Исследования и прогнозы в IT *

Работа с данными стала критически важной на хакатонах — рынок IT-соревнований в прошлом году заметно изменился. Конкурсы теперь практичнее, технологичнее и сложнее, как по задачам, так и по составу команд.

Мы проанализировали 240 хакатонов 2025 года и разобрали, какие форматы, навыки и подходы будут определять соревнования в ближайшем будущем. В основе исследования — статистика мероприятий и участников платформы Codenrock. Картину дополняют данные крупных международных отчётов, чтобы увидеть общие тенденции развития IT-сообщества.

Материал будет полезен всем, кто организует хакатоны, ищет через них решения и таланты или участвует в соревнованиях ради профессионального роста. В статье — ключевые цифры, выводы и прогноз на 2026 год.

Хабр, привет!

Мы с коллегами в отделе аналитических исследований регулярно подводим киберитоги года: рассказываем, кто кого атаковал и как это было: цифры, факты, реальные истории атак. В этой статье речь пойдет о том, как выглядел мировой ландшафт киберугроз в 2025 году: какие отрасли подвергались кибератакам, кто приложил к этому руку, какими техниками пользовались киберпреступники — о тех сложившихся ИБ-трендах, которые найдут отклик в ближайшем будущем.

Когда я открываю приложение своего необанка в 2026 году, я вижу будущее. FaceID срабатывает за миллисекунды. Анимации плавные, как шелк (120fps). Чат-бот на базе LLM мгновенно анализирует мои расходы и дает советы по инвестициям.

Кажется, что мы живем в киберпанке.

Но когда я нажимаю кнопку «Отправить перевод» за границу, киберпанк заканчивается. Мои деньги исчезают со счета и уходят в трехдневное путешествие через черную дыру под названием «корреспондентские счета».

Добро пожаловать в главную тайну финтеха: У нас лучшие IT-инженеры, лучшие интерфейсы и лучший AI. Но наши деньги ходят по трубам, которые проложили в середине 20-го века. И эти трубы сгнили.

Решили поговорить о ключевых тенденциях облачного рынка и о феномене «большой миграции» — почему все больше компаний уходит из публичных облаков в частные. Ветер переменился в том числе под влиянием систем ИИ, поскольку компании предпочитают проводить тонкую настройку кастомных моделей и контролировать данные для обучения в более изолированной среде.

Продолжаются разговоры о том, что системы ИИ всех сортов и расцветок оставят программистов без куска хлеба. Однако все это может быть частью цикличного паттерна, когда хайповая технология на деле приводит не к безработице, а делает действительно квалифицированных программистов еще более востребованными.

Мы в Beeline Cloud решили разобраться в теме.

Эксперты центра компетенций по сетевой безопасности компании «Гарда» проанализировали публичные отчеты о деятельности APT-группировок в России в 2025 году и подготовили сводный аналитический обзор. В статье рассмотрим, какие группировки были наиболее активны в прошлом году, благодаря чему им удается оставаться незамеченными и какие отрасли страдают чаще всего.

Группа маркетологов и бренд-стратегов из Европы и Азии собрали открытый Google Диск, в котором содержится 195 отчетов о трендах на 2026 год! Вот только часть того, что есть в папке: TrendHunter, Ipsos, Acxiom, Deloitte, McKinsey и другие ТОПы из Fortune. Есть даже исследования о трендах в мерче, упаковке и ивентах.

Это 100% мастрид для маркетологов, продактов, бренд-стратегов и и всех, кто следит за трендами в своей нише. 

Отдельный бонус для прокачки насмотренности: можно посмотреть, как компании-гиганты оформляют свои презентации.

Ссылка на диск с 190+ отчетами тут.

Представьте: вы месяцами обучали языковую модель, она выдает блестящие ответы — и вдруг после загрузки нового датасета словно теряет память и начинает ошибаться в задачах, которые раньше решала без проблем. Знакомо?

Причина такого поведения — не баг, а побочный эффект обучения нейросетей, известный как катастрофическое забывание (catastrophic forgetting). Оно особенно досаждает при тренировке LLM и мощных систем компьютерного зрения, которые приходится регулярно докармливать свежими данными. Увы, с каждым таким апдейтом есть риск, что старая информация «испарится» из модели. 

Почему забывание происходит — и всегда ли это нежелательный эффект? Давайте разбираться.

Если вакансия длиннее 7000 символов, шанс встретить в ней манипуляцию или хаос — 61.5%. Это правило «рынка лимонов» работает почти идеально.

Но оно же — ловушка.

Индекс Шивы (текст / зарплата) — это инструмент диагностики, который помогает отличить необходимую сложность от словесного шума. Датасет из 48 000 вакансий.

После публикации «IT-2025: Реквием по здравому смыслу» произошло то, что обычно происходит, когда тыкаешь палкой в муравейник. Комментарии взорвались, личка — тоже.

Но среди потока сообщений было одно, которое заставило меня остановиться.

Не от джуна, которого в сотый раз завернули на собеседовании. Не от сеньора, уставшего объяснять, почему Java и JavaScript — это не одно и то же. И не от "эффективного менеджера", обиженного за свои миты.

Письмо пришло от человека, который двадцать лет работает в самом сердце системы найма. Карьерный консультант, была директором вузовского центра карьеры. Работала с лидерами IT-рынка, когда рынок ещё был рынком, а не казино. Сейчас — принимает тех, кого это казино выплюнуло.

Я ждал хейта. Я ждал, что мне объяснят, как я неправ и ничего не понимаю в "современных HR-практиках".

Вместо этого мне сказали: ты ещё оптимист.

Оказывается, всё, что я описал — абсурд найма, гонка алгоритмов, смерть экспертизы — это не болезнь IT. Это симптом. IT просто первыми попали в реанимацию. Остальные стоят в очереди.

Искусственный интеллект растет так быстро, что для его обучения и работы миру приходится стремительно наращивать вычислительные мощности. На строительство новых дата-центров уходят уже не миллионы, а триллионы долларов, и большая часть этих средств нужна именно под ИИ-нагрузки.

Мы подготовили краткую выжимку исследования McKinsey, где объясняется,  как сегодня формируется рынок вычислительных мощностей и почему компании по всему миру готовы вкладывать такие суммы.

Самый интригующий момент: если текущие тенденции сохранятся, к 2030 году стоимость инфраструктуры под ИИ может приблизиться к $7 трлн. Откуда берутся такие масштабы — разбираем ниже.

Сотрудник заметил проблему в отчете/коде/проекте и решил никого не дергать, чтобы не выглядеть слабым. В итоге ошибка всплыла позже и стала стоит компании дорого. 

Мы провели совместное исследование с «Работа.ру» и узнали, что 50% россиян скрывают свои промахи на работе. 71% сталкиваются с повторяющимися ошибками, а 61% видят: их руководители сами не готовы признавать ошибки. Ниже — подробный разбор страха ошибок и того, как с ним бороться.

Неуверенность в завтрашнем дне, отсутствие финансовой безопасности и ощущение постоянной утекающей жизни, похоже, являются повсеместными проблемами для современного человека. И на этом фоне многие повседневные процессы незаметно геймифицировались, рейтинги, «дни без инцидентов», KPI и бесконечные апдейты.

Но действительно ли знания снижают тревогу? Или мы просто наращиваем стек технологий, пытаясь компенсировать фундаментальную неопределённость?

Любая правовая система, по сути, набор протоколов, которые защищают ценности более высокого уровня. В идеале в демократическом обществе эти протоколы должны отражать ценности большинства, но на практике это не всегда так.

Формально законодатель говорит: каждый имеет право искать, получать и распространять информацию. На практике же всё время возникает конфликт:

Мы проанализировали более тысячи арбитражных исков, предъявленным к российским IT-компаниям. Нашлось много интересного и про иски, и про компании, и про арбитражные суды. Как всегда, будут классные графики и занятные выводы.

Ранее в статье "Почему нейросети не заменят прикладных специалистов: простая логика против вероятностных подходов" рассматривались общие вопросы поиска решений управляемого данными. Кратко: это механизм динамического связывания отдельных фрагментов решения в виде информационных блоков в последовательности для определения запрошенных параметров. Эта информационная технология, основанная на простой логике, позволяет оперативно вести диалог с пользователем, используя накопленные в процессе поиска решения данные. Для того чтобы общаться с системой на естественном языке необходим терминологический словарь предметной области.

В статье рассматривается роль терминологического словаря в процессе поиска решений, требования к составу словаря и содержанию словарных статей. Именно словарь позволяет описывать фрагменты решения на естественном языке и создавать прикладные приложения с минимальным привлечением специалистов по информационным технологиям. Отдельное внимание уделяется важности указания иерархических связей терминов, которые по своей сути являются параметрами решаемой задачи.

Терминологический словарь - важный компонент экспертной системы, к созданию которого предполагается привлекать прикладных специалистов узкого профиля.

ПРИМЕЧАНИЕ. В качестве примера выбрана реальная задача из медицинской практики связанная с назначением антирабической помощи. Антирабическая помощь необходима для исключения заболевания бешенством после контакта с домашним или диким животным. Бешенство смертельно опасное заболевание. От правильности врачебных назначений зависит жизнь обратившегося за медицинской помощью. Имеется инструкция, регламентирующая действия по оказанию антирабической помощи, которая и является первоисточником базы знаний. Несмотря, на кажущуюся простоту выбор лечения (профилактики) требует чёткого анализа ситуации и учёта многих факторов. Экспертная система в диалоге управляемом данными не позволит ничего пропустить и предложит безошибочное решение.

Когда Anthropic анонсировали Claude Cowork, первой моей мыслью было: «Наконец-то! Теперь я смогу пересадить на это команду, жену и всех тех, кто падает в обморок от слова `bash».
Моя лента наполнилась восторженными отзывами: «Mindblowing!», «Game changer!», «Убийца рутины!».

Спойлер: не получилось.

У меня глаз начинает дёргаться, когда я вижу очередной заголовок в духе «Ученые случайно создали батарею, которая изменит мир». Открываешь статью, а там... лирика. «В 10 раз мощнее», «заряжается за секунду», «экологически чистая графеновая нанопыль».

Дорогие журналисты и копирайтеры! До второго абзаца вы обязаны дать цифры. Не абстрактные «разы», а ватт-часы/кг, количество циклов, цену за кВт*ч, и где это купить. Если у вас нет этих данных — у вас нет новости. У вас есть кликбейт.

Для меня, как инженера, критерий существования технологии прост: если я не могу купить эту ячейку на Aliexpress, Taobao или через поставщика в Шэньчжэне - её не существует. Это лабораторный курьез, который, скорее всего, там и умрет.

Искусственный интеллект уже давно перестал быть исключительно инструментом добра. Он помогает врачам ставить диагнозы и разработчикам писать код. Но теми же самыми возможностями всё чаще пользуются злоумышленники. 

При этом барьер входа в кибератаки резко снизился: чтобы создать вредоносную кампанию, больше не нужно быть тёмным хакером со знанием всевозможных языков программирования. Достаточно пары нейросетевых сервисов и минимального понимания, как устроена социальная инженерия.

В этом материале поговорим, как искусственный интеллект приносит пользу не только добрякам, но и злодеям. Разберём, как злоумышленники используют ИИ и какие мошеннические схемы применяют, обсудим практические способы противодействия кибератакам и порассуждаем о будущем. Поехали 🤖

Привет, меня зовут Андрей, я руковожу группой обнаружения и реагирования на угрозы в Yandex Cloud. 2025 год стал беспрецедентным по тому, как развитие ИИ повлияло на индустрию, — в том числе и в сфере информационной безопасности. Но спектр всех угроз облачной инфраструктуре не ограничивается только этим фактором. 

В этой статье вместе с моими коллегами попробовали проанализировать тренды прошлого года, и сделать прогноз на 2026-й: каким в этом году будет облачный ландшафт безопасности.

Современные ИИ-системы переживают не просто кризис доверия, а настоящий структурный тупик. Большие языковые модели демонстрируют чудеса в спринте, способны написать стихи, объяснить формулу или пошутить. Однако реальный мир не состоит из коротких задач. Проектирование реактора, управление логистикой или помощь хирургу напоминают марафон, где одна ошибка на одном из километров обесценивает всё проделанное.

Мы уперлись в «стену» монолитности. Идея о том, что чем больше параметров, тем умнее модель, заходит в тупик. Исследования OpenAI, Anthropic и многочисленные препринты показывают, что при увеличении длины рассуждений точность падает катастрофически. Условные сто процентов в начале цепочки превращаются в пятьдесят или шестьдесят к её середине. Такой результат указывает не на дефект мощности, а на фундаментальный предел «одноядерного» подхода. Мы пытаемся загрузить всю сложность мира в один «черный ящик», который перегревается от обилия контекста.

История процессоров уже проходила этот этап. В начале двухтысячных мы разгоняли тактовые частоты до предела, пока не ударились о физический «тепловой барьер». Индустрии пришлось сменить парадигму, отказаться от "гигантских одноядерных монстров" и перейти к многоядерным архитектурам.