Мы собрали в одном месте все выступления с AI-митапа IT-тусовки. Это не обзоры новых моделей и не «десять промтов, которые изменят вашу жизнь»: спикеры рассказывали про то, что делали руками — интеграции, архитектуру, экономику и провалы.
Ниже — о чём каждый доклад, чтобы было понятно, с какого начинать.
MCP: как дать модели доступ к реальным сервисам
Илья Плужников разобрал Model Context Protocol — один из самых практичных и при этом недооценённых инструментов работы с LLM.
- как давать модели доступ к реальным сервисам: Notion, GitHub, аналитика, файлы;
- почему контекст — главная проблема современных моделей;
- как MCP убивает качество ответов, если пользоваться им неправильно;
- как Docker MCP и субагенты решают эту проблему;
- живые кейсы: аналитика, планировщик, финансы, генерация контента;
- реальный опыт работы с Claude, Claude Code и собственными MCP-серверами.
«Рождённые копипастить»: паттерны работы с LLM
Егор Урванов — не про то, какую кнопку нажать, а про то, как мыслить при работе с моделью, чтобы действительно ускорять работу.
- практичные паттерны работы с ChatGPT и Bolt;
- как быстро читать и фильтровать статьи, PDF и большие тексты;
- визуализация сложных идей: схемы, графы, структуры;
- промты: как писать эффективно и как писать не стоит;
- прикладные кейсы: рекрутинг, прототипирование, документация, интерфейсы.
От бизнес-требований к архитектуре AI-продукта
Пётр Давыденков — про то, как размытые пожелания бизнеса доходят до архитектуры и реализации, и где чаще всего всё ломается. Это доклад про системное мышление и ответственность, а не про выбор модели.
- почему AI-продукт всегда начинается с бизнес-ценности, а не с модели;
- как переводить пожелания бизнеса в инженерные требования;
- RAG против fine-tuning — архитектурный выбор, а не вкусовщина;
- почему архитектура AI — в первую очередь архитектура данных;
- зачем нужны evaluation-фреймворки и gold datasets до выхода в прод;
- галлюцинации, дрейф модели, цена ошибки и управление рисками.
Генеративное видео: усилитель идеи, а не волшебная кнопка
Евгений Любимов — про то, что ИИ не спасает плохую концепцию, а масштабирует то, что вы заложили на входе.
- принцип GIGO наоборот: gold in — gold out, ценность на входе решает всё;
- разбор громкого кейса McDonald’s: большой бюджет не равно успех;
- почему рынок может отвергнуть идеально сделанный ролик;
- контрастный кейс Kalshi: скорость, контекст и честная идея;
- новый продакшн-паттерн: от смысла к генерации за часы, а не месяцы;
- кейсы с аватарами, цифровыми двойниками и AI-агентами;
- роль CustDev и эксперта до того, как что-то генерировать.
Почему собрать AI-продукт сложнее, чем кажется
Фёдор — честный и жёсткий разбор того, где ломаются ожидания от AI-стартапа.
- почему AI-продукт — в первую очередь бизнес, а не технология;
- конкуренция с бигтехом и инфраструктурный разрыв;
- customer development как обязательная база;
- почему данные важнее модели, а идей без проверки не существует;
- венчур, деньги и почему вне США всё работает иначе;
- CAC, юнит-экономика и «небьющиеся» модели;
- почему кастомные модели чаще всего тупик;
- личная цена стартапа: выгорание, стресс, мотивация.
Весь митап одним плейлистом
Если хочется посмотреть подряд — есть плейлист со всеми выступлениями. Доклады рассчитаны на фаундеров, продактов, техлидов и разработчиков, которые уже работают с ИИ, а не примеряются к нему.
Когда будет следующий митап, объявим в чате сообщества — там же обсуждаем доклады и договариваемся о темах.
