AI-systemen voor productie
Over Slava Dubrov
AI-systemen voor productie, evaluatie, beveiliging en de bewijslussen die ze verbeteren.
Ik ben Slava Dubrov—formeel Dr. Viacheslav Dubrov*—een Staff AI System Engineer die werkt aan software engineering, agentsystemen, evaluatie, retrieval, security en production-infrastructuur.
Tegenwoordig werk ik bij octonomy AI aan production AI- en softwaresystemen. Daarvoor leidde ik bij HubSpot het werk aan de Context Layer voor retrieval-, grounding- en memory-infrastructuur. Vervolgens werkte ik aan Agent Execution voor LLM-deployment, fine-tuning, evaluatie, safety en runtime. De verbindende lijn is wat er gebeurt nadat een veelbelovende modeloutput een echt systeem ontmoet.
Het werk achter het perspectief
Mijn werk is geëvolueerd van ranking- en fraudesystemen naar retrieval-infrastructuur en production agents.
Geselecteerde ervaring
- HubSpot — Context Layer en Agent Execution. Ik was verantwoordelijk voor architectuur en technisch leiderschap op Staff-niveau voor retrieval, grounding, memory, LLM-deployment, fine-tuning, evaluatie, veiligheid en runtime.
- Wayfair — fraude- en scamdetectie, en embeddings. Ik bouwde en leidde systemen die samenhingen met ongeveer $4 miljoen aan jaarlijkse besparingen.
- OLX — recommendation en search ranking. Ik werkte aan ranking- en recommendation-systemen op marketplace-schaal.
Publiek bewijs
- Werk verbindt engineeringclaims met artikelen, broncode, resultaten en beperkingen.
- Labs verzamelt reproduceerbare artefacten die lokaal kunnen worden uitgevoerd.
- Edge of Context bevat het uitgebreide engineeringverslag, waaronder de zesdelige serie Engineering the Agentic Stack.
Onderzoek en spreken
Ik heb een Kandidat of Technical Sciences-graad (Russische doctorstitel, equivalent aan een PhD) van de Southern Federal University voor onderzoek naar AI-diagnostiek, met peer-reviewed papers en patenten. Ook heb ik een semester promotieonderzoek in Mechatronics gedaan aan de TU Ilmenau met een DAAD Lomonosov-beurs.
Tijdens de World Agentic AI Summit Berlin 2026 presenteerde ik “Engineering the Agentic Stack”: een production-architectuur die de cognitive engine, memory, tools, security en de omringende runtime bestrijkt.
Engineeringprincipes
- Maak gedrag observeerbaar voordat je het autonoom maakt.
- Geef de voorkeur aan de toestand en resultaten van de omgeving boven plausibele eindantwoorden.
- Laat elk toegevoegd harness-onderdeel zijn kosten rechtvaardigen door middel van ablation.
- Houd evaluatoren, securitybeleid en promotiebevoegdheid onafhankelijk van de optimizer.
- Bewaar mislukte experimenten als bewijs.
- Gebruik de goedkoopste reparatielaag die de echte fout oplost.
Capaciteiten
| Systeemcapaciteit | Werkgebieden |
|---|---|
| Agentsystemen | reasoning loops, memory, toolinterfaces, runtimes, harnesses, observability |
| Evaluatie en assurance | trace-based evaluatie, regressiesuites, guardrails, permissies, security gates |
| Retrieval en context | semantische en hybride retrieval, reranking, grounding, context compression |
| Model engineering | fine-tuning, LoRA/QLoRA, serving, quantization, structured generation |
| Production-infrastructuur | AWS, GCP, Kubernetes en batch-, streaming- en real-time ML-systemen |
Elders
Mijn professionele achtergrond staat op LinkedIn. Broncode en reproduceerbare artefacten staan op GitHub. Nieuwe essays verschijnen ook op Substack.
* Kandidat of Technical Sciences (Russische doctorstitel, equivalent aan een PhD), toegekend door de Southern Federal University, Rostov aan de Don, 2015.