ФОРУМ · 14 ОКТЯБРЯ 2026
ИНТЕЛЛЕКТУАЛЬНОЕ ПРЕДПРИЯТИЕ 2026
ФОРУМ
От ИИ-пилотов к управляемой автономности бизнеса
Офлайн + видеозапись выступлений
Форум для руководителей бизнеса, ИТ, CDO и COO о том,
как встроить ИИ в корпоративную архитектуру, делегировать решения агентам
и обеспечить экономическую безопасность без потери контроля.
как встроить ИИ в корпоративную архитектуру, делегировать решения агентам
и обеспечить экономическую безопасность без потери контроля.
Получите доступ к программе Форума
«ИНТЕЛЛЕКТУАЛЬНАЯ АВТОМАТИЗАЦИЯ 2023»
«ИНТЕЛЛЕКТУАЛЬНАЯ АВТОМАТИЗАЦИЯ 2023»
заполните анкету:
Ключевые темы:
Выход из «пилотного плена»:
переход от точечных ИИ-проектов к управляемой корпоративной архитектуре.
От рекомендаций к действиям:
как делегировать полномочия ИИ-агентам, сохранив контроль над бизнес-процессами.
Фундамент для ИИ:
AI-ready данные, контроль качества и демократизация корпоративных знаний.
Архитектура защиты AI-агентов и мультиагентных систем.
Архитектура защиты AI-агентов и мультиагентных систем.
Экономика и FinOps:
трезвый расчет стоимости владения и измеримый ROI ИИ-решений без «розовых очков».
Юридическая ответственность и экономическая безопасность:
защита активов, лимиты для агентов и распределение рисков.
Управление гибридными командами:
трансформация ролей, компетенций и реальное содержание принципа Human-in-the-loop.
Программный комитет:
Николай Смирнов
Председатель экспертного совета премий Data Award и BI Award
Главный редактор портала OSP.ru
OSP.ru
Главный редактор портала OSP.ru
OSP.ru
Окончил Московский институт электроники и математики, специальность «Математические методы в экономике». Более 20 лет работает в Издательстве «Открытые системы». Сотрудничал с изданиями Computerworld Россия, «Открытые системы», был главным редактором журнала «Директор информационной службы». Главный редактор портала OSP.ru. Председатель оргкомитета премий Data Award и BI Award. Программный директор форума «Интеллектуальное предприятие».
Ирина Шеян
программный директор
«Открытые Системы»
«Открытые Системы»
Окончила Московский полиграфический институт по специальности инженер-экономист. Преподавала финансовые дисциплины в Московском университете печати и Академии труда и социальных отношений. Более 25 лет работает в Издательстве «Открытые системы». В качестве журналиста готовила публикации в изданиях eCommerce World, Computerworld Россия, «Сети», «Директор информационной службы», «Открытые системы», руководила проектом «MedIT. ИТ в здравоохранении», выступала экспертом спецпроекта «Данные на службе добра». Программный директор конференций «Управление бизнес-процессами», «Цифровая инфраструктура», Industrial Data, конгресса «Флагманы цифровизации», а также форумов «Данные+ИИ» и «Интеллектуальное предприятие».
«Для получения существенного эффекта от инвестиций в технологии искусственного интеллекта предстоит перейти от набора точечных ИИ-проектов к выстраиванию новой корпоративной архитектуры и интеграции ИИ в операционную модель. Обсудим, как встроить цифровые решения в бизнес-процессы и делегировать им полномочия, совершив качественный рывок без потери управляемости и безопасности».
Владимир Анисимов
эксперт в области Decision Intelligence
«Горизонт сингулярности»
«Горизонт сингулярности»
Владимир Анисимов — эксперт по цифровой трансформации, управлению данными, бизнес-аналитике и искусственному интеллекту. Программный директор конференции «Цифровая инфраструктура» издательства «Открытые системы» Автор Telegram-канала «Горизонт сингулярности».
Окончил Московский индустриальный университет по специальностям «Физика и экономика» и «Управление на предприятиях машиностроения». Имеет две степени MBA — в области стратегического управления и управления персоналом. Сертифицированный специалист по Data Science Института SAS. Более 20 лет работает в энергетике и ИТ-индустрии. В ПАО «Интер РАО» занимал должности руководителя направления долгосрочного развития и сопровождения стандартов качества обслуживания потребителей, а также директора по управлению данными — CDO. В АО «Мосэнергосбыт» работал директором по цифровой трансформации и управлению данными — CDTO. В компании «Сибинтек-Софт», входящей в ИТ-контур НК «Роснефть», возглавлял направление инновационных продуктов.
Специализируется на разработке и реализации стратегий цифровой трансформации, Data Governance и Data Quality, внедрении BI- и AI-решений, процессной аналитике, Task Mining, Metadata-Driven-подходах и построении аналитических платформ в крупных распределенных корпоративных контурах. Отдельные направления профессиональных интересов — Decision Intelligence, AI-агенты и формирование доверенной среды для принятия управленческих решений на основе данных.
Лауреат Data Award 2026, обладатель профессионального признания «Эксперт 2025» в области BI, победитель конкурса «Проект года — 2021» Global CIO. Член экспертного совета Гильдии «Дата-авантюристы», контрибьютор проекта Deckhouse Community Edition.
Окончил Московский индустриальный университет по специальностям «Физика и экономика» и «Управление на предприятиях машиностроения». Имеет две степени MBA — в области стратегического управления и управления персоналом. Сертифицированный специалист по Data Science Института SAS. Более 20 лет работает в энергетике и ИТ-индустрии. В ПАО «Интер РАО» занимал должности руководителя направления долгосрочного развития и сопровождения стандартов качества обслуживания потребителей, а также директора по управлению данными — CDO. В АО «Мосэнергосбыт» работал директором по цифровой трансформации и управлению данными — CDTO. В компании «Сибинтек-Софт», входящей в ИТ-контур НК «Роснефть», возглавлял направление инновационных продуктов.
Специализируется на разработке и реализации стратегий цифровой трансформации, Data Governance и Data Quality, внедрении BI- и AI-решений, процессной аналитике, Task Mining, Metadata-Driven-подходах и построении аналитических платформ в крупных распределенных корпоративных контурах. Отдельные направления профессиональных интересов — Decision Intelligence, AI-агенты и формирование доверенной среды для принятия управленческих решений на основе данных.
Лауреат Data Award 2026, обладатель профессионального признания «Эксперт 2025» в области BI, победитель конкурса «Проект года — 2021» Global CIO. Член экспертного совета Гильдии «Дата-авантюристы», контрибьютор проекта Deckhouse Community Edition.
Почему стоит участвовать:
- Встроить, а не сломать:получить рабочие алгоритмы интеграции ИИ в корпоративную архитектуру без потери управляемости бизнесом.
- От пилотов к масштабу:разобрать реальные кейсы российских компаний, которые уже прошли путь от точечных экспериментов до промышленной эксплуатации.
- Честный разговор о рисках:открыто обсудить барьеры, провалы и «подводные камни» внедрения — и понять, как их нивелировать, а не обходить.
- Сверка с лидерами рынка:сопоставить свои дорожные карты и планы с реальным опытом топ-компаний.
- Эффективная связка «Человек + ИИ»:Увидеть, как перестроить процессы и роли, чтобы гибридные команды давали измеримый экономический эффект, а не создавали хаос.
- Вы услышите:
- лидеров мнений — ведущих российских экспертов и аналитиков
- голос рынка — разработчиков передовых решений
- бизнес-руководителей компаний — опытных ИИ-практиков.
Программа
- ИИ как рычаг трансформации: баланс вложений, архитектуры и реального эффекта
- Делегирование прав агентам в условиях дефицита доверия к ИИ
- Как заставить бизнес поверить в ИИ и выйти «пилотного плена»
- Безопасный ИИ без остановки бизнеса: как защитить данные и модели в мультиагентной среде
- Управление гибридными командами: как распределить задачи и ответственность между людьми и агентами
- Экосистема технологий умного предприятия: RPA+BPM+Process Mining+BI
- Платформенный подход: от ИИ-островов к архипелагу эффективного бизнеса
- Оптимизация процессов и трансформация корпоративной архитектуры
- Как выстроить архитектуру мультиагентной системы и контролировать работу ИИ-агентов
- Агентные системы на практике: что уже работает, какие есть барьеры и как их преодолевать
Битва взглядов: Бизнес vs ИТ vs ИБ.
Кто тормозит масштабирование ИИ и как найти компромисс в архитектуре и KPI
Три стороны конфликта за одним столом.
Разбираем кейсы, где интересы бизнеса, ИТ-архитектуры и безопасности входят в противоречие — и ищем рабочие компромиссы.
Честный разговор о масштабировании ИИ с участием зала.
Модератор и спикеры уточняются.
Кто тормозит масштабирование ИИ и как найти компромисс в архитектуре и KPI
Три стороны конфликта за одним столом.
Разбираем кейсы, где интересы бизнеса, ИТ-архитектуры и безопасности входят в противоречие — и ищем рабочие компромиссы.
- Бизнес «Нам нужны результаты здесь и сейчас»
- ИТ и архитектура «Без архитектуры это новый технологический долг»
- ИБ и безопасность «Каждый агент — это новый контур риска»
- Как встроить ИИ и цифровых сотрудников в действующий ИТ-ландшафт?
- Кто отвечает за решение ИИ-агента и его последствия?
- Кросс-функциональная интеграция ИИ: как согласовать ИТ, бизнес и безопасность на уровне архитектуры и KPI
Честный разговор о масштабировании ИИ с участием зала.
Модератор и спикеры уточняются.
- Опыт работы с цифровым напарником
- Контроль качества данных: автономно и автоматически
- Адаптация ИИ-ассистентов для эффективной работы с данными.
- Мультиагентная система и демократизация знаний
- Демократизация доступа к данным: от классической аналитики к оперативному управлению
- Как сделать производственную систему интеллектуальной
- Оптимизация экономики ИИ-агентов
- Искусственный интеллект в работе с клиентами и HR
- Оптимизация процессов с помощью ГенИИ
- Экосистема ИИ как среда для роста доходности
- Доверие к ИИ: могут ли юристы помочь в решении проблемы?
- Кто отвечает за ошибку ИИ-агента при сложной цепочке поставщиков и моделей?
- Где заканчивается рекомендация и начинается юридически значимое решение?
- Финансовые лимиты и контроль для ИИ-агентов: как предотвратить убытки и мошенничество
- Как закрепить полномочия ИИ-агента во внутренних регламентах и договорах?
Спикеры:
«Груп Атлантик Теплолюкс»
«Инфоцех»
Александр Бочкин
генеральный директор
генеральный директор
«Инфомаксимум»
Георгий Шатиров
директор по ИИ и инновациям
директор по ИИ и инновациям
К2Тех
«ЭкоНива-АПК Холдинг»
Департамент развития AI/ML (Сбер AI)
Консорциум технологических компаний России
«Круги Громова»
Lexometrica
ТД «Электротехмонтаж»
Николай Лобанов
...
Независимый эксперт по ИБ и КИИ
Независимый эксперт по информационной безопасности и защите критической информационной инфраструктуры. Девять лет в опыта работы с ИТ-инфраструктурой, в том числе в системно значимой инфраструктурой финансового рынка. Участвует в общественных обсуждениях проектов нормативных актов на regulation.gov.ru, предложения по антифрод-пакету и метрикам защищенности КИИ отмечены разработчиками учтенными. Магистрант ИПНБ РАНХиГС, программа "Государственное управление и национальная безопасность".
...
Василий Арсенов
...
Head of AI
DOGMA
DOGMA
Выпускник Московского политехнического университета, специализация в области информационных технологий. Более 10 лет занимается разработкой и запуском цифровых продуктов, построением технологических команд и внедрением новых технологий в бизнес. Имеет опыт разработки и реализации крупных технологических проектов для ВТБ, Газпрома и Яндекса. Работал ИТ-директором "БН", осуществляя управление разработкой и технологическим развитием девелоперской компании. В компании "Крокус" руководил направлением разработки цифровых продуктов.
В настоящее время -- руководитель направления искусственного интеллекта в DOGMA, где отвечает за AI-стратегию, разработку технологических продуктов и внедрение искусственного интеллекта в ключевые бизнес-процессы компании. Развивает экосистему корпоративного ИИ: AI-агентов и мультиагентные системы, корпоративные LLM и RAG, интеллектуальную автоматизацию, компьютерное зрение, обработку документов, AI-инфраструктуру и решения на базе корпоративных данных. Под его руководством создаются AI-продукты для финансов, закупок, продаж, клиентского сервиса, аналитики и внутренних процессов компании. Фокусируется на переходе от отдельных AI-экспериментов к системному внедрению ИИ и построению AI-first компании.
В настоящее время -- руководитель направления искусственного интеллекта в DOGMA, где отвечает за AI-стратегию, разработку технологических продуктов и внедрение искусственного интеллекта в ключевые бизнес-процессы компании. Развивает экосистему корпоративного ИИ: AI-агентов и мультиагентные системы, корпоративные LLM и RAG, интеллектуальную автоматизацию, компьютерное зрение, обработку документов, AI-инфраструктуру и решения на базе корпоративных данных. Под его руководством создаются AI-продукты для финансов, закупок, продаж, клиентского сервиса, аналитики и внутренних процессов компании. Фокусируется на переходе от отдельных AI-экспериментов к системному внедрению ИИ и построению AI-first компании.
...
Кирилл Сорокин
...
директор департамента защиты приложений
Билайн
Билайн
Более 15 лет практического и управленческого опыта в кибербезопасности. Создает с нуля практики AppSec, DevSecOps, Offensive Security, Cloud Security, AI Security развивая их от внутренних функций до клиентских сервисов. Развивает подход к информационной безопасности как к платформе и продукту, объединяя инженерные контроли, автоматизацию и измеримый эффект для бизнеса. Руководил международными программами кибербезопасности и облачной трансформации телеком-операторов на Ближнем Востоке, Азии и Европе. Выпускник Президентской программы подготовки управленческих кадров по направлению «Корпоративный менеджмент».
...
Александр Хомяков
Границы автономности ИИ-агента: как встроить сотрудника в операционный процесс через управление по отклонениям
директор по инновационным сервисам
ТД «Электротехмонтаж»
ТД «Электротехмонтаж»
Окончил физфак СПбГУ, имеет дополнительное образование MBA (Открытая школа бизнеса). Опыт работы 11 лет директором по маркетингу розничной сети «Кей». Занимался внедрением интеллектуального поиска в Юлмарт. 15 лет в ИТ, начиная с руководителя проектов до директора по инновациям в «Электротехмонтаж». Является приглашенным специалистом в НИУ ВШЭ.
Основным применением ИИ-агентов в бизнесе стала автоматизация операционной рутины. Теперь не надо контролировать по отчетам, собирать данные для заполнения форм, двигать шаги процессов руками сотрудников. Это успешно делают ИИ-агенты, это новый эволюционный уровень автоматизации. Но полностью исключить сотрудников и сделать AI-first компанию не получится, потому что ИИ не понимают логику вашего конкретного бизнеса, не справляются с новыми и нетривиальными случаями. Поэтому сейчас важно понимать и внедрять автоматизацию с управлением по отклонениям, когда ИИ-агенту задаются рамки, в которых он действует сам, и условия когда переключается на человека. Мы все это знаем, когда просим чат-бот поддержки клиентов переключить на оператора. Но в нагруженных операционных процессах ИИ-агент должен сам звать менеджера на помощь. Как встраивается сотрудник в работу ИИ-агентов будет показано в докладе на примерах.
Никита Поляков
...
основатель
Lexometrica
Lexometrica
LegalTech-архитектор и бэкенд-разработчик, юрист с 10-летней судебной практикой (выпускник юридического факультета МГУ). Основатель Lexometrica — B2B-системы предиктивной аналитики арбитражных споров: нейро-профили судей, оценка перспектив судебного дела, мультимодельный LLM-консенсус. Автор сервиса неШемяка, где LLM-агенты прогнозируют исходы судебных дел. Автор Lexometrica Ground Truth - независимого рейтинга LLM по российскому праву. Участник международного сообщества Legal Quants.
...
Яков Шварцман
...
юрист, руководитель продуктового направления
Т1
Т1
Эксперт по применению AI в юридических и бизнес-процессах. Преподаватель программ ДПО ВШЭ по прикладному использованию AI. Член академического совета магистратуры «Управление правовыми рисками в бизнесе».
...
Марина Федорова
...
Аналитик-исследователь, эксперт в области финансового моделирования и BI.
«Круги Громова»
«Круги Громова»
Более пяти лет руководила группой по разработке бизнес-планов и инвестиционных проектов, занималась BI-разработкой в компаниях «Деловые Линии», Банк «Санкт-Петербург» и Сбербанк. Автор исследования «AI в BI-круг Громова 2026», посвященного применению технологий искусственного интеллекта в BI-системах и аналитических платформах.
...
Михаил Крихели
Запасной выход в ИИ-стратегии: как сохранить возможность сменить технологический курс
Глава совета
Консорциум технологических компаний России
Консорциум технологических компаний России
Основатель и глава совета Консорциума технологических компаний России (КТКР), инженер-системотехник. Более 30 лет работает на стыке технологий, государственного управления и бизнеса. Руководил созданием и внедрением федеральных межведомственных информационных систем и отраслевых решений. Автор методологии предиктивного анализа рисков и событий (ПАРС). Специализация — сложные системы, технологические зависимости и последствия стратегических решений.
Искусственный интеллект быстро встраивается в процессы, данные и принятие решений. При внедрении считают стоимость входа: инфраструктуру, интеграцию, команду и ожидаемый эффект. Реже оценивают цену смены курса через несколько лет, когда вокруг решения уже сформировались новые процессы, компетенции и зависимости.
В докладе рассматривается технологическая обратимость, то есть способность компании или государства изменить выбранный путь без неприемлемых затрат и потери критических функций. Российский опыт миграции с решений Oracle и Cisco сопоставляется с практиками США, Великобритании и ЕС, где развиваются механизмы заменяемости компонентов, открытых стандартов, переносимости данных и смены поставщиков.
Предлагается наблюдать, как по мере развития программы растет цена смены курса и сокращается число реальных альтернатив. Такая оценка строится на методологии предиктивного анализа рисков и событий (ПАРС), позволяющей отслеживать изменение технологической обратимости во времени.
В результате аудитория получит новую рамку для оценки крупных технологических решений: как учитывать будущую стоимость смены курса, по каким признакам видеть снижение технологической обратимости и в какой момент пространство реальных альтернатив начинает сужаться.
В докладе рассматривается технологическая обратимость, то есть способность компании или государства изменить выбранный путь без неприемлемых затрат и потери критических функций. Российский опыт миграции с решений Oracle и Cisco сопоставляется с практиками США, Великобритании и ЕС, где развиваются механизмы заменяемости компонентов, открытых стандартов, переносимости данных и смены поставщиков.
Предлагается наблюдать, как по мере развития программы растет цена смены курса и сокращается число реальных альтернатив. Такая оценка строится на методологии предиктивного анализа рисков и событий (ПАРС), позволяющей отслеживать изменение технологической обратимости во времени.
В результате аудитория получит новую рамку для оценки крупных технологических решений: как учитывать будущую стоимость смены курса, по каким признакам видеть снижение технологической обратимости и в какой момент пространство реальных альтернатив начинает сужаться.
Александра Чернышова
Ген ИИ: как встроить ИИ в ДНК распределенной команды
руководитель проектов платформы «Профессионалы 4.0» в области ИИ и маркетинга
«Газпром нефть»
«Газпром нефть»
Эксперт в области маркетинга, прикладных исследований и управления распределенными командами.
15+ лет в B2B-маркетинге, руководит ИИ-проектами платформы «Профессионалы 4.0» компании "Газпром нефть" — занимается автоматизацией процессов и внедрением ИИ в маркетинг. Выстраивала операционную инфраструктуру проектов «Содействие занятости» и «Код будущего» в Томском госуниверситете. Также занимается исследовательской и преподавательской работой: автор и преподаватель курсов «Системное мышление» и «Использование искусственного интеллекта в исследовательской работе» для Школы лидерства и кадрового резерва университета.
15+ лет в B2B-маркетинге, руководит ИИ-проектами платформы «Профессионалы 4.0» компании "Газпром нефть" — занимается автоматизацией процессов и внедрением ИИ в маркетинг. Выстраивала операционную инфраструктуру проектов «Содействие занятости» и «Код будущего» в Томском госуниверситете. Также занимается исследовательской и преподавательской работой: автор и преподаватель курсов «Системное мышление» и «Использование искусственного интеллекта в исследовательской работе» для Школы лидерства и кадрового резерва университета.
ИИ-инструменты можно подключить за считанные часы. Гораздо сложнее сделать так, чтобы команда действительно изменила с ним свою работу.
На платформе «Профессионалы 4.0» к началу 2025 года уже активно использовали собственных ИИ-агентов, а один из них вышел на внешний рынок как коммерческий продукт. Но чем больше инструментов появлялось, тем заметнее был разрыв среди коллег: кто-то регулярно экспериментирует с новыми возможностями, кто-то ограничивается простыми задачами, а кто-то почти не меняет привычный подход к работе.
Как сделать так, чтобы ИИ стал рабочим инструментом всей команды, а не нескольких энтузиастов? Для распределенной команды этот вопрос особенно важен: новые практики сложнее распространять, а обмен опытом происходит не так быстро, как в одном офисе.
В докладе разберем кейс трансформации команды из 60 человек и покажем, как внедрение ИИ может не только менять рабочие процессы, но и усиливать взаимодействие внутри гибридной команды. Программа длилась 6 месяцев и была полностью реализована внутренними силами. В нее вошли конкретные механики, которые помогли перейти от отдельных экспериментов с ИИ к его регулярному использованию в работе. Покажем, какие эффекты это дало, как их измеряли и что в итоге не сработало.
Вы получите модульный фреймворк, который можно адаптировать под задачи своего бизнеса, и понимание того, почему культура ИИ-мышления — необходимое условие следующего шага: команда, привыкшая формулировать задачу и проверять результат, готова контролировать ИИ-агентов без потери управляемости.
На платформе «Профессионалы 4.0» к началу 2025 года уже активно использовали собственных ИИ-агентов, а один из них вышел на внешний рынок как коммерческий продукт. Но чем больше инструментов появлялось, тем заметнее был разрыв среди коллег: кто-то регулярно экспериментирует с новыми возможностями, кто-то ограничивается простыми задачами, а кто-то почти не меняет привычный подход к работе.
Как сделать так, чтобы ИИ стал рабочим инструментом всей команды, а не нескольких энтузиастов? Для распределенной команды этот вопрос особенно важен: новые практики сложнее распространять, а обмен опытом происходит не так быстро, как в одном офисе.
В докладе разберем кейс трансформации команды из 60 человек и покажем, как внедрение ИИ может не только менять рабочие процессы, но и усиливать взаимодействие внутри гибридной команды. Программа длилась 6 месяцев и была полностью реализована внутренними силами. В нее вошли конкретные механики, которые помогли перейти от отдельных экспериментов с ИИ к его регулярному использованию в работе. Покажем, какие эффекты это дало, как их измеряли и что в итоге не сработало.
Вы получите модульный фреймворк, который можно адаптировать под задачи своего бизнеса, и понимание того, почему культура ИИ-мышления — необходимое условие следующего шага: команда, привыкшая формулировать задачу и проверять результат, готова контролировать ИИ-агентов без потери управляемости.
Василий Мухин
Мы победили ChatGPT в корпоративном контуре. Как заставить сотрудников полюбить свой ИИ-инструмент
директор направления ИИ-решений для бизнеса
K2Тех
K2Тех
Более 15 лет в ИТ-индустрии и свыше 10 лет — на руководящих позициях. Эксперт в области систем электронного документооборота (СЭД) с опытом автоматизации корпораций федерального масштаба. В компании К2Тех развивает практику внедрения искусственного интеллекта в бизнес-процессы крупных заказчиков. Отвечает за реализацию прикладных ИИ-решений и пилотных проектов — от тестирования гипотез до оценки эффективности нейросетей в реальных задачах.
...
Алексей Игошин
ИИ не заменяет людей, он делает их важнее: как мы перевели 100% команды на управление через ИИ-агентов
генеральный директор
HomeApp
HomeApp
Закончил ВМК МГУ по специальности математическая статистика, получил степень MBA в Университете Калифорнии Berkeley. Работал в венчурных фондах в России и Калифорнии, а также в Boston Consulting Group в практике больших данных. Основатель и генеральный директор агентства недвижимости Homeapp.
Мы перевели всю систему управления риэлторским бизнесом на интегрированное командное ИИ-решение: руководители ставят задачи друг другу и сотрудникам через ИИ, база знаний и управленческая/финансовая отчетность также полностью переведены на ИИ. Но главный вывод нашего опыта контринтуитивен: ИИ не заменяет людей, он делает их функциональную экспертизу критически важной.
В докладе мы честно разберем то, о чем редко говорят:
В докладе мы честно разберем то, о чем редко говорят:
- Ловушка «частичного внедрения»: почему модель, где часть команды работает с ИИ, а часть нет, ведет к хаосу.
- Правило «всех и сразу»: почему переводить на новые рельсы нужно всю компанию одновременно.
- Скрытая цена внедрения: как когнитивная и операционная нагрузка на сотрудников в переходный период вырастает в 10 раз.
- Новый профиль сотрудника: почему для работы с ИИ нужны не «промпт-инженеры», а глубокие функциональные эксперты, умеющие четко формулировать задачи и контролировать результат.
Оксана Хлыстова
...
руководитель направления ИИ-трансформации
MWS AI
MWS AI
Эксперт по ИИ-трансформации. В числе профессиональных компетенций полный цикл ИИ-консалтинга от аудита готовности и разработки ИИ-стратегии до точек роста бизнеса с ИИ. А также диагностика и акселерация продуктовых команд, оценка ИИ-стартапов и вендоров, образовательные программы для топ-менеджмента и сотрудников по ИИ. Разрабатывала ИИ-стратегию для одной из крупнейших авиакомпаний, реализовала программы по ИИ для 10 тыс. сотрудников корпораций. Провела лекции и воркшопы для 200+ топ-менеджеров. Разработала авторские курсы для ВШЭ. Реализовала четыре масштабных международных проекта по ИИ-трансформации: 300+ ИИ-решений из 37 стран, 70+ бизнес-функций.
...
Кирилл Солнцев
...
исполнительный директор
Департамент развития AI/ML (Сбер AI)
Департамент развития AI/ML (Сбер AI)
Окончил МГИМО по специальностям «Международные экономические отношения» и «Международный бизнес» и NUS (Национальный университет Сингапура), Executive Education. В роли консультанта работал с бизнесом и госорганами по разработке стратегии, запуску и маркетингу крупных инфраструктурных проектов государственно-частного партнерства; имеет опыт работы на госслужбе. В роли директора по международному бизнесу построил центр представления российских технологий в Сингапуре, занимался продвижением и маркетингом компаний холдинга Ростех в Юго-Восточной Азии и Китае, вывел несколько российских компаний на международные рынки Азии. В настоящее время в команде департамента развития AI/ML Сбера (Сбер AI) строит партнерства B2B/B2G с научными и международными организациями. Запустил стратегическое партнерство для реализации совместных AI-проектов — Альянс в сфере ИИ. Продюсировал успешные AI-проекты с 20+ ключевыми аккаунтами: Яндекс, VK, МТС, Т-Банк, Группа «Самолет», Альфа, др. Лидировал несколько проектов по GenAI-трансформации B2B/B2G. Участвовал в выпуске линейки первых отраслевых AI-продуктов, развитии системы региональных продаж AI, создании корпоративного R&D подразделения по ИИ.
...
Григорий Малыхин
ИИ без хайпа: как нейросети работают в закупках
директор по качеству и закупкам
«Груп Атлантик Теплолюкс»
«Груп Атлантик Теплолюкс»
Имеет два высших образования: инженерное и экономическое (Россия), также окончил магистратуру в области машиностроения (Германия). Более 14 лет в производственном менеджменте — от инженера-конструктора до исполнительного директора в предприятиях, выпускающих автокомпоненты, промышленное оборудование и климатическую технику. В настоящее время — директор по качеству и закупкам компании «Груп Атлантик Теплолюкс». В зону его ответственности входят клиентский сервис, закупки, международная логистика, качество, промышленная безопасность, а также автоматизация и цифровизация бизнес-процессов (CRM, BI, AI).
Рассмотрим кейсы, которые уже работают в компании. На примере бизнес-процессов в закупках мы поймем, как пройти путь от гипотезы к MVP, по пути не растерять энтузиазм команды и, самое главное, получить позитивный эффект от внедрения.
Сергей Исаев
Интеллектуальное предприятие: от автоматизации процессов к пониманию собственного устройства
директор по развитию
«Инфоцех»
«Инфоцех»
...
В докладе представлен взгляд на следующий этап развития корпоративных информационных систем — переход от предприятия, основанного на данных, к предприятию, которое понимает ИИ, предприятию, способному понимать само себя. Основой такого предприятия становится единый семантический слой — граф знаний, который связывает процессы, данные, ИТ-системы, организационную структуру, документы, правила и требования в общую систему корпоративных знаний.
Такой подход меняет и роль искусственного интеллекта. AI-агенты получают не просто доступ к данным и документам, а достоверный контекст предприятия: понимают смысл объектов и связей между ними, могут анализировать влияние изменений, выявлять противоречия, находить причины проблем и участвовать в исполнении сквозных бизнес-процессов.
В докладе расскажем с чего начать и как понять, готово ли ваше предприятие к ИИ-трансформации.
Такой подход меняет и роль искусственного интеллекта. AI-агенты получают не просто доступ к данным и документам, а достоверный контекст предприятия: понимают смысл объектов и связей между ними, могут анализировать влияние изменений, выявлять противоречия, находить причины проблем и участвовать в исполнении сквозных бизнес-процессов.
В докладе расскажем с чего начать и как понять, готово ли ваше предприятие к ИИ-трансформации.
Михаил Бурмистров
ИИ-трансформация в агрохолдинге: достигнутые эффекты и как их считать
ведущий специалист по ИИ
«ЭкоНива-АПК Холдинг»
«ЭкоНива-АПК Холдинг»
Окончил физический факультет и магистратуру экономического факультета МГУ имени М.В. Ломоносова. Курировал внедрение ERP-систем в региональных компаниях связи «Ростелекома», руководил направлением развития сегмента сжиженного природного газа в компании «Газпром нефть», занимал должность менеджера ИИ-продукта в компании «Интеллектуальные решения». В настоящее время — ведущий специалист по искусственному интеллекту в компании «ЭкоНива-АПК холдинг».
...
Константин Ипатьев
ИИ-трансформация в агрохолдинге: достигнутые эффекты и как их считать
начальник управления аналитики
Банк ВТБ
Банк ВТБ
...
...
Рустем Хайретдинов
Безопасный ИИ без остановки бизнеса: практика защиты ИИ-агентов и мультиагентных систем
ИБ-эксперт
Закончил механико-математический факультет МГУ им. Ломоносова и аспирантуру Института механики многофазных систем Сибирского отделения РАН.
Более 35 лет работает в сфере ИТ. Занимал руководящие должности в ряде ИТ- и ИБ-компаний: Steepler, IBS, Лаборатория Касперского, InfoWatch, BI.ZONE (экосистема Сбер). Ведет активную преподавательскую деятельность: приглашенный преподаватель Сколтеха, МШУ Сколково и факультета MBA РАНХиГС, участвует в отраслевых экспертных советах. Автор более ста статей по проблемам ИТ и ИБ в отраслевой, научной и деловой прессе.
Более 35 лет работает в сфере ИТ. Занимал руководящие должности в ряде ИТ- и ИБ-компаний: Steepler, IBS, Лаборатория Касперского, InfoWatch, BI.ZONE (экосистема Сбер). Ведет активную преподавательскую деятельность: приглашенный преподаватель Сколтеха, МШУ Сколково и факультета MBA РАНХиГС, участвует в отраслевых экспертных советах. Автор более ста статей по проблемам ИТ и ИБ в отраслевой, научной и деловой прессе.
Традиционные средства информационной безопасности создавались для защиты от людей (инсайдеров, злоумышленников) или уязвимостей в коде. Но ИИ-агент — это не ПО и не человек. Это новый цифровой субъект, действующий на стыке границ доверия: человек-агент, агент-агент, агент-данные. Против него традиционные инструменты и политики не работают.
Угрозы, о которых еще пару лет назад никто не догадывался, уже здесь: промпт-инъекции, отравление контекста, небезопасный vibe-coding, атаки типа «Сбитый с толку заместитель» (Confused Deputy) и «Утечка возможностей» (Capability Bleed), способные нанести реальный финансовый и репутационный ущерб.
В докладе мы сдвинем парадигму защиты и дадим готовый алгоритм действий:
Угрозы, о которых еще пару лет назад никто не догадывался, уже здесь: промпт-инъекции, отравление контекста, небезопасный vibe-coding, атаки типа «Сбитый с толку заместитель» (Confused Deputy) и «Утечка возможностей» (Capability Bleed), способные нанести реальный финансовый и репутационный ущерб.
В докладе мы сдвинем парадигму защиты и дадим готовый алгоритм действий:
- Новые принципы безопасности: почему агент должен стать полноправным субъектом цифровой системы с принципом наименьших привилегий и нулевым доверием (Zero Trust) к межагентным взаимодействиям.
- Архитектура защиты: разделение инструкций и данных, микросегментация и контроль границ доверия.
- План на 50 дней: что начать делать уже завтра — от полной инвентаризации агентов в компании до описания базовых политик, внедрения мониторинга и запуска пилотов Zero Trust.
ЭКСКЛЮЗИВНО ДЛЯ УЧАСТНИКОВ ФОРУМА
Ошибки, которые не попадают в презентации
Реальные метрики и стоимость внедрения
Прямые вопросы
авторам проектов
авторам проектов
Разбор «кухни» лучших проектов года
Живой разбор кейсов финалистов премии Data Award 2026 напрямую от авторов. Без маркетинговой шелухи — только цифры, архитектура, принятые решения и ограничения, с которыми столкнулись команды.
Форум будет полезен:
Операционным директорам и владельцам бизнес-процессов
Директорам по развитию, стратегии и инновациям
Директорам по ИИ и цифровой трансформации
CIO, CDTO и корпоративным архитекторам
Руководителям по экономической безопасности, рискам и внутреннему контролю
Бизнес-аналитикам, консультантам, исследователям и аналитикам данных
CDO и руководителям аналитики
Руководителям бизнес-подразделений
Форум «Интеллектуальное предприятие» — о переходе к предприятию, в котором стратегия, корпоративная архитектура, процессы, данные, люди и технологии искусственного интеллекта составляют единую эффективную систему.
Стоимость участия
для всех категорий
*(предложение действительно при оплате от 2х билетов для всех участников за исключением ИТ-вендоров)
Стоимость материалов
Премиум-партнер
Партнер
Информационные партнеры
Получить подробную информацию о форуме
«Интеллектуальное предприятие 2026»
«Интеллектуальное предприятие 2026»
Тематический блок
Данные для бизнес-анализа
Платформы, решения, практические кейсы BI и продвинутой аналитики
Иван Фост, руководитель Департамента управления данными, Аналитический центр при Правительстве РФ
ПРОЕКТЫ, ОСНОВАННЫЕ НА ДАННЫХ: КАК ИХ РЕАЛИЗУЮТ В ГОССЕКТОРЕ
Олег Гиацинтов, технический директор, DIS Group
Юрий Емельянов, архитектор, Анастасия Куликова, team lead команды аналитиков,
Илья Поздняков, управляющий директор, Сбер
СУПЕРМАРКЕТ ДАННЫХ — ЕДИНОЕ ОКНО ВО ВСЕЛЕННУЮ ДАННЫХ СБЕРА
Сергей Шестаков, генеральный директор, Дмитрий Дорофеев, главный архитектор, Luxms
БЫСТРАЯ АНАЛИТИКА НА БОЛЬШИХ ДАННЫХ
Дмитрий Карбасов, руководитель управления промышленного искусственного интеллекта,
Евразийская Группа
ЗАКУПКИ В ПРОМЫШЛЕННОСТИ: КАК ПОВЫСИТЬ ПРОЗРАЧНОСТЬ С ПОМОЩЬЮ ЕДИНОЙ БАЗЫ ЦЕН
Станислав Ляховецкий, директор по управлению портфелем проектов, «Лаборатория продвинутой аналитики» ВТБ
Спикер компании «Деловые линии»
Вернутся к программе
Тематический блок
Данные для ИИ
Платформы, решения, практические кейсы машинного обучения и ИИ
Выступление Denodo
Александр Мотузов, начальник управления методологии и разработки математических моделей, НЛМК
ИНДУСТРИАЛИЗАЦИЯ МАШИННОГО ОБУЧЕНИЯ В МЕТАЛЛУРГИЧЕСКОЙ КОМПАНИИ
Алексей Коваленя, технический консультант департамента больших данных и безопасности, Atos в России и СНГ
Выступление РДТЕХ
Александр Мотузов, начальник управления методологии и разработки математических моделей, НЛМК
ИНДУСТРИАЛИЗАЦИЯ МАШИННОГО ОБУЧЕНИЯ В МЕТАЛЛУРГИЧЕСКОЙ КОМПАНИИ
Алексей Коваленя, технический консультант департамента больших данных и безопасности, Atos в России и СНГ
Выступление РДТЕХ
Вернутся к программе
Кадровый вопрос
АНАЛИТИКА В HR И ОБРАЗОВАНИИ, ПОДГОТОВКА СПЕЦИАЛИСТОВ ДЛЯ РАБОТЫ С ДАННЫМИ
Андрей Комиссаров, директор направления «Развитие человека на основе данных», Университет 20.35
Проекты на данных в HR (тема предварительно)
Иван Исаев, директор направления анализа данных, МТС
СИСТЕМА АНАЛИЗА ЦИФРОВОГО СЛЕДА СОТРУДНИКА — «СЕРДЦЕ», ДВИЖУЩЕЕ ЦИФРОВОЙ ТРАНСФОРМАЦИЕЙ
Проекты на данных в HR (тема предварительно)
Иван Исаев, директор направления анализа данных, МТС
СИСТЕМА АНАЛИЗА ЦИФРОВОГО СЛЕДА СОТРУДНИКА — «СЕРДЦЕ», ДВИЖУЩЕЕ ЦИФРОВОЙ ТРАНСФОРМАЦИЕЙ
Вернутся к программе
Круглый стол
ПЕРСПЕКТИВЫ РАЗВИТИЯ ОТРАСЛИ БОЛЬШИХ ДАННЫХ С УЧЕТОМ ПОЯВЛЕНИЯ ЭКСПЕРИМЕНТАЛЬНО-ПРАВОВЫХ РЕЖИМОВ
Модератор:
Анна Серебряникова, президент Ассоциации больших данных
28 января 2021 года вступил в силу Федеральный закон «Об экспериментальных правовых режимах в сфере цифровых инноваций в Российской Федерации». Законом предусмотрена возможность применения специального регулирования к участникам экспериментального правового режима в целях разработки, апробации и внедрения цифровых инноваций.
Сфера данных является одним из основных направлений инновационного развития, которые в значительной степени ограничены требованиями действующего законодательства. Экспериментальные правовые режимы в области данных позволят апробировать и усовершенствовать российские продукты и сервисы на основе технологий искусственного интеллекта и работы с большими данными.
На круглом столе предлагается обсудить особенности установления экспериментальных правовых режимов в сфере данных, порядок взаимодействия участников, роль организации предпринимательского сообщества и регулирующего органа и другие вопросы.
Программа круглого стола
Вступительное слово
Особенности применения законодательства о персональных данных в рамках экспериментальных правовых режимов (законопроект-спутник)
Оксана Тарасенко, заместитель Министра экономического развития Российской Федерации
Пределы специального регулирования в рамках экспериментального правового режима
Татьяна Матвеева, начальник Управления Президента Российской Федерации по применению информационных технологий и развитию электронной демократии
Роль организации предпринимательского сообщества при установлении экспериментального правового режима
Дмитрий Тер-Степанов, заместитель генерального директора, директор по направлению «Нормативное регулирование», АНО «Цифровая экономика»
Презентация сервиса «Собственное дело» для экспериментального правового режима в сфере данных
Мария Поликанова, руководитель стратегического комитета, Ассоциация больших данных
Использование данных города в рамках эксперимента по установлению специального регулирования в Москве
Иван Бутурлин, руководитель проектного офиса по ЭПР, ДИТ г. Москвы
Социальные эффекты внедрения экспериментальных правовых режимов
Вера Адаева, директор Центра цифрового развития, Агентство стратегических инициатив
Заключительное слово
Анна Серебряникова, президент Ассоциации больших данных
28 января 2021 года вступил в силу Федеральный закон «Об экспериментальных правовых режимах в сфере цифровых инноваций в Российской Федерации». Законом предусмотрена возможность применения специального регулирования к участникам экспериментального правового режима в целях разработки, апробации и внедрения цифровых инноваций.
Сфера данных является одним из основных направлений инновационного развития, которые в значительной степени ограничены требованиями действующего законодательства. Экспериментальные правовые режимы в области данных позволят апробировать и усовершенствовать российские продукты и сервисы на основе технологий искусственного интеллекта и работы с большими данными.
На круглом столе предлагается обсудить особенности установления экспериментальных правовых режимов в сфере данных, порядок взаимодействия участников, роль организации предпринимательского сообщества и регулирующего органа и другие вопросы.
Программа круглого стола
Вступительное слово
Особенности применения законодательства о персональных данных в рамках экспериментальных правовых режимов (законопроект-спутник)
Оксана Тарасенко, заместитель Министра экономического развития Российской Федерации
Пределы специального регулирования в рамках экспериментального правового режима
Татьяна Матвеева, начальник Управления Президента Российской Федерации по применению информационных технологий и развитию электронной демократии
Роль организации предпринимательского сообщества при установлении экспериментального правового режима
Дмитрий Тер-Степанов, заместитель генерального директора, директор по направлению «Нормативное регулирование», АНО «Цифровая экономика»
Презентация сервиса «Собственное дело» для экспериментального правового режима в сфере данных
Мария Поликанова, руководитель стратегического комитета, Ассоциация больших данных
Использование данных города в рамках эксперимента по установлению специального регулирования в Москве
Иван Бутурлин, руководитель проектного офиса по ЭПР, ДИТ г. Москвы
Социальные эффекты внедрения экспериментальных правовых режимов
Вера Адаева, директор Центра цифрового развития, Агентство стратегических инициатив
Заключительное слово
Вернутся к программе
Воркшоп
IPA: ЭВОЛЮЦИЯ АВТОМАТИЗАЦИИ ПРОЦЕССОВ И НОВЫЙ УРОВЕНЬ ПРОЦЕССНОЙ АНАЛИТИКИ
Наталья Роменская, независимый эксперт
Оптимизация бизнес-процессов и их автоматизация — лейтмотив крупного бизнеса на протяжении нескольких десятилетий. Каждые несколько лет возникают новые технологии, мы были свидетелями появления BPM, RPA, Process Discovery и др. Сейчас организации все чаще смотрят в сторону умной автоматизации (intelligent process automation) — концепции, которая объединяет в себе несколько направлений и позволяет выполнять сложные процессы с принятием решений без участия человека.
В ходе онлайн-воркшопа разберемся с терминологией IPA, ее целью и ограничениями; обсудим, какие технологии сделали умную автоматизацию возможной, а также разберем процессы с использованием IPA.
Оптимизация бизнес-процессов и их автоматизация — лейтмотив крупного бизнеса на протяжении нескольких десятилетий. Каждые несколько лет возникают новые технологии, мы были свидетелями появления BPM, RPA, Process Discovery и др. Сейчас организации все чаще смотрят в сторону умной автоматизации (intelligent process automation) — концепции, которая объединяет в себе несколько направлений и позволяет выполнять сложные процессы с принятием решений без участия человека.
В ходе онлайн-воркшопа разберемся с терминологией IPA, ее целью и ограничениями; обсудим, какие технологии сделали умную автоматизацию возможной, а также разберем процессы с использованием IPA.
Вернутся к программе
Тематический онлайн-блок
Данные для медицины
Решения и практические кейсы аналитики и ИИ в медицине
Александр Гусев, директор по развитию проекта Webiomed, ассоциация «Национальная база медицинских знаний»
БОЛЬШИЕ ДАННЫЕ РОССИЙСКОГО ЗДРАВООХРАНЕНИЯ: КОПИТЬ НЕЛЬЗЯ ИСПОЛЬЗОВАТЬ
Никита Николаев, операционный директор, Celsus
КАК ОПТИМИЗИРОВАТЬ ПРОЦЕСС РАЗМЕТКИ МЕДИЦИНСКИХ ДАННЫХ И ОТБОР ВРАЧЕЙ-РАЗМЕТЧИКОВ?
Юлия Урожаева, 1й зам. начальника Управления заместителя Мэра Москвы по вопросам социального развития, Правительство Москвы
СИСТЕМА ПОДДЕРЖКИ ПРИНЯТИЯ ВРАЧЕБНЫХ РЕШЕНИЙ
Игорь Башков, коммерческий директор, «Нетрика Медицина»
ПРАКТИЧЕСКАЯ ПОЛЬЗА ЦИФРОВОГО КОНТУРА ЗДРАВООХРАНЕНИЯ: ПЕРЕХОД К АНАЛИТИКЕ НА ОСНОВЕ ПЕРВИЧНЫХ ДАННЫХ
Круглый стол
КАЧЕСТВЕННЫЕ МЕДИЦИНСКИЕ ДАННЫЕ ДЛЯ ИИ-РЕШЕНИЙ: ГДЕ ИХ ВЗЯТЬ?
Модератор: Николай Павлов, Chief Medical Data Officer, Радиология Москвы
Пандемийный год дал шанс сдвинуть с мертвой точки проблему доступа к большим массивам обезличенных медицинских данных для разработчиков ИИ-решений. Внимание общества к медицинским ИТ, инвестиционные потоки, готовность регуляторов к более оперативному изменению нормативной среды — насколько удалось использовать эти условия, чтобы наладить процесс создания качественных дата-сетов? Эксперты обсудят текущую ситуацию с доступом к качественным медицинским данным
и дальнейшие перспективы в этой сфере, а также поделятся лайфхаками в добыче данных.
• Что изменилось в вопросах доступа к медицинским данным за последний год?
• Удалось ли использовать шансы, "предоставленные" пандемией: повышенное внимание к теме
и готовность регуляторов оперативнее реагировать на происходящее?
• Какие проблемы остаются нерешенными и почему?
• Какой опыт пандемийного года пригодится в «мирной жизни»?
• Какие шаги требуются от профессионального сообщества, чтобы обеспечить медицинскому ИИ правильное «питание»?
Участвуют:
- Павел Пугачев, зам.министра, Минздрав РФ
- Владимир Макаров, заместитель руководителя, ДИТ Москвы, руководитель по цифровизации Комплекса социального развития Москвы
- Александр Гусев, директор по развитию проекта Webiomed, Ассоциация НБМЗ
- Александра Орехович, директор по правовым инициативам ФРИИ
- Борис Зингерман, руководитель направления цифровой медицины «Инвитро»
- Никита Николаев, операционный директор, Celsus.ai
Вернутся к программе
Максим Чернышов, Дом.ру
Окончил МГТУ им. Н. Э. Баумана, прошел годовую стажировку в Leuphana University of Lüneburg (Германия). Занимался исследованием данных и развитием машинного обучения в МТС, Tele2, SAS Inc. и Сбер. В настоящее время занимает должность технического директора CVM (Customer Value Management) в компании АО «ЭР-Телеком Холдинг» (бренд - Дом.ру)
Next Best Action: стратегия персонализации, которая работает
В рамках доклада поговорим про стратегию Next Best Action, позволяющую реализовать оптимальное взаимодействие с клиентами в различных каналах коммуникации. Расскажем про реализацию собственного инструмента на базе машинного обучения и методов оптимизации, а также достигнутых с его помощью результатах.
В рамках доклада поговорим про стратегию Next Best Action, позволяющую реализовать оптимальное взаимодействие с клиентами в различных каналах коммуникации. Расскажем про реализацию собственного инструмента на базе машинного обучения и методов оптимизации, а также достигнутых с его помощью результатах.
Вернуться
к докладчикам
к докладчикам
Святослав Орешин, X5
Окончил Университет ИТМО. Работал в должности директора центра учебной аналитики ИТМО, затем дата-сайентистом в X5. Сейчас - владелец продукта, руководитель команды модельного риска Х5 Tech.
Доверяй, но проверяй: управление рисками ML-моделей
В Х5 Tech разработали и интегрировали систему контроля модельных рисков, позволяющую эффективно отслеживать и управлять многочисленными ML-моделями, детектировать и реагировать на возможные риски, связанные с моделями. Это позволяет минимизировать потенциальные убытки и улучшать качество принимаемых на основе моделей решений. Модельный риск был встроен в процессы компании, и уже предотвращены реальные случаи, когда модель приносила значительные финансовые убытки.
В Х5 Tech разработали и интегрировали систему контроля модельных рисков, позволяющую эффективно отслеживать и управлять многочисленными ML-моделями, детектировать и реагировать на возможные риски, связанные с моделями. Это позволяет минимизировать потенциальные убытки и улучшать качество принимаемых на основе моделей решений. Модельный риск был встроен в процессы компании, и уже предотвращены реальные случаи, когда модель приносила значительные финансовые убытки.
Вернуться
к докладчикам
к докладчикам
Андрей Голов, «Северсталь»
Окончил Московский физико-технический институт, кандидат физико-математических наук по специальности «Математическое моделирование, численные методы и комплексы программ». С 2018 года занимается технологиями машинного обучения в промышленности, имеет статус Kaggle Master. C 2021 года работает в компании «Северсталь Диджитал», где в 2022 году возглавил центр искусственного интеллекта и машинного обучения.
Вернуться
к докладчикам
к докладчикам
Ильдар Мухаметзянов, адвокат
Основатель онлайн-сервиса юридической помощи Advostar.Online. Имеет 20-летний опыт работы в сфере юриспруденции, является руководителем Уфимского центрального филиала и членом президиума Башкирской республиканской коллегии адвокатов. Выступает в качестве лектора в Институте права БашГУ. Мухаметзянов – действующий колумнист федеральных и отраслевых изданий. В 2023 году стал лауреатом премии «Юрист года-2023» от Ассоциации юристов России.
На службе бизнеса: юридические риски внедрения ИИ-решений
Технологии искусственного интеллекта уже находят широкое применение в самых разных отраслях, начиная от маркетинговых агентств и заканчивая сферой промышленности. Однако внедрение ИИ-решений имеет не только преимущества, но и определенные недостатки. Утечка информации, хакерские атаки и возможные сбои системы – лишь некоторые из возможных рисков. Поговорим о том, как их минимизировать и подготовиться к возможным последствиям с юридической точки зрения.
Технологии искусственного интеллекта уже находят широкое применение в самых разных отраслях, начиная от маркетинговых агентств и заканчивая сферой промышленности. Однако внедрение ИИ-решений имеет не только преимущества, но и определенные недостатки. Утечка информации, хакерские атаки и возможные сбои системы – лишь некоторые из возможных рисков. Поговорим о том, как их минимизировать и подготовиться к возможным последствиям с юридической точки зрения.
Вернуться
к докладчикам
к докладчикам
Савелий Батурин, MEN IN DEV
Получил образование по направлению «Прикладная математика и информатика» в НИЯУ МИФИ. В компании MEN IN DEV изначально занимался разработкой. Впоследствии организовал отдел ML и стал его руководителем, на текущий момент также является ИТ-директором.
Генеративные нейросети: как рекомендательные системы позволяют бизнесу сократить расходы и увеличить прибыль
Рекомендательные системы – результативный и, наверное, основной инструмент для работы с клиентами. Во-первых, их внедрение в свой продукт позволяет эффективно управлять пользовательским опытом, увеличивая лояльность клиентов, конверсию в продажах и, следовательно, прибыль компании. Во-вторых, автоматизированная система рекомендаций даёт возможность оптимизировать работу маркетологов, убирая надобность в их ручном проставлении для каждого товара. На текущий момент большинство e-commerce площадок обзавелись тем или иным вариантом реализации рекомендаций клиентам, однако, методы и их эффективность варьируются от продукта к продукту. Устоявшегося подхода не существует и то, что было актуально год назад можно смело переделывать в силу сумасшедших темпов развития данной отрасли.
Рекомендательные системы – результативный и, наверное, основной инструмент для работы с клиентами. Во-первых, их внедрение в свой продукт позволяет эффективно управлять пользовательским опытом, увеличивая лояльность клиентов, конверсию в продажах и, следовательно, прибыль компании. Во-вторых, автоматизированная система рекомендаций даёт возможность оптимизировать работу маркетологов, убирая надобность в их ручном проставлении для каждого товара. На текущий момент большинство e-commerce площадок обзавелись тем или иным вариантом реализации рекомендаций клиентам, однако, методы и их эффективность варьируются от продукта к продукту. Устоявшегося подхода не существует и то, что было актуально год назад можно смело переделывать в силу сумасшедших темпов развития данной отрасли.
Вернуться
к докладчикам
к докладчикам
Дмитрий Аникин, Лаборатория Касперского
Окончил Московский авиационный институт по специальности "Прикладная математика и информатика". Большую часть карьеры работает в Лаборатории Касперского, на текущий момент занимает позицию старшего исследователя данных в команде технологий машинного обучения. Занимается полным циклом разработки ML-проектов, от формирования требований до поставки решений в эксплуатацию. Среди его задач - множество направлений, связанных как с детектирующими технологиями, так и с оптимизацией бизнес-процессов компании.
Защита (от) ИИ
Как правило, когда говорят о внедрении машинного обучения, обращают внимание на его эффективность и полезность, но, к сожалению, забывают говорить о рисках безопасности. В своем докладе предлагаем рассмотреть виды уязвимостей алгоритмов машинного обучения и способы борьбы с ними.
Как правило, когда говорят о внедрении машинного обучения, обращают внимание на его эффективность и полезность, но, к сожалению, забывают говорить о рисках безопасности. В своем докладе предлагаем рассмотреть виды уязвимостей алгоритмов машинного обучения и способы борьбы с ними.
Вернуться
к докладчикам
к докладчикам
Артем Семенихин, ТеДо
Окончил МГТУ им Н.Э. Баумана по специальности «Системы автоматизированного проектирования». В компании «Технологии доверия» (ТеДо) руководит группой предоставления консультационных услуг в области искусственного интеллекта, включающей такие компетенции как Data Science, Data Engineering , DevOPs, архитектура ИТ систем, продуктовая разработка, внедрения гибких методологий, стратегический консалтинг. В течение последних десяти лет руководил более чем 20 проектами в области применения методов машинного обучения при решении различных задач в сегменте Upstream для компаний нефтегазового, энергетического и металлургического секторов. В настоящее время специализируется на проектах по разработке и внедрению ПО на базе алгоритмов машинного обучения, когнитивных технологий в областях: геология и разработка месторождений, бурение скважин, геологоразведочные работы и капитальное строительство. Является исполнительным директором технологической практики компании «Технологии доверия».
Есть ли жизнь после ИИ: как меняется работа людей и процессы компании?
Внедрение ИИ в бизнес процессы и структуру услуг компаний вызывает снижение потребности в младшем персонале во многих отраслях: консалтинг, бизнес анализ, разработка, дизайн. В рамках выступления мы порассуждаем на несколько тем. Зачем (и главное - как) стать умнее, чем ИИ? Какие инициативы необходимо развивать в организациях, чтобы через 5-10 лет не остаться один на один с большим количеством машин и отсутствием экспертов в штате? Какие навыки необходимо развивать людям и как менять процессы, чтобы проходить через «мертвую долину» автоматизации из-за внедрения ИИ?
Внедрение ИИ в бизнес процессы и структуру услуг компаний вызывает снижение потребности в младшем персонале во многих отраслях: консалтинг, бизнес анализ, разработка, дизайн. В рамках выступления мы порассуждаем на несколько тем. Зачем (и главное - как) стать умнее, чем ИИ? Какие инициативы необходимо развивать в организациях, чтобы через 5-10 лет не остаться один на один с большим количеством машин и отсутствием экспертов в штате? Какие навыки необходимо развивать людям и как менять процессы, чтобы проходить через «мертвую долину» автоматизации из-за внедрения ИИ?
Вернуться
к докладчикам
к докладчикам
Дмитрий Барсуков, Газпромбанк
Применение больших языковых моделей (LLM) и визуализации текстовых данных для автоматизации клиентского сервиса
Применение методов интеллектуальной обработки текстовых данных - в частности, больших языковых моделей (LLM) - существенно улучшает качество проектов, повышает эффективность взаимодействия с информационной системой и улучшает клиентский опыт. Современные методы обработки естественного языка и визуализации данных позволяют автоматизировать сложные процессы, такие как анализ настроений, классификация, саммаризация, определение тем документов (Topic modelling), извлечение именованных сущностей (NER), извлечение текста из аудио или печатных документов. Кроме того, визуализация текстовых данных позволяет представить результаты такого анализа в удобном формате для мониторинга процессов и принятия решений.
Применение методов интеллектуальной обработки текстовых данных - в частности, больших языковых моделей (LLM) - существенно улучшает качество проектов, повышает эффективность взаимодействия с информационной системой и улучшает клиентский опыт. Современные методы обработки естественного языка и визуализации данных позволяют автоматизировать сложные процессы, такие как анализ настроений, классификация, саммаризация, определение тем документов (Topic modelling), извлечение именованных сущностей (NER), извлечение текста из аудио или печатных документов. Кроме того, визуализация текстовых данных позволяет представить результаты такого анализа в удобном формате для мониторинга процессов и принятия решений.
Вернуться
к докладчикам
к докладчикам
Константин Артемьев, Sherpa RPA
Окончил Астраханский Государственный Технический Университет. Более 20 лет опыта работы в сфере автоматизации бизнес-процессов. Сейчас – генеральный директор компании Sherpa RPA, специализирующей на разработке, поставке и сопровождении цифровой платформы гиперавтоматизации бизнес-процессов (входит в Единый реестр российского ПО).
ChatGPT в закрытом контуре компании
Сложно найти сотрудника, который уже не опробовал ChatGPT дома, а для многих из нас нейросети стали незаменимым и очень полезным инструментом повседневной работы. Однако на пути использования облачных нейросетей в офисах, особенно с внутренними документами, персональными данными, коммерческой и государственной тайной стоит законодательный или служебный запрет на использование облачных технологий, и особенно западных. То есть решение аналогичное ChatGPT должно работать полностью в контуре организации и автономно от интернета. Расскажем как Sherpa AI Server дает пользователям организаций опыт и преимущества, аналогичные ChatGPT, включая веб-интерфейс с историей чатов, получение ответов по документам организации, а также API, которым могут воспользоваться и роботы, и другие внутренние системы.
Сложно найти сотрудника, который уже не опробовал ChatGPT дома, а для многих из нас нейросети стали незаменимым и очень полезным инструментом повседневной работы. Однако на пути использования облачных нейросетей в офисах, особенно с внутренними документами, персональными данными, коммерческой и государственной тайной стоит законодательный или служебный запрет на использование облачных технологий, и особенно западных. То есть решение аналогичное ChatGPT должно работать полностью в контуре организации и автономно от интернета. Расскажем как Sherpa AI Server дает пользователям организаций опыт и преимущества, аналогичные ChatGPT, включая веб-интерфейс с историей чатов, получение ответов по документам организации, а также API, которым могут воспользоваться и роботы, и другие внутренние системы.
Вернуться
к докладчикам
к докладчикам
Андрей Козлов, VisionLabs
Окончил Московский государственный университет приборостроения и информатики по специальности «Прикладная математика». В период с 2006 по 2019 гг. работал в компании КРОК и отвечал за взаимодействие с крупными заказчиками. В 2019 году присоединился к компании VisionLabs, где сосредоточился на развитии масштабных биометрических сервисов, таких как оплата по лицу, беспаспортное обслуживание и биометрический контроль доступа. С 2021 года – руководитель направления отраслевых решений.
Как компьютерное зрение помогает сократить количество брака в металлургии
Доклад посвящен применению технологий компьютерного зрения в промышленности. Расскажем о том, как нейронные сети помогают детектировать поверхностные дефекты на заготовках прокатного стана, в чем заключаются особенности обучения алгоритмов для подобных проектов, что необходимо учитывать при разработке решения и какой экономический эффект оно дает.
Доклад посвящен применению технологий компьютерного зрения в промышленности. Расскажем о том, как нейронные сети помогают детектировать поверхностные дефекты на заготовках прокатного стана, в чем заключаются особенности обучения алгоритмов для подобных проектов, что необходимо учитывать при разработке решения и какой экономический эффект оно дает.
Вернуться
к докладчикам
к докладчикам
Алексей Арефьев, CDO онлайн-кинотеатра KION
Как ИИ помогает онлайн-кинотеатрам удерживать аудиторию
Онлайн-кинотеатры активно используют искусственный интеллект для различных фичей. Их цель - увеличивать "время жизни" пользователей. На примере онлайн-кинотеатра KION расскажем, в каких технологических фичах используется ИИ, и какие метрики он помогает растить.
Онлайн-кинотеатры активно используют искусственный интеллект для различных фичей. Их цель - увеличивать "время жизни" пользователей. На примере онлайн-кинотеатра KION расскажем, в каких технологических фичах используется ИИ, и какие метрики он помогает растить.
Вернуться
к докладчикам
к докладчикам
Яна Коваленко, директор проектов, Центр цифрового развития АСИ
В 2006 году окончила Магнитогорский государственный технический университет по специальности «математические методы в экономике», в 2017-м — Московскую школу управления «СКОЛКОВО». С 2006 по 2018 год работала на разных, в том числе руководящих позициях на промышленных предприятиях, в коммерческих структурах и органах власти Челябинской области. В 2018 году заняла пост генерального директора АНО «Центр кластерного развития Челябинской области», занималась развитием высокотехнологичных компаний и поддержкой инновационных проектов региона и реализацией НТИ.
С декабря 2018 года — директор проектов Центра цифрового развития АСИ, лидер проекта Wоrld AI&Data Challenge. Развивает применение технологий AI&Data в органах власти, объединяет и развивает сообщества дата-аналитиков России и других стран для решения глобальных социальных задач и масштабирования лучших практик в мире.
С декабря 2018 года — директор проектов Центра цифрового развития АСИ, лидер проекта Wоrld AI&Data Challenge. Развивает применение технологий AI&Data в органах власти, объединяет и развивает сообщества дата-аналитиков России и других стран для решения глобальных социальных задач и масштабирования лучших практик в мире.
Практические примеры решения реальных задач регионов с помощью технологий искусственного интеллекта и анализа данных
Вернуться
к докладчикам
к докладчикам
Олег Гиацинтов, технический директор, DIS Group
Олег более 20 лет в ИТ-индустрии, из которых 15 лет – руководство ИТ-проектами. Работал в компаниях ЛАНИТ, АВТОМИР и XEROX. Эксперт в области стратегического управления и интеграции данных, обеспечения качества и управления нормативно-справочной информацией (мастер-данными), управления знаниями, а также построения дата-центричных бизнес-процессов. Сейчас – технический директор компании DIS Group, где отвечает за консалтинг, обучение партнеров и клиентов, а также руководит техническими специалистами и собственными разработками компании. Закончил МГТУ им. Н.Э.Баумана.
Data Governance. Модели управления, подходы, риски и преимущества
В докладе речь пойдет о видимых проблемах в офисах CDO и о подходах к выстраиванию взаимодействия с подразделениями. Спикер расскажет про выстраивание эффективной работы с данными, которая помогает правильно разграничить ответственность между CDO и другими подразделениями, а также ускорить предоставление данных потребителям. В том числе, будут приведены удачные и не очень удачные примеры такой работы.
В докладе речь пойдет о видимых проблемах в офисах CDO и о подходах к выстраиванию взаимодействия с подразделениями. Спикер расскажет про выстраивание эффективной работы с данными, которая помогает правильно разграничить ответственность между CDO и другими подразделениями, а также ускорить предоставление данных потребителям. В том числе, будут приведены удачные и не очень удачные примеры такой работы.
Вернуться
к докладчикам
к докладчикам
Олег Бондарь, руководитель технических проектов, Yandex Database, «Яндекс»
Опыт работы в ИТ индустрии больше 25 лет. До прихода в «Яндекс» занимался разработкой программного обеспечения и программно-аппаратных комплексов в сфере телекоммуникаций. Сейчас в качестве CPO (Сhief Product Owner) отвечает за развитие Yandex Database (YDB). Принимал участие в выходе YDB в Open Source.
YDB: платформа для больших данных с открытым исходным кодом
Прошедший год для платформы YDB был очень насыщенным событиями, включая ключевые изменения, определяющие ее дальнейшее развитие. YDB — это распределенная отказоустойчивая Distributed SQL база данных с открытым исходным кодом, которая сочетает высокую доступность и масштабируемость со строгой согласованностью и транзакциями ACID. В то же время YDB — больше чем просто база данных, это платформа для хранения, обработки, передачи данных с широкими возможностями масштабирования.
Расскажу про:
Прошедший год для платформы YDB был очень насыщенным событиями, включая ключевые изменения, определяющие ее дальнейшее развитие. YDB — это распределенная отказоустойчивая Distributed SQL база данных с открытым исходным кодом, которая сочетает высокую доступность и масштабируемость со строгой согласованностью и транзакциями ACID. В то же время YDB — больше чем просто база данных, это платформа для хранения, обработки, передачи данных с широкими возможностями масштабирования.
Расскажу про:
- выход в Open Source YDB как базы данных;
- открытие исходного кода сервиса топиков, открывающее возможность использовать архитектурный шаблон «издатель-подписчик»;
- механизм CDC (Change Data Capture) и возможности использования платформы с применением этого механизма;
- продвижение в области поколоночного хранения и аналитики;
- поддержку совместимости с PostgreSQL;
- популярные сценарии использования;
- возможности самостоятельного разворачивания платформы;
- планы дальнейшего развития.
Вернуться
к докладчикам
к докладчикам
Сергей Шестаков, генеральный директор, Luxms
Предприниматель в сфере высоких технологий, основатель группы компаний Luxms. В настоящее время сфокусирован на задачах бизнес-аналитики: визуализации и массивно-параллельной обработке данных, в том числе с применением методов ИИ.
Архитектурные принципы работы с BigData и карта развития платформы Luxms BI.
В своем выступлении расскажем о функциональных возможностях и технических преимуществах аналитической платформы Luxms BI, ее датацентричной архитектуре и о ближайших планах развития.
Познакомим c новыми возможностями Luxms BI:
Кроме того, представим практический опыт импортозамещения ведущих зарубежных BI-решений на Luxms BI.
В своем выступлении расскажем о функциональных возможностях и технических преимуществах аналитической платформы Luxms BI, ее датацентричной архитектуре и о ближайших планах развития.
Познакомим c новыми возможностями Luxms BI:
- Self-Service BI;
- набор премиум шаблонов визуализаций, новые возможности в работе с картой;
- Big Data выгрузки для AI/ML;
- Luxms Data Boring - post-ETL инструментарий для быстрой подготовки аналитических витрин на больших данных;
- матстатистика и AI/ML "на лету»;
- скоростные характеристики и сайзинги ПО Luxms. Результаты нагрузочных тестирований в 2021 году;
- Data Governance: Интеграция Luxms BI с Informatica Enterprise Data Catalog.
Кроме того, представим практический опыт импортозамещения ведущих зарубежных BI-решений на Luxms BI.
Вернуться
к докладчикам
к докладчикам
Дмитрий Дорофеев, главный архитектор, Luxms
Автор кода Luxms BI. Играет центральную роль во всех ключевых внедрениях Luxms BI. Имеет обширный опыт развертывания Luxms BI в многоузловых конфигурациях, включая интеграции с кластерами ClickHouse, Greenplum и PostgreSQL. Сертифицированный специалист по эксплуатации Arenadata DB.
Архитектурные принципы работы с BigData и карта развития платформы Luxms BI.
В своем выступлении расскажем о функциональных возможностях и технических преимуществах аналитической платформы Luxms BI, ее датацентричной архитектуре и о ближайших планах развития.
Познакомим c новыми возможностями Luxms BI:
Кроме того, представим практический опыт импортозамещения ведущих зарубежных BI-решений на Luxms BI.
В своем выступлении расскажем о функциональных возможностях и технических преимуществах аналитической платформы Luxms BI, ее датацентричной архитектуре и о ближайших планах развития.
Познакомим c новыми возможностями Luxms BI:
- Self-Service BI;
- набор премиум шаблонов визуализаций, новые возможности в работе с картой;
- Big Data выгрузки для AI/ML;
- Luxms Data Boring - post-ETL инструментарий для быстрой подготовки аналитических витрин на больших данных;
- матстатистика и AI/ML "на лету»;
- скоростные характеристики и сайзинги ПО Luxms. Результаты нагрузочных тестирований в 2021 году;
- Data Governance: Интеграция Luxms BI с Informatica Enterprise Data Catalog.
Кроме того, представим практический опыт импортозамещения ведущих зарубежных BI-решений на Luxms BI.
Вернуться
к докладчикам
к докладчикам
Борис Зингерман, генеральный директор Ассоциации разработчиков и пользователей искусственного интеллекта в медицине, «Национальная база медицинских знаний» (НБМЗ)
Один из патриархов информатизации российского здравоохранения, которой посвятил 40 лет. Окончил мехмат Харьковского университета по специальности «Математика». Работал в Российском информационно-вычислительном центре Минздрава РСФСР (ныне ЦНИИОИЗ), руководил разработкой информационно-аналитической Службы крови РСФСР, заведовал отделом компьютеризации Гематологического научного центра РАМН, где занимался разработкой медицинской информационной системы. Первым внедрил штриховое кодирование при заготовке донорской крови. С 2008 года разрабатывает интернет и телемедицинские сервисы: автор концепции облачного медицинского проекта Мед@рхив и основатель платформы «Medsenger - медицинский мессенджер». Автор первого российского национального стандарта ГОСТ Р 52636-2006 «Электронная история болезни. Общие положения», а также разработчик проекта стандарта интегрированной электронной медицинской карты. Член экспертного совета по ИКТ Минздрава, в котором руководит рабочей группой «Электронная медицинская карта». С 2017 года -- руководитель направления цифровой медицины компании ИНВИТРО. В настоящее время является также генеральным директором Ассоциации разработчиков и пользователей искусственного интеллекта в медицине «Национальная база медицинских знаний».
Вернуться
к докладчикам
к докладчикам
Мы ждем Вас!
14 октября 2026
14 октября 2026
Место проведения:
Комплекс апартаментов Звёзды Арбата
ул. Новый Арбат, 32, Москва
Комплекс апартаментов Звёзды Арбата
ул. Новый Арбат, 32, Москва
СТАТЬ ПАРТНЕРОМ
Заполните заявку и мы отправим варианты возможного партнерства
.
© 1992 – 2026
Издательство «Открытые системы»
Издательство «Открытые системы»
ИНТЕРНЕТ - ИЗДАНИЯ
