Основная информация

Имя
Данил Шайхелисламов
Должность
Исполнительный директор по исследованию данных, Центр практического искусственного интеллекта Сбера
Фокус
AI-трансформация бизнеса, AI-агенты, автономные бизнес-процессы, управление технологическими продуктами
Email
shaikhelislamov.ds@gmail.com
LinkedIn
LinkedIn
Наука
Google Scholar

Биография

Краткая биография — 50 слов

Исполнительный директор по исследованию данных в Центре практического искусственного интеллекта Сбера. Специализируется на AI-трансформации бизнеса, AI-агентах и автономных бизнес-процессах. Имеет опыт запуска и масштабирования корпоративных цифровых продуктов с финансовым эффектом более 2 млрд руб. Выпускник МФТИ, кандидат физико-математических наук.

Расширенная биография — 150 слов

Исполнительный директор по исследованию данных в Центре практического искусственного интеллекта Сбера. Его профессиональный фокус — AI-трансформация крупного бизнеса, развитие AI-агентов и переход от отдельных интеллектуальных решений к автономным бизнес-процессам. Имеет опыт запуска и масштабирования цифровых продуктов в корпорации с финансовым эффектом более 2 млрд руб. Участвовал в запуске рекламной платформы SberAds, где отвечал за развитие системы ранжирования рекламы и платформы A/B-тестирования, а также развивал цифровые продукты для корпоративных клиентов в СберАналитике. Выступал на Национальном рекламном форуме и Форуме «технологий доверенного ИИ». Данил — выпускник МФТИ, кандидат физико-математических наук по специальности «Искусственный интеллект и машинное обучение». Публиковал и докладывал научные работы по генеративному AI на конференциях A*. Преподавал дисциплины в области технологий и управления в НИУ ВШЭ и МФТИ. В работе соединяет техническую глубину, понимание операционной модели и практический опыт внедрения технологий с ориентацией на измеримый бизнес-результат.

Выступления

2023 · Национальный рекламный форум

SberAds и технологии автобиддинга

Выступление об использовании новых технологий в ранжировании digital-рекламы

2024 · Trustworthy AI Forum

Надежность кода, сгенерированного языковыми моделями

Подходы к повышению надежности генеративных систем