ЛекцияВШЭ · 23 мая 2026
Основы AI-платформы
Базовое введение: из чего состоит платформа для ИИ-продуктов и почему без нее демо плохо превращается в прод
/ Основы AI-платформы · ВШЭ 2026
Содержание слайдов
1. Основы AI-платформы
Базовое введение: из чего состоит платформа для ИИ-продуктов и почему без нее демо плохо превращается в прод
2. Александр Поломодов
Technical Director & Fellow, Т-Технологии
Архитектура и engineering RnD
AI в процессах разработки
Фокус: платформа, не чат
3. 01. Зачем нужна AI-платформа
Переход от эффектного демо к повторяемому способу запускать ИИ-продукты
4. AI-функция быстро становится производственным контуром
После прототипа важны качество, доступ, стоимость, ответственность
Повторяемость — Команды используют общие шаблоны, SDK и правила выпуска.
Контроль — Права, аудит и резервный сценарий становятся частью платформы.
Экономика — Стоимость измеряется на уровне решенной задачи.
5. AI-демо не становится продуктом само
Модель не решает эксплуатацию и изменения
Команды заново выбирают стек
Ошибки качества не воспроизводятся
Права и знания расходятся
Бюджет не связан с value
6. 02. Состав AI-платформы
Модельный слой, контекст, инструменты, безопасность, оценка, наблюдаемость и экономика
7. Из каких слоев состоит AI-платформа
Нижние слои дают инфраструктуру и контроль, верхние — продуктовую скорость
8. Карта компонентов AI-платформы
Минимальный словарь для разговора о платформе до погружения в AIOps
9. Gateway — точка управления
Routing, limits, fallback, audit, cost
Что дает gateway
Единая точка подключения моделей и self-host.
Маршрутизация, квоты, аудит и защита ключей.
Что остается продукту
Выбрать сценарий, качество и допустимую задержку.
Описать fallback и стоимость задачи.
10. Качество начинается с контекста
Ответ зависит от того, что модель получила
Знания: retrieval и freshness
Tools: права и approvals
Память: пользователь и процесс
Ограничения: видеть/говорить/делать
11. 03. Жизненный цикл AI-продукта
От идеи и спецификации до оценки, выпуска, мониторинга и улучшения
12. Жизненный цикл AI-продукта
Платформа превращает разовый эксперимент в повторяемый процесс выпуска
13. Spec и eval держат поведение
Иначе теряется связь намерения и результата
Спецификация
Intent, данные, права
Сценарий отдельно от реализации
Контракт бизнеса и платформы
Оценка
Test set, baseline, review
Эффект model/prompt/retrieval
Основание для выпуска
14. AI-фичи выпускаются как изменения
Модель может измениться без code diff
Версионируем prompt, retrieval, model
Evals, shadow, canary, review
Резервный сценарий и owner заранее
Observability: quality, cost, signals
15. 04. Рабочие контуры платформы
Build-time, run-time, control-plane и cost-plane как четыре разные задачи управления
16. Платформа работает в четырех контурах
Если смешать эти задачи, команда быстро получает дорогой и плохо контролируемый runtime
17. Рельсы платформы, ответственность продукта
Платформа задает рамку, продукт — задачу
Что дает платформа
Gateway, RAG, evals, audit
Golden path и CI
Security, access, PII, cost
Что делает продукт
Сценарий, user, success, risk
Domain knowledge, UX, feedback
Решение о готовности
18. Защитные ограничения живут в платформе
Иначе безопасность изобретается заново
Access до retrieval/tool/answer
PII и secrets через policy
Опасные действия требуют approval
Исключения оформляются явно
19. 05. Оргмодель и зрелость
Кто владеет платформой, сценариями, данными, риском и экономикой
20. Модель ответственности AI-платформы
Качество AI-продукта рождается на стыке платформы, продукта, данных и риска
21. Как измерять зрелость AI-платформы
Зрелость видна не по числу моделей, а по скорости, качеству, надежности и экономике
22. Что берем в AIOps / LLMOps
Дальше: эксплуатация, агенты, evals, экономика
Платформа — повторяемый способ запуска
Минимум: gateway, context, evals
Платформа дает рельсы
Продукт держит качество и риск
Следующий шаг: управлять AI-системой как рабочим продуктом
23. Материалы
Для дальнейшего погружения
OpenAI, Claude, Gemini, Yandex docs.
LangChain platform concepts.
Cloud/Data Platform/DataOps lectures.