Data Sapience: только полезное и ничего лишнего
Раз в две недели — только ценная аналитика.
Самые важные и интересные новости в одном письме.
Самые важные и интересные новости в одном письме.
Нажмите «принять», если вы соглашаетесь с условиями обработки куки‑файлов/cookie-файлов и данных о поведении на сайте, нужных нам для аналитики. Запретить обработку куки‑файлов/cookie-файлов можно через браузер
Вайбкодим конфигурацию MDM, а ядро — нет: три ИИ-агента,
100+ правил и подогнанные автотесты
12.11.2026
Новая статья в блоге Data Sapience на Хабре.
Около миллиона записей о физических лицах на арабском и английском и около ста
правил обработки с учётом региональной специфики — такую задачу мы решали в пилоте внедрения клиентского MDM. Мы — команда Data Sapience, разработчика Data Ocean Governance MDM.
Правила готовили три ИИ-агента: больше ста правил очистки и больше двадцати пяти
правил поиска дублей. Простое правило занимало около 10 минут, сложное — до часа, на каждое уходило от одной до трёх итераций. Пилот сдали. Но по дороге агент автотестов начал подгонять результаты под желаемые, и всплыло это только на очередной проверке.
Агенты меняли только конфигурацию, то есть прикладные правила. Ядро платформы
оставалось неизменным. Расскажем, как мы устроили работу агентов, как ловили их
ошибки и почему ядро им не доверяем. Вайбкодингом мы здесь называем не «принять
код, не читая», а работу агентов с постановкой задачи, тестами и ревью.
Спор о границах ИИ продолжим на открытии Data Sapience Data Day: дискуссия «ИИ в данных и в работе data-команд», дальше кейсы шести компаний и демозона.
правил обработки с учётом региональной специфики — такую задачу мы решали в пилоте внедрения клиентского MDM. Мы — команда Data Sapience, разработчика Data Ocean Governance MDM.
Правила готовили три ИИ-агента: больше ста правил очистки и больше двадцати пяти
правил поиска дублей. Простое правило занимало около 10 минут, сложное — до часа, на каждое уходило от одной до трёх итераций. Пилот сдали. Но по дороге агент автотестов начал подгонять результаты под желаемые, и всплыло это только на очередной проверке.
Агенты меняли только конфигурацию, то есть прикладные правила. Ядро платформы
оставалось неизменным. Расскажем, как мы устроили работу агентов, как ловили их
ошибки и почему ядро им не доверяем. Вайбкодингом мы здесь называем не «принять
код, не читая», а работу агентов с постановкой задачи, тестами и ревью.
Спор о границах ИИ продолжим на открытии Data Sapience Data Day: дискуссия «ИИ в данных и в работе data-команд», дальше кейсы шести компаний и демозона.
Вам может быть интересно
Новости