Программа

В докладе мы представим практический опыт нашей продуктовой команды по использованию Customer Journey Map (CJM) как источника новых ценных бизнес‑требований и точек роста корпоративного ИТ-продукта и, главное, особенности применения CJM для развития именно внутреннего ИТ-продукта. Рассмотрим основные причины, по которым команды развития корпоративных ИТ-продуктов не используют CX-инструменты. Расскажу, что подтолкнуло нас к CJM, как мы смогли по-новому посмотреть на свой продукт и на пользователей, с какими сложностями мы столкнулись при поиске респондентов, проведении интервью в корпоративной среде и финансировании, а также каковы плюсы и минусы CJM для корпоративных ИТ-продуктов. Расскажу о найденных с помощью карты «болевых точках» не только нашего ИТ-продукта, но и смежных сервисов, о том, какие конкретные бизнес‑требования родились из полученных с помощью CJM инсайтов и как они повлияли на продукт и лояльность наших пользователей.

Многие команды попадают в «ловушку прототипов»: в песочнице ИИ-агент безупречен, а в проде ломается из-за нагрузки, сетевой связности, дрейфа и галлюцинаций. Классический системный анализ пасует: интерфейсов нет, а прямое доверие к LLM ведёт к авариям.

В докладе — авторский фреймворк проектирования промышленных ИИ-агентов на основе опыта запуска агентных систем в крупнейшем банке страны. Разберём переход аналитика от экранов к детерминированным навыкам, спецификациям и безопасным контурам исполнения.

Вы узнаете:

• Как отсекать неагентируемые процессы через воронку рисков и матрицу автономии.

• Почему чистый ReAct опасен в проде и как собрать гибридный граф (StateGraph + MCP + HITL).

• Как перейти от статических тестов к LLM-as-a-Judge и Spec-Driven Development.

• Как защитить контур: 4 слоя защиты и управление модельными рисками.

Вы получите чек-лист (Definition of Done) для проектирования надёжных enterprise-агентов.

Львиная доля времени в разработке уходит не на написание кода, а на бесконечные уточнения: «Что имел в виду заказчик?». Мы привыкли сразу прыгать в язык решений вместо языка целей. Как результат — постоянные переделки и доработки, конфликты в команде и шаблонная работа «методом тыка» вместо поиска элегантных и малозатратных решений.

На воркшопе мы препарируем истинные причины этой боли и на базе подходов ТРИЗ разберем универсальный фреймворк для точного проектирования рамки проблемы.

Подход показал свою практическую эффективность на широком спектре проектов и будет полезен как для хардкорных ИТ-задач и бизнес-вызовов, так и для ежедневных срочных запросов, отвлекающих от работы.

Главные практические результаты:

Смена фокуса: алгоритм перевода «хотелок» заказчика из плоскости решений в плоскость понятных и измеримых целей.

Поиск противоречий: техника выявления скрытых конфликтов в требованиях еще до того, как они превратятся в баги.

За долгие годы работы в разных компаниях я заметила, что первое, с чем сталкиваешься при упоминании слова "оптимизация", — это сокращение расходов! Реакция сотрудников на эту тему порой напоминает реакцию вампира на солнечный свет. Я произношу свою "стоп-фразу": "Здравствуйте, я аналитик. Я занимаюсь оптимизацией бизнес-процессов", и из милого перспективного специалиста превращаюсь во врага народа.

Оптимизация — это что?

Это не сокращение штата, не экономия ресурсов и не снижение зарплат.

Оптимизация — это про ценность продукта и эффективное использование ресурсов.

Предлагаю обсудить мой опыт, ошибки, а также рассмотреть варианты подготовки к началу процесса оптимизации.

Клиентское обслуживание в Т-Банке — это не просто сервис, а экосистема, построенная вокруг клиента, где цель каждого взаимодействия — решить проблему быстро, качественно и с эмпатией. Чтобы ускорить обслуживание и повысить качество, происходит трансформация существующих процессов и активное внедрение AI: от чат-ботов и LLM-агентов до умной маршрутизации.
 Обсудим: -
 Что представляет собой обслуживание, как оно устроено и каковы ключевые этапы решения клиентских вопросов.
- Что находится "под капотом" клиентских диалогов и какие технические вызовы возникают.
- Гибкие и жёсткие LLM-агенты: когда нельзя допускать риск галлюцинации модели.
- Можно ли масштабировать AI-инструменты "поверх" архитектурного долга и какое решение мы внедрили в кейсе отмены платежной операции.
- Обратная сторона медали: когда AI перестает улучшать качество сервиса и ведет к излишним затратам — выгоднее починить текущий процесс, оставшись на алгоритмическом подходе.

Как превратить «боль» пользователя в работающее веб-приложение с ИИ-агентом, не углубляясь в инфраструктуру и долгую настройку? Мы предлагаем новый формат — Vibe-Hack, гибрид хакатона, проектной сессии и воркшопа по вайб-кодингу.

За 20 часов участники проходят полный цикл:
— исследуют проблему и формулируют гипотезы,
— проектируют сценарии использования,
— получают структурированное ТЗ от ИИ-агента,
— и с помощью вайб-кодинга создают веб-приложение с агентом «под капотом».

Мы используем только облачные инструменты — Replit, Lovable, Gradio или Streamlit, — доступные каждому без установки. Это позволяет сосредоточиться не на настройке серверов, а на создании продукта.

Результат — не просто прототип, а рабочий инструмент, навык работы с ИИ-агентами и готовый кейс для портфолио. Формат подходит для аналитиков, менеджеров и разработчиков любого уровня.

Ключевая ценность: участники учатся не писать код за ИИ, а проектировать решение вместе с ИИ — и делать это быстро.

На собеседованиях кандидаты всё чаще прибегают к помощи ИИ (LLM). ИИ слышит вопрос эксперта и мгновенно даёт ответ — это удобно и хорошо работает, особенно когда вопрос имеет однозначное решение. Поэтому проверять только теорию и давать простые задачи становится всё менее эффективно. В выигрыше оказывается не тот, кто действительно разбирается в анализе, а тот, кто быстрее остальных научился находить нужные формулировки. Но есть вопросы, которые нельзя пройти на скорости: они не имеют единственного правильного ответа и вскрывают, умеет ли кандидат рассуждать. Это вопросы на стыке дихотомий требований: бизнес и система, что и как, ценность и реализуемость, цель и задача. В докладе разберём, как такие вопросы позволяют оценить не только знание терминов, но и зрелость мышления, способность видеть границы понятий и отличать настоящую экспертность от поверхностной уверенности и умелого использования ИИ.

Оценка soft skills системного аналитика на техническом интервью: "Как оценивать мягкие навыки системно и беспристрастно. 

Харды показывают, что ты умеешь сейчас; софты — как будешь расти завтра".

В своем выступлении на примере внедрения ATS собственной разработки в «Ленте» расскажу, как роль бизнес-аналитика вышла далеко за рамки сбора требований, какие роли совмещались и как выстраивались отношения с подрядчиком. 

Поделюсь личными и корпоративными болями, которые проект вскрыл, и расскажу, какие решения были приняты, чтобы избежать их в будущем. 

Расскажу про правила установления контакта с заказчиком: как мы нашли общий язык, признали его экспертизу, стали «своими» и почему это оказалось критически важным для всей команды, особенно с учётом опыта неудачного внедрения аналогичной системы. 

Покажу, как я выстроила долгосрочные отношения через обучение заказчика основам бизнес-анализа, описанию бизнес-процессов и работе с IT-инструментами.  

В финале развенчаю стереотип об "ужасном заказчике", расскажу, почему важно вкладываться в развитие не только собственных компетенций, но и компетенций заказчиков и продемонстрирую конкретные результаты, которых мы достигли вместе.

Как научить модель создавать четкий, компактный документ, отвечающий нашим конкретным практикам и ограничениям, а не безликий поток среднестатистических токенов? Для этого существует стандарт Agent Skills, позволяющий посредством простых описаний направить агента в нужную сторону и проконтролировать результат. В ходе мастер-класса мы разработаем простой навык — формирование компактных записей архитектурных решений. Участникам мастер-класса пригодится и этот конкретный навык, и умение создавать другие похожие инструменты.

AI Disrupt PDLC говорит, что те, у кого не будет внедрен Spec-Driven Development в 2027 году, — безнадежно отстанут.
Но суть SDD раскрывается только тогда, когда процесс начинается именно с аналитика.

SDD у нас — это единый артефакт-спецификация, который проходит весь путь от требований заказчика до автотестов, не теряясь в переводах между ролями.

На реальных проектах — многолетнем монолите без документации и системе с микросервисами — покажу:
— как перестроили работу с требованиями под спеки;
— что изменилось в ежедневной работе аналитика при работе с AI-агентами;
— как адаптировали команду аналитиков и что не получилось с первого раза;
— как объясняли и согласовывали новый процесс с заказчиками, которые были не готовы к изменению артефактов согласования;
— как спека дотягивается до тестирования и закрывает разрыв «аналитик — разработка — QA».

Автономные AI-агенты умеют не только советовать, но и действовать: удалять данные, тратить деньги, деплоить в прод и рассылать сообщения. На примере реальных провалов (удаление боевой БД за 9 секунд, счёт на 4000 долларов за неостановленные GPU, агент, заблокировавший собственного владельца) разберём, почему ошибка агента превращается в реальный ущерб и какие ограничения снижают радиус поражения. Слушатели получат рабочий словарь и чек-лист безопасной работы с агентами.

Системный аналитик в энтерпрайзе тратит до 60% времени на рутину: поиск задач в Jira, выгрузку спецификаций из Confluence, анализ логов в OpenSearch, проверку данных в Oracle DB, синхронизацию документации между системами. Я расскажу, как настроил AI-агента на базе Kilo Code с 9 MCP-подключениями к корпоративным системам и рою из 20 специализированных субагентов — и теперь делегирую ему всю рутину. Живые кейсы: утренний чекап статуса по 6 системам за 2 минуты вместо 30; четырёхэтапный анализ инцидента «логи → метрики → трейс → БД» одним промптом вместо 8 вкладок; двусторонняя синхронизация Markdown ↔ Confluence без ручного копипаста. Покажу архитектуру: как Context Offloading экономит 85% контекстного окна, зачем нужны Quick Context-заметки и как Obsidian vault становится «Вторым мозгом» аналитика с автологированием каждой сессии.