Die QCon AI Boston 2026 findet am 1. und 2. Juni in der George Sherman Union der Boston University statt und ist laut InfoQ nahezu ausverkauft. Das Programm umfasst über 40 Sessions; sechs werden als Anker für das Thema „AI nach dem Demo" hervorgehoben. OpenAI-Ingenieur Martin Spier adressiert in seiner Keynote, warum KI-Latenz kein reines GPU-Problem ist und wie Performance-Regressions durch agentisches Coding schneller akkumulieren. Ajay Prakash von LinkedIn stellt CAPT vor, eine MCP-basierte Kontextschicht für Coding-Agents mit gemeldeten Ergebnissen von 70 % schnellerem Issue-Triage und über 500 community-erstellten Skills. OpenAIs Vinoth Govindarajan präsentiert anhand von OpenClaw ein Harness-Modell für Production-Agents mit Kontrollebenen, Approval-Pfaden und Audit-Trails. Susan Chang von Elastic spricht über ein zentralisiertes Eval-Framework, das ihr Team nach fast zwei Jahren Produktionserfahrung mit einem user-facing Agent aufgebaut hat. DoorDash zeigt, wie das Unternehmen wiederkehrende LLM-Infrastruktur (Retry-Logik, Cost-Tracking, Prompt-Versioning) in einem LLM Gateway und einem Agentic Gateway konsolidierte. Roblox stellt den Ansatz „Exemplar Alignment" vor, bei dem autonome Agents Codebase-Migrationen übernehmen und die gesamte SDLC neu gedacht wird.