиком, техлидом, архитектором и principal DevOps-инженером. Много лет контрибьютит в Apache Cassandra, поддерживает datasource-плагин для Grafana, а сейчас работает Developer Advocate в CodeRabbit. Входит в программные комитеты конференций и читал гостевые лекции в университетах Сингапура и Вьетнама. Он за ИИ, но против вайб-кодинга и считает, что бо́льшая часть так называемых проблем ИИ — это старые проблемы дисциплины в новой шляпе.

С ИИ всё в порядке, а вот с тем, как его используют, — нет. Многие опьянели от того, с какой скоростью LLM решает очередную задачку с LeetCode, и бросились выпускать красивые снаружи, но дурно пахнущие изнутри фичи.

Процессы разработки по-прежнему строятся вокруг людей: SDLC, готового к работе с агентами, нет, манифеста ИИ тоже пока нет. Всего за пару лет у нас появился летающий автомобиль, но не появилось летающих светофоров. Неудивительно, что число баг-репортов бьёт рекорды.

Этот доклад о том, что происходит, когда менеджмент решает, что достаточно просто натравить агентов на продакшен-код, и о том, что мы, инженеры, можем сделать, чтобы вернуть себе утраченный контроль.

Каждые несколько лет приходит новая технологическая волна и звучит знакомый вопрос: «нас заменят?». За двадцать лет таких волн было шесть. Generative AI седьмая. Я веду пилоты AI-агентов в российских компаниях из финтеха, телекома, промышленности и ритейла, и расскажу, что увидел во внедрениях. Спойлер: пилоты, в которых AI «забрал работу», встречаются редко. Чаще AI забирает процессы и подсвечивает то, что давно стоило исправить.

Технический евангелист с 15-летним путем от паяльника до AI. Работал в embedded, финтехе, VK. Построил QA с нуля для стартапа с физическим железом.
Работал в мультинациональных командах в России, Европе, СНГ, Ближнем Востоке и Азии. Обучает людей и передает опыт следующему поколению автоматизаторов. Специализируется на построении QA-организаций там, где их нет, и на внедрении AI-инструментов туда, где считали это невозможным. Готов автоматизировать что угодно — от производственных стендов до облачной инфраструктуры.

Константин Волков

Я уже видел это кино. Что меняет AI на самом деле

Яндекс

О чем доклад?

Занимаюсь в Яндексе продвижением ИИ-инструментов среди разработчиков.
До этого около десяти лет разрабатывал на .NET, прошел путь от разработчика до директора по разработке.

Этот доклад — про то, как построить такой harness: инженерный контур из памяти проекта, скиллов и MCP, который превращает агента из генератора кода в участника всего SDLC. Расскажу на примере своего опыта в Яндексе, как построить необходимую среду для агента, например: Память проекта — архитектура и решения рядом с кодом. Skills — общий каталог нужных инфраструктурных скиллов. Правила для командной работы — как настраивать skills, hooks и MCP под общий проект.

Павел Федотовский

Как закрывать весь SDLC с помощью агента

Яндекс, SourceCraft

О чем доклад?

Руководитель отдела разработки инструментов для анализа кода платформы разработчиков SourceCraft в Yandex Infrastructure. Участник ПК Joker/JPoint и других конференций. Активный open source-энтузиаст, контрибьютор в экосистему Kotlin. Создатель библиотек ktoml и vercraft, статического анализатора diktat. Автор Telegram-канала «Кулешов разгоняет».

В докладе поговорим про ощущения от настоящего и взгляд в будущее глазами человека, который дюжину лет учился идеально разрабатывать программные продукты — а потом правила игры безвозвратно переписал ИИ. И теперь он и сам делает такие продукты в рамках SourceCraft от Яндекса.

Андрей Кулешов

Вайбкодинг: исповедь луддита

Т-Банк

О чем доклад?

Технический директор в крупном финтехе. Отвечаю за развитие инженерных практик, архитектуру систем и рост технических команд.Веду Telegram-канал «Книжный куб», где делюсь инсайтами из прочитанных книг о технологиях, менеджменте и личном развитии.
Создатель «System Design Space». Ведущий подкастов «Code of Leadership» и «Research Insights Made Simple».

Доклад продолжает разговор о State of AI4SDLC (https://polomodov.tech/2026-04-02-state-of-ai4sdlc) и фиксирует, что AI в разработке уже перестал быть просто экспериментом, так как он массово используется для всех основных сценариев: coding, review, planning, debugging и работы с документацией. И теперь вопрос в том, а как встроить ускорение отдельных сценариев вокруг в наш продакшен цикл разработки: с понятной целью, достаточным контекстом, корректной интеграцией, доверием к результату и измеримым эффектом.

Александр Поломодов

State of AI4SDLC: как AI сдвигает узкие места процессов разработки

Искусственный интеллект меняет разработку прямо сейчас. Но главная проблема не в том, как написать промпт. Проблема в том, как перестроить процесс так, чтобы AI стал его нативной частью, а не дорогой игрушкой.
Мы разберем жесткие прикладные вопросы:

Почему «просто дать ChatGPT доступ к коду» — это путь к хаосу?
Как измерять эффективность AI-решений, когда фронтальные модели устаревают за месяц?
Что делать, если нельзя использовать GPT-4, Claude или Gemini (безопасность, data governance, цена)?
Как встроить политики, контекст-менеджмент и «policy as code» в AI-пайплайн?

И главное: что с этим делать руководителям и инженерам прямо завтра?

AI вчера, сегодня, завтра