разбор · агентытема-фронтир · H 1.50
3.0
из 10
смотреть не обязательно — забрать выжимку и пункты
оценка машинная и частично зависит от длины ролика — спорите, открывайте оригинал
Платформенный подход Bloomberg к внедрению AI
What We Learned Deploying AI within Bloomberg’s Engineering Organization – Lei Zhang, Bloomberg
Bloomberg внедряет AI для кодинга через платформенный подход: единый шлюз моделей, каталог MCP-серверов, пайплайн создания инструментов и обучение. Ключевой вывод: AI меняет стоимость инженерных задач, поэтому нужно пересмотреть, что делать вручную, а что автоматизировать, и строить инфраструктуру, чтобы избежать хаоса.
Bloomberg строит платформу для AI-кодинга: агенты, MCP, обучение — и меняет стоимость разработки.
что из этого моё
Можно применить для построения собственной платформы оркестрации: создать шлюз моделей, каталог MCP-серверов и пайплайн их деплоя, чтобы автоматизировать рутину (патчи, инциденты) и масштабировать AI-инструменты без хаоса. Также идея обучения как драйвера adoption применима для внедрения AI в команде.
Что забрать
отметь, что берёшь в работу → или отбрось как не своёмоё →
поднять локальный шлюз моделей с проксированием к своим ключам и логами использования
создать каталог MCP-серверов в репозитории с описаниями и ссылками на код
настроить CI/CD для деплоя MCP-серверов в docker compose
о чём говорят, по времени
главы доводят до 11:00 · дальше по ролику меток нет
01
О Bloomberg и масштабах00:00 ↗
Лей Чжан рассказывает о компании: 9000 инженеров, огромная инфраструктура, AI-команда.
02
Старт AI для кодинга02:30 ↗
Как Bloomberg начал внедрять AI-инструменты: сначала хаотично, потом системно.
03
Примеры применения: патчи и инциденты05:00 ↗
Два успешных кейса: автоматическое создание патчей и агенты для разбора инцидентов.
04
Платформенный подход и golden path08:00 ↗
Принципы платформы: делать правильное легким, неправильное — трудным.
05
Обучение и сообщества11:00 ↗
Как обучение и внутренние сообщества ускоряют adoption AI.