Исследования и прогнозы в IT *

Современная разработка погрязла в driven, first и based подходах, недавно этот зоопарк пополнился еще одним заморским зверем под названием AI-driven (пусть меня простят свидетели AGI, но я сознательно не выделяю этот подход на фоне остальных и в конце объясню почему). Но не пытаются ли все эти подходы на самом деле решить одну и ту же проблему, известную еще с середины прошлого века, проблему "абстрактного перехода"?

Салют, Хабр!

Есть продуктовые идеи, а есть потребности людей, которые полностью не закрывает ни одно решение на рынке. И их очень важно различать. Особенно когда создаёшь умные устройства… или что угодно другое. 

Мы в SberDevices создали на основе старого знакомого фреймворка Jobs to be done (JTBD) рабочую систему для продуктовых решений. Она позволяет нам видеть реальные пользовательские работы, делать их измеримыми, сравнивать между собой и на этой основе математически расставлять приоритеты для новых устройств, функций и сценариев. 

В статье расскажем, как вырастили из качественных интервью единую карту пользовательских работ, адаптировали количественную валидацию под новый экосистемный продукт и получили полноценный инструмент для продуктового планирования. Ещё — что такое кач и кто такие спидстеры.

Когда тебя решили заменить ИИ-агентом и слить по-тихому.

Китайский проект Colleague Skill завирусился на GitHub с идеей оцифровать коллегу перед его увольнением — и случайно вскрыл юридическую и этическую бомбу, которая уже тикает в каждой компании.

Добрый день, это моя первая статья на Хабре, прошу не судить.

Я хочу рассказать вам немного о моём исследовании и то как стоит честно относиться к LLM моделям, так как вы скорее всего знаете, что такое LLM модель не будем терять времени на её определение давайте перейдём к сути моей работы: LLM не дают гарантии правильности ответа особенно операций с большим количеством шагов и формальным рассуждением, даже когда ответ правдоподобный или оказывается верный. (Вы же все видели дисклеймер ChatGPT can make mistakes.Check important info)

Начнём с самого начала 4 сентября 2025 года прошло исследование о галлюцинациях в моделях (в котором участвовали инженеры OpenAI), и одно из утверждений было, что даже при наличии безошибочных обучающих данных статистическая целевая функция, минимизируемая в процессе предварительного обучения, приведет к языковой модели, генерирующей ошибки, почему же это так потому, что сама природа LLM моделей вероятностная.

Но так как мы живём в мире где мы внедряем системы LLM повсюду появляется закономерный вопрос как же верифицировать LLM и тут у инженеров есть готовый по их мнению инструментарий, который массово внедряется:

Привет, Habr.

Обычно найм представляют довольно просто: есть вакансия, есть кандидат, есть несколько этапов собеседования, после которых человек либо получает оффер, либо отказ. Такая картина хорошо смотрится в HR-отчётах и презентациях, но в реальности всё устроено заметно сложнее.

Если чуть дольше повариться в рынке, становится видно, что вокруг собеседований уже давно существует отдельная инфраструктура. Речь про слитые вопросы, базы по компаниям, закрытые чаты, документы и каналы, где собирают и передают друг другу реальные этапы найма. Причём это уже давно не история про редкие “утечки” или единичные случаи. Для части рынка это вполне рабочий инструмент подготовки.

Сразу уточню важный момент. Эта статья не про мораль, не про публичные разоблачения и не про попытку назначить кого-то злодеем.

Мне интереснее разобрать само явление: почему рынок слитых собеседований вообще появился, как он работает и почему стандартные процессы найма сами неплохо помогают ему жить.

Потому что проблема тут не только в кандидатах, которые хотят пройти собес по короткому пути. Проблема ещё и в том, что многие компании годами проводят одни и те же интервью почти в одном и том же виде, а значит рано или поздно этот процесс начинает жить своей отдельной жизнью.

TL;DR

ИТ-гигиена — чтобы не упасть. ИБ-гигиена — чтобы не потерять. Цифровая зрелость — чтобы расти. Три уровня одной пирамиды, которые большинство компаний строят в обратном порядке или вообще по отдельности.

В статье: чем цифровая зрелость отличается от ИТ и ИБ зрелости, как устроена шкала от 0 до 4 и где на ней реально находится средний бизнес в России, шесть доменов оценки, шесть ловушек в которые попадают почти все — и шесть шагов чтобы начать без консалтинга и лишних трат.

Полезно CDTO, CTO, CIO и всем, кто отвечает за цифровизацию в компании от 50 до 500 человек.

В 1958 году Мао приказал каждой деревне в Китае выплавлять сталь. Крестьяне бросали кухонную утварь в самодельные домны и рапортовали о феноменальных показателях. Сталь оказалась непригодной. Урожай сгнил. Тридцать миллионов человек погибли от голода.

В 2026 году каждая вторая компания проводит масштабную AI-трансформацию сверху вниз.

Тот же вайб.

В свете последних новостей о том, что китайские компании начали копировать личности работников на основе их деловой переписки, изменений в кодовой базе и корпоративных баз знаний, вопрос этики встаёт остро…

Когда мы говорим о будущем российской нефти, в голове обычно возникает стандартный набор образов: ледоколы, буровые платформы в Арктике, сверхглубокие скважины и бесконечная геологоразведка в поисках новых месторождений. Мы привыкли думать, что нефть нужно искать там, где нас еще нет.

Но что, если главная нефтяная провинция будущего находится прямо у нас под ногами — на тех самых месторождениях, которые мы считаем «выработанными»? Что, если «вторая Западная Сибирь» — это не новая география, а новый способ смотреть на старые промыслы?

В этой статье мы разберем, почему при текущих технологиях мы оставляем в земле до 70% нефти, как советский геолог Иван Нестеров еще десятилетия назад предложил элегантное решение этой проблемы, и почему сегодня, глядя на свежие публикации китайских ученых в журнале Physics of Fluids, мы рискуем упустить шанс стать лидерами новой технологической волны — волны, которую сами же и начали.

Привет! Мы — команда hh.ru: Андрей Панкратов, исследователь пользовательского опыта, Регина Насибулина и Лиза Спицына, специалисты по рекруту респондентов. Мы на регулярной основе проводим интервью с пользователями, чтобы лучше понимать их опыт и быть на связи с соискателями и работодателями. Важный момент: в этих беседах мы ищем не новых сотрудников в компанию, а именно тех людей, которые готовы поделиться опытом использования нашего сервиса.

Рекрут респондентов в hh.ru ведётся двумя способами: через опросы на сервисе и с помощью целевого обзвона аудитории. По итогам 2025 года из 10 согласившихся поучаствовать до интервью доходят только 7.  Остальные отказываются прямо перед встречей или просто перестают выходить на связь. Мы проанализировали причины отказов участвовать, чтобы найти точки роста и повысить мотивацию пользователей.

Хабр, привет! Меня зовут Дмитрий. Я более 17 лет пишу на .NET, а последние 3 года работаю старшим разработчиком серверной логики. В компании более 100 .NET-разработчиков и множество команд.

На прошлом месте работы я был негласным техлидом, и код-ревью входило в мои обязанности. Здесь, в своей текущей команде, нас всего два бэкенд-разработчика, и мне стало не хватать этой практики. Чтобы не потерять этот навык и продолжать следить за кодом, я пошёл на эксперимент: начал делать код-ревью в двух соседних командах.

В этой статье поделюсь первыми ощущениями от кросс-тим ревью, и расскажу, зачем оно нужно, и как эта практика стала общей для всей компании.

Ценообразование в рознице – это арена напряженной конкурентной борьбы. Розничные сети в сегментах фармы, продуктов питания, e-com, доставки и дрогери соперничают за внимание и кошельки покупателей, изобретая все более сложные ценовые тактики. На первый взгляд, кажется, все просто: есть обычные цены и акционные. Но реальность гораздо сложнее. Сегодня попытаемся разобраться, как систематизировать подход к анализу цен конкурентов, научиться классифицировать различные типы цен и корректно их идентифицировать для построения эффективной собственной ценовой стратегии.

Меня зовут Алексей, работаю бизнес-архитектором в GlowByte в практике, занимающейся розничными решениями: помогаем ритейлерам в ценообразовании, управлении промо и ассортиментом через проведение аналитики и внедрение специализированных инструментов, выполняем комплексную автоматизацию процессов коммерции, проводим аудит процессов, выстраиваем управление данными, создаем многоканальные стратегии для работы с лояльностью, составляем карты коммуникационных кампаний и строим методики оценки эффективности.

Привет, Хабр!

Я как всегда с аналитикой отчетов из мира IT – в этот раз в мои руки попал большой отчет MWS о перспективах IT-рынка. Как и ожидалось цифры растут от года к году:
в 2021 году рынок оценивался в 2,06 трлн рублей, в 2025-м – уже в 3,86 трлн, а в 2026 году, по прогнозу, должен дойти до красивых 4,44 трлн. Тенденция выглядит как бурный технологический рост, с преодолением ковидного и прочих кризисов. Однако ситуация (как всегда) немного сложнее – сейчас в целом меняется внутренняя природа рынка.

Возьмём рынок кэптивных IT-компаний (внутренних технологических структур, которые крупный бизнес создаёт под свои нужды, а не для открытого рынка) – его можно считать параллельной экономикой: в 2025 году сегмент оценивается в 1,964 трлн рублей против 628 млрд рублей в 2021.

Долгое время крупные корпорации для рынка были прежде всего заказчиками: они покупали софт, железо, интеграции, консалтинг, а кэптивный рынок жил тем, что продавал им технологии. Сейчас граница начала немного размываться: на 2025 год уже 21% выручки кэптивов стала чисто коммерческой. Иными словами, внутренние IT-центры крупнейших компаний начинают выходить наружу, брать внешний рынок и постепенно превращаться в самостоятельных игроков. И это только одна тенденция

Сегодня я хочу поговорить не про рост IT-рынка (цифры в отчете видны невооруженным взглядом)  а поставить вопрос из кого вообще состоит этот рынок, поскольку мы видим новый слой – внутренние технологические фабрики банков, ритейлеров, нефтегазовых компаний, телекомов и логистических гигантов. И если этот сдвиг продолжится, Россия получит рынок другой природы, где крупнейшие заказчики сами станут производителями новых технологий.

Важное уведомление

Данная статья носит исключительно информационный и исследовательский характер. Все приведённые материалы предназначены для обсуждения архитектуры распределённых систем, образовательных целей и анализа технологий повышения устойчивости P2P-сетей к цензуре.

Автор не распространяет готовые средства обхода блокировок и не призывает к их использованию. Любые практические реализации, описанные в статье, являются гипотетическими и требуют от пользователя самостоятельной оценки соответствия законодательству своей страны.

Ответственность за применение полученных знаний лежит исключительно на пользователе.

Возможно, ни одна из описанных технологий не нова. Но их сочетание — с учётом российских реалий (CGNAT, DPI, белые списки) — представляет собой, насколько я вижу, ещё не реализованный на практике open-source проект. Приглашаю сообщество проверить эту гипотезу вместе.

 В инфополе еженедельно всплывают новости о «свежих» утечках: то база ритейлера, то данные клиентов банка. Мы привыкли думать, что ценность украденной информации эфемерна — как только дамп попал в паблик, он становится бесполезным мусором. Однако реальность теневого рынка 2025–2026 годов говорит об обратном.

Даже «мертвые» базы продолжают циркулировать, перепродаваться и приносить мошенникам сотни тысяч долларов. В этом материале мы разберем, как устроена экономика вторичного рынка данных, как злоумышленники косплеят известные группировки вроде ShinyHunters и почему «баян» пятилетней давности до сих пор опасен для вашего бизнеса.

В ИТ-отрасли обучение давно перестало быть просто приятным бонусом. Новые технологии появляются слишком быстро, стек меняется постоянно, а профессиональная ценность специалиста все сильнее зависит от того, насколько быстро он осваивает новое.

При этом учатся все по-разному. Кто-то покупает курсы за свой счет, ездит на конференции в отпуск и разбирает новые инструменты по вечерам. А кто-то работает в компании, где развитие сотрудников встроено в рабочий процесс: есть обучение, тренинги, конференции и программы повышения квалификации.

Мы продолжили анализировать данные Большого опроса сообщества Инфостарт за 2025 год и увидели устойчивую связь: наличие возможностей для обучения на работе заметно влияет на удовлетворенность доходом.

И речь не только о том, сколько человек получает сейчас. Во многих случаях важна сама логика отношений между сотрудником и работодателем: инвестирует ли компания в развитие, дает ли ощущение перспективы и роста, воспринимается ли работа как движение вперед, а не как профессиональный тупик.

В этой части исследования мы рассматривали четыре сценария...

Большинство людей используют ИИ неправильно. Они задают один вопрос, получают один ответ и копируют его в свой документ. Это уровень чат-бота. Настоящая сила ИИ-агентов (таких как Claude Cowork или ChatGPT Agent) раскрывается не в генерации текста, а в выполнении многошаговых рабочих процессов (workflows).

В этой статье мы разберем, как передать агенту цепочки из 5-10 задач, которые обычно съедают часы вашего времени: от обработки пачки чеков до подготовки к ежемесячной отчетности и к квартальному бизнес-обзору. С конкретными промптами и архитектурой папок.

Сейчас каждый второй стартап пилит ИИ-агентов. Мы оборачиваем LLM в цикл Промпт -> Вызов инструмента -> Ответ и ждем, что нейросеть сама расследует инцидент, найдет баг или напишет фичу. Но на практике автономные агенты часто ходят по кругу, игнорируют явные ошибки и «влюбляются» в свою первую догадку.

Индустрия пытается лечить это костылями: наращивает контекст до миллионов токенов или заставляет модель «подумать шаг за шагом» (Chain-of-Thought). Я решил проверить эту архитектуру на прочность. Собрал локальный измерительный стенд LOCK-R, вооружился Теоремой Байеса и поймал современные LLM за руку.

В этой статье я математически докажу, почему одиночные агенты структурно уязвимы, как токены размышлений заставляют их врать самим себе еще искуснее, и почему паттерн «Слепого Судьи» - это единственный способ вылечить AI от предвзятости. Тестируем на локальной Qwen-9B и фронтирной GPT-5.4.

Хабр, привет!

На связи команда инженер-аналитиков R-Vision. Мы проанализировали широкий спектр уязвимостей, выявленных в марте, и включили в дайджест лишь те, что представляют наибольший практический интерес по уровню риска, подтверждённой эксплуатации и актуальности для специалистов по информационной безопасности.

Coinbase уволили инженера за отказ пользоваться AI-инструментами. Prodoscore замерили 25 000 сотрудников - кто пользуется AI, тот на 19% продуктивнее. Каждый месяц разрыв растёт ещё на процент. Создатель Claude Code шипит 30 MR в день и не пишет ни строчки руками. Собрал данные - и понял, что «20 лет опыта» без AI уже мало.