Приглашаем на конференцию о будущем AI-first аналитики Data Driven 2026

26 сентября в Москве и онлайне пройдёт Data Driven 2026 — флагманская конференция бизнес-группы Поисковых сервисов и ИИ Яндекса. Главная тема этого года — AI-first аналитика: как изменится роль специалиста, когда данные и искусственный интеллект станут неразделимы? Почему индустрия делает ставку на AI-first аналитику? И как изменится роль аналитика в ближайший год. Разберём реальные кейсы: какие инструменты аналитиков на базе AI уже сейчас дают измеримый рост эффективности.

Программа будет разделена на два параллельных технических трека — Data to Insights и Data to Artifacts, а завершится неформальным блоком с IT-стендапом и афтепати.

Откроет оба трека Роман Халкечев, CDO Поисковых сервисов и ИИ Яндекса с докладом Аналитика и данные в эпоху AI-агентов . Поговорим про то как AI переписывает правила игры при работе с данными, меняет способ принятия решений в компании и трансформирует профессии аналитика и дата инженера. А также обсудим, что мы в Яндексе делаем прямо сейчас, чтобы получить максимум продуктивности от искусственного интеллекта.

Первый трек: Data to Insights

• AI в аналитике: замеры качества работы агентов и инфраструктура AI-ready данных , Олег Хомюк, CDO Яндекс Поиска. Разберём систему онлайн- и офлайн-метрик для оценки качества решения повседневных задач. Особое внимание уделим инфраструктуре AI-ready данных и обсудим, как качество описания таблиц и добавление новых «скиллов» агенту определяют успешность всей интеграции.
• Аналитика LLM или забудьте всё, чему вас учили в продуктовой аналитике , Иван Дёгтев, руководитель аналитики Alice AI LLM, Яндекс R&D. Расскажем, как выглядит аналитика LLM, почему в ней нужна другая интуиция, другие процессы и другие аналитические подходы.
• Как полностью заменить массовые разметки данных на LLM , Елена Корнилина, руководитель службы AI оптимизации, Яндекс Поиск.

Расскажем, как мы заменяем массовые разметки, которые делались большим количеством людей, на полностью автоматические, которые выполняются системой из LLM и агентов. С помощью этого подхода мы успешно автоматизируем 100% разметок Яндекс Поиска.

Пройдём все этапы на примере ключевых разметок Поиска: как собираем эталон, как устроен пайплайн оценки, какая нужна инфраструктура и как проверяем качество.

• SWE: как измерять, анализировать и улучшать способности LLM к агентному кодингу , Павел Адаменко, руководитель аналитики агентности, Яндекс R&D. Разберём, как из истории разработки собирают SWE-задачи и что результаты таких бенчмарков говорят о прогрессе coding-агентов. Посмотрим, как понять, что пошло не так в агентной сессии, и как использовать такие задачи для обучения с RLVR. Наконец, заглянем в будущее: как SWE-задачи превращаются в long-horizon-задачи, требующие от агента всё более долгой и самостоятельной работы.
• Экспертиза аналитика как фундамент AI: построение системы знаний для анализа экспериментов , Регина Белугина, лид группы онлайн метрик, Независимый Еком, Яндекс. Разберём, из каких блоков состоит система знаний для запуска и анализа экспериментов — дерево метрик, семантический слой, размеченный пул экспериментов и как проверить, что ваши артефакты готовы к работе агента.
• Автомобиль без водителя: как выехать с виртуальной дороги на настоящую , Тимур Асылхузин, старший аналитик-разработчик качества симулятора автономного вождения, Автономный транспорт и роботы, Яндекс. Разберём, почему без поездок на «виртуальной дороге» не обойтись, что такое Sim-to-Real Gap и как его оценивать, а также какую роль в ответе на эти вопросы играют аналитики.

Второй трек: Data to Artifacts

• Управление изменениями в работе с данными: от описаний и ошибок к исполняемым контрактам — Михаил Дариенко, руководитель группы инфраструктуры обработки данных, Центральная аналитика Поисковых сервисов и ИИ, Яндекс. Поговорим о том, как единая модель данных на базе графа и viewpoint’ов избавляет сервисы от дублирования схем и сложной логики связей. Кодогенерация transport-схем (proto) из метаописания гарантирует совместимость и консистентность данных, версионирование защищает от сбоев при обновлениях, а прозрачное движение потоков упрощает интеграцию новых фичей.
• AI-ready в онлайн аналитике Алисы — Александр Самусенко, CDO Alice AI и Умные устройства, Яндекс. Про опыт перехода в новую службу на позицию руководителя и о том, как выстраивать аналитику, заточенную на эффективное использование AI инструментов.
• Как подружить в Датакаталоге все метаданные, базы знаний и семантический слой — Марина Нестерук, руководитель команды Датакаталога и Meta DWH, Центральная аналитика Поисковых сервисов и ИИ, Яндекс. Расскажем, как перейти от вручную заполненных статей о метриках к структурированным и версионируемым определениям, объединить технические метаданные, бизнес-смысл и lineage. Обсудим, почему с появлением AI-агентов такая связка становится необходимой, и попробуем разобраться, можно ли собрать всю нужную аналитикам Базу Знаний в Доменах Датакаталога.
• Демонстрация возможностей продукта MARS — Артём Солоухин, заместитель руководителя отдела по ML и инновационным инструментам, Центральная аналитика Поисковых сервисов и ИИ, Яндекс. Расскажем об истории создания первой получившей широкое распространение AI multi-agent системы в Яндексе, о функциональных блоках продукта и реальных кейсах применения продукта AI среды в аналитических рабочих задачах.
• Агенты в аналитике. Инструкция по сборке — Максим Стаценко, руководитель отдела BigData Tech & Research, Центральная аналитика Поисковых сервисов и ИИ, Яндекс. В формате инструкции от IKEA разберём, из чего складывается аналитический агент, которому можно доверять: семантический слой, проверенные источники данных, разделение по доменам и многое другое. А заодно покажем, где обычно набивают шишки и как перейти от эффектного демо к системе, которой можно доверить реальный бизнес-вопрос.

Главный хайлайт вечера: IT Stand-Up DATA DRIVEN X АКУСТИКА

После завершения докладов атмосфера конференции сменится на неформальную. C-level руководители и лиды аналитики крупнейших компаний выступят в роли комиков с живой акустикой. Вас ждут искренние истории от людей, которые ежедневно строят аналитику в крупнейших IT-компаниях

• Роман Халкечев — CDO Поисковых сервисов и ИИ Яндекса;
• Евгений Прохоров — Руководитель дата-платформы Max;
• Виктор Кантор — Преподаватель МФТИ, владелец школы MLinside;
• Андрей Петрин — CDO (ex-Делимобиль и Яндекс Плюс);
• Владимир Абазов — Директор по аналитике и росту нефинансовых сервисов Т-Банка.

Почему бизнес опять просит «ту самую табличку»? Сколько можно объяснять, что корреляция ≠ причинность? И почему дашборд, который все просили, никому не нужен?, Будет узнаваемо, местами остро, но всегда — с доброй иронией.

Формат и регистрация

Конференция пройдёт 26 сентября в Москве с трансляцией всех докладов в онлайн. Зарегистрироваться можно на сайте конференции .

• Блог компании Яндекс
• Искусственный интеллект
• Машинное обучение