Публикувано на 3 септември 2026 г.Най-трудният въпрос в работата на AI инженерите рядко е кой модел да използва екипът или какви възможности да има AI агентът. Според Валентин Николов, AI инженер в EBRD, по-важният въпрос е как екипът ще разбере дали създаденото решение действително помага. Пътят от идеята до доказаната полза включва много повече от проектиране на агенти и RAG архитектури: разбиране на бизнес проблема, софтуерна архитектура, експерименти, отхвърлени хипотези и доста работа след първото успешно демо.
Понякога AI инженерът трябва първо да прецени дали изобщо е нужен AI. Когато бизнес екипите са ентусиазирани от възможностите му, неговата роля не е да охлажда този ентусиазъм, а да му даде посока. Какъв проблем решава екипът? За кого? Как изглежда добрият резултат? И по какво ще познае, че го е постигнал?
Понякога правилното решение е AI агент. Друг път е достатъчен прост работен процес или традиционна автоматизация. А понякога проблемът изобщо не изисква AI. Инженерният усет личи не само в разпознаването на възможността, но и в избора на най-простото решение, което върши работа.
Преди AI идва софтуерното инженерство
Усетът за най-простото работещо решение не идва от познаването на последния модел. Той се изгражда с опит в софтуерното инженерство: умение да се вижда системата като цяло, да се разбират компромисите и да се мисли не само как решението ще проработи, а и как може да се провали.
При проектирането на AI система фокусът не може да бъде само върху идеалния сценарий. Какво ще стане, ако моделът върне неточен отговор? Ако няма достатъчно контекст? Ако външна услуга спре да работи? Ще може ли екипът да открие причината? Ще може ли да смени модела или да промени една част от системата, без да изгражда всичко отначало?
Тези въпроси не са уникални за AI. Те са част от доброто софтуерно инженерство. При AI обаче стават още по-важни, защото системата включва компонент, чието поведение невинаги е напълно предвидимо.
AI инженерството не е напълно нова дисциплина, а естествено продължение на софтуерното инженерство. Силният AI инженер има стабилни софтуерни основи и ги надгражда с познания за изкуствения интелект и генеративните модели.
Andrew Ng подчертава същото: най-продуктивните разработчици съчетават дълбоко разбиране на компютрите, архитектурата и инженерните компромиси с добро познаване на съвременните AI инструменти.
Loading …AI се учи с практика
За да създава добри AI системи, инженерът трябва да работи с такива системи всеки ден. Не е достатъчно да чете за новите модели и да познава архитектурата им. Практическият усет идва, когато им повери истинска задача и види къде помагат, къде се затрудняват и колко лесно убедителният отговор може да прикрие пропуснат контекст.
В практиката си Николов използва AI помощници за програмиране, за да проверява по-бързо идеи, да проучва непознат код и да сравнява различни подходи. Скоростта обаче не отменя инженерната отговорност. Инженерът трябва да разбира, проверява и тества генерирания код като всеки друг код.
Инструменти като NotebookLM имат друга роля. Те помагат при организирането на източници по дадена тема, сравняването на документи и първоначалното проучване. И тук резултатът е отправна точка, а не готова истина.
Всекидневната работа с тези инструменти изгражда интуиция, която трудно се придобива само с четене. AI инженерът не може да проектира полезни системи за другите, ако самият той не ги използва активно и критично.
Explore more
Експериментът е част от работата
При AI рядко има готова рецепта. Нов модел, различен prompt или промяна в контекста могат да доведат до неочакван резултат. Затова експериментирането не е отклонение от работата, а част от нея.
Добрият експеримент обаче не е безразборно пробване. Той започва с конкретен въпрос: какво иска да подобри екипът и как ще измери промяната? След това екипът изгражда малък прототип, сравнява резултатите и анализира грешките. Първата версия не трябва да бъде съвършена. Нейната задача е да даде достатъчно знание за следващото решение.
Същото важи и за следенето на нови модели, инструменти и подходи. Екипите не могат да изпробват всичко, което се появява. Не е достатъчно и просто да следят новините. Те трябва да развиват усет кое може да промени работата им и да го проверяват на практика.
В лекцията „Software Is Changing (Again)“ Andrej Karpathy представя големите езикови модели като нов слой на програмирането, но подчертава, че автономността трябва да се въвежда постепенно и с ясна човешка роля.
Професията изисква увереност в работата с неизвестното. Екипите често започват без готов отговор и без гаранция, че идеята ще проработи. Амбицията не е AI да се използва навсякъде, а да се решават трудни проблеми, да се изследват възможностите и да се извлича полезен извод дори когато избраният подход не проработи.
AI инженерство с мисия
В EBRD ролята на AI инженера е пряко свързана с по-широката мисия на организацията. Вече 35 години EBRD подкрепя развитието на устойчиви пазарни икономики чрез инвестиции, експертна помощ и работа по реформи. За тези години организацията е натрупала институционално знание в документи, анализи и данни от различни държави, сектори и проекти.
При такъв обем информация предизвикателството не е дали знанието съществува, а как екипите да открият точната част в момента, в който им е необходима. Тук AI може да промени начина на работа. Екипът на EBRD разработва агенти, които вече помагат на бизнес звената. Чрез RAG те намират подходящия контекст в проверени източници и превръщат натрупаното институционално знание в достъпен работен инструмент.
AI отваря и друга възможност: автоматизирането на повтарящата се работа. В EBRD работят банкери, икономисти, юристи и специалисти с дълбока експертиза. Целта на екипа по AI инженерство не е да ги замени, а да освободи повече от времето им за решенията, при които опитът, контекстът и човешката преценка са незаменими. Така организацията може да насочи повече експертно време към проектите, които създават реална промяна.
Това не е изолиран технологичен експеримент. В стратегията си за 2026 – 2030 г. EBRD определя развитието и внедряването на дигитални технологии като един от основните инструменти за по-голямо въздействие. Tech Sofia е конкретен израз на тази амбиция – технологичен център, изграден тук, в България.
Според Николов именно това прави ролята толкова интересна: тя съчетава инженерна дисциплина, любопитство към новото и отговорност за крайния резултат. Технологиите се променят бързо, но критерият остава същият. Създаденото трябва да помага на хората да вършат работата си по-добре, а на EBRD – да увеличава въздействието си в изпълнение на своята мисия: „Invest in changing lives“.
