Исследования и прогнозы в IT *

Разные SEO-инструменты могут радикально отличаться в своих оценках качества доменов: одни и те же домены показывают 300 живых доменов-доноров в одном сервисе и 120 в другом, и непонятно, кому верить. Мы столкнулись с этим на практике и провели три итерации исследования, от быстрой проверки на нашей PBN-сетке до масштабного сравнения на 10 000+ доменах, в ходе которых сравнивали Ahrefs (API v2 и v3), Majestic, Semrush и DataForSEO. Делимся цифрами, методологией и рекомендациями.

Если вы принимаете решения на базе ссылочных метрик от отбора дропов до отчетности клиенту, и вам нужно понимать, чем реально отличаются индексы инструментов и сколько стоит каждая «живая» строка данных, этот материал будет вам полезен.

Недавно увидел вот такую диаграмму. На ней я в серой зоне — как типовой представитель народонаселения, потому что не вижу, как использовать AI в жизни. На зелёные квадратики можно не смотреть, а желтые и красные — это та часть 8-ми миллиардного населения планеты, которая действительно регулярно использует LLM-ки.

А почему их так мало? Почему количество профессиональных ИИ-пользователей стремится к статистической погрешности? Почему 16% пользователей не покупают подписку на ИИ-шки? И почему оставшиеся 84%, что составляют 6 миллиардов с хвостиком знать не хотят про ИИ?

В начале марта специалисты центра мониторинга и реагирования GSOC компании «Газинформсервис» зафиксировали масштабную фишинговую кампанию: злоумышленники рассылают письма с заражённым Excel-файлом. Он содержит троян удалённого доступа Remcos RAT, позволяющий хакерам действовать от имени легитимного пользователя. Жертвами становятся компании в России и странах Азиатско-Тихоокеанского региона, а конкретно из сфер ИТ, ИКТ, логистики (транспортные компании и морские грузоперевозки), а также медицины (сектор ядерной медицины и производство медицинских изделий). В статье расскажем про кампанию и дадим рекомендации по защите от уязвимости.

Из 50 руководителей на ProIT Fest только трое подняли руку: «Стало легче принимать решения с AI». Менеджеров меньше. Решений — не легче.

В статье: три ловушки, в которые попадают компании при внедрении AI, фреймворк трёх измерений управления и тест — где вы находитесь прямо сейчас.

Часть 1 из серии.

Привет, Хабр! Это мой дебют здесь.  Сегодня хочу вместе с вами поразмышлять про то, куда все движется из-за ИИ и что с этим делать.

Немного о себе (для контекста):

Я начал кодить 12 лет назад, в 14 лет. Научился кодить достаточно, чтобы пилить сложные продукты. Потом научился запускать рекламу в Google Ads и Яндекс Директе. Тотальный фулл-стек.

А самое главное, все это “жило” в моей голове, не требовало синков между продактами и командой и создавало много ценности. И мне было очень хорошо, я это делал быстро, в своих проектах и в найме, но этим зарабатывал себе на жизнь.

Но потом пришел AI.

В прошлом месяце я потратил 2000 $ на курсор (1960 $ на usage). Потому что я не мог упустить заманчивую опцию кодить жутко быстро и использовать для этого Opus 4.6.

Но хорошая новость в том, что у меня была эта возможность.

А что, если бы я начал свой путь в IT сейчас?

Представьте. У меня нет денег на Cursor, а моя разработка слишком медленная без ИИ, да и ей я бы не научился, потому что, чтобы научиться, надо практиковаться на реальных вещах, а как тут практиковаться, когда надо продукты за неделю запускать.

А можно ли нормально кодить в Cursor, если не знаешь основ программирования? Наверное, в текущей точке развития ИИ – нет.

В итоге, новички не могут догнать рынок, а рынок больше не даёт времени учиться.

Если вы умеете кодить и вам есть на что вайбкодить, не спешите радоваться.

Вы такой не один. Количество продуктов, которые люди создают, растет, а вот количество пользователей осталось прежним. К тому же, пользователи теперь могут еще и сами создать себе продукт.

Мир менеджмента продуктов быстро меняется: появляются новые технологии, меняются подходы к работе с продуктом и растут ожидания касательно навыков специалистов. В 2025 году менеджеры продуктов сталкивались с вызовами, которых еще несколько лет назад не было: от внедрения ИИ до управления сложностью продуктов и команд.

Чтобы понять, какие инструменты используют специалисты, какие навыки развивают и как видят свое будущее, мы в ProductSense совместно с X5 провели исследование среди 1220 респондентов — менеджеров продуктов, Head of Product и CPO, чтобы понять:

• с какими продуктами они работают;

• как используют ИИ;

• какие навыки развивают;

• сколько зарабатывают;

• как видят будущее профессии.

В этой статье — ключевые выводы исследования.

Типичная история внедрения ИИ в крупной компании выглядит так: выбирают модель, подключают к корпоративным данным и начинают искать ей применение. Когда ожидаемый эффект не приходит, берут следующую модель и снова разочаровываются.

По данным Gartner, не менее 30% проектов в области генеративного ИИ будут заброшены сразу после проверки концепта к концу 2025 года. IBM фиксирует, что только 25% ИИ-инициатив дали ожидаемый возврат инвестиций. McKinsey сообщает: лишь треть компаний масштабируют ИИ-программы на уровне всей организации, и большинство из тех, кто видит эффект, оценивают его как «менее 5% операционной прибыли (EBIT)». Это не приговор технологии — это диагноз подходу: ИИ внедряют ради самого ИИ, не ответив заранее на вопрос, какой конкретный эффект он должен принести.

Мы в «Первой Форме» шли иначе: внедряли ИИ точечно, под конкретные задачи, каждый раз отвечая на вопрос о том, какой измеримый результат хотим получить. Постепенно этот подход привёл нас к следующему шагу: мы создали в нашей BPM-платформе семантический слой — набор маршрутов, словарь терминов и правила резолвинга сущностей. Он связывает разрозненные системы и позволяет с помощью ИИ получать ответы на управленческие вопросы, опираясь на реальные данные.

Меня зовут Денис Селезнёв, я генеральный директор «Первой Формы» — российской BPM-платформы для автоматизации бизнес-процессов в крупных компаниях. В этой статье я расскажу, как мы пришли к построению Картографа, как он устроен и что показала первая неделя его работы.

Не все проблемы внедрения ИИ упираются в качество моделей. Иногда сильнее мешают страх ошибиться, внутреннее сопротивление, недоверие и неловкость перед коллегами. Мы опросили 250+ человек из разработки и делимся опытом, как работать с такими барьерами и делать внедрение ИИ более комфортным для людей.

В 1С:ERP сотни настроек. Каждая из них может быть абсолютно правильной — но некоторые их комбинации в процессе эксплуатации начинают конфликтовать друг с другом. Система при этом продолжает работать, только всё хуже и хуже.

Бывает и по-другому: настройки выглядят вполне корректно, но на самом деле содержат скрытые проблемы, проявляющиеся по мере эксплуатации.

Чтобы находить такие ошибки, была создана экспертная система с использованием искусственного интеллекта. Она анализирует настройки ERP и выявляет потенциальные конфликты.

Я участвовал в разработке этой системы и покажу, как она работает на реальных примерах.

Статья о том, какие трансформации происходят в продуктовой разработке и почему мы вступаем в эпоху пост-Agile, платформенных команд и агентных связей.
Придут ли ИИ-агенты на смену кросс‑функциональным командам? Давайте разбираться.

Apple неожиданно выкатилa MacBook Neo — ноутбук всего за шесть сотен долларов. Само по себе устройство не выглядит чем-то экзотическим: компактный корпус, фирменный чип, обычный набор возможностей. Но именно цена сразу привлекла внимание. Макбуков за такие деньги раньше просто не было, поэтому новинка быстро стала одной из самых обсуждаемых тем в индустрии. Последствия для рынка могут быть весьма неожиданными. Попробуем разобраться, почему эта модель вызвала столько внимания и что она способна изменить.

Компании спускают миллиарды на хайповые инструменты разработки, надеясь купить «волшебную таблетку», но вместо неё получают лишь неконтролируемый хаос в процессах. 

Мы взяли секундомер и устроили жёсткий тест четырём нашим производственным направлениям: мобилке на Native и Flutter, аналитике и QA. Дали командам доступ в Cursor и Claude Code, чтобы вытащить на свет реальные цифры. По итогу — разрыв между цифрами и действительностью оказался шокирующим. 

Каждый год мы проводим исследования рынка труда, в том числе, конечно, сферы ИТ. И делимся результатами с Хабром — у нас в блоге можно посмотреть предыдущие, за 2023 и 2024 годы. А сегодня предлагаем читателям свежие сводки.

Мы разобрались с тенденциями рынка ИТ-вакансий, провели параллели с общей ситуацией на рынке труда в РФ, выяснили, что происходит с удалёнкой и какие навыки остаются наиболее востребованными в ИТ, как изменились зарплаты и у кого они продолжают расти, кто получает больше ожидаемого, а кому приходится пересматривать запросы. 

Отдельно посмотрели на ситуацию глазами работодателей: почему кадровый голод сохраняется даже при перенасыщенности рынка, с какими трудностями сталкивается бизнес, планируют ли компании расширять команды и чего ждать от отрасли в ближайшем будущем.

Гарвард отследил 62 миллиона работников в 285 000 компаний. При внедрении AI найм джунов падает на 9-10% за полтора года. А ещё 30-50% разработчиков в исследовании METR отказались работать без AI - физически не смогли. Через 3 года эти два факта столкнутся.

Принято считать, что любая сфера конкурирует внутри себя самой: нефтяные компании с нефтяными, транспортные с транспортными, а магазины за углом с ретейлом. Принцип работает и в игровой индустрии: студии борются за геймеров, их внимание и деньги, оптимизируя затраты на разработку и усиливая методы удержания. 

Но оказалось, что все меняется.

Мне в руки попалась огромная презентация Мэттью Болла, медиааналитика и евангелиста метавселенной (а в прошлом Мэт был главой стратегии Amazon Studios). В презентации он предлагает смотреть на рынок иначе: игры теряют долю внимания не только внутри собственной индустрии, но и в более широкой борьбе за время, привычку и деньги пользователя. Геймдеву, кроме релизов игр, приходится конкурировать с соцсетями, порнографией, гемблингом, iGaming и многим другим, то есть с иными цифровыми доменами, которые тоже научились отлично монетизировать вовлечение.

Изучил огромную презентацию и разобрался в цифрах, насколько шатким оказалось реальное положение геймдева в мире.

Разбираем реальный инцидент — от фишинговой ссылки до bulletproof-хостинга. IOC, техники обфускации и инфраструктура кампании на 290+ доменов.

Это несколько текстов, основной из которых — Autoresearch: Минимальный «агентский цикл» Карпаты для автономного экспериментирования с LLM . Пытаемся подробно разобраться в работе минималистичного ИИ-агента для исследований, предложенного Андреем Карпаты в начале марта. Это веха в истории ML, показывающая один из путей (хотя и не идеальный — и об этом тоже есть в статье) совершенствования ИИ. Бонус! Анализируем также весь python-код и инструкции агенту. Для всех, кто перешагнул уровень "спроси у ChatGPT" и задумывается о чём-то большем, но не знает, с чего начать...

Пока юридическое сообщество бурно обсуждало виражи громкого дела № А40-166729/2024 в Суде по интеллектуальным правам, мы решили сменить оптику. Почему бы не добавить к ним немного тензорных вычислений?

неШемяка! хладнокровно оценил перспективы обжалования с позиции ответчика и измерил шансы Сбера на отмену миллиардного взыскания в кассации. Спойлер - нейросети попали в яблочко!

Аналитики считают, что розничные цены на массовые модели в ближайшие месяцы вырастут примерно на 40 %. Ноутбук за 900 долларов стремится к 1200–1300. Причина проста: резко выросли цены на ключевые комплектующие — память, накопители и процессоры. Раньше их доля в себестоимости ноутбука составляла примерно 45 %, сейчас приблизилась к 58 %. Более трети роста приходится именно на оперативную память и накопители. Компенсировать удорожание продажами уже почти невозможно, поэтому дистрибьюторы и ритейлеры поднимают цены. Что ж, давайте разбираться в причинно-следственных связях.

Поиск работы в IT часто выглядит похожим образом: десятки откликов, постоянные собеседования, новые команды, разные проекты и условия.

На старте карьеры я довольно быстро столкнулся с проблемой, о которой сейчас регулярно слышу и от других специалистов.

Собеседований много, информация начинает смешиваться. По итогу в голове остаётся только одно — предложенная зарплата.

В результате решение об оффере принимается почти вслепую.

Через пару недель после выхода на работу внезапно оказывается, что процессы совсем не такие, как ожидалось, задачи другие, команда работает по-другому, а уровень нагрузки отличается от того, что представлялось на интервью.

За время регулярных выходов на рынок я выработал несколько простых практик, которые позволяют существенно снизить вероятность подобных сюрпризов.

Поделюсь основными из них, надеюсь, что всем будет полезно 👇