Будущее здесь

Привет! Я Лера, технический писатель в Авито.

Сегодня хочу поговорить об успехе — в работе, учёбе, карьере, финансах, отношениях и вообще в любом деле, где одни почему-то быстро вырываются вперёд, а другие годами стараются, но остаются на месте.

Кажется, каждый из нас хотя бы раз замечал: некоторым людям будто всё даётся легче. Кто-то с детства «схватывает на лету», кто-то быстрее растёт в профессии, кто-то оказывается в нужной компании, у нужного наставника или в правильный момент попадает в быстро растущую индустрию. Мы часто объясняем это талантом: мол, человеку просто повезло родиться способным.

С другой стороны, мне (как, думаю, и вам) близка мысль, что упорный труд, дисциплина и длинная дистанция важнее врождённых способностей. Талант может дать фору, но без практики, терпения и системной работы далеко не уедешь.

Но так ли всё просто? Откуда на самом деле берётся успех — из таланта, труда, удачи, среды или всего сразу?

На связи Сергей Смирнов, AI-инженер и основатель LLMStart.ru. Сегодня разбираем самое больное место разработки ИИ-агентов — как доказать, что они реально умнеют, а не просто пускают пыль в глаза.

В статье я покажу изнанку нашей системы оценки: — Как 10 000 живых переписок превратились в эталоны для тестов. — Почему стандартные метрики безжалостно валили нашего агента (и зачем нам понадобился Венгерский алгоритм из 1955 года). — И что делать, если метрика падает просто потому, что ИИ оказался умнее вашего устаревшего эталона!

Читайте полный разбор с цифрами, кейсами и откровенными провалами…

SAP, Oracle, Palantir, Celonis, Alibaba и Yonyou всё активнее строят вокруг корпоративного ИИ семантические слои: knowledge graph, ontology, process intelligence, business data cloud, agent memory и агентные платформы.

Зачем им это, если языковая модель уже умеет читать документы, таблицы и API?

Потому что корпоративному ИИ нужен не только доступ к данным. Ему нужен смысловой слой предприятия: термины, объекты, экземпляры, статусы, источники, связи и правила качества.

Именно здесь начинается переход от отдельных ИИ-функций к системам, которые способны собирать комплексную управленческую позицию для действия.

На прошлой неделе на State of Brand вышел материал по следам статьи, опубликованной всего несколькими днями ранее.

Тогда авторы утверждали: любая ИИ‑подписка — это бомба замедленного действия для бизнеса. Просто никто не ожидал, что фитиль уже почти догорел.

В исходной статье речь шла о том, что рынок ИИ продаёт вычислительные мощности значительно ниже их реальной себестоимости. Многие компании успели выстроить критически важные процессы вокруг этих субсидируемых тарифов. Авторы предупреждали: когда начнётся неизбежная коррекция, последствия окажутся шокирующими.

И вот 14 мая — всего через три дня после публикации — и Anthropic, и OpenAI сделали шаги, превратившие переоценку AI‑услуг из теории в реальность. Причём сделали это публично, агрессивно и так, словно сами понимают: текущая модель может не дожить до конца года.

Почему в каждом разговоре про промышленный ИИ в России за спиной заказчика оказывается одна из двух компаний - Сбер или Яндекс? Я съездил на ЦИПР-2026, прошёл стенды и сессии, поговорил с массой людей из индустрии — и разобрался, почему рынок схлопнулся к дуополии и что это значит для всех остальных.

Взгляд практика, который сам делает платформу для работы с ИИ: без презентационного глянца, с цифрами и парой неудобных наблюдений со стендов.

На связи Сергей Смирнов, AI-инженер и основатель LLMStart.ru. Сегодня разбираем горячую тему, на которой спотыкаются многие разработчики ботов — память нейросетей.

У всех современных топовых моделей появились гигантские окна контекста — от миллиона токенов. Кажется, что теперь туда можно просто закинуть всю историю переписки, все корпоративные методички, и агент сам во всём разберётся или не разберётся?..

В статье разбираем реальный кейс — как мы управляем памятью ИИ-агента, чтобы он отвечал быстро, точно и не сжигал бюджет на токены впустую. Внутри — наглядные графики, три механизма очистки памяти и хитрый инженерный трюк с изолированным субагентом-аудитором.

Всем привет! Меня зовут Владимир Зуев, я руководитель разработки JAVA-практики в компании Axenix. Сегодня я хочу представить новую часть из цикла статей о нотации ArchiMate. В этой части мы продолжим проектирование системы управления беспилотным грузовым автотранспортом для междугородних перевозок. Мы попытаемся получить ответ на главный вопрос – что же мы хотим получить? Для этого подробно разберем требования к системе, составим перечень прецедентов использования, а также сформируем техническое задание. Для решения всех задач будем использовать ИИ.

В 1896 году математик Эрнст Цермело пришёл к Людвигу Больцману с доказательством. Он взял теорему Пуанкаре о возвращении и показал: если любая система рано или поздно возвращается в исходное состояние — значит энтропия вселенной тоже периодически убывает. Что противоречит второму началу термодинамики. Что ломает всю статистическую физику Больцмана.

Больцман не стал отрицать математику. Он согласился: да, убывает. Просто ждать нужно так долго что это число не помещается ни в одну запись. Но — не теоретически невозможно.

Цермело счёл это уклончивым ответом. Больцман знал что это единственно честный.

Потому что математика здесь беспощадна. Если вероятность события не равна нулю — при бесконечном времени оно не просто «может» произойти. Оно обязано произойти.

Моя статься Почему время замедляется при ускорении? Объяснение, которое вы нигде не найдёте собрала 454 комментария. Большинство из них сводились к одному: «красиво, но где формулы?» Эта статья — ответ.

Здесь не будет метафор про ползунок. Здесь будет математика специальной теории относительности — та самая, которую проходят на втором курсе физфака и которую почему-то считают недоступной для обычного человека. Это неправда.

На связи Сергей Смирнов, AI-инженер LLMStart.ru. Сегодня расскажу о полноценном кейсе, который мы делали для компании Айтон: агенте-консультанте по 1С:УНФ, который помогает отвечать на вопросы клиентов по базе знаний, реальным диалогам поддержки и контексту конкретного обращения. Разберу всю хронологию, нюансы и путь от первой гипотезы до продакшена, которым уже пользуются клиенты.

Для бизнеса этот кейс интересен как пример реальной автоматизации через ИИ: сначала ассистент для сотрудников, потом сервис для клиентов. Для технарей — подходом, где решение эволюционировало от RAG-прототипа к агенту на основании данных и метрик, а не потому, что «так модно».

Пока Россия тратит сопоставимые деньги на блокировки сайтов, Китай на те же суммы строит роботов, которые будут жить в наших домах. Такое вот случайное совпадение цифр, из которых исходят неслучайные выводы.

Boston Dynamics 15 лет учил роботов делать сальто. Никому не известный китайский стартап обещает за полгода сделать робота, который застелет кровать и приготовит ужин.

Видео с роботом, который готовит еду и стирает бельё, разлетелось по Сети. Я начал искать информацию о разработчике — и обнаружил, что за скромным стартапом стоит целая государственная стратегия Китая.

Я несколько лет работал аниматором — делал VFX-эффекты: взрывы, пыль, разлёт частиц. Весь день я работал с таймлайном. Перемещался по нему туда-сюда, разворачивал камеру в 3D-пространстве под любым углом, возвращался в прошлое сцены одним кликом.

Я подумал, что начать эту статью я хочу с именно такой аналогией: сцена всегда существовала целиком — каждый кадр, каждый момент взрыва, каждая пылинка. Я просто перемещал ползунок и смотрел на разные моменты. Прошлое сцены не исчезало. Оно просто было чуть левее на таймлайне.

Тогда я не думал об этом как о физике.

Потому что именно так устроена наша вселенная.

На одной из встреч с агентством-подрядчиком мы обсуждали Telegram-бота для транскрибации видео. Отправляешь файл, бот обрабатывает его, возвращает подробную расшифровку и саммари. Я попросила добавить поддержку аудио: чтобы можно было отправлять не только видео, но и аудиозапись. В ответ услышала: две недели и 300 тыс. рублей.

На уровне здравого смысла у меня возник вопрос: если из видео все равно извлекается аудиодорожка, почему аудиофайл на входе превращает задачу почти в отдельный проект? Но дальше здравый смысл заканчивался. Я не понимала, как устроен пайплайн, где там реальная сложность, а где оценка с запасом. Аргументов для спора не было.

В тот момент я поняла неприятную вещь: чтобы быть нормальным заказчиком ИИ-решений, мне не хватает технической базы, чтобы понимать, что я покупаю, какие вопросы задавать и где действительно нужна сложная разработка.

Поэтому я полезла в n8n и Claude Code, чтобы говорить с подрядчиками на одном языке. Через несколько месяцев у меня появились скрипты, боты и агенты для рассылок, мониторинга, медиадайджестов и аналитики.

Догма психологии и нейробиологии давила как бетонная плита, утверждая, что каждый, кто читает эти строки, боится перетрудиться! Но вот в чем парадокс, я был готов до последнего тянуть с дедлайнами, забивая на написание диплома, зато днями напролет лупил по клаве, печатая первый фэнтези роман [его так и не опубликовали]. Если вы готовы часами гриндить пиксели в игре, но выполняете основную работу «абы не спросили», то хватит себя винить! Мы, люди, не боимся чрезмерных нагрузок. А вот от чего мы действительно бежим, так это от напрасных усилий! Вложений, которые не приносят прогресса или не оправдывают своих затрат. И этому посвящено новое исследование!

Билл Гейтс недавно сделал прогноз, что при нынешнем темпе развития технологий большая часть работы будет автоматизирована, так что через десять лет двухдневная рабочая неделя станет стандартом для многих людей. «Если посмотреть шире, цель жизни не только в том, чтобы работать», — поделился мнением миллиардер.

И действительно, даже сейчас во многих высокооплачиваемых профессиях человеку достаточно работать два дня в неделю или даже в месяц, чтобы полностью закрыть базовые нужды. Можно выйти на раннюю пенсию в 35−40 лет и думать, чем заняться после программирования.

Правда, у многих людей потребности растут быстрее зарплаты, и мы не будем их осуждать, потому что такие люди позволяют расширяться экономике и зарабатывать изобретательным предпринимателям, которые придумывают (открывают) для людей новые потребности. Это и есть прогресс.

Но суть в том, что через десять лет большинству людей придётся решать проблему, которую сейчас решают только некоторые высокооплачиваемые работники — чем занять свободные пять дней в неделю?

Возможно, вы решили, что название является кликбейтом. И если бы я сам его встретил на просторах интернета, то решил бы так же. Но сейчас я предлагаю вам уделить 20-25 минут своего времени на анализ психиатрических и социальных тенденций, чтобы спрогнозировать изменение профессионального ландшафта и рынка труда.

Будут данные исследований из разных областей, будет ликбез по психиатрическим заболеваниям, будет попытка наложить одни данные на другие и выдвинуть аккуратные гипотезы о том, каким будет мир (в профессиональном и социальном плане) во второй половине XXI века.

Заявлений, вроде «смотрите, Маск – гений и аутист, а значит, все аутисты гении!» не будет. Но идеи для размышления я вам обещаю. Дайте лишь немного своего времени мне, я постараюсь его оправдать.

Что делать, когда нужно описать опыт, для которого нет слов ни в одном языке? Третья статья цикла — о том, как в разговоре человека и LLM рождаются новые слова, почему они получились русскими, а не английскими, и как сама модель, оказывается, мыслит с английским акцентом. С отсылками к Хлебникову и Заболоцкому, японскому, а также языкам, в которых новое слово — обычное дело.

Вы когда-нибудь задумывались, что будет с вашей профессией, когда ИИ научится делать половину вашей работы? Дело не в увольнениях — меняется сама структура занятости. 

Согласно свежему исследованию McKinsey, в десяти крупнейших странах Европы уже сегодня можно автоматизировать 58% рабочих часов. Технологии созрели. Вопрос только в том, как быстро компании начнут их внедрять.

Аналитики выделили три новых архетипа профессий. В первом (31% занятости) человек остается в центре — это врачи, менеджеры, педагоги. Во втором (27%) люди работают бок о бок с агентами и роботами — продавцы, сантехники, медсестры. В третьем (42%) структура и алгоритмы берут верх — бухгалтеры, операторы, инспекторы. 

Изменения не сводятся к тому, что вместо человека за цифры отвечает нейросеть. Это переформатирование профессий: одни навыки уходят в автоматику, другие становятся еще более ценными. Меняется сам способ работы. Европе, чтобы оставаться конкурентоспособной, предстоит переобучить миллионы людей.

Попробуем разобраться, какие навыки окажутся в выигрыше, какие уйдут в тень и что это значит для каждого из нас.

Компании массово внедряют ИИ‑агентов и сокращают штат, ожидая быстрый ROI: меньше людей, больше автоматизации, ниже расходы.

Но свежие данные Gartner показывают неудобный парадокс: увольнения сами по себе не дают отдачи от ИИ.

Разбираю, почему стратегия убрать людей и поставить бота не работает, и что на самом деле отличает компании, которые получают пользу от автоматизации.

Предыдущую статью «Профессия „на всю жизнь“ больше не работает.» вы забраковали:) узрели в ней признаки ИИ... но ИИ не стало бы вас предупреждать о бедах которые нас ждут:))).... вообщем я переписал статью — может сейчас будите судить не так строго

Мир меняется быстрее, чем мы думаем