Produzione di pattern per agenti, valutazioni e costi di LLM a QCon AI New York 2026
16 ottobre 2026 · 2 min di lettura
Pubblicato anche in Português (Brasil)
Le sessioni confermate al QCon AI New York 2026 affrontano le difficoltà emergenti quando l'intelligenza artificiale entra in produzione. Gli ingegneri senior presenteranno casi reali in cui il codice generato da AI arriva più velocemente di quanto possa essere revisionato, i costi dei token aumentano e le valutazioni devono essere sufficientemente accurate da guidare azioni concrete. Le discussioni includono anche la necessità di autorizzazioni e guardrail per gli agenti, nonché strategie per valutare la sicurezza di un cambiamento e i costi operativi.
Un focus centrale è l'identità e l'autorizzazione per gli agenti in ambiente produttivo. Nancy Wang, fondatrice di AWS Data Protection, proporrà soluzioni alternative a quelle tradizionali, mentre Ronak Nathani illustrerà come LinkedIn ha implementato guardrail su Kubernetes, gestendo milioni di pod con un agente operativo.
Un altro tema riguarda la capacità di misurare l'impatto delle valutazioni. Fabio Flores spiegherà come DoorDash utilizzi un unico giudice per simulazioni e sessioni produttive, garantendo che i miglioramenti osservati in fase di test si traducano in risultati concreti. Tejas Chopra affronterà invece la compressione dei prompt e la caching per ridurre i costi quando il contesto cresce.
La revisione automatica del codice rappresenta un ulteriore nodo critico. Min Chen presenterà un sistema di filtraggio delle segnalazioni a bassa fiducia, mentre Nathen Harvey analizzerà la maturità AI oltre le semplici metriche di adozione, evidenziando come l'intelligenza artificiale possa amplificare sia i punti di forza che le debolezze organizzative.
Le presentazioni, tutte prive di pitch commerciali, offrono pattern replicabili e lezioni apprese da esperienze dirette. I relatori, selezionati tra i senior practitioner più influenti, risponderanno a domande specifiche, consentendo alle squadre di adottare pratiche consolidate e di evitare errori costosi.