Установочный доклад: зачем формат живой лаборатории, целевая картина университета вокруг человеко-агентных единиц, роли и пилоты УрФУ.
Living Lab: представители «с полей», разработчики и держатели требований разбирают реальные проблемы и вместе ищут решения; формат итеративный (раз в 2–3 недели), а не разовый.
Ставка не на автоматизацию старых процессов, а на перестройку работы вокруг агентного ядра — концепция «человеко-агентной единицы»: без такой связки производительность труда постепенно теряет смысл.
Два вектора: рутинная автоматизация (первая линия деканата/техподдержки в новом кампусе) и трансформация (цифровые тьюторы, ассистенты исследователя, платформы ИИ-грамотности).
Лестница институционализации ИИ: реактивный → инструментальный → координационный → организационный → трансформационный; УрФУ на переходе от инструментального к координационному уровню.
Роли: держатели бизнес-требований, инженеры-разработчики, пользователи «с полей»; семинар — точка синхронизации групп и демонстрации того, что можно взять в тест.
Пилоты к сентябрю на площадке Радиофака; доступные среды — корпоративный доступ к моделям, планы на собственную локальную LLM.
Затронутые вопросы
?Семинар — это продуктовая команда с пайплайном или площадка синхронизации и обмена опытом?
?Как выстроить жизненный цикл гипотез — от студенческой инициативы до университетского проекта, не плодя нереализованные пилоты?
?Где автоматизация деканата уместна, а где нужно переосмыслить сам процесс?
?Как избежать «цифровизации по-русски», когда новый инструмент лишь порождает больше бумаги?
2
От промпта к контексту: мультиагентные системы на практике
Докладчик, инженерная команда
1 / 28
Практический разбор: как продуктовая IT-команда со смежными проектами и кодовыми базами строит агентную систему, удерживающую контекст всех источников.
Проблемы среды: дублирование решений между командами, потеря контекста «разработка ⇄ менеджмент», высокая реактивность, разрозненные источники (чаты, звонки, трекер, вики, git).
Подход «от промпта к контексту»: система держит в контексте все источники и проактивно вмешивается — подсказывает, что похожая задача уже решена, заводит задачи, готовит черновики.
Первый рабочий кейс — бот для интеграций с внешними партнёрами: анализирует переписку по единому почтовому ящику, раскладывает по тредам, связывает с задачами, показывает статус и позволяет отвечать прямо из чата.
Уровни работы с LLM: от простого чата до контекста, RAG, работы с файлами и команд агентов.
Затронутые вопросы
?Как переносить такой агентный контур на процессы университета, а не только IT-компании?
?Какой минимальный «контракт встраивания» нужен, чтобы агент подключался к реальным источникам, где работают люди?
?Где границы проактивности агента, чтобы он помогал, а не мешал?
Открытый доступ. Материалы обезличены: имена участников в разборах заменены на роли.