Исследования и прогнозы в IT *

Мне попался пост рекрутингового агентства. Смысл такой: из России кандидаты идут третьим сортом, поэтому здесь агентство больше не работает и переориентируется на зарубежные рынки найма. Я читал это и понимал, что задело по-настоящему. Настолько, что решил вернуться к текстам именно с этой темы.

Сначала я возмутился. Потом сел, остыл и поймал себя на неприятной мысли: а если, по сути, верно? Наши большие языковые модели идут за флагманами с отставанием примерно в полтора года — это моё ощущение по опыту использования в повседневных задачах. Громких открытий последнего времени в машинном обучении я навскидку не назову. Может, человек просто сказал вслух то, что многие думают.

Спорить ощущениями с ощущениями бессмысленно, поэтому я пошёл собирать список. Не «наши достижения» в жанре парадного отчёта, а конкретно: что сделали люди из российских лабораторий и компаний и что из этого сегодня реально используют в мире.

В США фирмы, которые внедрили генеративный ИИ, нанимают быстрее конкурентов. Я проверил это на России — по данным тысяч компаний. Будущее наступает, но выглядит сильно скучнее трейлера.

Слово «агент» в 2026 году встречается в описаниях почти любой CMS или конструктора сайтов – от Webflow до uCoz. Однако появление рядом с кнопкой «Редактировать» новой кнопки «Спросить AI» еще не означает, что архитектура платформы действительно изменилась.

Зачастую речь идет о переименованной функции генерации текста: это все же маркетинговое решение, а не появление полноценного агента. Различать эти сценарии важно не ради терминологической точности. От того, генерирует ли система один ответ или самостоятельно планирует и выполняет последовательность действий, напрямую зависят требования к правам доступа, аудиту, откату и подтверждению операций.

Ниже – попытка разобрать происходящее с точки зрения архитектуры, а не, порой, “пустозвонных” пресс-релизов сервисов.

Оплатить зарубежную подписку из России сейчас можно десятком способов, и почти все они непрозрачные. Пишешь боту «сколько будет ChatGPT Plus за 20 долларов» — получаешь цену в рублях, но не понимаешь, откуда она взялась. У одного сервиса выходит 1900 рублей, у другого за то же самое 2700. Официальный курс доллара в тот день — 78,4 рубля, то есть честная цена подписки 1568 рублей. Куда девается остальное и почему у всех по-разному?

Я потратил пару недель на то, чтобы это выяснить: писал ботам и менеджерам, просил посчитать одни и те же подписки, записывал итог в рублях и сравнивал с курсом ЦБ на день замера. Оказалось, что за пёстрыми ценниками прячется одна и та же формула, и, поняв её, переплату можно предсказывать заранее.

Месяц назад закончилась тренировка DATA DOJO от Яндекса. Здесь я бы хотел рассказать про ключевые аспекты соревнования, моё решение на топ-6%, авторские идеи и, конечно, про реальный путь к победе.

Ну вот оно и свершилось. Спустя 15 лет, и на 10 лет позже после мировых лидеров, наши чиновники родили не то сына, не то дочь, не мышонка, не лягушку, а неведому зверюшку. Иначе говоря - законом о цифровых валютах.

Сейчас мы вместе будем вгрызаться во внутренности этого диджитал Франкенштейна, порождением жадности, лоббирования, глупости и страха потери контроля.

Документ имеет внушительные 287 забористо написанного текста, написанного на чиновничьем языке, который неподготовленный человек не разберет. Слава богу есть ИИ, которые умеют переводить на человеческий, и энтузиасты-мазохисты типа меня, которые готовы этот перевод осуществить.

Чтобы жизнь медом не казалась, а может потому, что писать законы чиновники умеют примерно так же, как и компрессировать файлы, а может просто чтобы внушительнее выглядело, исходный документ имеет размер 153 мегабайта. После компрессии, документ превратился в скромные, совсем неположенные размаху законотворцев 34 мегабайта.

По всей Северной Америке дата-центры растут как грибы и превратились из второстепенного элемента экономики в критическую инфраструктуру. Они обслуживают облачные вычисления, онлайн-банкинг, стриминг, электронную коммерцию, блокчейн, государственные системы и самое главное — искусственный интеллект.

В США действует более 5 400 дата-центров, ещё 1 500+ находятся на разных стадиях строительства. Согласно анализу Pew Research Center, картина меняется радикально: если сейчас 87% действующих объектов расположены в городах, то 67% запланированных — уже в сельской местности. Строительство смещается на Юг и Средний Запад — эти два региона получат три четверти всех новых объектов. Лидеры по числу запланированных строек: Вирджиния (287), Техас (170), Джорджия (141), Иллинойс (123), Аризона (86).

Уже сегодня 38% американцев живут в пяти милях от хотя бы одного действующего дата-центра. Ещё 4% — вблизи запланированного. Итого 42% населения уже стали соседями этой индустрии — и это ещё до завершения большей части запланированных строек.

На этом фоне растёт недовольство у простых американцев, которые испытывают нехватку электроэнергии, чистой воды и страдают от шума дата-центров. Они пытаются всеми силами остановить строительство новых объектов.

Мировой ИИ-ландшафт окончательно разделился на две параллельные экосистемы. Прошедшая в Шанхае конференция World Artificial Intelligence Conference (WAIC) 2026 зафиксировала фундаментальный сдвиг: индустрия завершила экстенсивную гонку параметров языковых моделей и перешла к этапу жесткой инженерной прагматики.

Пока западные корпорации выстраивают закрытые монополии вокруг проприетарных API, Китай делает ставку на агрессивный open source, агентные операционные системы и суверенные вычислительные кластеры, способные масштабироваться до сотен тысяч ускорителей в условиях санкционных ограничений. В этом материале мы детально разбираем аппаратные и программные итоги выставки — от альтернативных интерконнектов Huawei до VLA-моделей в промышленной робототехнике — и объясняем, почему главным продуктом WAIC 2026 стала не очередная нейросеть, а полностью независимый национальный технологический стек.

Языковые модели генерируют текст, следуя скрытым грамматическим правилам, или грамматика - просто побочный эффект предсказания следующего слова?

Этот вопрос увлёк меня почти на два года исследований.

Каждые полгода мы на Хабр Карьере анализируем зарплаты IT-специалистов, указанные в нашем зарплатном калькуляторе, и собираем большое исследование, посвящённое обстановке на рынке зарплат.

В этом материале подготовили для вас итоги первой половины 2026 года: сколько IT-специалисты с разными профессиями и языками зарабатывают в различных городах и компаниях, и как их оклады изменились за последние полгода. Изучили 45 226 зарплат и рассказываем, что получилось.

Сейчас часто можно услышать мнение, что LLM и AI-агенты способны значительно снизить стоимость разработки. Вместо того чтобы расширять команду, достаточно дать задачу модели, и она выполнит работу за минуты.

Мне кажется, в этой идее есть рациональное зерно, но есть одно важное уточнение, которое я вынес из личных наблюдений за последние месяцы.

Мы не планировали делать из этого материал. Просто в какой-то момент накопилось достаточно данных по запросам внутри корпоративной библиотеки Alpina Digital, чтобы можно было ответить на вопрос, какие книги читает нага IT-аудитория.

Через библиотеку проходят сотни тысяч сессий чтения от сотрудников крупных компаний. Разработчики, тимлиды, продакты, аналитики. Данные анонимизированные — мы видим агрегированную статистику по ролям, без привязки к конкретным людям. Выборка специфическая: только те компании, у которых есть корпоративная подписка, так что это не срез всего рынка. Но паттерны получились любопытные.

Первый профессиональный навигатор по качественным исследованиям в бизнесе – который увлекает, объясняет сложное на конкретных примерах и помогает увереннее ориентироваться в мире исследований.  Авторы – исследователи-практики с профильным образованием: социальный психолог Константин Ефимов и Анастасия Жичкина, кандидат психологических наук.

Полностью книга называется: «Качественные исследования в бизнесе. Практическое руководство для исследователей, дизайнеров, продактов и стратегов». Объем: 392 страницы. Вес – 1 килограмм.

Основная проблема с литературой про исследования – в том, что ее нет. Нет признанных источников, к которым можно адресовать человека, желающего разобраться в теме, если не считать AI. Есть масса статей с описаниями конкретных практик и кейсов, но они касаются каких-то частных случаев: кто-то сделал фишечку, получилось прикольно. До сих пор очень не хватало текста – или текстов – которые объединяли бы эти фишечки в систему и который можно было бы читать как роман – с началом, сюжетом и завершением.

Такого источника нет не только на русском языке, но и на английском – существующие руководства либо слишком академические, либо совсем простые. Не хватало насыщенного описания процесса исследований, со сложностями и подводными камнями. Гладко все бывает только в мануале и в отчете, а в реальности, как правило, происходит непонятно что. Эта книга показывает, как обрабатывать это «непонятно что» - как исследования помогают в принятии решений в бизнесе, со всеми сложностями этого процесса, на конкретных примерах. Масса интересных кейсов разных бизнес-решений, в том числе провальных.

На первый взгляд может показаться, что «5G в Африке три раза быстрее, чем в Британии» — это что-то из комиксов про Ваканду. А понятия «надежное соединение» и «Сомали» вообще не могут соседствовать в одном предложении. Тем не менее, африканским телекомам есть, чем удивить — ниже собрали несколько любопытных фактов о том, как обстоят дела в регионе, который готовится показать самые высокие темпы роста абонентов 5G в мире.

Современные процессоры, графические ускорители и ИИ-чипы становятся все мощнее, но вместе с производительностью растет и нагрев. Причем проблема не только в том, что тепла много. На одном участке кристалла температура может быть значительно выше, чем на соседнем, а в многослойных чипах отвести тепло от внутренних компонентов становится все сложнее.

Исследователи из Университета Осаки предложили необычный способ частично решить эту проблему. Они создали материал, который позволяет направлять тепловое излучение в нужную сторону и одновременно не требует постоянного питания для сохранения выбранного режима. По сути, это программируемый элемент управления теплом: достаточно один раз задать нужное состояние, после чего оно сохраняется до следующего изменения. Добиться такого эффекта удалось, объединив магнитооптический материал с решеткой на основе вещества с фазовым переходом. Как это работает? 

Примерно 1.5 месяца назад я провела и оформила кабинетное исследование, посвященное текущему рынку труда. Основная причина такого интереса: мой собственный поиск работы — чтобы разработать стратегию и дальнейшие действия, мне пришлось вникнуть в проблематику. Вопросы шли один за другим, и в итоге получился большой проект размером с курсовую. Итак, что же там происходит на рынке труда сейчас?

За одну неделю обе стороны выложили свои стратегии почти целиком, как будто в преддверии какого-то грандиозного столкновения. А так походу и будет.

Первые два года ИИ-бума инвесторы покупали «железо». Теперь рынок начинает искать следующий источник роста. Главной становится не максимальная производительность моделей, а стоимость одного запроса, эффективность вычислений и способность масштабировать ИИ дешевле конкурентов. Именно вокруг этого будет разворачиваться следующая стадия развития отрасли.

В июньском обзоре Citrini Research пишет, что рынок ИИ вступает во вторую фазу. Если последние два года инвесторы были готовы платить почти любую цену за вычислительные мощности и крупнейших производителей чипов, то теперь внимание постепенно смещается на стоимость самих вычислений, эффективность моделей и инфраструктуру, которая позволяет снизить расходы.

Первая волна ИИ строилась вокруг дефицита GPU и масштабных инвестиций в дата-центры. Однако сейчас главным конкурентным преимуществом становится способность выполнять больше вычислений за меньшие деньги. На рынке растет пониманием, что экспоненциально наращивать мощности дата-центров уже нерентабельно. При этом амортизация от использования падает быстрее отдачи в прибыль. Поэтому они выделяют несколько новых долгосрочных трендов.

Во-первых, рынок начинает переходить к локальному (on-device) ИИ. Все больше моделей будут работать непосредственно на смартфонах, ПК и периферийных устройствах без постоянного обращения в облако. Это снижает задержки, повышает конфиденциальность данных и уменьшает стоимость эксплуатации.

Во-вторых, усиливается тренд на миниатюризацию моделей. Гонка идет уже не только за максимальным качеством, но и за эффективностью. Компактные модели дешевле в обучении и запуске, быстрее масштабируются и позволяют запускать ИИ там, где раньше это было невозможно.

Размышления на тему, почему LLM в роли основного генератора кода ломает ревью, когнитивную нагрузку и кто ответственен за код?

Генеративные модели пишут код и тексты, создают рекламу, анализируют данные и автоматизируют работу контактных центров. А компании, применяющие ИИ в своих бизнес-процессах, приносят своим акционерам дополнительные 0,64% доходности в неделю, по данным исследования Йельского университета.

Но есть нюанс. Многие бизнесы к ИИ пока не готовы — из-за отсутствия формализованных процессов, инфраструктуры, бюджетов, знаний и по иным причинам.

Мы в Cloud.ru с помощью опроса хотим выяснить, что на самом деле тормозит внедрение искусственного интеллекта. Поэтому просим сообщество Хабра поделиться своим мнением и опытом — не только в ответах на вопросы, но и в комментариях.