Команда Ozon Tech представила ключевые темы предстоящей конференции E-CODE 2026, которая пройдет 12–13 сентября в Москве. Основной акцент в треке ML/DS будет сделан на переходе от теоретических демонстраций LLM к их глубокой интеграции в реальные производственные процессы через агентские архитектуры и методы дообучения моделей.
Что произошло
Программа конференции E-CODE 2026 включает доклады, посвященные промышленному машинному обучению, практикам prompt engineering, методам fine-tuning моделей и проектированию сложных агентских систем (agentic systems). Мероприятие ориентировано на решение задач масштабирования ML-решений в высоконагруженных e-commerce системах.
Контекст
В индустрии наблюдается смещение фокуса с простого использования готовых промптов на создание полноценных автономных агентов и непрерывное дообучение моделей для работы в специфических бизнес-контекстах (RAG + fine-tuning). Крупные технологические игроки, такие как Ozon, внедряют эти технологии для автоматизации сложных рабочих процессов (workflow automation) в ритейле и логистике.
Почему это важно для индустрии
Для рынка это сигнал о переходе к стадии промышленного внедрения генеративного ИИ. Развитие таких технологий создает спрос на новые инструменты автоматизации жизненного цикла AI-агентов и специализированные платформы для управления prompt engineering в высоконагруженных средах. Опыт крупнейших e-commerce игроков может задать стандарты построения систем в российском тех-секторе.
Почему это важно для пользователей
Специалисты в области ML и DS получат доступ к реальным кейсам внедрения LLM и агентов в высоконагруженные системы от инженеров Ozon. Это повышает требования к квалификации инженеров: востребованными становятся навыки не только написания промптов, но и проектирования сложных агентских архитектур и проведения fine-tuning.
Что пока неизвестно / ограничения
Существует различие в оценке значимости события: если для фаундеров и продуктовых разработчиков это сигнал о новых рыночных инструментах, то для соло-разработчиков конференция может представлять преимущественно корпоративный интерес, не предлагая готовых решений для индивидуального использования.
Источники
Автор
Look at AI, редакция