Искусственный интеллект

В этой статье мы расскажем, как сократили время на поиск информации в корпоративной базе знаний и превратили тысячи страниц документации в удобного ИИ-ассистента. А также поделимся, как реализовали локальный GPT, почему выбрали путь собственных решений вместо готовых сервисов, с какими инфраструктурными вызовами столкнулись и как в итоге собрали рабочие инструменты на базе self-hosted-версии low-code-платформы n8n, полностью закрыв данные внутри корпоративного контура.

Большинство экспериментов с AI в юридической сфере упираются в одну и ту же проблему: LLM умеет красиво отвечать, но теряется, как только появляется контекст компании, история согласований, шаблоны договоров и внутренние регламенты.

В статье разбираем, почему обычный чат‑бот плохо подходит для таких задач, как устроен AI‑агент с памятью и доступом к документам, и как собрать рабочую систему на базе Cursor, md‑файлов и базы знаний, которая действительно помогает анализировать договоры, а не генерирует очередной список общих рекомендаций.

Год с Claude Code: как собрать рабочую конфигурацию с первого запуска

Жемал Хамидун, Head of AI Alpina Digital, CPO AlpinaGPT, автор тг-канала "Готовим ИИшницу"

Двенадцатый выпуск еженедельных IT-новостей от OpenIDE!

На этой неделе прошёл JPoint 2026, вышел Amplicode 2026.1 со Spring Agent Toolkit, а Anthropic впервые обогнала OpenAI по оценке на вторичном рынке. Плюс история о том, как AI-агент удалил продакшн-базу данных за 9 секунд.

Ваш ИИ-агент только что выдал строчку. И она выглядит… подозрительно? Указатель без проверки на NULL, сериализация через pickle без валидации и логика базы данных, никак не защищённая от SQL-инъекций. Заметить одну-две таких подстав легко, но если строк больше 5 тысяч? А сколько коллег нажали Approved без должной внимательности?

Проблема даже не в том, что ИИ может ошибаться, а в том, что он делает это уверенно и в промышленных масштабах. И вот здесь начинается настоящая гонка. С одной стороны — LLM, которые штампуют уязвимости. С другой — LLM, которые эти уязвимости ищут, подсвечивают и помогают закрывать.

На повестке дня: дырявый код, новая парадигма в безопасности, автодетекция уязвимостей и кибер-оружие.

Искусственный интеллект всё активнее встраивается в повседневные бизнес-процессы: компании используют его для автоматизации операций, аналитики, работы с клиентами и оптимизации внутренних процессов. Но вместе с новыми возможностями AI приносит и новые вызовы для кибербезопасности. Чем глубже интеллектуальные системы интегрируются в ИТ-ландшафт компании, тем больше появляется потенциальных точек отказа, уязвимостей и сценариев для атак.

Kodaсode используют десятки тысяч разработчиков в месяц. Постепенно запросы стали приходить не от отдельных людей, а от компаний: как оформить юридически, куда уходят данные из кодовой базы, есть ли централизованное управление доступами и корпоративный биллинг.

Этой статьёй мы отвечаем на все эти вопросы — и рассказываем о нашем корпоративном предложении.

Привет, уважаемые эксперты!

На связи Альбина Аскерова, руководитель направления по взаимодействию с регуляторами Swordfish Security, и сегодня в моём обзоре будет методический документ ФСТЭК России от 12 апреля 2026, определяющий состав и содержание мероприятий и мер по защите информации в информационных системах.

Если вам обещают, что ИИ ускорит разработку в 5 раз — скорее всего, вам пытаются что‑то продать. Особенно если «волшебство» сводится к установке плагина в IDE.

Меня зовут Алиса Герасимова, я руковожу отделом функционального тестирования в центре разработки и машинного обучения «Инфосистемы Джет». В статье расскажу, как ИИ ускорил одну из наших команд разработки, но с цифрами из реального мира. Поговорим про метрики, разграничение ролей между человеком и ИИ, а также честно покажем, где машина больше мешает.

Статья будет полезна тимлидам, скрам‑мастерам и всем, кто устал от маркетинговых метрик без контекста.

Привет, Хабр! Меня зовут Игнатий Цукергохер, я фриланс‑журналист и блогер. Продолжаем обозревать мероприятия, на этот раз речь пойдет о масштабном хакатоне MTS True Tech Hack 2026. В этом году, как и в прошлом, он состоял из двух треков: открытого для всех желающих и внутреннего — для сотрудников компании. В каждом из них призовой фонд составил 1 500 000 рублей. У участников было всего шесть дней, чтобы предложить свое решение, как улучшить уже существующие продукты с помощью искусственного интеллекта. Лучшие решения вполне реально могли попасть в продакшн.

В этом материале расскажу о задачах, с которыми работали участники, как проходил офлайн‑финал с питчингами команд и что происходит, когда сотни разработчиков пытаются за несколько дней создать работающие решения на стыке языковых моделей, агентских систем и реальных бизнес‑кейсов. Приятного чтения!

Индустрия AI окончательно перешла от «умных чат-ботов» к автономным инженерным системам. Прошедшие недели подсветили три главных вектора: агенты становятся самостоятельными инженерами, железо мимикрирует под запросы LLM, а большие деньги уходят в системную интеграцию.

Английский бывает нужен для разных задач: чтобы поступить в вуз в другой стране, ответить англоговорящей коллеге в Slack или прокачать скилы для работы в международном энтерпрайзе.

В этой в статье собраны сразу три истории сотрудников Projecto.pro о разных подходах в изучении языка: как выучить английский с почти нуля во взрослом возрасте до C1, превратить Chat GPT в партнера по диалогам, преодолеть стыд за ошибки и наконец начать говорить.

Нет, я серьёзно – в последние месяцы на Хабре появилась особая категория статей, которая начинает бесить.

Посты в стиле: "я собрал приложение без навыков программирования – ну всё, разработчики больше не нужны". И каждый раз один и тот же вайб – человек нажал пару кнопок и уже мысленно закрыл индустрию.

Серьёзно, таким постам нужен отдельный хаб. Потому что читать это в общей ленте разработки – примерно как слушать, как кто-то решил пример на калькуляторе и теперь рассуждает о судьбе математики.

Теперь по сути.
Специально не буду давать ссылки на отдельные статьи – думаю вы и сами их видите в ленте постоянно. Поэтому отвечаю сразу, так сказать "коллективному автору" подобных постов.

Обсидиан называют «вторым мозгом». Чтобы он им стал, одних связей недостаточно — нужна память.

Я сделал плагин интервального повторения на современном алгоритме FSRS. Он запоминает что и когда вы учили, предсказывает что вы вот-вот забудете, и показывает какая тема даётся тяжелее всего. Все данные хранятся локально в ваших .md файлах — ничего не уходит на сервера.

Всем привет! Меня зовут Вадим, я — Data Scientist в компании Raft. Эта статья написана по мотивам моего выступления на конференции AiConf 2025. В ней мы разберём, какими метриками измеряется машинное разучивание и какие основные методы позволяют добиться контролируемого «забывания» без полного переобучения модели. Погрузимся в методы, метрики и бенчмарки, связанные с машинным разучиванием.

Недостаточно просто удалить конкретные примеры: модель может по-прежнему хранить их в параметрах и воспроизводить при другом контексте или атаке. И даже если забывание произошло, как убедиться, что при этом не разрушилась вся остальная функциональность модели?

Многие умеют вызывать loss.backward() в PyTorch, но не всегда понимают, что именно происходит под капотом. Как сеть вычисляет, какой из миллионов весов нужно изменить? В этой статье мы развеем магию обратного распространения ошибки (backprop). Разберем алгоритм на простых аналогиях с заводским конвейером, вспомним школьное правило дифференцирования и, чтобы закрепить понимание, напишем свой микро-фреймворк для автоматического вычисления градиентов на чистом Python с нуля.

За полтора года я перепробовала огромную вонючую кучу AI-сервисов для редакций. Большинство уже умерло за это время, ещё треть продаёт пустоту с красивым интерфейсом. А какие-то ребзя выжили и пашут вовсю – вот их и разобрала по 14 шагам анонимных алкоголиков работы с текстами. Половина блоков актуальна не только для СМИ. Фактчек, корректура, транскрибация, аналитика нужны всем, кто работает с текстами через нейронки. За грубость и неизящность заранее извиняюсь, уж как могу.

Как выглядит “вежливое выдавливание” из проекта, если смотреть на него не только из процессов, но и через социальный интеллект. Что происходит, когда человека сначала просят передать знания, поучаствовать в обучении ИИ и оптимизации, а затем аккуратно выводят из будущего контура, какие стратегии при этом выбирают люди и как такие решения меняют доверие и устойчивость команд.

Начну с признания: истории формата «природа оптимизирует лучше людей» меня обычно раздражают, слишком уж часто это все притянуто за уши. Но с муравьями история действительно странная, и мне ее захотелось проверить.

Короткая справка по нашему герою. Аргентинский муравей Linepithema humile в миллиметр длиной, с глазами у него все плохо, а в мозге около 250 000 нейронов (у нас, напомню, 86 млрд). Карты местности он не помнит. 

В 1989 году четверо бельгийских биологов поставили этим муравьям простой эксперимент — гнездо, еда, два мостика, где один длиннее другого в два раза. Через несколько минут вся колония сошлась на короткой ветке в 100% прогонов. И все это без координатора, без плана и без голосования. 

Через три года этот эксперимент превратится в Ant Colony Optimization — алгоритм, который я сегодня натравлю на классический TSP-бенч и получу 0,10% отставания от оптимума. А в 2023, через 34 года после наблюдений в Брюсселе, тот же алгоритм вернулся на NeurIPS в качестве бэкбона для графовых нейросетей. Что же, приступим.

5-я статья из цикла туториалов о кастомизации своего бизнес-портала в Битрикс24.

Сегодня возьмём наш шаблонный репозиторий для AI-разработки и сделаем на его основе чат-бота. Боту можно написать в мессенджере и научить его делать разные полезные вещи: давать информацию по сделкам, задачам и другим деталям бизнеса. 

Ещё бот может обращаться к другим программам по API и возвращать данные оттуда, например курсы акций и облигаций.

Что было в предыдущих туториалах:

1 — Пишем первое приложение с AI-стартером, чтобы видеть прибыли и убытки
2 — Добавляем в бизнес-портал Битрикс24 роботов для автоматизации
3 — Что даёт воспроизводимая среда разработки и как развернуть контейнеры на VPS
4 — Анализ и модернизация коннектора баз данных с помощью AI-агентов