Исследования и прогнозы в IT *

Истории о проделках роя ИИ-агентов выходят каждый день – и за хайпом легко пропустить интересные детали. В этом материале я хочу заострить внимание на одной подробности: героических самопожертвованиях агентов.

Отношение к ИИ в поддержке, мягко говоря, неоднозначное — компании активно используют голосовых ассистентов несмотря на то, что клиенты чаще всего не в восторге от таких «помощников». Поговорим, почему роботу на другом конце провода стоит дать шанс и на каких задачах голосовые системы ИИ могут проявить себя с лучшей стороны — в том числе, за счет новых фреймворков для разработки интеллектуальных систем телефонии. Также делимся подборкой открытых инструментов для создания мультимодальных голосовых агентов.

Недавно на Хабре появилась статья “Кризис в физике”, основанная на большом монологе Шона Кэрролла The Crisis in Physics.

Статья большая, обстоятельная и местами даже интересная. Однако после прочтения у меня осталось странное ощущение: кризис обсуждается очень долго, но нормального определения кризиса так и не появляется.

Кэрролл приводит вполне разумные соображения. Стандартная модель прекрасно работает. Общая теория относительности тоже работает. Новые ускорители стоят безумных денег. Доступные энергетические масштабы давно исследованы. Природа перестала подбрасывать физикам очевидные экспериментальные подсказки. Поэтому прогресс замедлился.

Все это, скорее всего, верно. Только это описание внешних условий, а не самой проблемы.

С моей точки зрения, кризис фундаментальной физики заключается в другом:

Пространство допустимых теорий растет быстрее, чем эксперименты успевают его сокращать.

Или, если сказать совсем просто:

У нас становится все больше теорий, которые все сложнее нормально убить экспериментом.

Это уже не просто отсутствие новых частиц. Это поломка механизма отбора теорий.

В 2026 году я провела 105 глубинных интервью с владельцами и руководителями студий и компаний разработки — от аутсорса до продуктовых команд, плюс часть диджитал‑агентств. Выборка — от 10 до 300+ сотрудников, география — вся Россия. Я искала не только статистику — сколько компаний падает, а сколько растет. Я искала ответ на вопрос, почему одни падают, а другие растут: что делают лидеры растущих компаний и не делают те, кто руководят падающим бизнесом

Я сейчас дам инструкцию. Постарайтесь выполнять каждый шаг, прежде чем перейти к следующему.

Поехали. Шаг первый: прочитайте слово в кавычках один раз: «Ворота». Шаг второй: прочитайте следующее слово два раза: «Синхронный». Шаг третий: прочитайте слово три раза: «Разочарование». Шаг четвёртый: посмотрите влево, затем вправо, затем вверх, затем вниз. Шаг пятый: закройте глаза и прочитайте про себя любое четверостишие, которое знаете.

Что сейчас произошло? Ничего особенного, просто аудитория была сегментирована по степени внушаемости. Но есть и хорошие новости — только вы знаете, в какую категорию попали.

Генеративный ИИ демонстрирует знатный прогресс в последнее время — даже вроде как решил одну из задач тысячелетия, правда, с весьма существенными оговорками. Оставим в стороне вопросы финансовые, насколько устойчива вся схема финансирования этих компаний.

Хотелось бы поговорить в этой новости о проблеме, которую я бы условно назвал «Не бывает плохих учеников, только плохие учителя». Смысл в том, что вычислительные мощности, используемые ИИ, модели и архитектуры — это все, конечно, замечательно, но не имеет смысла без правильного целеполагания, закладываемого в системы. Как гласит старая немецкая поговорка, хромой, бредущий в правильном направлении, обгонит всадника, скачущего не туда.

Данная статья о том, что если компании, эксплуатирующие ИИ, не ставят цели улучшения пользовательского ПО, то все усилия по строительству дата‑центров, производству чипов и памяти, совершенствованию моделей — не приведут к улучшению этого самого ПО. По факту эта статья является отсылкой к классической статье «Почему новый дизайн Gmail такой медленный?», написанной задолго до прихода генеративного ИИ в массы.

Я программист с приличным стажем, ещё в школе писал игрушки для БК‑шек, а сейчас у меня коммерческий стаж на Python, и я считаю себя, в общем‑то, уверенным сеньором.

До недавнего времени из ИИ я пользовался только браузерным Gemini. Он быстрый, живой, отзывчивый — с ним можно приятно поболтать, однако кодит он неважно. Добиться нужного результата частенько получалось только через крепкое словцо, на которое, впрочем, Gemini охотно откликается. Но понятно, что это всё жутко неудобно и надо было переходить на кодинг‑агентов.

Так бы я и канителился, однако получилось так, что вайб‑кодинг, вместе с вайб‑планированием и вайб‑постановками задач в Jira, в нашей команде внедрили волевым решением. Никого не спрашивая, не выясняя, кто что умеет, кто как к этому относится и как это вообще повлияет на разработку.

Сначала я, как и положено старпёру, отнёсся к этой технологии настороженно. Однако Cursor оказался весьма дружелюбным инструментом, да и квест с оплатой оказался несложным.

Компьютеры понемногу начинают понимать обычную человеческую речь. И даже писать программы сами для себя. Уйдет ли в прошлое профессия программиста? Даже в отдаленной перспективе вряд ли, потому что чтобы ИИ работал и развивался, кто-то должен его разрабатывать и поддерживать.

Айтишники рассказывают, как отправляют сотни откликов на HH и не получают ответа. Компании твердят, что количество резюме выросло в разы, но хороших специалистов по-прежнему днем с огнем не сыскать. Зарплатные ожидания кандидатов и предложения работодателей расходятся, как корабли в море. Джуны не могут получить первый опыт, ведь их никуда не берут, а работодатели ищут людей, способных выйти на место и начать приносить пользу с первого дня. И не находят! Везде гремит один и тот же вывод: все пропало, рыночек сломался!

Забавно, что экономисты уже давно знают, как выглядит «сломанный» рынок, и их такими жалобами не проймешь. Более того, в 2010 году Питер Даймонд, Дейл Мортенсен и Кристофер Писсаридес получили за свой анализ Нобелевскую премию по экономике.

Возможно, если бы мы иногда отрывались от обсуждения нового фреймворка и смотрели, за что раздают Нобелевские премии по экономике, сегодняшний кризис найма выглядел бы менее загадочно…

Давайте попытаемся разобраться, что именно увидели экономисты, какие параметры позволяют описать нынешнюю ситуацию на рынке труда цензурными словами, и в конце даже рискнем сделать выводы, что эта хваленая модель вообще может нам сообщить о ситуации в IT-индустрии.

Чем отличается настоящий аналитический агент от генератора SQL, почему семантический слой важнее размера языковой модели и почему локальная LLM ещё не означает технологическую независимость?

В 2026 году AI‑ассистент или AI‑агент появился едва ли не у каждого российского BI‑вендора. Проблема в том, что одинаковая наклейка «AI» скрывает совершенно разные механизмы: где‑то это чат к данным, где‑то генератор SQL, где‑то помощник разработчика дашбордов, а где‑то — мультиагентная система с оркестратором, отдельными ролями и проверкой результата.

Сравнивать такие продукты по принципу «у кого есть агент» бессмысленно. Поэтому мы решили посмотреть, что именно умеет каждый из них, как устроена архитектура, насколько можно доверять ответам и где заканчивается реальный функционал и начинается маркетинг.

Как мы исследовали AI‑агентов

Привет! На связи Ольга Попова, ИИ-Евангелист Лаборатории искусственного интеллекта Департамента больших данных Россельхозбанка. В этом выпуске к своим размышлениям добавила комментарии коллег, которые работают с этими темами каждый день. Мне кажется, их взгляд изнутри полезнее любой теории. Поехали!

Хабр, привет!
 
На связи команда инженер-аналитиков R-Vision. Мы проанализировали широкий спектр уязвимостей, выявленных в августе 2026 года, и включили в дайджест лишь те, что представляют наибольший практический интерес по уровню риска, подтверждённой эксплуатации и актуальности для специалистов по информационной безопасности.

Еще несколько лет назад рабочий процесс 1С-разработчика был довольно предсказуемым: Конфигуратор, информационная база, ручная загрузка и выгрузка конфигурации, обмен файлами с коллегами.

Затем появились Git, EDT, автотесты и инструменты автоматизации. Сегодня в этот цикл все активнее входят AI-агенты, MCP и программное управление платформой.

Меняется не только набор инструментов, но и стоимость разработки. То, что раньше требовало десятков минут ручной работы, постепенно превращается в одну команду, скрипт или действие агента.

Подборка материалов ниже — о разных сторонах этого перехода. Вместе они показывают одну тенденцию: современный 1С-разработчик все меньше работает только с Конфигуратором и все больше — с полноценной инженерной экосистемой вокруг платформы.

В прошлой статье я разбирала пять искажений, которые мешают пользователю пройти по интерфейсу. Эта — про четыре других, которые мешают тому, кто интерфейс делает.

В статье рассматривается архитектурная гипотеза-прототип, предлагающая распределение сущностей по разным слоям и реализацию сквозного связывания между элементами различных canvas-пространств. Через призму теории о: компонентных систем управления контентом (CCMS) и баз знаний нового поколения (LLM-wiki), решая проблему масштабирования визуальных связей в интерфейсах.

Размышления, вдохновленные статьей Марка Хау «Towards ‘augmented sociology’? A practice-oriented framework for using large language model-powered chatbots» (Hau, 2025)

Недавно в одном из чатов коллег-исследователей я обратил внимание на обсуждение темы использования синтетических выборок. Будучи по своему профилю академическим, да ещё и политическим социологом, я в своей работе с подобными методами не сталкивался, однако же в мире продуктовых исследований это стремительно нарастающий тренд последних лет.

В связи с этим меня крайне заинтересовал вопрос: а как исследователям вообще относиться к подобным методам и насколько они, если так можно выразиться, академичны? Так я и погрузился в исследование применения синтетических выборок и в целом LLM в рамках социологических исследований, однако, как всегда оказывается, всё гораздо глубже и тревожнее. 

27 августа 2026 более 100 ведущих технологических и финансовых компаний — включая OpenAI, Anthropic, Google, Microsoft, IBM, Cisco, Visa, Mastercard и крупные банки подписали совместный призыв к коллективным действиям по киберзащите, предупреждая: у индустрии есть лишь «ограниченное окно», измеряемое месяцами, прежде чем ИИ‑инструменты для атак превзойдут возможности защитных команд.

Ситуация вышла за рамки корпоративной кибербезопасности. 3 сентября 2026 года в США внесён законопроект, запрещающий разработку ИИ‑систем, способных выйти из‑под контроля человека — вплоть до 20 лет тюрьмы для физических лиц и принудительной ликвидации компании‑нарушителя.

Продолжаем тему квантовых вычислений. Веб переходит на постквантовый обмен ключами, но вот с подписями и сертификатами дело обстоит иначе. В июне исследователи просканировали 32 тыс. доменов и не нашли ни одного гибридного постквантового сертификата. Дело в том, что постквантовые подписи слишком велики, чтобы просто подставить их вместо нынешних. Обсуждаем ситуацию и возможные решения.

Обычно к очередному релизу я отношусь спокойно: ну, ещё одна циферка на бенчмарке. Но тут даже я, повидавший GPT-5, 5.1, «code red» 5.2 и всё остальное, сел и полистал материалы.

3 сентября у половины интернета одновременно легли Claude, Grok, ChatGPT и Gemini. Даундетектор синхронно нарисовал графики отказов по четырём провайдерам сразу, “Is it happening???” – вопрошали пользователи. По одной из версий, барахлила общая облачная инфраструктура – обычный день в мире, где всё держится на паре дата-центров.

Но совпадение по времени вышло символичным: через несколько часов OpenAI выкатила GPT-6 Astra и заявила, что мы теперь живём в «эре AGI».

Подобное я слышу примерно с релиза GPT-2. Но в этот раз попробуем разобраться подробно.

Посмотрите на вещи, которые мы привыкли воспринимать как неотъемлемую часть повседневной жизни: компьютер, интернет, самолет, антибиотики, атомная энергетика, космические аппараты и так далее. Почти все они родом из первой половины XX века или чуть позже. Даже смартфон — это по сути удачная упаковка транзистора, жидких кристаллов, аккумулятора и радиосвязи, изобретенных десятилетиями раньше. За последние 40–50 лет человечество не столько открывало новое, сколько доводило до ума то, что уже появилось в середине прошлого века.

Научный и технический прорывы в первой половине и середине XX века оказались столь масштабными, что во многом мы до сих пор совершенствуем технологии, изобретенные еще тогда. IT-индустрия в этом плане, кстати, не стала исключением. Даже искусственный интеллект и нейросети появились задолго до OpenAI, Google, Anthropic и идеи «а давайте внедрим сюда ИИ».