🤗В чём польза от ИИ в разработке?

Именно этот вопрос обсуждали в дискуссии «Дивный новый SDLC: с какой реальностью мы столкнулись, "ускорив" разработку» на AI Conversations в Санкт-Петербурге.

Участие приняли эксперты из Just AI, Dodo Engineering, Т-Банка, S7 TechLab и Олег Проскуряков, начальник управления платформенных решений и решений для моделирования Банка ВТБ.

О чём поговорили:

🔵AI уже отлично справляется с рутиной и типовыми задачами, помогая разработчикам экономить время. Но сложные задачи с большим контекстом полностью доверить ему пока нельзя.

🔵 В ВТБ AI-ассистенты используются только внутри защищенного контура банка, а их эффективность оценивают по конкретным метрикам — например, по объему сгенерированного кода.

🔵AI постепенно меняет привычные роли в командах. Тимлиды все чаще формулируют задачи для агентов, а сами переключаются на другие вопросы. При этом времени на код-ревью и дебаг стало больше — результат работы ассистентов тоже требует проверки.

🔵 И главный принцип остается неизменным: какой бы хороший код не сгенерировал AI, в прод он попадет только после ревью и тестирования человеком.

Главный вывод, который отметил Олег Проскуряков:

Кажется, хайп вокруг AI в разработке закончился. Началась суровая, но очень интересная инженерная работа.

Код стал дешевле — и его стало слишком много. Поэтому сегодня недостаточно просто уметь писать код. Чтобы оставаться востребованным, важно разбираться в архитектуре, развивать системное мышление и не позволять AI лишить вас контроля над собственными продуктами.

➡️ Видеозапись дискуссии
➡️ Расшифровка на Хабре

🇰🇷 👋 Всем «аньон» с ICML!

Меня зовут Тимур Лиджиев, я DS в ВТБ, и только что я вернулся из Сеула, с ICML 2026 (International Conference on Machine Learning).

Для меня это первый опыт участия в конференциях такого уровня, поэтому было очень волнительно — вокруг очень много умных и талантливых экспертов, которые занимаются самыми интересными вещами.

Мы с коллегами из НИУ ВШЭ и AI VK представляли результаты нашей работы по статье «PIEFS: Physics-Informed Eigenfunction Features with Learnable Scaling».

Работа посвящена фреймворку PIEFS — метод управляемого обучения спектральных представлений, который извлекает компактные и адаптивные геометрические признаки из данных. Вместо вычисления собственных векторов фиксированного оператора, нейросеть последовательно строит ортогональные координатные карты, оптимизируя их одновременно под задачу классификации и под критерий гладкости. Эта гладкость регулируется модифицированной энергией Дирихле с обучаемой локальной метрикой, которая гибко масштабирует и вращает градиенты, подстраивая геометрию признаков под структуру конкретного датасета.

Также успел послушать интересные доклады про различные применения AI в науке. Было очень много про агентные системы и то, как они будут двигать мир дальше.

Самое яркое впечатление — знакомство с Михаилом Белкиным, который открыл двойной спуск. На основе его работ по Laplacian Eigenmaps мы и написали свою статью с коллегами из НИУ ВШЭ и AI VK.

Но больше всего мне понравилось участвовать в постерных сессиях и обсуждать с такими же исследователями, как я, их и свои работы, делиться идеями и опытом.

Возможно, из этого потом будут дальнейшие работы и близкое сотрудничество! 💙