Подведены итоги конференции AHA’26
22 мая в Москве прошла AHA"26 — ежегодная конференция для специалистов по продуктовой аналитике, работе с данными, искусственному интеллекту и разработке цифровых продуктов. В седьмой раз мероприятие собрало более 1000 участников и 60 спикеров из ведущих технологических компаний страны.
Программа конференции объединила несколько тематических направлений: экономику масштабирования цифровых продуктов, методы снижения стоимости проверки гипотез, архитектуру прикладного AI, ML&AI-инженерию, data-платформы, управление ассортиментом и спросом в retail и e-commerce, а также внедрение LLM и AI-агентов в реальные бизнес-процессы.
Одной из центральных тем AHA"26 стало практическое применение больших языковых моделей и AI-агентов. Спикеры обсуждали, как это меняет продуктовые процессы, помогает автоматизировать принятие решений и становится частью инфраструктуры современных сервисов.
DS Product Unit Lead Авито Дмитрий Михель поделился опытом внедрения системы Next Best Action, в которой ML и LLM помогают в 7-10 раз оптимизировать работу сейлз-команд и повышать эффективность взаимодействия с клиентами.
Senior Data Scientist "Точка Банк" Елизавета Афанасьева рассказала о токенизации русского языка, подготовке данных для дообучения больших языковых моделей и подходах к обеспечению качества данных для AI-систем.
ML-инженер Владислава Павликова и backend-разработчик Ольга Логинова из MTS Web Services представили мультиагентную платформу на базе LLM с долгосрочной памятью и RAG-подходом, способную выступать в роли персонального помощника для различных пользовательских сценариев.
Отдельный блок программы был посвящен развитию аналитической культуры и современным подходам к проведению экспериментов. Head of Pricing Авиасейлс Никита Бобух рассказал о запуске A/B-тестов в условиях масштабной миграции технологического стека и поделился подходами, позволяющими проводить эксперименты без участия разработчиков.
Cтарший аналитик данных Циан Иван Мочилин представил применение метода Synthetic Difference-in-Differences для оценки региональных экспериментов, а директор по аналитике Kolesa Group Дмитрий Казаков показал, как uplift-сегментирование помогает повышать эффективность A/B-тестов и увеличивать долю успешных запусков.
Руководитель команды ML-аналитики Марк Хабаров и руководитель группы технической аналитики Михаил Рязанский из VK, Дзен продемонстрировали, как большие языковые модели используются для автоматизации пост-анализа экспериментов и поиска скрытых факторов, влияющих на результаты тестов.
Значительная часть докладов были посвящена инфраструктуре и инженерных практиках, которые позволяют масштабировать AI-решения и поддерживать их качество в реальной эксплуатации.
Технический менеджер "Яндекса" Роман Гриднев рассказал о создании автоматизированного каталога данных и документации для DWH с использованием LLM, что позволило сэкономить более 5 лет рабочего времени специалистов.
Руководитель ML платформы Даниил Понизов и MLOps Engineer Роман Лазовский из Wildberries & Russ поделились опытом внедрения AIOps-подходов и автоматизации работы с алертами с помощью LLM и Auto Workflow.
Руководитель команды аналитики данных "Честный знак" Ефим Пункин представил практику автоматического контроля качества данных для критически важных систем, а главный аналитик данных ИТ-холдинга Т1 Сергей Бажин разобрал подход Test-Time Learning — метод адаптации больших языковых моделей к новым задачам непосредственно во время инференса без использования размеченных данных.
Конференция также включала мастер-классы, дискуссии и партнерские активности, которые позволили участникам обсудить реальные кейсы внедрения AI, обменяться опытом и познакомиться с новыми инструментами для работы с данными и продуктами.
