SLA как инструмент, а не отчёт
Часть 2. Масштабирование, автоматизация, AI и два компонента надёжностиЭто вторая часть разбора того, как мы выстраивали SLA и инцидент-менеджмент в большом продукте.Меня зовут Дмитрий Химион, я руководитель ML Platform в X5 Digital. В первой части я рассказал, как мы пересобрали инцидент-менеджмент как процесс и внедрили единый алгоритм расчёта потерь, позволивший бизнесу и командам прийти к общему знаменателю.
ИИ — это линза, которая усиливает сильных и ослабляет слабых
ИИ уже вошёл в нашу будничную рутину. Кто-то использует его как быстрый справочник, кто-то как помощника в IDE, а кто-то уже собирает вокруг него весь рабочий процесс. Рынок меняется слишком быстро, чтобы игнорировать это на собеседованиях. Какой смысл проверять кандидата в искусственных условиях, если в реальной работе он всё равно использует ИИ каждый день? Логичнее сразу посмотреть, как он работает на самом деле. Мы не стали с этим бороться, а встроили в процесс.
Закон Конвэя внутри нас: инженерные системы ломаются по тем же причинам, что и люди
Linux пропитан магией. Тип файла определяется не по расширению, а библиотекой magic, которая смотрит на сигнатуру первых байтов. В системе живут демоны, процессы могут работать в режиме daemon, а исполняемые файлы хранятся в формате ELF и разбираются утилитой readelf. Это похоже на шутки старых разработчиков, но они появились не случайно.Инженерные системы наполнены метафорами, потому что так проще думать о сложном, объяснять невидимое и работать с тем, что нельзя потрогать руками. Со временем мы привыкаем к этой «магии» и перестаём замечать, что вместе с ней перенимаем определённый способ мышления.
Стейкхолдеров бояться — задачи не делать
Стейкхолдеры — это те самые люди, которые приходят с задачей «Надо ещё вчера», а формулируют её на уровне «Копаем от забора до заката!» и при этом вполне способны одним решением заморозить проект. В итоге команда либо бросается делать «как поняла» и приплывает не туда, либо зависает в ожидании мифического ТЗ, либо выгорает в героическом овертайме, а результат всё равно остаётся под вопросом. Знакомо?
Text2SQL в аналитике: как мы научили ИИ понимать бизнес-запросы без посредников
Привет! Меня зовут Михаил Куляскин, я инженер по машинному обучению в команде продуктивизации ИИ в X5 Tech. Недавно я выступал с докладом на крупной конференции CodeFest
Кофе — мой type, музыка — мой out: строим NERвный-пайплайн на продуктовых запросах
Привет, Хабр! На связи команда Ad-Hoc аналитики X5 Tech.В этой статье расскажем, как мы научили поиск извлекать важные сущности из запросов пользователей. Полный разбор реализации NER (Named Entity Recognition) для продуктового ритейла, шаг за шагом: как мы размечали данные, считали метрики на уровне токенов и сущностей — и почему для коротких и длинных запросов потребовались разные архитектурные решения.
X5 Tech Product Insight Meetup
Заменит ли искусственный интеллект продактов? Мы в этом не уверены. Поэтому 3 сентября решили собрать первый Product Meetup X5, чтобы разобраться: как грамотно встроить искусственный интеллект в бизнес-процессы и превратить его в драйвер развития продукта? Мы поговорим про роль ИИ и трансформацию продуктового управления в 2025 году. Тебя ждут живые кейсы, опыт коллег и открытая дискуссия о том, где искусственный интеллект — стратегический ассистент, а где просто хайп.Ведущий митапа: Дмитрий Казаков, руководитель направления продуктового развития X5 TechПрограмма митапа:18:30-19:00
X5 разработала собственную систему пополнения запасов для торговых сетей
Х5 разработала собственную систему пополнения запасов для торговых сетей «Пятёрочка» и «Перекрёсток» и начала её поэтапное внедрение. Ранее компания использовала решение иностранного вендора, что ограничивало возможности управления и доработки. Теперь Х5 полностью переходит на внутреннюю технологическую платформу, что даёт полный контроль над ключевыми логистическими процессами, повышая их эффективность.
