Systemy AI w środowisku produkcyjnym
O Slavie Dubrovie
Systemy AI w środowisku produkcyjnym, ewaluacja, bezpieczeństwo i doskonalenie na podstawie wyników.
Nazywam się Slava Dubrov — formalnie dr Viacheslav Dubrov*. Jestem Staff AI System Engineer. Zajmuję się inżynierią oprogramowania, systemami agentowymi, ewaluacją, wyszukiwaniem, bezpieczeństwem i infrastrukturą produkcyjną.
Obecnie pracuję w octonomy AI nad produkcyjnymi systemami AI i oprogramowaniem. Wcześniej w HubSpot kierowałem pracami nad Context Layer: infrastrukturą wyszukiwania, osadzania odpowiedzi w źródłach i pamięci. Następnie pracowałem nad Agent Execution, obejmującym wdrażanie LLM, fine-tuning, ewaluację, bezpieczeństwo i środowisko wykonawcze. Wspólnym wątkiem jest to, co dzieje się, gdy obiecująca odpowiedź modelu trafia do rzeczywistego systemu.
Doświadczenie stojące za moim podejściem
Moja praca ewoluowała od systemów rankingowych i wykrywania oszustw do infrastruktury wyszukiwania i agentów produkcyjnych.
Wybrane doświadczenia
- HubSpot — Context Layer i Agent Execution. Odpowiadałem za architekturę i przywództwo techniczne na poziomie Staff w obszarach wyszukiwania, osadzania odpowiedzi w źródłach, pamięci, wdrażania LLM, fine-tuningu, ewaluacji, bezpieczeństwa i środowiska wykonawczego.
- Wayfair — wykrywanie oszustw i embeddingi. Budowałem systemy i kierowałem pracami nad rozwiązaniami związanymi z oszczędnościami rzędu 4 mln USD rocznie.
- OLX — rekomendacje i ranking wyników wyszukiwania. Pracowałem nad systemami rankingowymi i rekomendacjami w skali platformy handlowej.
Publicznie dostępne materiały
- Projekty łączą twierdzenia inżynierskie z artykułami, kodem, wynikami i ograniczeniami.
- Laboratorium zbiera odtwarzalne przykłady, które można uruchomić lokalnie.
- Edge of Context zawiera obszerny zapis prac inżynierskich, w tym sześcioczęściową serię Engineering the Agentic Stack.
Badania i wystąpienia
Mam stopień kandydata nauk technicznych — rosyjski stopień doktorski, odpowiednik PhD — z Południowego Uniwersytetu Federalnego, uzyskany za badania nad diagnostyką AI. Mój dorobek obejmuje recenzowane publikacje i patenty. Odbyłem też semestr badań doktoranckich z mechatroniki na TU Ilmenau dzięki stypendium DAAD Lomonosov.
Na World Agentic AI Summit Berlin 2026 przedstawiłem „Engineering the Agentic Stack”: architekturę produkcyjną obejmującą mechanizm rozumowania, pamięć, narzędzia, bezpieczeństwo i otaczające je środowisko wykonawcze.
Zasady inżynierskie
- Zapewnij obserwowalność działania, zanim zwiększysz autonomię.
- Oceniaj stan środowiska i wyniki, zamiast polegać na wiarygodnie brzmiących odpowiedziach końcowych.
- Sprawdzaj przez ablację, czy każdy dodany element warstwy sterującej uzasadnia swój koszt.
- Zachowuj niezależność ewaluatorów, zasad bezpieczeństwa i uprawnień do zatwierdzania wdrożeń od optymalizatora.
- Zachowuj nieudane eksperymenty jako materiał dowodowy.
- Naprawiaj rzeczywisty błąd w najtańszej warstwie, która go rozwiązuje.
Kompetencje
| Obszar systemu | Zakres pracy |
|---|---|
| Systemy agentowe | pętle rozumowania, pamięć, interfejsy narzędzi, środowiska wykonawcze, warstwy sterujące, obserwowalność |
| Ewaluacja i weryfikacja | ewaluacja śladów wykonania, testy regresji, guardrails, uprawnienia, kontrole bezpieczeństwa |
| Wyszukiwanie i kontekst | wyszukiwanie semantyczne i hybrydowe, reranking, osadzanie odpowiedzi w źródłach, kompresja kontekstu |
| Inżynieria modeli | fine-tuning, LoRA/QLoRA, udostępnianie modeli, kwantyzacja, generowanie danych strukturalnych |
| Infrastruktura produkcyjna | AWS, GCP, Kubernetes, przetwarzanie wsadowe i strumieniowe, systemy ML czasu rzeczywistego |
Inne miejsca
Doświadczenie zawodowe opisuję na LinkedIn. Kod i odtwarzalne przykłady publikuję na GitHub. Nowe teksty pojawiają się też na Substack.
* Kandydat nauk technicznych — rosyjski stopień doktorski, odpowiednik PhD — nadany przez Południowy Uniwersytet Federalny, Rostów nad Donem, 2015.