Исследования и прогнозы в IT *

Привет, Хабр. Я Вадим, QA-инженер.

Все мы знаем, как работает найм. Твое резюме может быть идеальным, но если в нем нет нужного ключевого слова или оно не понравилось алгоритму первичного отсева (ATS) — ты в пролете.

Я решил взломать эту систему. Инженерно.

Я написал софт, который берет на себя весь цикл: мониторинг вакансий, анализ требований и генерацию сопроводительного письма, которое должно продать меня лучше, чем я сам.

Ниже — краткий лог разработки: как мы боролись с «машинным акцентом», почему нейросети врут про опыт и удалось ли мне обмануть рекрутеров.

Я почти год собирал анонимизированную статистику с реальных технических интервью. Вот что получилось: кто собеседуется, куда, на какие позиции и какие вопросы задают чаще всего.

Инновациям нужно не только «своё время», как Sega Channel и Motorola Ирмдиум, но и своё место. Когда тебе отказывают 99 процентов потенциальных партнёров и крупные игроки, ты стартуешь как придаток для обновлений довольно местечкового проекта, чтобы вырастить потом из этого всепожирающего монстра. Дядя Габен не даст соврать. И пока ребята из VK неторопливо, сквозь фильтр процессов бюрократии, ресеча и верификации, внедряют мои идеи, я, будучи не скованным формальными обязательствами, иду туда, где лучшие решения могут случиться.

Речь в статье пойдет о принудительном цифровом «обрезании» и чем оно полезно для гигиены визуального восприятия. 

Про нейросети мы слышим «из каждого утюга»: из видосиков, новостной ленты и просто из статей. А кто-то из айтишников, возможно, столкнулся с этим и в работе: когда вас просят применять ИИ, оптимизировать процессы с помощью нейросетей и показывать растущий КПД.

Мы в K2 Cloud решили провести исследование: как IT-специалисты относятся к ИИ в работе. Что это — благо или боль? Как часто искусственный интеллект внедряется там, где он не нужен? Бизнесу действительно нужно много ИИ, чтобы не отставать от конкурентов, или это превратилось в модное веяние? Давайте разбираться вместе. Сначала мы вас поспрашиваем, а результаты исследования опубликуем чуть позже, в очередной статье. Поехали!

Если вы когда-нибудь видели видео с роботом, который спотыкается, падает или идёт странной «деревянной» походкой, возникает логичный вопрос:

Почему в 2026 году, при нейросетях и GPU, роботы всё ещё плохо ходят?

Мы уже умеем:

• распознавать лица лучше человека

• писать код

• управлять беспилотникам

Но просто ходить по полу, как ребёнок, — для робота всё ещё сложная задача.

Разберёмся почему.

Этот документ не просто описывает поведение модели или ставит ей граничные условия, это попытка обращения к самой модели, попытка компании-создателя LLM "договориться" со своим детищем (и одновременно удовлетворить требования регуляторов и общественности в безопасности и этике модели). Текст этой "конституции" пытается решить несколько непростых вопросов во взаимодействии человека и LLM.

Несомненно, данный документ станет знаковым в современной истории технологий, поэтому считаю необходимым познакомить с ним русскоязычного читателя. Более того, здесь и в "Подростковом периоде" видна попытка Anthropic перехватить у OpenAI интеллектуальное лидерство (и лидерство во влиянии на политику западных правительств в области ИИ)...

Для понимания этого текста рекомендую также прочитать мой перевод "Подросткового периода технологий" — программного эссе Дарио Амодеи, основателя Anthropic.

В предыдущих статьях цикла были рассмотрены информационные блоки и словарь, являющиеся фундаментом технологии поиска решений управляемого данными. Ключевая особенность технологии – динамическое построение алгоритмов из самодостаточных фрагментов формализованной предметной информации. В этой статье будут детально рассмотрены механизмы, управляющие процессом динамического связывания информационных блоков для достижения конечной цели – получения грамотно обоснованного прикладного решения.

Ниже приведено техническое описание основных деталей алгоритма поиска решений управляемого данными. В конце статьи приведены блок-схема и псевдокод возможной программной реализации этой информационной технологии.

Важно отметить, что изложение не привязано к каким-то конкретным математическим методам и технологическим решениям работы с данными: Марковский подход, RL (reinforcement learning), простая статистика частот, ML‑модели,  ….

Примеры будут носить абстрактный характер. Детальный разбор перегрузит изложение и уведёт в сторону от основных идей.

Статья не о том, «куда уходить». Она о том, как данные рисуют три разных траектории взросления в профессии — и почему зарплата часто маскирует экзистенциальный тупик. За полгода я собрал и обработал ответы 420 работающих россиян из 11 отраслей — от ИТ и здравоохранения до промышленности. Применил валидированную шкалу субъективного профессионального успеха Карпинского и Гижука, рассчитал корреляции возраста и удовлетворённости по каждой отрасли отдельно, проанализировал распределения по должностям и индексы текучести. Результаты ломают привычные представления.

Каждая модель ИИ приносит достаточно дохода, чтобы покрыть расходы на собственные исследования и разработки. Но этот профицит нивелируется затратами на разработку следующей крупной модели. Поэтому, несмотря на прибыль от каждой модели, компания не зарабатывают.

Но это не так страшно. В быстрорастущих технологических секторах инвесторы обычно готовы идти на убытки сегодня в обмен на большую прибыль в будущем. Так что, если модели ИИ уже покрывают свои расходы, это говорит о хороших финансовых перспективах для компаний, занимающихся ИИ.

Или нет?

Хабр, привет!

На связи команда инженер-аналитиков R-Vision. В январе мы выделили 12 трендовых уязвимостей и включили в этот дайджест те, что представляют наибольшую опасность по уровню риска, подтверждённой эксплуатации и практическому интересу для специалистов информационной безопасности.

Полный перечень уязвимостей доступен в Базе уязвимостей RVD (R-Vision Vulnerability Database), которая используется в продукте R-Vision VM.

Здравствуйте!

Цель статьи - поделиться опасениями от использования ОТЛИЧНЫХ AI-ассистентов и услышать мнение сообщества по их поводу.

Я C# разработчик, и в своей работе в 90% случаев использую VisualStudio. 50% моей работы - создание типовых RESTful сервисов для бэкэнда нашего продукта. Еще процентов 30% - работа с обработкой изображений и видео. И процентов 20% рабочего времени я трачу на различные R&D исследования разной степени сложности.

В 2023 году ChatGPT плотно захватил умы прогрессивного человечества. Мы развлекались как могли. А я в свою очередь стал использовать ChatGPT, а затем и DeepSeek для рутинных задач. Например, сгенерировать набор классов по JSON, отредачить текстовку и т.п. Работа не всегда была выполнена чисто - то напутает с типами данных, то поломает стилистику. В общем приходилось ревьювить каждую генерацию. Но в целом, это здорово помогало экономить время. К тому же мало помалу я составил идеальные промты для каждой задачи, и казалось вот оно светлое будущее.

Затем появился Copilot и часть своих задач я начал выполнять непосредственно в VS. Copilot научился нативно интегрироваться в IDE, представлял удобнейший инструмент для включения результатов своей работы в код и остальные плюшки. Коллеги, между тем, на месте не стояли и расширяли набор сценариев взаимодействия с Copilot. Да и сам Copilot предлагал все более интересные модели.

Начались шуточные разговоры про бездушную машину, замену человека и прочие шутки в этом роде. И если вы подумали, что именно этого я боялся, то нет. Точнее на данном этапе я этого совсем не боялся.

Это перевод эссе Дарио Амодеи «Подростковый период технологий». Да, мы уже жутко устали от статей про ИИ (многие из которых и написаны LLM). А здесь ещё и лонгрид!.. Но я всё же решился перевести это эссе. Его автор — генеральный директор и соучредитель Anthropic (модель Claude). В 2025 году он вошёл в список 100 самых влиятельных людей по версии журнала Time, до этого работал в OpenAI, курировал создание GPT-2 и GPT-3. Был назван одним из «архитекторов искусственного интеллекта», которых Time выбрал «человеком года», наравне с парнями и девушками на картинке (Амодеи второй справа).

У него есть свой взгляд на то, какие риски несёт развитие ИИ, взгляд "изнутри отрасли", и этим он интересен (даже если мы не согласимся с некоторыми его резко политизированными тезисами). Да, будущее покажет, реализуются ли эти риски, вот только речь идёт о будущем, измеряемом годами, максимум, ближайшим десятилетием...

ВВЕДЕНИЕ

В статье разбирается, почему роль CDTO (Chief Digital Transformation Officer, директор по цифровой трансформации) перестала быть модным западным термином и стала практическим ответом на российские реалии — импортозамещение, рост сложности IT‑ландшафта, усиление регуляторных требований и ускорение конкуренции. Автор показывает типичную картину в компаниях от 300 до 5000 сотрудников: есть множество внедрённых систем (1С, Битрикс24, облака Яндекса и VK, ClickHouse, HR‑ и аналитические решения), но нет единой стратегии, приоритизации и человека, который связывает интересы CEO, CIO, CTO, CFO и бизнеса.

Через конкретные примеры и цифры описывается цена хаотичной цифровизации: проваленные сроки проектов, технический долг, сопротивление сотрудников, неэффективные траты 15–30% IT‑бюджета и потеря доли рынка из‑за медленной трансформации. CDTO в этой логике выступает не «ещё одним айтишником», а владельцем стратегии трансформации, архитектуры, данных, процессов, команды и ROI инвестиций.

Статья даёт структурированный «путеводитель» для собственников и CEO: объясняет, чем CDTO отличается от CIO и CTO, какие функции он берёт на себя ежедневно, какой профиль кандидата искать и по каким критериям его оценивать. Отдельные разделы посвящены первым 100 дням CDTO, пошаговому roadmap трансформации на 36 месяцев, реальным кейсам российских компаний, метрикам и KPI, а также критическим ошибкам, которые чаще всего убивают трансформацию. Завершает материал практический чек‑лист: нужен ли CDTO именно вашей компании, какие есть альтернативы и в каких ситуациях промедление с назначением CDTO превращается в стратегический риск.

Эта статья не обзор школы и не реклама обучения. Это попытка честно зафиксировать, что происходит с мышлением, когда ты уже был CTO (Техническим директором), но понимаешь, что это не должность, а другой уровень ответственности. Пишу спустя первый месяц обучения, пока впечатления ещё свежие и решения не успели отстояться.

Мотивы смены моего фокуса на программы обучения и сертификации, более подробно, я разобрал в предыдущей статье: Адаптация, карьерный трек рынка 2026.

Привет, Хабр! С вами снова Никита Полосухин, ведущий аналитик в центре мониторинга и реагирования на кибератаки RED Security SOC. Прошлый год был насыщен расследованиями инцидентов новых заказчиков, и по итогам мы сформировали внутренний отчет. В этом материале я поделился самым интересным — разбором необычных историй кибератак, а также списком популярных (и успешных) процедур злоумышленников. Надеюсь, наши кейсы покажутся вам не только интересными, но и помогут при выборе и организации дополнительных мер защиты в этом году. 

В январе 2026 года Accenture выпустил отчет Top Banking Trends 2026 — исследование о том, как банки перестают работать в рамках привычных ограничений. Генеративный и агентный ИИ, цифровые валюты и новые точки входа к клиенту меняют не отдельные продукты, а саму логику банковской модели.

Ваша команда полгода сравнивает таблицы, но не может выбрать софт? Это не поиск решения, это организационный кризис. История о том, как «табличный синдром» и внутреннее сопротивление тормозят внедрение любых технологий — от CRM до BIM. Основано на исследовании с цифрами.

Привет, Хабр!

На прошлой неделе мы рассказали о мировых трендах IT и ИБ, сложившихся в 2025 году. Это важные тенденции, которые буду влиять на нас и наше будущее в ближайшие месяцы и годы. Каким видится это будущее, исходя из тенденций — рассказываем в этой статье.

Во всём будет виноват ИИ, конечно, но не только.

Пока мы вспоминали пароли от рабочих ноутбуков и мужественно возвращались в реальность после праздников, ИИ-индустрия, кажется, вообще не сбавляла темп. Видимо, оливье в Кремниевой Долине не в почете — иначе как объяснить, что январь там выдался таким нервным?

Повестка месяца сложилась весьма специфическая: OpenAI и Anthropic запустили «LLM-врачей» GPT Health и Claude for Healthcare, в ChatGPT появилась реклама, а юридическая сага «Маск против всех» получила очередное продолжение в виде иска на скромные $134 млрд. Добавьте сюда агентов, которые копошатся в файлах вашего компьютера, публичные перепалки лидеров индустрии, пачку свежих исследований и инструментов... В общем, скучать стабильно не приходится.

Поехали разбираться, с чем нам предстоит работать в этом году!

Уведомления в информационных системах представляют собой способ информирования пользователей о событиях, изменениях или запросах в системе. Они могут быть представлены в виде писем на электронную почту, текстовых сообщений, звуковых сигналов, всплывающих окон и других форм. Однако, существует несколько проблем, которые могут негативно сказаться на опыте пользования системой, особенно в тех системах, где функционал уведомлений играет важную роль в организации рабочего процесса.

Цель статьи – выявить и проанализировать эти проблемы, результатом станет ответ на вопрос: как улучшить взаимодействие с уведомлениями и использовать их наиболее эффективно в информационных системах? Как пример информационной системы рассмотрим «среду общих данных» строительных проектов. Также эта статья будет полезна специалистам, которые находятся в процессе выбора системы.