В пайплайне разбора ML-инцидентов, связанных с прогнозом моделей, самым важным звеном всегда был человек: именно он превращал набор разрозненных метрик в выводы и принимал решения в условиях стресса и неопределенности. Мы проверяем весьма смелую гипотезу — можно ли отдать эту роль языковой модели.
В рамках выступления расскажу, как мы подходим к задаче, как понимаем насколько права модель в своих выводах, какие сложности и особенности есть у MCP-серверов, которые работают с большими данными и действительно ли в процессах поддержки человек больше не нужен. Доклад будет полезен ML-инженерам, аналитикам данных и лидам и ответит на вопросы, как превратить рутинный аналитический процесс в набор MCP-инструментов и по каким метрикам судить о результатах.