Не только код: письма, подготовка к встречам, статусы и презентации. Примеры — из отдела продаж OpenAI, но задачи знакомы каждому.

ИИ для административной работы

Ручная работа по стольким клиентам отнимает время у главного. У разработчиков то же самое: Slack, почта, Jira и встречи.

200 аккаунтов на одного продавца

Руководитель по запросу получает актуальную картину по задачам команды, вместо того чтобы собирать её на встречах один на один.

Прогресс виден без статусных встреч

Лучший продавец OpenAI выполнила план на 300% и объясняет это тем, что делегирует работу агентам.

300% от плана

Персональный агент с безопасным доступом к корпоративным данным, инструментам и скиллам. Берёт многошаговые задачи и выполняет их параллельно.

ChatGPT Work

В начале квартала агент по одному запросу собрал таблицу: ссылки на Salesforce, статус клиента, открытые сделки и связанные письма.

Передача сотен аккаунтов

Задачу можно дополнять, пока агент уже работает, — как если бы вы зашли к коллеге и уточнили просьбу.

Функция «steer»

Пока шла встреча с клиентом, агент прошёл по всем аккаунтам и даже оценил глубину отношений с каждым, объяснив свою методику.

Таблица за 22 минуты

Раньше вывод ИИ приходилось перепроверять. Теперь агент сразу даёт ссылки на источники, и проверить результат легко.

Меньше ручной проверки

Плагин определяет, кому нужно ответить срочно, и сам готовит черновики ответов — остаётся поправить и отправить.

Приоритизация почты

Работа смещается к делегированию сразу нескольких задач агентам — так, как уже работают разработчики.

Agentic delegation

Агент не знает вашего стиля. Скилл, собранный по вашим последним письмам, учит его писать вашим голосом.

Научите агента писать как вы

Агент сам понимает, когда открыть Slack, почту или календарь. Готовый плагин для продаж подключается в боковой панели.

Плагины и инструменты

48 из 50 аккаунтов были новыми. Агент выбрал топ-5 (четыре совпали с выбором продавца), собрал данные из CRM и дашбордов и предложил следующие шаги.

QBR-презентация из шаблона

Освободившееся время — на главное: разработчикам на код и архитектуру, продавцам на живое общение с клиентами.

Отдайте рутину ИИ

Показывайте, что построили и что было сложно. Студентам — проект сверх задания, опытным — глубокую экспертизу в одной области. Демо вместо одного резюме.

Как попасть в OpenAI

OpenAI открыла офис в Сингапуре и за год утроила штат. Азиатско-Тихоокеанский регион, включая Центральную Азию, — приоритет.

Команда в регионе выросла втрое

ИИ пишет хороший код, но за результат отвечает человек. Главное — хорошие правила, скиллы и ревью, а разработчиков нанимают всё больше.

ИИ не заменит разработчиков

Дело не в технологиях, а в понимании клиента. Тратьте 80% времени на разговоры с людьми и решайте их реальную проблему.

Почему продукты застревают в пилоте

Десятая часть портфеля EPAM уже приносит деньги на базе ИИ-разработки, а 80 из 100 клиентов проходят ИИ-трансформацию. Тем, кто не готов, контракты не продлевают.

EPAM: 10% выручки — на ИИ

Джуны охотно пользуются ИИ, но создают в десятки раз больше техдолга. Всё больше времени уходит на ревью их кода.

Джуны, ИИ и технический долг

Команда не экономит на ИИ и может запускать по два новых сервиса в неделю. Между сильными сеньорами и AI-native джунами — противостояние, но сопротивляться переменам нельзя.

MARKET: два сервиса в неделю

PM сами показывают разработчикам кликабельный прототип. Разработчики сначала сопротивлялись, а дизайнеры теперь дорабатывают с ИИ свои ручные наброски.

MDigital: прототип без ожидания дизайна

Когда падает базовая станция, информация сразу приходит в мониторинговый центр, и понятно, что восстанавливать в первую очередь.

Beeline: ИИ читает логи

Деньги на ИИ уходят колоссальные. Часть метрик уже вышла в плюс, но окупаемость спикеры пока ждут в будущем.

Хайп или реальная ценность?

По официальной статистике отрасли внедрение ИИ пока даёт откат на 5%. Написание кода — лишь около 20% всего цикла, и без изменения процессов эффекта нет.

Пока минус 5%

Маленькую команду легко собрать в одном месте. В большой распределённой компании общий контекст размывается, и выигрыш одного разработчика не доходит до команды.

Стартапу проще, чем корпорации

Свою ledger-систему MARKET доверил опытным сеньорам. Но молодые AI-native разработчики мыслят иначе, и вакансий в Кыргызстане сейчас больше, чем людей.

Деньги — сеньорам, скорость — AI-native

С 2022 года число инженеров в мире выросло с 50 до 60 млн, но джунов нанимают на 20% меньше ежегодно. Крупные корпорации уже возвращаются к их обучению.

60 млн инженеров, джунов на 20% меньше

Вместо «напиши код» кандидату дают код, сгенерированный ИИ, и смотрят, понимает ли он его и видит ли ошибки.

Как изменились собеседования

Решений на рынке выходит в 3–5 раз больше, и инженеров может стать 100–150 млн. Роли аналитика, разработчика и тестировщика сливаются в одного ИИ-инженера.

Работа не исчезнет, а изменится

Beeline взял 12 стажёров из 150 кандидатов, раньше брали около 30. Собеседования теперь только офлайн, и спрашивают, как кандидат работает с ИИ.

12 из 150 кандидатов

Проверку кода делает человек, поэтому основы программирования нужно знать. И без soft skills в быстрой команде не выжить.

Фундамент всё ещё нужен

Пять человек с ИИ делают больше, чем раньше двадцать. От каждого нужны продуктовое мышление и умение задавать вопросы.

Маленькие быстрые команды

Код пишет ИИ, а ценность — в понимании бизнеса: банков, горнорудки, сельского хозяйства. Опыт в отрасли стал конкурентным преимуществом.

Знание предметной области

Внутренний бот в реальном времени опрашивает инфраструктуру и базовые станции. Разметка сети, которая стоила миллионы, теперь занимает секунды.

Beeline: локальная модель для сети

Инженер решает проблему, а не пишет код. На Западе 70% функций продуктов никому не нужны, в нашем регионе — около 95%.

Совет Алмаза: спрашивайте «зачем»

Важны вовлечённость и польза для бизнеса. Одни профессии уходят, но на их месте появляются новые.

Совет Элдоса: не расслабляйтесь

Не бойтесь сказать «я за это отвечаю» и довести дело до конца. Не получилось — признать и сменить направление.

Совет Арсланбека: берите ответственность

Без упорства человек ломается на первых трудностях. А если не понимать, что пишет ИИ, отвечать за его ошибки всё равно придётся вам.

Совет Бекжана: упорство и учёба

Точных метрик окупаемости пока нет, но экономию видно в часах: старую систему теперь можно переписать за три дня вместо трёх месяцев.

Легаси за 3 дня вместо 3 месяцев

В IT учатся около 20 тысяч студентов, выпускаются 1500, а в профессию приходит не больше сотни. Важно понимать, зачем учишься.

20 000 студентов — 100 в профессии

Разработка больше не узкое место: компания может купить подписку на ИИ-инструменты и автоматизировать свои процессы без команды разработчиков.

Бизнес может автоматизировать себя сам

В учебном центре EPAM обучение бесплатное и с гарантированным наймом, но до конца доходит только 1% — не хватает упорства.

Из 5000 до конца дошли 50

Coca-Cola

Tech Park

RCA Living

В 2021 году MDigital пришла в ещё строящийся Технопарк командой из 15–20 человек. Задачи решали вживую, и автоматизация была не нужна.

Первый резидент Технопарка

С ростом команды прежний подход перестаёт работать: появляются дейлики, документация и регламенты, и не все сотрудники готовы меняться.

Переломный момент роста

Сегодня в компании 250 человек, разбитых на мини-команды. У каждой свой лидер, который отвечает за разработку, документацию и delivery.

250 сотрудников и мини-команды

Сотрудники отмечаются в приложении, видны статусы — офис, отпуск, больничный. Переговорки и рабочие места бронируются прямо на карте офиса.

MPulse: чекины и карта офиса

Разработчик может уйти в любой день, а вместе с ним и экспертиза. Поэтому нужны чёткие регламенты и единый информационный портал.

Знания должны оставаться в компании

Встречи записываются, транскрибируются и суммаризируются локальной LLM, а задачи автоматически попадают в Jira.

MD Scribe: запись встреч

Договоры с партнёрами подписываются облачной электронной подписью через Тундук — без печатей, курьеров и принтеров.

SignX: документооборот без бумаги

По Цифровому кодексу КР такая подпись имеет ту же силу, что подпись с печатью. Подключить SignX для своего бизнеса можно бесплатно.

Электронная подпись равна бумажной

Руководитель пишет запрос и получает отчёт о поступлениях за период с графиками и объяснением причин — без выгрузок из 1С.

SanAI: финансы по запросу

Игровой офис с аватарами: коммиты, задачи и чекины приносят очки, которые тратятся на прокачку аватара и рабочего места.

Виртуальный офис MDigital

Как бы далеко мы ни ушли в цифру, живое общение скоро станет самым дорогим ресурсом.

Главная мысль

Ошибок в логах нет, база выглядит здоровой, но API отвечает таймаутами. Тесты пройдены, а на проде начинается «магия».

CPU 12%, а платежи не проходят

Пока таблица перестраивается, запросы встают в очередь, и API начинает отвечать всё медленнее — как пробка при ремонте дороги.

ALTER TABLE как перестройка дороги

Задайте лимит, например 300 мс: не успела миграция — она откатывается, и её можно повторить, когда нагрузка спадёт.

lock_timeout спасает миграцию

Каждое соединение с Postgres — отдельный процесс, который ест ресурсы. PgBouncer работает как каршеринг: соединения берут в аренду и возвращают.

Зачем нужен PgBouncer

Session держит соединение весь сеанс и почти не даёт выигрыша. Transaction отдаёт его после каждой транзакции. Есть ещё statement.

Три режима пулинга

В режиме transaction настройки соединения, например statement_timeout, достаются следующему клиенту. Их нужно сбрасывать в PgBouncer или держать внутри одной транзакции.

Машина со сбитыми настройками

pgAdmin выставил на соединении режим «только чтение», и следующие запросы через пул начали падать с 500-ми ошибками.

Как pgAdmin сломал запись

Журнал всех изменений: на нём строятся репликация, CDC, бэкапы и point-in-time recovery — откат базы на нужный момент.

WAL — git для базы данных

Строки только помечаются. VACUUM их вычищает, но место системе не возвращает, а VACUUM FULL для этого блокирует все запросы.

DELETE не удаляет данные

Удаление событий с огромными JSON за месяц заняло память, нагрузило CPU и положило реплики, которые не успевали применять WAL.

Безобидный DELETE FROM outbox

Большие объёмы удаляйте чанками: между ними проходит VACUUM, и память освобождается для следующей итерации.

Удалять маленькими порциями

Два робота на конвейере ждут детали друг от друга. Так же зависают две транзакции, которые обновляют одни и те же балансы в разном порядке.

Что такое дедлок

Если все транзакции сначала обновляют первый баланс, а потом второй, взаимной блокировки не возникает.

Единый порядок ресурсов

ИИ не видит контекста прода: данные растут, настройки PgBouncer меняются, и вчерашние 300 мс сегодня уже не работают.

Почему ИИ этого не подскажет

Прежде чем катить ИИ-код в базу, спросите: как это повлияет на время запроса, какой объём ожидается, будут ли конкурентные запросы и какое состояние нужно в итоге. Упавшее приложение перезапустится, а упавшая база положит всё.

Четыре вопроса перед выкаткой

Мастер и две реплики на чтение под управлением Patroni, алерты на WAL и CDC для событийной архитектуры.

Мониторинг кластера

Postgres — OLTP-база, и частые апдейты создают очереди. Для платежей лучше подходит ledger: записи только добавляются, без изменения.

Платежи и ledger

Столько ушло на обработку каталога одним AI-пайплайном. Расходы окупились — компания заработала гораздо больше.

$50 000 на ИИ-токены

Товар был просто названием и описанием. Найти iPhone нужного цвета и объёма памяти было невозможно — фильтров не было, и конверсия падала.

250 тысяч товаров без характеристик

Сначала задача решается на 10 товарах: извлечь факты, определить атрибуты, проверить их и собрать результат в JSON. Потом — масштабирование.

Решать снизу вверх

Товары разбили на чанки по смыслу: телефоны к телефонам, холодильники к холодильникам. Вместо 250 000 вызовов — 5000.

5000 коробок по 50 товаров

Оркестратор-«матка» создаёт агентов-«воркеров», раздаёт им коробки и перезапускает обработку, если кто-то ошибся.

Архитектура «пчелиного улья»

Подготовка 5000 чанков, оркестратор с инструкциями, около пяти дней извлечения атрибутов и финальная проверка качества кодом.

Весь пайплайн

Было 700 тысяч атрибутов, и те низкого качества. Количество выросло втрое, качество — кратно, а в каталоге наконец появились фильтры.

Атрибутов стало в 3 раза больше

Скилл — это повторяющаяся инструкция для агента. Здесь она простая: вот товар, извлеки из него атрибуты.

Скиллы

Через MCP агент сам заходил в базу данных, выкачивал нужные товары и заливал обратно результат.

MCP как коннектор к базе

Как git для кода: агент записывает задачи, свои решения, результаты и следующие шаги. Так можно найти момент, где всё пошло не так.

Логи и память для агентов

Оркестратор однажды запустил тысячу агентов вместо десяти, и ноутбук не выдержал. Логи показали, почему так произошло.

Тысяча лишних воркеров

Каждый процент стоит в разы дороже. Здесь выбрали максимум: фильтры сильно поднимали конверсию. Дешёвая модель за $500 дала бы 50–70% результата.

95% или 99% качества

Воркерам хватало более слабой модели, а оркестратору нужна сильная — «головной мозг» должен быть умнее.

Разные модели для разных ролей

Агент выбирал атрибуты только из заранее заданного дерева значений, поэтому не мог придумать несуществующий цвет или объём памяти.

Валидация без галлюцинаций

Готовый фреймворк не использовали: хватило Codex, скиллов и правил, по которым оркестратор создавал агентов и распределял чанки.

Стек: Codex и набор скиллов

Кабинет продавцов доработали: теперь при создании товара можно выбрать только допустимые атрибуты, и тратить $50 000 снова не придётся.

Закрыть проблему у источника

Агент — это LLM плюс инструменты. Проще говоря, модель, у которой есть руки.

Что такое агент

От контекстного окна в 4000 токенов в 2022-м через промпты, инструменты, RAG и контекст-инженерию — к harness в 2026-м.

История за четыре года

После 12 часов работы агент получает пересказ пересказа и начинает галлюцинировать. Проблему нужно решать не внутри контекста, а снаружи агента.

Почему компакт контекста не спасает

Забывает вчерашние правила, чинит одно и ломает соседнее, а главное — говорит «готово» без всякой проверки.

Агент без harness

Это система вокруг LLM: выбирает задачи, хранит память, проверяет результат и перезапускает запросы. Чем лучше кухня, тем лучше работает повар.

Harness — кухня вокруг повара

В простом эксперименте с GPT-5 самый базовый harness улучшил результат модели на 14%.

+14% даже с базовым harness

Чтение проекта, отдельная задача, работа, проверка и сохранение результата. Одна сессия, свой контекст и короткие циклы — так агент меньше галлюцинирует.

Как устроен цикл

Промпт задаёт поведение, контекст даёт информацию, а harness — процесс: по какому пути агент развивает продукт.

Промпт, контекст и harness

Сбор требований, декомпозиция на мелкие задачи, разработка, тестирование, коммит и проверка статуса. Если неуспешно — всё по кругу.

Шесть этапов harness

Каждую задачу берёт новый агент со свежим контекстом: прогресс виден снаружи, а каждый шаг проверяется.

Одна задача — один агент

Со скиллом brainstorming пишется спецификация продукта: цель, пользователи, сценарии, ограничения, архитектура и условия готовности.

MDHub

MD CONF 2026