Исследования и прогнозы в IT *

Для начала — немного контекста. Я не программист и не разработчик. Последние 12 лет я проработал в Федеральной налоговой службе. Начинал с низов, занимался выездными и камеральными проверками (проводил лично и курировал). Два месяца назад я уволился, завел свой телеграм‑канал и теперь работаю в налоговом консалтинге.

Эта статья — история о том, как я попытался решить огромную проблему государственной системы с помощью домашнего ноутбука и нейросетей. О том, как я переоценил свои силы, недооценил масштаб задачи, но все‑таки попробовал создать инструмент, который мог бы изменить работу инспектора.

После моей статьи про АИС «Налог-3» (как одну из самых мощных государственных IT-систем России) в комментариях больше всего спорили не про масштабы данных и вопроса, «видит ли ФНС всё». Основной скепсис вызвал мой тезис о необходимости внедрения больших языковых моделей (LLM) в работу налоговых органов.

Основной аргумент в противовес моей позиции звучал так: «Зачем там нужен Искусственный Интеллект? Всё формализовано, достаточно жестких алгоритмов и грамотных шаблонов. Экспертная система справится сама, не надо усложнять».

В этой статье я постараюсь привнести ясность в то, как происходит сбор доказательственной базы по налоговым правонарушениям и как формируется итоговый документ (акт и решение по налоговой проверки). Потому что в реальной налоговой проверке проблема не в том, чтобы найти риск или подсветить признаки. Это АИС «Налог-3» уже умеет делать достаточно хорошо. Проблема в другом - превратить массив фактов в доказательства и выводы, а затем изложить это в юридически выверенном тексте, который выдержит спор сначала на стадии возражений, потом в вышестоящем налоговом органе, а при необходимости и в суде.

Если вы читаете меня впервые: я не аналитик со стороны и не «диванный эксперт». За моими словами 12 лет работы в налоговых органах, в том числе на руководящих должностях. Из системы я ушёл совсем недавно и прекрасно понимаю, как это работает изнутри.

Достижение целей требует четкого понимания текущего состояния системы и желаемого результата. Одним из способов оценки близости достижения цели является использование расстояния Хемминга. Расстояние Хемминга применяется для измерения различия между двумя строками равной длины путем подсчета количества позиций, в которых символы различаются. В контексте постановки и достижения целей оно позволяет количественно оценить разницу между текущим состоянием и целевым состоянием, помогая определить шаги, необходимые для минимизации этой разницы.

Таким образом, если задать текущее состояние строкой Sтек и желаемое состояние строкой Sцель, то достижение цели можно назвать: работу по переводу ситуации в строке Sтек в строку Sцель.

Не раз встречал мнение, что война - двигатель прогресса. Радар, реактивная авиация, компьютеры и медицина - продукты WW-II, а новые сплавы, спутниковая связь и интернет - тоже продукты войны, но уже холодной. Может ли война снова стать драйвером, только в области ИИ?

За последнее десятилетие Федеральная налоговая служба (ФНС) совершила фундаментальный переход от традиционной модели администрирования к подходу, основанному на анализе больших баз данных.

Если вы соприкасались с налоговой системой - проходили проверки, бывали на комиссиях в инспекциях, общались с налоговыми органами, то вы слышали про АИС «Налог-3», одну из самых масштабных государственных IT-платформ в России.

Я проработал в системе налоговых органов 12 лет - от рядового инспектора в ИФНС до заместителя начальника отдела проведения налоговых проверок Управления ФНС - и наблюдал эту трансформацию изнутри. В этой статье я хочу показать, насколько эта система действительно мощная, как она эволюционировала, что она реально умеет сегодня и почему, несмотря на весь объём данных, это пока не «искусственный интеллект, который всё делает сам»

Сразу обозначу границу: я не раскрываю никакой служебной информации. Всё, о чём в статье пойдёт речь, это обобщение моего опыта работы в службе и данные, которые размещены в открытом доступе. Из налоговых органов я ушёл относительно недавно (2 месяца назад), и за это время мало, что могло поменяться, поэтому информация все еще остается актуальной.

Аннотация

31 декабря. Тишина. Год 2025, отзвучавший каскадом данных, укладывается в архив. Мы стоим на пороге, за которым — не просто новый год, а точка сингулярности. Точка, математически предсказанная 75 лет назад в тишине кабинета советского математика А.А.Мучника.

Его теорема — не сухая формула из учебников. Это закон мироздания для информации: любой хаос можно упаковать почти идеально, оставив ровно один бит свободы. Всего один бит. Пространство для чуда, для ошибки, для того, что не вписывается в алгоритм.

В канун 2026 года мы совершаем ритуал верификации. Не через сложные выкладки, а через чистый, аскетичный код MATLAB. Он станет нашим медиумом, связывающим абстрактную истину с материей грядущего. Мы докажем теорему не на бумаге, а в среде, где рождается будущее, и увидим этот самый бит — крошечную, несжимаемую песчинку в идеально отшлифованном кристалле данных.

2026-й станет годом, когда мы всем миром упрёмся в этот предел. Годом, когда ценность сместится от умения всё сжать к искусству грамотно потратить этот единственный дарованный бит. Это статья-предупреждение и статья-пророчество. Зажгите экран. Откройте среду. Выполните доказательство.

И встретьте Новый год, зная точный адрес того, что в нём будет по-настоящему новым.

Последний вечер уходящего года. Тот самый момент, когда кажется, что время не течет, а щелкает, как кадры на старой пленке. Мы стоим на самом краю, оглядываемся — и прошлый год рассыпается не в плавную мелодию, а в обрывки фраз, в яркие вспышки памяти. В ту самую фотографию, кричащий заголовок, дрожь в голосе по телефону. Всё это было не потоком, а скорее лавиной сигналов. Триумфы и потери, личные прозрения и мировые потрясения — всё это сырой, необработанный материал жизни. Еще не история, а просто груда фактов, шум реальности.

Модельный коллапс, цифровое вырождение и реалистичные способы избежать деградации искусственного интеллекта.

Всем привет! Недавно мы обсуждали рынок AI-инфраструктуры с моим коллегой Александром. В компании OpenYard он отвечает за развитие отношений с вендорами и выстраивание цепочек поставок. Нам быстро стало понятно, что за громкими заявлениями об AI-революции скрывается куда более сложная и не всегда очевидная экономика. Компании массово инвестируют в обучение моделей, строительство дата-центров и AI-кластеров, растет спрос на GPU, ускорители и серверную инфраструктуру. На этом фоне кажется логичным ожидать аналогичного роста со стороны производителей памяти ― одного из ключевых компонентов AI-систем. Однако реальность оказывается сложнее.

Два крупнейших поставщика DRAM: Samsung Electronics и SK Hynix, которые в совокупности контролируют более 70% мирового рынка оперативной памяти, неожиданно ведут довольно сдержанную игру. Несмотря на рекордный спрос со стороны AI-сегмента, компании не планируют резкого расширения производства. Почему рынок, испытывающий дефицит, сознательно отказывается от масштабирования?

За этот год в мире технологий произошло много событий: доминирование ИИ, битвы за кибербезопасность и стратегические приобретения переопределили технологический ландшафт. Но некоторые крупные продукты и услуги не пережили и середины года. Одни из них прожили долгую плодотворную жизнь и оставили неизгладимый след в истории. Другие оказались мимолетными проектами или полными провалами, которым было суждено встретить свою неизбежную кончину. Тем не менее, все они достойны того, чтобы их помнили за то, как они повлияли на нашу жизнь — даже если это влияние было лишь в ленте новостей.

Пришло время еще раз оглянуться назад и вспомнить технологии, которые ушли в 2025 году. От таких столпов, как Skype, до устройств с ИИ, у которых не было ни единого шанса, все из этого списка отправилось на технологическую свалку за последние 12 месяцев.

Дорогие хабровчане, всем привет! Меня зовут Алина Акиншина, я CEO IT-компании «Онлайн Патент». Как и положено перед самым 31 декабря, подведем итоги этого непростого года. В 2025 году в сфере интеллектуальной собственности было много ярких событий. В моих итогах года – 9 событий, 9 трендов, которые существенно повлияют и на 2026 год. О них я и расскажу. 

В 2025 году волна корпоративных увольнений достигла рекордных масштабов. Среди виновников — ослабление потребительского спроса и растущая ИИ‑автоматизация.

По данным аналитиков Challenger, Gray & Christmas, за год в США было зафиксировано не менее 1,17 млн увольнений — рекордный показатель с начала пандемии (это самый высокий уровень с 2020 года, когда число достигло 2,2 млн).

При этом около 55 000 увольнений как раз прямо связывали с внедрением ИИ, что составляет около 5% от всех сокращённых.

Сегодня мы свели воедино хронологию и статистику увольнений в 2025 году, связав крупные скандальные кейсы с общими трендами. Расскажем о том, как и почему работодатели ссылаются на «ИИ‑эффект», приведём данные отчётов и исследователей, приведём конкретные примеры компаний и отраслей.

Слово панк в этом контексте в оригинальном понимании термина всего-лишь означает широкое распространение предмета во всех сферах жизни. Слово киберпанк несло оттенок фантастики, будущего, "чего-то необычного" только когда киберпанка ещё не было в реальности, то есть когда он обсуждался писателями-фантастами 70-х годов: а представляете, мощный вычислитель с мощным каналом связи будет уменьшен до размеров блокнота и будет доступен бездомному! Это было областью исследований в фантастике, областью исследований в прогнозировании будущего.

Киберпанк давно наступил, поэтому никого больше и не интересует. Произошло только то, что и предполагало это слово - широкое распространение вычислительных средств. Никогда не предполагалось, что это поменяет людей, предполагалось разве что усиление и автоматизация всего, что мы знаем. Ускорение экономических процессов, ускорение наращивания капитала капиталистами и обеднение рабочего класса - это всё может быть, но никак не исправление пороков людей или повышение морали.

Киберпанк - это всего-лишь повсеместное распространение больших вычислительных мощностей, даже среди людей, никогда в жизни не собирающихся разбираться как именно они работают, что такой байт и бит. Как широкое распространение двигателей внутреннего сгорания и различных паровых машин не сделало эти технические средства переворачивающими законы жизни социума - его иерархическая структура со всеми действовавшими в нём механизмами в 15 веке полностью сохранилась, но теперь многие вещи можно сделать быстрее.

Символично, что Merriam-Webster выбрал словом 2025 года «Slop» — тот самый бесконечный поток сгенерированного мусора, которым становится завален интернет. В новостных лентах ситуация похожая: отделить реальные релизы от маркетингового шума становится всё сложнее. 

Но отставить панику! Мы уже собрали все главные новости декабря в один дайджест. В этот раз в предновогоднем «меню» — долгожданные Gemini 3 Deep Think и DeepSeek V3.2, пачка новинок от Mistral и сразу несколько релизов от OpenAI. Заодно обсудим последние корпоративные скандалы и поделимся подборкой нашумевших исследований и инструментов для разработки.

Погнали разбираться, что принесла нам под ёлку ИИ-индустрия в последнем месяце года!

Хабр, привет!

На связи команда инженер-аналитиков R-Vision. Сегодня мы подведём итоги 2025 года по активно эксплуатируемым уязвимостям, поделимся статистикой разборов, а также вспомним наиболее громкие уязвимости.

Группа авторов (к которым я не отношусь) провела опрос постоянных пользователей ии-инструментов с акцентом на практические вопросы. Что получается и что - нет, как получается и как - нет, для чего, для кого и т.п. На момент обзора ответы дали 139 опрошенных, среди которых самые разные специальности и опыт в профессии ойти.

Формат показался актуальным и информативным, но трудновоспринимаемым, поскольку ответы собраны в экселе (который прилагается). Поэтому сделано текстовое обобщение в notebookLM, которое под катом. Бонусом - майнд мэп по опросу.

Для меня опрос в виде обзора нового не дал, а вот в исходных данных интересное нашлось. По этой причине текст рекомендую тем, кто понимает, что не понимает, но хочет понять.

Если у вас получается в ии и вы готовы обменяться опытом, то присоединяйтесь к опросу.

ИИ-агенты ворвались в чарты и обсуждения по всему миру, к ним прикован интерес, в них вливают миллиарды и интегрируют в продукты и платформы. Но долго ли это продлится?

На связи команда Research & Insights Центра стратегии цифровых продуктов МТС. Мы подготовили исследование мирового и российского рынка ИИ-агентов. Это третий материал на его основе: в первом рассказали об инсайдах исследования, во втором — о видах агентов. А в этом покажем, какие три сценария развития ИИ выделяют инвесторы, в какой верят больше всего и как в эту картину вписывается тренд на ИИ-агенты. 

В статье приведен результат опроса сообщества 1С разработчиков на предмет применения ИИ в своей текущей деятельности.

На конец 2025 года был проведен опрос сообщества на предмет использования ИИ. Цель — понять какие технологии\модели\подходы\практики обрели популярность.

Какие технологии «прижились» среди 1С разработчиков, а какие пока воспринимаются с опаской. Так получилось, что моя деятельность во многом связана с продвижением ИИ в среде 1С. Так вот, главный интерес заключается в том что получилось а что нет. А может некоторые практики и технологии упущены.

Также достаточно интересно с какой стороны и кто занимается внедрением практик работы с ИИ в компаниях. «Снизу» или «сверху».

Поэтому аудиторию, пожалуй, нельзя считать среднестатистической, хоть попытки и были.

Рынки переживают всплеск интереса к компаниям, связанным с искусственным интеллектом — во многом схожий с ажиотажем вокруг электромобилей (EV) несколькими годами ранее. Тогда почти каждый новый EV-стартап быстро оказывался в фокусе инвесторов и медиа, зачастую ещё до появления устойчивой бизнес-модели.

Опыт EV-бума позволяет рассмотреть как эволюцию технологических идей, так и поведение инвесторов в периоды массового ожидания прорыва. Показательно, что сами электромобили вовсе не являются чем-то новым: первый электрический экипаж был создан в 1832 году — почти за полвека до автомобиля с двигателем внутреннего сгорания (ICEV).

«Выживает не самый сильный и не самый умный, а тот, кто лучше всех приспосабливается к изменениям».

В этой статье мы порассуждаем о том, как AI технологии будут влиять на экономику, как это может коснуться каждого из нас, а также чего нам действительно стоит (или не стоит?) бояться. Что стоит за страхом потерять работу? Почему продуктивность растёт, но мы не стали работать меньше? Кто и на какие деньги будет покупать товары, если всех заменит AI?

Кажется, сегодня невозможно открыть новостную ленту, не наткнувшись на заголовки вроде: «ИИ заменил тысячи сотрудников», «такие-то профессии больше не нужны», «ChatGPT научился выполнять то и то». Чаще всего заголовки кликбейтные, но и за ними скрывается доля истины и тревожный тренд.

Нет, это не будет очередной статьей по восстание машин (но на всякий случай: прошу прощения, скайнет). Здесь я попробую понять какое место в этом будущем останется за человеком.