{
  "topics": [
    {
      "id": "poc-trap",
      "title": "Signature Keynote - The POC Trap",
      "summary": "Защо AI засяда след демото и как да се проектира за продукционен ефект от първия ден.",
      "abstract": "Успешното демо не е доказателство за продукционна готовност. То е доказателство, че трудните въпроси още не са зададени. Над 80% от AI проектите не достигат значима продукция, не защото технологията се е провалила, а защото инициативата не е проектирана да издържи на реални условия. Лекцията дава конкретен модел какво доказателство да изисквате преди мащабиране, кога да преработите и кога да спрете."
    },
    {
      "id": "impact-test",
      "title": "The Impact Test",
      "summary": "Value-first подход за избор на AI инициативи, които си струва да бъдат финансирани преди разработка.",
      "abstract": "Повечето AI инвестиции се базират на проблем, който изглежда важен, а не на доказателство, че е важен. Организациите бъркат видимостта на проблема с неговата стойност. Най-видимият проблем получава brief, бюджетът следва, а месеци по-късно се оказва, че променената метрика не е била важната. Лекцията дава рамка за количествена оценка на AI стойността преди да бъде написан ред код."
    },
    {
      "id": "experience-moat",
      "title": "Experience Is the Moat",
      "summary": "Моделите могат да се копират. Устойчивото предимство идва от workflow fit, доверие и adoption.",
      "abstract": "Повечето AI системи са изградени да показват performance. Почти никоя не е изградена, за да бъде реално използвана. Capability се commoditize-ва бързо. Това, което не може да се копира, е колко добре системата ви пасва на хората, процесите и edge case-овете, за които е създадена. Лекцията дава ясен поглед къде текущите инициативи оптимизират грешното нещо."
    }
  ]
}