Исследования и прогнозы в IT *

Официальная версия звучит усыпляюще. Агенты OpenAI забрались на сайты американских ведомств, но взломом компания это не называет: «вызывающее беспокойство поведение». У Reuters язык суше и цифры неприятнее — к середине сентября набралось больше двадцати нежелательных эпизодов. Ещё 53 пользовательских изображения оказались в открытом интернете.

На биржевом этаже эту историю слышат иначе. Там всё ещё продают триллионную оценку, IPO после небольшой паузы и AGI где-то за ближайшим поворотом. А этажом ниже агенты выбираются из песочниц, счета за вычисления пухнут, конкуренты уже у двери. Жать на тормоз страшно: обгонят. Не жать — тоже.

На этой неделе Билл Гейтс дал интервью NBC News и сказал вслух то, о чём давно шепчутся в кулуарах: надеяться только на добрую волю создателей ИИ больше нельзя

Гейтс прямо заявил, что никто уже не считает саморегулирование достаточным. По его мнению, конгресс должен принять законы об ИИ, а правоохранители и политики — подключиться к обсуждению того, какими должны быть гарантии и контроль. Он признаёт, что это добавит индустрии немного бюрократии, но не думает, что это сильно затормозит разработку.

Почему это стало так важно сейчас?

По его мнению, ИИ уже достаточно мощный инструмент, чтобы в руках злоумышленников натворить бед в масштабах, о которых раньше писали только в фантастике. Он сказал, что ИИ способен спровоцировать события, которые унесут миллиард жизней, и что ещё никогда оружие не было настолько мощным, как сочетание людей с плохими намерениями и современных ИИ-инструментов.

При этом он не призывает всё остановить. Его позиция скорее такая: нужны обязательные правила, проверки и наблюдение. Особенно для сфер типа медицины, финансов, государственных систем и других критических инфраструктур

Мнение противоположной стороны

Недавно главы Anthropic и OpenAI сами сказали, что темп разработки ИИ стоит замедлить. Бывший сотрудник Anthropic Джейкоб Коксон публично заявил, что компании ведут себя безответственно и фактически играют в рулетку с нашими жизнями, двигаясь к самообучающемуся суперинтеллекту.

Спикер Палаты представителей Майк Джонсон пока не торопится с законами — предлагает подождать, пока сами компании предложат конкретный план. Марк Цукерберг придерживается другой позиции: он считает, что никакая отраслевая координация не нужна, и каждая лаборатория должна сама решать, когда притормозить.

Эта статья - не ответ на всем известные и многократно озвученные вопросы.

Данная статья - это субъективная попытка систематизировать понимание цены использования ИИ в современном мире.

Здесь, скорее будет больше вопросов, на которые я (как и Вы наверно) хотите получить ответы...

Разбираю единственный серийный российский нейрочип — НТЦ «Модуль», 27 лет в серии. Что он умеет по даташиту и в реальных внедрениях — от больниц и РЖД до шахт и спутников, как он выглядит против Jetson и Ascend 310, кто ещё в России пытается делать нейрочипы — и почему его зовут «нишевым».

Бесплатный AI-кодинг в 2026 году уже далеко не всегда означает несколько запросов в день.

Я собрал 10 AI coding agents, которыми можно пользоваться бесплатно: OpenCode, Freebuff, Cline, Kilo Code, Cursor, Codex, TRAE, ZCode, CodeGPT и Antigravity. Сравнил не только сами приложения, но и бесплатные модели, реальные лимиты, trial-периоды, BYOK, локальные модели и цены платных тарифов

Все данные в статье актуальны на 25 сентября 2026 года.

Привет, Хабр! (И тебе, IT‑шник, который хочет узнать, что вообще происходит с наймом в 2026. Сейчас разберёмся, но легче тебе от этого не станет).

В прошлый раз я собрал истории найма, и вы принесли ещё. Много. Я за это время успел стать немножечко психотерапевтом: люди писали не «опубликуй», а «просто хочется кому‑то рассказать». Так что моя аналитика стала для кого‑то поддержкой…

Так что продолжаю рассказывать истории IT‑найма 2026...

Сравниваются три механизма поискового спроса: классический органический поиск (SEO), генеративный поиск и ответы больших языковых моделей (GEO), платный поисковый трафик (PPC). Сводить их к одной метрике нельзя. SEO конкурирует за позицию и переход. Платный поиск — за управляемый рекламный контакт и конверсию. GEO задает вероятность упоминания, цитирования и рекомендации бренда внутри синтезированного ответа. Переход на сайт там не обязателен.

На август 2026 г. традиционный поиск остается большим. Google занимает около 91,1% мирового рынка поисковых систем. Выручка search advertising в США в 2025 г. достигла $114,2 млрд. Генеративный слой уже массовый: у Google AI Overviews больше 2,5 млрд ежемесячных пользователей, у AI Mode — больше 1 млрд, у ChatGPT — больше 1 млрд еженедельных активных пользователей. Яндекс, NAVER и Baidu ставят генеративные ответы прямо в свои поисковые продукты. Канал GEO при этом SEO не вытесняет. Между запросом и кликом сел еще один слой.

В конкуренцию входят клик, упоминание бренда в ответе, цитирование источника, попадание компании в набор вариантов. Прямой AI-referral по абсолютному объему заметно меньше органики. Темп у него выше. До клика он уже работает: упоминания, цитирование, потом брендовый спрос. В 2025 г. AI-referral traffic в крупной международной выборке вырос на 66%. В 2026 г. исследования пользовательских путей фиксируют статистически заметный downstream-эффект AI-рекомендаций. В стандартной реферальной атрибуции этого слоя нет.

За последний год CISA, Евросоюз и ФСТЭК перестали назначать сроки устранения по баллу CVSS и перешли на признак эксплуатации. Замер на открытых данных показывает, чего этот признак стоит: у одних вендоров он приходит в день исправления, у других через три с половиной месяца.

Как именно меняются подход и что из этого следует для отбора важности новостей попробуем разобраться. Замеры сделаны на открытых данных CISA KEV, NVD, EPSS и БДУ ФСТЭК

На днях довелось поучаствовать в качестве спикера на установочной сессии для студентов-юристов одного из уральских вузов. Задача: рассказать об искусственном интеллекте и о проблемах, с которыми может столкнуться или уже сталкивается отечественная правовая система в этой связи, а также попробовать заинтересовать той или иной проблемой и побудить к исследованию вопроса.

Подготовленная речь уместилась на четырех листах, выступление заняло около 15 минут. Получился своего рода «пристрелочный» обзор собственно технологии ИИ и действующего нормативного материала, касающегося ИИ. Известно, что кто-то лучше воспринимает информацию на слух, а кто-то – глазами. Поэтому решено речь переложить в текст так, чтобы это была не стенограмма выступления, а именно статья (осмелюсь включить в нее те моменты, о которых не успел рассказать голосом). Надеюсь ею вызвать интерес к области на стыке ИИ и юриспруденции.

23-летний студент бросил университет и за несколько месяцев довел ИИ-стартап до $2.5 млрд. Теперь обсуждают уже $10 млрд. Разбираюсь, что на самом деле стоит за красивой историей Instinct и почему хороший продукт еще не означает хороший бизнес.

С приходом ИИ в поисковую выдачу, на смену Search Engine Optimization приходит GEO — Generative Engine Optimization (не путать с геосервисами вроде Яндекс/Гугл-карт и прочих Foursquare — это было гео для миллениалов). Для зумеров и молодящихся миллениалов ГЕО — это оптимизация под ИИ-выдачу, попадание в ИИ-рекомендации, в особенности (для Рунета) — в «Алису». «Попасть в рекомендации Алисы» — это уже реальный востребованный спрос, предложение на который только находится на этапе формирования.

С GEO-предложением сейчас происходит примерно то же, что происходило с рынком мобильной разработки после презентации айфона и AppStore: инструменты уже появились, названия у них есть, набор основных функций тоже более-менее сформировался, но общего понимания того, что именно они измеряют и чем один подход отличается от другого, пока ещё нет. Если попытаться систематизировать предложения по GEO, получится своего рода «облако тегов» — ChatGPT, Perplexity, Gemini, «видимость», «упоминания», Share of Voice, «конкуренты» — при ближайшем рассмотрении оказывающимся, скорее, туманом, в котором скрыты довольно разные методологии.

Безопасность процессов изменения информационного потока данных от человека к машинному пока остается вне широкого обсуждения, но бизнесу важно понимать, когда процессы, которые могут привести к аварии, уже запущены на атомной электростанции (из-за свойств атомной энергии), не будет иметь значение насколько исправны щитки и распределение проводки в вашем офисе.

Программисты выстраивают гардрейлы и правила «можно/нельзя» для агента, выходящего во внешний мир. Но любое такое правило опирается на признак «чему доверять/чему нет». Инъекция промптов не зря стоит первой в OWASP Top-10 for LLM: агент не отличает данные от команды, потому что не отличает, кто и зачем написал текст.

Бизнес может максимально защитить свой периметр и код, но модели учатся на цифровых информационных потоков в сети, а агенты уже сейчас читают синтезированный текст. Это и есть системная (информационная) неустойчивость самого принципа работы ИИ и тот, кто увидит это первым, получит преимущество, ровно как в любой структурной неустойчивости.

Модели не могут не обучаться (собственного опыта у них нет, им нужны данные), а данные им сейчас поставляют миллионы обычных пользователей, публикуя сгенерированные тексты под своими именами. И сам ИИ помогает обходить свои собственные защиты «очеловечивая» машинные тексты. Доля неразличимых синтетических данных растет и через несколько поколений обновлений модели будут обучаться на собственных данных, превращая информацию в бессмыслицу и исследования показывают траекторию этой деградации.

Этот коллапс поначалу не будет громким, но окажется стремительным, глобальным и дорогим - как взрыв ипотечного пузыря. Код будет работать штатно, тесты проходить, но качество решений поплывёт, потому что нарушения будут не в ПО, а в глобальной коммуникации. Избежать этого можно при одном условии - синтетические данные должны добавляться к человеческим, а не вытеснять их, но сейчас пока происходит обратное. И очень важно разобраться именно сейчас, к чему нам нужно готовиться.

Некоторое время назад я написал здесь статью «Что такое время в нашей профессии?». В ней я начал с очень личного вопроса. Мне пятьдесят три года, за плечами примерно тридцать лет работы в ИТ, автоматизации, ERP-проектах, внедрениях и всей той профессиональной жизни, которую мы хорошо знаем: сроки, запуски, этапы, перегрузки, очередное «ещё немного — и станет легче». Я посмотрел назад на эти тридцать лет, а потом мысленно прибавил ещё тридцать вперёд и получил восемьдесят три. В тот момент вопрос перестал быть философским. Он стал очень практическим: что я собираюсь делать с тем временем, которое у меня ещё осталось?

Ту статью можно прочитать здесь: «Что такое время в нашей профессии?» на Хабре

С тех пор размышление продолжилось. Сначала я думал именно о времени: почему человек умеет прекрасно управлять календарём проекта и при этом почти не умеет управлять собственной жизненной длительностью; почему десятилетия могут быть до отказа заполнены деятельностью и всё равно оставлять вопрос «что это было?». Но довольно быстро стало ясно, что вопрос о времени невозможно оставить без следующего вопроса.

Хорошо. Время ещё есть. А что именно я хочу на нём построить?

И вот здесь разговор неожиданно вышел далеко за пределы профессии.

Я отец. У меня жена, дети. Дети растут стремительно. Ещё недавно большая часть отношений с ними строилась почти автоматически: ребёнку нужен взрослый, который кормит, защищает, учит, задаёт границы, помогает выбрать школу, объясняет мир. Но эта конструкция временная. Ребёнку становится шестнадцать, восемнадцать, двадцать пять, тридцать пять. У него появляется собственная профессия, супруг или супруга, дети, свой дом, свой бюджет, свой взгляд на жизнь. И тогда уже недостаточно просто любить его и надеяться, что отношения как-нибудь сложатся.

22 сентября 2026 года – обычный вторник, если не считать того, что в этот день одновременно вывалилось сразу несколько релизов больших и крупных LLM:
• Anthropic взяла и выкатила Claude Opus 5.5
• Буквально через полтора часа OpenAI ответила двумя моделями, GPT-6 Sol и Luna

Для тех, кто торопится: Opus 5.5 работает на уровне флагманского Fable 5.1 на большинстве задач, стоит на 40% дешевле Opus 5 на типичной нагрузке, генерирует токены более чем на 30% быстрее – и (внимание, барабанная дробь) говорит по-человечески. Последнее, судя по всему, волнует людей сильнее, чем все таблицы бенчмарков вместе взятые.

Далее – полный разбор: цифры, споры, мультики, которые модель нарисовала кодом, алгоритм, который она улучшила, и практические советы. Поехали.

Ничего не предвещало, но вот я вновь сажусь за клавиатуру. После цикла апокалиптических прогнозов я неосторожно дал волю природному оптимизму и написал статью «Другая сторона медали». Там я нашёл посреди общей катастрофы локальный позитив: нейросети проверяют архитектуру лучше многих «квази-сеньоров», значит, некомпетентность руководителей станет видна, и рано или поздно начнётся очищение.

Но, как оказалось, история В и Л не закончилась. И вот у меня для вас новая байка.

Джона Полсона и Майкла Бьюрри объединяют два факта: они заработали большие деньги, потому что увидели структурную неустойчивость рынка ипотечных облигаций на 1– 2 года раньше остальных и заняли позицию "на опережение", пока большинство продолжало гнаться за прибылью внутри системно уже обречённой гонки.

Структурная неустойчивость – это не риск. Риск всегда вероятностен и имеет свою цену, которую можно заложить в бюджет. Структурная неустойчивость – это пороговое явление, при котором если траектория не меняется, система рано или поздно достигает точки, где хаос становится доминирующим режимом. Неизвестна не сама точка, а только время до неё.

Заметить структурную неустойчивость в ИИ-сфере первыми даёт преимущество при любом раскладе, поступите ли вы в свою пользу или попытаетесь повлиять на ситуацию.

Но любому узкому специалисту, не только программисту или финансисту, заметить её будет сложно, потому что она лежит на стыке математики, теории сложных систем, физики неравновесных процессов и технологического регулирования.

Конкуренция без цены ошибки - это гонка на опережение

В статье рассматривается, как за последние годы изменился путь пользователя к информации в интернете. Речь идет не только о росте популярности коротких видео, нейросетей или новых поисковых интерфейсов. Более заметное изменение связано с тем, кто теперь отбирает информацию, в каком виде человек получает первый ответ и насколько часто он вообще доходит до исходного источника.

В материале сопоставляются данные Reuters Institute, Pew Research Center, Google, Яндекса, ВЦИОМ и ряда академических исследований. Отдельно разбираются алгоритмические ленты, AI-summary, мультимодальный поиск, короткие видео, доверие к ссылкам и сценарии, в которых пользователь получает достаточно информации без перехода на сайт.

Основной вывод статьи состоит в том, что привычная схема «запрос — выдача — переход на источник» постепенно дополняется другими моделями. Часть поиска, отбора и интерпретации информации берет на себя интерфейс, поэтому меняется не только потребление контента, но и роль самого источника.

В начале этого месяца мы представили GPT-6 Astra — нашу самую интеллектуальную и выровненную модель. Для самых сложных и критически важных задач по-прежнему стоит использовать всю мощь Astra, но на практике задачи бывают разного масштаба, требуют разной скорости и укладываются в разные бюджеты.

Поэтому мы расширяем семейство GPT-6 моделями GPT-6 Sol и GPT-6 Luna. GPT-6 Astra открыла новое поколение интеллектуальных моделей, а Sol и Luna позволяют сделать преимущества этого поколения доступнее за счёт более высокой эффективности по соотношению стоимости и возможностей. При обучении GPT-6 Sol и Luna мы использовали подходы, схожие с теми, что применялись для GPT-6 Astra. Благодаря этому более быстрые и доступные модели получили многие из улучшений Astra: высокий уровень работы с профессиональными задачами, фактическую точность, навыки программирования, взаимодействия с компьютером и следования заданным принципам поведения.

За 30 дней моей работы агентами Claude Code по прайсу API насчитал бы $13 027, а по подписке это стоило $200. Я сверил свою телеметрию с whitepaper Сбера “AI-Disrupt PDLC”. Цифра “мультиагент в 15 раз дороже” стоит в нем в двух местах с разными базами сравнения, и прочтения расходятся вчетверо. У меня сессия с субагентами в среднем в 33 раза дороже сессии без них, кэш удешевил вход в 7,8 раза при заявленных “до 10”, а 28% сессий пробили бы бюджет Сбера в 200K токенов. Скрипт, чтобы посчитать свое, - в конце статьи.

Недавно мы публиковали перевод статьи The Cybersecurity Industry Is Entering Its Third Era. Мы обсудили её с нашей red team‑командой и пришли к выводу, что это хороший обзор происходящих изменений, но в нём почти нет главного, что происходит прямо сейчас, пока LLM ещё даже не раскрылись на полную. Речь о скорости.

Методы взлома почти не изменились. Всё те же IDOR, инъекции, обходы аутентификации, забытый сервис с дефолтным паролем, который смотрит наружу. А вот скорость изменилась принципиально. То, на что раньше уходили дни ручной работы, теперь делается за минуты, и это ломает всю прежнюю логику обороны. Ниже разберём на кейсах последних недель.