ИИ уже меняет работу аналитиков и продактов — и те, кто не успевает, рискуют выпасть из рынка

Пока одни команды только планируют «внедрить ИИ», другие уже перестроили под него весь продуктовый процесс — от проверки гипотез до запуска моделей в продакшен. 14 и 22 мая в Москве и онлайн пройдёт техническая конференция  AHA'26 для тех, кто работает с данными, машинным обучением и цифровыми продуктами. Седьмой год подряд — и, пожалуй, в самый горячий момент для всей отрасли.

Что происходит и почему сейчас

Рынок данных и ИИ перестал быть «зоной экспериментов». LLM-инструменты входят в продакшен, рекомендательные системы усложняются, а требования к аналитикам и ML-инженерам растут быстрее, чем обновляются учебные программы.

Конференция собирает около 1200 участников и более 150 команд — продуктовых аналитиков, data scientist, ML- и DS-специалистов, инженеров, product-менеджеров и CPO из e-commerce, банков, телекома и ритейла.

Кого это касается

Если вы работаете в продукте, аналитике или разработке — и ощущаете, что инструменты вокруг меняются быстрее, чем вы успеваете разобраться в них, — конференция собрана именно под этот запрос.

Особенно актуально для тех, кто:

• строит или масштабирует ML-пайплайны.
• запускает A/B-эксперименты и хочет снизить их стоимость.
• внедряет LLM в продуктовую среду.
• переходит из смежной сферы в продуктовую аналитику или data science.

Как устроена программа

50+ докладов, панельные дискуссии, мастер-классы и кейс-сессии — всего более 70 выступлений и форматов по восьми тематическим направлениям.

Каждый доклад строится по единой логике: постановка задачи → применённые методы → результат. Никаких «теоретических обзоров» ради обзора.

Ключевые темы:

• Product Science, машинное обучение и AI/LLM-трансформация.
• MLOps, Data Engineering и инженерная инфраструктура.
• Рекомендательные системы и оценка качества ранжирования.
• Open source ИИ-агенты для аналитических задач.
• Разработка ИИ-first продуктов от задачи до продакшена.
• Снижение стоимости проверки гипотез.
• Расширенная event-аналитика для продуктовых команд.

Андрей Заяц, Head of Data Science в «Авито»: «Главный тренд — переход от R&D-подхода к индустриальному ML. Мы больше не играемся в модельки, мы строим заводы по их производству. Сейчас критически важно уметь считать unit-экономику каждой модели и быстро деплоить их через надежные пайплайны».

Формат и даты

14 мая — онлайн-день: трансляция в реальном времени, интерактивные опросы, платформа с веб- и табличной версией программы.

22 мая — очный день в кластере «Ломоносов», Москва (ИНТЦ МГУ, Раменский бульвар, 1). Нетворкинг, живые дискуссии, возможность сравнить подходы с командами из других отраслей.

Единый билет покрывает оба дня.

Что это даёт на практике

Участники смогут:

• сверить собственные подходы с реальными практиками других команд.
• увидеть, как аналитические методы работают в живых продуктах.
• понять, какие инструменты уже используются в продакшене — не в теории.
• найти партнёров по проектам через нетворкинг очного дня.

Для руководителей отдельно заявлены темы экономики масштабирования, организации ИИ-процессов и оценки бизнес-эффективности внедряемых решений.

Что делать тем, кто хочет войти в эту сферу

Конференция технически насыщена — новичкам стоит учитывать, что часть докладов предполагает базовое понимание метрик, экспериментов и ML. Если вы только планируете переход в data science, продуктовую аналитику или ИИ-разработку, имеет смысл заранее закрыть этот пробел. На KursHub собраны курсы по аналитике данных и машинному обучению — от введения в профессию до продвинутых программ с практикой на реальных задачах. Это позволит не просто следить за конференцией, но и применять услышанное уже в работе.