• Как ИИ меняет работу аналитика на каждом этапе проекта: от обследования до сопровождения.
• Что умеют современные LLM и где их реально применять
• НейроТЗ – структура, которую понимают и машины, и люди
• Первые конкретные шаги для старта в понедельник

• Обследование: разностороннее исследование и анализ; генерация саммари текстов и аудиозаписей.
• Формирование требований: локальные ассистенты для безопасной проработки конфиденциальных идей без передачи данных во внешние облака.
• Техническое задание: автоматическая отрисовка архитектурных схем по текстовому описанию; структурирование документации и работа с формализованными разделами ТЗ.
• Оценка и согласование: автоматическое сопоставление коммерческих предложений; предиктивная проверка реалистичности планов работ.
• Разработка: использование кодовых агентов для написания SQL-запросов, скриптов и парсеров; быстрое прототипирование интерфейсов и мини-приложений.
• Тестирование: агенты-операторы в браузере, тестирование UI; генерация синтетических баз данных для нагрузочных тестов.
• Внедрение: интерактивные базы знаний, чат-боты по инструкциям; цифровые аватары и видеоинструкции.
• Сопровождение: no-code автоматизация инцидентов и уведомлений; анализ тональности коммуникаций в поддержке для предотвращения конфликтов.

• Зачем аналитику и руководителю проекта нужен ИИ: практические примеры использования.
• Существующий инструментарий ИИ:
• Модели, оптимальные для работы аналитика.
• MCP-серверы на базе 1С и их назначение.
• Graph MCP как инструмент для аналитика и РП.
• Планируемый инструментарий ИИ:
• MCP для СППР — интеллектуальный инструмент на базе известного решения.
• ИИ-агенты: возможность создавать персонализированный инструментарий.
• Вопрос о необходимости разработчиков: как будет выглядеть 1С будущего.

• Теория: какие ИИ, какие задачи уже умеют решать. Как начать использовать.
• Практический Кейс #1: есть ТЗ от заказчика, грузим в ИИ и пробуем выжать максимум.
• Практический кейс #2: имеем аудио запись совещания с Заказчиком, распознаем с помощью ИИ и пробуем выдать максимум.
• Практический кейс #3: рисуем и описываем бизнес процессы и формы. Генерируем ТЗ.

• Комплексная сессия, включающая теоретическую часть и практическую демонстрацию возможностей AI IDE BAS для аналитиков 1С.
• Демонстрация ключевых возможностей и преимуществ платформы.
• Обсуждение особенностей внедрения и практического применения.
• Пошаговая демонстрация конфигурации рабочего окружения.
• Практические примеры создания документации и схем.
• Анализ полученных артефактов и планы внедрения.

• Мгновенная визуализация требований для эффективной коммуникации с заказчиком и разработчиками.
• Сквозной пример: превращение текстового описания в C4-диаграмму, UML и прототип формы 1С за один подход.
• Фокус на прототипы 1С для быстрого согласования интерфейсов с пользователями.
• Скорость против точности: ИИ как генератор черновиков, требующих экспертной проверки.
• Новая роль аналитика: фокус смещается с рисования диаграмм на глубокий анализ и проектирование.

• Почему традиционная модель внедрения 1С больше не работает: разделение на аналитику и разработку приводит к потере контекста, замедляет коммуникации и увеличивает транзакционные издержки.
• Кто такой AI-assisted специалист полного цикла: ИИ берёт на себя рутину — от подсказок по лучшим практикам до генерации кода и формализации требований, позволяя одному специалисту вести проект “под ключ”.
• Диалектический виток развития: возврат к универсалам, но на новом уровне — синтез человеческой экспертизы и машинного интеллекта.
• Эффект для индустрии: проекты выполняются в 2–3 раза быстрее, снижается стоимость, повышается точность соответствия бизнес-процессам, появляется единая точка ответственности.
• Как изменится роль разработчиков: фокус смещается на сложные, архитектурные и уникальные задачи — рутинную работу берёт на себя ИИ.
• Что это значит для интеграторов: команды строятся вокруг универсальных специалистов, увеличивается гибкость, снижаются издержки, растёт ценность экспертных ролей.
• Системный и экономический эффект: более быстрые и точные внедрения усиливают конкурентоспособность компаний и ускоряют цифровую трансформацию отрасли.

• Как сэкономить 47% бюджета на этапе предпроектного обследования.
• Какие функции можно передать ИИ при проведении обследования и сборе требований.
• Подготовка ИТ-архитектуры за 5 минут.
• Концептуальное решение по формату ТКВ от 1С за 15 минут.

• Подготовка описания задачи в 1С — узкое место: сильно зависит от навыков аналитика и занимает много времени.
• Нейросети ускоряют анализ, поиск вариантов решения и подготовку документации по принятой в компании методике.
• Технология работает как «экзоскелет» для опытного аналитика, а не заменяет джуниоров.
• Результат даёт не просто ChatGPT, а выверенный промт на базе внутренней методики и базы знаний.
• Модель выполняет функции двух ассистентов: программист-аналитик (разбор задачи, варианты решения) и руководитель проекта (структура, понятный документ, пояснительная записка).
• Мозговой штурм с ИИ без потери времени.
• Новый процесс: текст заявки → уточняющие вопросы → нейросеть формирует черновик описания за минуты.
• На выходе — оформленный Word-документ по принятой методике: цель, User Story, требования, «как есть», «как должно быть», решение, сценарии тестирования, пояснительная записка.
• Аналитик проверяет логику, детали и согласовывает с разработчиком и заказчиком, а не набирает текст.
• ИИ быстро подсказывает: как это реализуется в типовой 1С, альтернативы и готовые решения (Инфостарт, ИТС и др.).
• Ограничение: ИИ не заменяет голову аналитика; необходимы компетенции и регламенты проверки качества.
• В итоге это конкурентное преимущество интегратора 1С: задачи, описания и ТЗ создаются быстрее.

Искусственный интеллект находит место в разных сферах деятельности. Фирма «1С» не теряет время, внедряет новые технологии в свои сервисы. Рассмотрим популярные ИИ-сервисы от фирмы «1С» предназначенные для:

• Анализа данных и предиктивной аналитики
• Оптического распознавания символов
• Преобразования речи
• Ускорения написания кода и создания прикладных решений

• Что такое ИИ-мышление и почему оно становится новой нормой в проектах 1С. Как меняется работа, если воспринимать ИИ не как игрушку, а как часть своей логики и подхода к задачам.
• Какие рутинные задачи ИИ способен закрывать уже сегодня. Анализ, структурирование, подготовка решений, рабочие материалы и коммуникации — всё это можно заметно ускорить и упростить.
• Практический кейс №1. Как ИИ работает на проектах компании Прайм Финанс от первых коммуникаций до контроля исполнения задач, помогая держать контекст, ускорять согласования и снижать количество ошибок.
• Практический кейс №2. Как ИИ-агент берёт на себя часть вопросов пользователей и рутинных обращений, разгружая аналитиков и ускоряя работу поддержки на примере ИИ агента ФинОфис.

• Повышение мотивации команды без существенного повышения мотивационного бюджета для команды.
• Выбор инструментов мотивации на выбор руководителя, тема мотивации одинаково актуальна для всех
• Перечень правил для руководителя проектов NASA тоже отражает важность проблемы мотивации
• На каком месте по важности находится мотивация?
• Подходы – мотивация или стимулирование. Смешать, но не взбалтывать

• Как 1С:Аналитика прошла путь от «сырого старта» до полноценного BI-продукта.
• Ключевые преимущества: нативная интеграция с 1С, онлайн-обновление данных, безопасность и отсутствие посредников.
• Почему она удобнее стандартных отчётов: объединённые дашборды, работа с разными базами, мобильный доступ.
• Когда функционала 1С:Аналитики достаточно, чтобы закрыть задачи BI без внешних систем.
• Как она помогает бизнесу сократить стоимость владения и упростить управленческую отчётность.

• Что хочет видеть Заказчик в цифровом офисе сотрудника
• Тренд на интеграцию: бизнес ждёт объединения 1С с CRM, маркетингом, HR и внешними сервисами в единую экосистему
• Усиление контроля за безопасностью данных и цифровыми правами сотрудников

• ИИ как помощник в бизнесе
• Сокращаем затраты и увеличиваем возможности
• Возможные пути развития и применения

• Почему аналитика — это основной драйвер управления в зрелых ERP-ориентированных компаниях.
• Как выстроить BI-решение поверх 1С: успешные сценарии и типичные ошибки.
• Аналитика нового поколения: как современные BI-платформы и AI-механизмы меняют подход к управлению.

• Как перестать терять время на вопросе “Кто захватил общий модуль?” и организовать настоящую параллельную разработку.
• Почему системное код-ревью важнее, чем поиск багов, и как оно помогает улучшать даже работающий код.
• Подготовка к миграции: чек-лист действий, который поможет избежать остановки работы над проектом.
• Человеческий фактор: как помочь команде адаптироваться к новым инструментам и побороть фразу “мне и конфигуратора достаточно”.
• Итоги нашего перехода: что мы получили, о каких компромиссах пришлось договориться, и почему мы больше никогда не вернемся к Конфигуратору.

Ответим на вопросы:

• Что такое Vanessa Automation?
•  Какие преимущества и недостатки инструмента?
• Для чего и где используются языки Gherkin и Turbo Gherkin?
• В чем суть семантики ключевых слов?
•  Какие выделяют формальные правила написания сценариев?
• Что еще упускаем при написании шагов?

• Роль АРМов в структуре ИС
• Предметные и сквозные АРМы
• Конкретные кейсы: АРМ Согласования и АРМ Продажи

Для создания классификатора клиентов или прогноза объёма продаж на базе ИИ не обязательно использовать такие сервисы, как ChatGPT или DeepSeek. Модель, решающую эти задачи, можно создать самостоятельно. Это будет достаточно простой скрипт на Python, включающий как нейросеть, так и API для взаимодействия с 1С. Однако на этом пути есть несколько препятствий, которые предстоит преодолеть.
В своём докладе спикер расскажет:

• Какое программное обеспечение нужно установить.
• Какие эндпойнты должны быть в минимальном API.
• Как создать, обучить и использовать нейросеть.

В качестве примера будет использована нейросеть для прогнозирования временных рядов, но аналогичные решения подойдут и для других моделей, поскольку их интерфейсы схожи.

• Почему даже крепкие команды распадаются и как это предсказать заранее.
• Как управленец может сам замедлять рост и что помогает это распознать.
• Где проходит граница между результатом и выгоранием и как её не переступить.
• С чего начать, если в команде нет системы, а есть только хорошие люди.
• Как вырастить лидеров внутри, вместо того чтобы бесконечно искать «готовых».
• Что помогает команде работать стабильно, даже когда вы не на связи.

После эры перехода с MS SQL на PostgreSQL пришла эра эксплуатации PostgreSQL. И здесь есть несколько очень неожиданных вещей, которые могут привести к “падению” Postgres. В докладе расскажу самые часто встречающиеся на практики причины, как они проявляются и можно ли с этим что-то сделать.

• Как AI-агенты, AI-ассистенты и другие современные технологии могут помочь в работе 1С-аналитиков.
• Какие функции можно передать машинам уже сейчас с учётом специфики задач аналитиков 1С.
• Как при внедрении технологий избежать снижения качества анализа. Почему, делегируя задачи машинам, нельзя обойтись без контрольных процедур валидации результатов.
• Почему мы далеки от «восстания машин». На какие навыки стоит делать ставку аналитикам 1С, чтобы оставаться востребованными в профессии и не конкурировать с AI.

• Ключевые отличия от 1С:Предприятия
• Реальные возможности low-code разработки на динамических списках
• Как создать удобный и адаптивный чат с поддержкой Markdown и автопрокруткой

• Нестареющая классика и модные тенденции в DWH и BI
• При чем здесь 1С?
• Стандартные механики выгрузки данных из 1С
• Всегда ли нужен программист?
• 1С + BI – это просто

• Как я пришла в 1С и дошла до собственных лекториев: путь от любви к предмету — до преподавания.
• Понимание бухгалтерского баланса.
• Отражение фактов хозяйственной жизни и их влияние на баланс.
• Понимание бухгалтерских основ в графическом представлении.
• Как я обучаю регламентированному учету и подбираю примеры для лектория.

• Модели Grow&T
• Адаптация инструментов в рабочие процессы
• Performance review в стиле коучинговой сессии

• Какие риски несёт массовая эйфория вокруг искусственного интеллекта?
• Как ИИ влияет на личную эффективность — в том числе не в лучшую сторону?
• Какие инструменты ИИ помогают самоорганизоваться по-новому?
• Какие, наоборот, расслабляют, лишают полезных навыков и снижают результативность?
• Как сочетать «естественный» и искусственный интеллект?

• Что мы на самом деле понимаем под «цифровизацией»
• Может ли искусственный интеллект действительно заменить человека
• Как измерять эффективность цифровых решений: операционные показатели и финансовый результат.

• Обзор возможностей ИИ агентов и применение их в повседневной работе и в бизнесе в целом

• Документация? — Слишком длинно, не читал (англ. Documentation? – Too long; didn’t read).
• Разберём путь от естественного желания руководителя «задокументировать всё» до ситуации, когда документация есть, но её никто не читает.

• Можно ли успешно работать аналитиком 1С, не зная 1С:ERP?
• Что конкретно надо знать в 1С:ERP? Каков минимальный набор знаний?
• Где и как изучить 1С:ERP?
• Какая сертификация существует по 1С:ERP? Сертификаты = знания или необходимое «зло»?
• Если ИИ уже сейчас отвечает на вопросы про 1С:ERP зачем изучать 1С:ERP ?

• Почему важно проектировать стек вызовов и какие диаграммы UML в этом помогают
• Какую роль играет ответственность в проектировании стека вызовов.
• 9 паттернов GRASP: что это и как они помогают.
• Когда применение паттернов GRASP нецелесообразно и когда без них не обойтись.

• BPMN – вроде бы стандарт, но почему на каждом проекте диаграммы свои и договариваться нужно каждый раз снова? В докладе разберемся почему так происходит, и как это наконец-то исправить

• Эффект IKEA в ИТ, как добиться.
• Примеры эффективных прототипов и схем-бизнес-процессов.
• Применяем нейросети.
• Генерируем ТЗ в один клик с помощью MAKER-STUDIO.

• Почему даже успешно начатые проекты внедрения 1С:ERP сталкиваются с проблемами и заходят в тупик?
• 7 основных управленческих ошибок, которые приводят к срывам сроков, перерасходу бюджета и потере доверия бизнеса.
• Как правильно выстраивать этапность проекта, чтобы избежать ошибок на пути?
• Ролевая модель и механизмы контроля, которые помогают держать проект под контролем.
• Как строить буферы устойчивости проекта, чтобы не утонуть в сложных ситуациях?
• Практический опыт, ошибки и решения, которые помогут избежать распространённых проблем.

• Как проследить выполнение всех требований из ТЗ и ничего не упустить?
• Можно ли собирать проектную документацию в пару кликов и не возиться с множеством параллельных версий?
• Как формулировать понятные и исполнимые задачи для команды разработки?
• Как встроить мотивацию и контроль, чтобы проект двигался сам?
• Самоподдерживающийся цикл PDCA.

• Архитектор – что за зверь, в чем мариновать и как есть?
• Нужен ли архитектор, если проект мал да удал?
• Если участников много, то кто отвечает за результат?

За полчаса мы вместе со слушателями:

• Полистаем классиков.
• Понюхаем код.
• Поищем главный вопрос всего.
• Попробуем на него ответить.
• Постараемся сделать мир лучше!

• Стажерская программа в компании Кодерлайн, ее актуальность. Результаты стажерской программы.
•  Карьерный рост и возможности саморазвития в компании.
• Отзывы сотрудников компании, в прошлом стажеров участников стажерской программы.

• В чём принципиальное отличие в работе РП и технических специалистов?
• Какими Soft & Hard скилами должен обладать РП?
• Как построить карьерный путь к РП?
• Какие риски на этом пути и что тебя ждёт?
• А надо ли становиться РП и какие другие возможности роста для технаря

• Разберемся зачем вообще нужны инструкции
• Рассмотрим правила и алгоритм разработки инструкции
• Затронем тему удобных форматов и вариантов размещения инструкций

• Помимо специализированных профессиональных умений, существуют так называемые мягкие навыки или soft-skills. Эти навыки, хотя и не связаны с конкретной областью знаний, важны для эффективной работы.
• Мы с вами обсудим на сколько важны для аналитика soft-skills. Обращают ли на них внимание заказчики и коллеги, влияют ли они на трудоустройство. Обсудим какие soft-skills нужны в нашей сфере и все ли из них можно развить в каждом.

• Пояснение текущего кода. Как ИИ может анализировать и пояснять код, представленный в виде текста или изображения.
• Генерация алгоритмов. Примеры, где ИИ успешно создаёт алгоритмы на популярных языках программирования, таких как Python.
• Написание кода на заданном языке. Демонстрация возможностей ИИ в программировании на различных языках и ограничений, с которыми сталкиваются ИИ-ассистенты при работе с языком 1С.

• Чем демонстрация отличается от ПСИ
• Организационные мероприятия в части ПСИ
• Документальная часть
• Проведение ПСИ

• Шина данных Datareon ESB как корпоративное средство для выстраивания крупных информационных систем;
• Что нужно знать разработчику 1С о внутреннем устройстве шины для эффективной разработки интеграций?
• Состав подключаемой к 1С подсистемы интеграции Datareon – полезные объекты и методы для разработки обработчиков;
• Доработки подсистемы, которые помогут сделать разработку обработчиков проще и универсальнее;
• Частые проблемы и способы их лечения. Лайфхаки от опытных коллег.