Jestem Slavą Dubrovem — formalnie dr Viacheslavem Dubrovem* — Staff AI Systems Engineerem pracującym na styku systemów agentowych, ewaluacji, bezpieczeństwa AI, wyszukiwania i infrastruktury produkcyjnej. Od 2011 roku zajmuję się uczeniem maszynowym: najpierw były to badania nad diagnostyką urządzeń elektroenergetycznych, a potem, w przemyśle, prognozowanie, rekomendacje, wykrywanie oszustw, wyszukiwanie i agenci AI.
Zwykle odpowiadam za całą ścieżkę: uzgadniam z przyszłymi użytkownikami systemu, co ma on robić, a potem go buduję, poddaję ewaluacji, wdrażam i utrzymuję. Obecnie pracuję jako Staff Machine Learning Engineer w octonomy AI nad produkcyjnymi systemami AI i oprogramowaniem. Wcześniej, w HubSpot, kierowałem pracami nad Context Layer dla infrastruktury wyszukiwania, ugruntowania i pamięci, a następnie zajmowałem się Agent Execution — wdrażaniem LLM, fine-tuningiem, ewaluacją, bezpieczeństwem i runtime’em. Wspólnym mianownikiem tych obszarów jest to, co dzieje się, gdy obiecujący wynik modelu trafia do rzeczywistego systemu.
Nad tym, czy systemom AI można ufać, pracuję od czasów sprzed asystentów opartych na LLM. W OLX zbudowałem i prowadziłem wewnętrzny kurs poświęcony wyjaśnialnej AI, a w Wayfair i HubSpot prowadziłem warsztaty Trustworthy AI o wyjaśnialności, uczciwości i odporności. Agenci stawiają te same pytania przy wyższej stawce: co system może robić, jak można go zaatakować i czy ewaluacja pokazuje to, co deklaruje. Piszę o bezpieczeństwie agentów i ewaluacji agentów, a w octonomy AI zacząłem prowadzić red-teaming naszych agentów pod kątem słabych punktów bezpieczeństwa.
Moja seria Recursive Harness Engineering bada budowę harnessu, niezależną ewaluację zmian i automatyzację wyszukiwania ulepszeń. Pierwsze rozdziały tworzą podstawy przed przejściem do rekursji. Mały eksperyment z narzędziem pamięci pokazuje, jak niezmieniany agent proponujący zmiany wykorzystuje wyniki testów do wyboru następnej poprawki; dalsze eksperymenty sprawdzą, czy zgromadzone doświadczenie pomaga w nowych zadaniach. Ludzie określają cele, dozwolone zmiany, budżety i kryteria przyjęcia wyniku. Ewaluatory i uprawnienia do przyjmowania zmian pozostają niezależne od optymalizatora.
Kariera zawodowa
Moja praca przesunęła się od badań nad diagnostyką do rankingu, wykrywania oszustw, infrastruktury wyszukiwania i agentów produkcyjnych.
2026–obecnie
octonomy AI
Staff Machine Learning Engineer
Produkcyjne systemy AI w startupie z obszaru agentic AI.
2024–2026
HubSpot
Senior Software Engineer II, potem Tech Lead ML II
Embeddings i prognozowanie dla AI Signals, Embedding Hub i Context Layer dla agentów AI, a następnie Agent Execution.
2021–2024
Wayfair
Senior Machine Learning Scientist
Wykrywanie oszustw i scamów na GCP. Zbudowałem i prowadziłem systemy powiązane z rocznymi oszczędnościami rzędu $4M.
2018–2021
OLX Group (Prosus)
Data Scientist
Rekomendacje i ranking wyszukiwania w skali marketplace’u.
2017–2018
Zalando
Research Engineer
Prognozowanie popytu dla logistyki, z pipeline’ami Spark na AWS.
2015–2017
Moskwa i Berlin
Uczenie maszynowe do monitorowania bezpieczeństwa sieci, analityka klientów dla krajowego operatora telekomunikacyjnego oraz NLP do priorytetyzacji e-maili w berlińskim startupie SaaS.
2011–2015
Platov South-Russian State Polytechnic University
Badania doktoranckie nad diagnostyką urządzeń wysokiego napięcia opartą na uczeniu maszynowym.
Od problemu do produkcji
- Rekomendacje w OLX, 2019–2020. Kierowałem pracami nad systemem rekomendacyjnym item2vec od badań stosowanych do produkcji, zaczynając od OLX w Polsce.
- Wykrywanie oszustw w Wayfair, 2021–2024. Dwanaście dni po dołączeniu do firmy miałem proof of concept i produkcyjny merge request w toku. Następnie odpowiadałem za jeden z produkcyjnych modeli zespołu do wykrywania oszustw, w tym za jego refaktoryzację i mapę drogową, oraz zbudowałem samonadzorowane embeddings sesji, wdrożone za pośrednictwem Vertex AI Pipelines obok istniejących modeli.
- Embedding Hub w HubSpot, 2024–2026. Zbudowałem Embedding Hub, współdzieloną usługę wektorową opartą na Qdrant, i skoordynowałem ją między trzema zespołami za pomocą RFC. Był to rdzeń Context Layer, którym kierowałem dla agentów AI firmy HubSpot.
Publicznie dostępne materiały
- Podczas World Agentic AI Summit Berlin 2026 zaprezentowałem „Engineering the Agentic Stack”: produkcyjną architekturę obejmującą silnik kognitywny, pamięć, narzędzia, bezpieczeństwo oraz otaczający je runtime.
- Edge of Context zawiera obszerną dokumentację inżynierską, w tym sześcioodcinkową serię Engineering the Agentic Stack. Sam buduję i prowadzę tę stronę, w tym pipeline, który tłumaczy ją na siedem języków.
- Recursive Harness Engineering łączy projektowanie harnessu, ewaluację i ulepszanie poprzez uruchamialne eksperymenty z narzędziem pamięci i asystentem obsługi klienta.
- Labs gromadzi odtwarzalne artefakty, które można uruchamiać lokalnie.
Zasady inżynierskie
- Ustal, jak będzie mierzony sukces, zanim wybierzesz model.
- Zanim uczynisz zachowanie autonomicznym, zapewnij jego obserwowalność.
- Przedkładaj stan środowiska i wyniki nad wiarygodnie brzmiące odpowiedzi końcowe.
- Każdy dodany komponent harnessu powinien uzasadnić swój koszt za pomocą ablation.
- Utrzymuj ewaluatory, politykę bezpieczeństwa i uprawnienia do promocji niezależne od optymalizatora.
- Zachowuj nieudane eksperymenty jako materiał dowodowy.
- Stosuj najtańszą warstwę naprawczą, która rozwiązuje rzeczywistą przyczynę awarii.
Badania, nauczanie i certyfikaty
Posiadam stopień Kandidat of Technical Sciences (rosyjski stopień naukowy, odpowiednik PhD) uzyskany na Southern Federal University. W mojej rozprawie doktorskiej opracowałem dwuetapową metodę identyfikacji stanu wyłączników wysokiego napięcia: najpierw reguły rozmyte i statystyczne, a następnie sieci neuronowe strojone algorytmem genetycznym. Wcześniej uzyskałem dyplom inżyniera z wyróżnieniem w zakresie techniki informacyjno-pomiarowej.
- Stypendia i granty: dwa stypendia DAAD Leonhard Euler na pobyty naukowe na TU Braunschweig (2011) i TU Dortmund (2013), sześciomiesięczne stypendium DAAD Lomonosov w zakresie mechatroniki na TU Ilmenau (2013–2014), stypendium Prezydenta Rosji dla młodych naukowców (2013–2014) oraz młodzieżowy grant innowacyjny UMNIK jako kierownik projektu.
- Publikacje: 25 publikacji naukowych, patent na diagnostykę elektrycznej aparatury łączeniowej oraz współautorski benchmark metod rekomendacji ofert pracy przetestowany online na OLX Jobs.
- Nauczanie i mentoring: kurs Spark i Spark MLlib na Higher School of Economics w Moskwie (2016), dwa wewnętrzne kursy w OLX, o uczeniu maszynowym i o wyjaśnialnej AI, oraz warsztaty poświęcone głębokiemu uczeniu i godnej zaufania AI w Wayfair i HubSpot. Od czasów Zalando mentoruję inżynierów, w tym współpracowników, którzy przeszli na stanowiska inżynierów ML i AI.
- Zdobyte certyfikaty: AWS Certified Machine Learning – Specialty (2020) i AWS Certified Solutions Architect – Associate (2019); nanodegree’y Udacity z uczenia maszynowego, AI, głębokiego uczenia ze wzmocnieniem, AI w tradingu i widzenia komputerowego (2017–2021).
Możliwości
| Możliwość | Obszary pracy |
|---|---|
| Systemy agentowe | pętle rozumowania, pamięć, interfejsy narzędzi, runtime’y, harnessy, obserwowalność |
| Ewaluacja i zapewnianie jakości | ewaluacja oparta na trace’ach, zestawy regresyjne, red-teaming, guardrails, uprawnienia, wyjaśnialność, odporność |
| Wyszukiwanie i kontekst | wyszukiwanie semantyczne i hybrydowe, reranking, ugruntowanie, kompresja kontekstu |
| Inżynieria modeli | fine-tuning, LoRA/QLoRA, serving, kwantyzacja, ustrukturyzowane generowanie |
| Stosowane uczenie maszynowe | rekomendacje, ranking wyszukiwania, wykrywanie oszustw, prognozowanie, samonadzorowane embeddings, grafowe sieci neuronowe |
| Dostarczanie produktu | specyfikacje wspólnie z użytkownikami, testy A/B, etapowe wdrożenia, mapy drogowe modeli |
| Infrastruktura produkcyjna | AWS, GCP, Kubernetes, Spark, systemy ML wsadowe, strumieniowe i działające w czasie rzeczywistym |
Gdzie jeszcze
Informacje o doświadczeniu zawodowym znajdują się na LinkedIn. Kod źródłowy i odtwarzalne artefakty są dostępne na GitHub. Nowe eseje publikuję również na Substack.
* Kandidat of Technical Sciences (rosyjski stopień naukowy, odpowiednik PhD), uzyskany na Southern Federal University w Rostowie nad Donem w 2015 roku.