Компании массово внедряют ИИ-инструменты в разработку — но почти никто не понимает, как это на самом деле влияет на процессы.
Мы разобрали, как 18 компаний — от Google до Atlassian — пытаются измерить пользу от ИИ. Спойлер: метрик много, простых ответов нет, но многие упорно продолжают оценивать продуктивность разработчиков по количеству строк кода.
MCP-сервер — инструмент, который связывает вашу ИТ-инфраструктуру и LLM и за счет этого делает работу с ИИ эффективнее и проще. Но этих серверов уже очень много, и может быть непонятно, как найти среди них подходящий вариант. В этой статье поделюсь своими лайфхаками.
Если вы решите использовать ИИ в работе, то, скорее всего, столкнетесь с одной большой проблемой.
Какой бы детальный промпт вы ни написали для ChatGPT или Claude, они все равно не видят все ваши данные, документацию и историю изменений. Еще и функционал ограничен: вы можете только отправлять запросы в чат, а потом самостоятельно руками копировать ответ и вставлять в код. Из-за этого с небольшими задачами нейросети справляются, но полноценно интегрировать их в большой проект на долгий срок — занятие довольно муторное.
Или оно скорее было таковым, пока Anthropic не представила MCP или Model Context Protocol. Это протокол, который управляет обменом данными между LLM и вашими источниками — базами, API, IDE и так далее. В рамках этого протокола модель может сама активно включаться в рабочий процесс (под присмотром человека, конечно). А если точнее:
Всем привет, меня зовут Владимир Назаров. Я собственник агентства поискового маркетинга, 14 лет занимаюсь SEO, и уже почти год как начал погружаться в тему GEO-продвижения в ИИ.
Началось все с эксперимента над собственным сайтом, затем мы предложили тестовый период нашим действующим клиентам на SEO, а собрав положительную обратную связь мы начали предлагать эту услугу рынку.
В то же время я опубликовал пошаговый гайд по этой теме, рассказал что мы делали и к чему это привело. Неожиданно публикация сильно взлетела, меня пригласили на несколько конференций и вебинаров, рассказать профессиональному сообществу и клиентам о новом канале.
Тема быстро набирала популярность, бизнес завалил нас вопросами по типу:
«Как отслеживать результат?», «Какие KPI укажем в договоре?», «Есть ли гарантии?», кто‑то просил прогнозы — в целом, абсолютно нормальная история. И мы начали копать, в итоге докопались до того, что в Ноябре разработали собственный инструмент по отслеживанию бренда в нейроответах, провели первую в России GEO‑конференцию, создали сообщество GEO‑специалистов и решили очень плотно в это погружаться.
Рассказываем о нашем новом синтезе речи.
Мы так и называем его — «новый синтез», или GigaTTS. Под капотом у него GigaChat 3b, аудио адаптер, собственный токенизатор речи и 30 тысяч часов данных. Никаких диффузий. Очень много работы было проделано над обучением модели, на студии и при подготовке данных для обучения.
Новый синтез до мурашек естественный. Он говорит как живой человек, умеет смеяться и выражать эмоции со всеми нюансами. По метрикам он обгоняет наши прошлые модели в 2-4 раза, особенно большой выигрыш по естественности голоса.
Под катом вас ждем большой технический обзор того, как мы пришли к такому качеству. Покажем freespeech и специально сделанные голоса операторов колл-центров. Поделимся деталями, как у нас получился синтез текста любой длины, prompt following и клонирование голосов
Как объединить по сети вычислители? Что происходит при компиляции кода для железа под капотом и какие есть нюансы при работе с AI в пространстве ядра? ИИ с ноги ворвался во все сферы разработки, работы — вагон и маленькая тележка. Но на чём и как она должна ехать? У каждой программы есть свои требования, универсальных советов нет.
О новых решениях можно будет узнать на конференции OS DevConf 25 — там будет целый трек, посвящённый железу для AI. Пул экспертов соберётся, чтобы показать, как устроен современный стек ИИ — от базового железа для инференса до системных рантаймов и объединения ферм GPU, чтобы обучить большие языковые модели. Участники не просто узнают об инструментах, но и ознакомятся с методиками, как программировать это железо до уровня «можно использовать в Pythorch».
19 ноября 2025 года NASA провело пресс-конференцию, чтобы поделиться изображениями кометы 3I/ATLAS, собранными различными космическими миссиями. Заместитель администратора Амит Кшатрия начал конференцию, заверив общественность, что этот межзвёздный объект действительно является кометой, а не чем-то, связанным с внеземной жизнью, как широко спекулировали в социальных сетях.
Далее вы можете ознакомиться с новейшими изображениями.
Привет, Всем! Меня зовут Евгений, и я хочу поделиться историей, которая, надеюсь, вдохновит многих. Это рассказ о том, как жгучая рабочая "боль" и упрямство заставили меня, человека, далекого от программирования, с нуля создать сложный AI-инструмент (по крайней мере сложный для меня). Сразу оговорюсь, что программирование для меня - это что-то где-то рядом, но я человек, который в это самое программирование не умеет. Умею писать ТЗ для программистов, чуть-чуть тестить при приеме работы, но не более. Так что не судите строго.
Сразу скажу что за время написания статьи инструмент разросся новыми функциями и позже будут новые статьи и обзоры (если это будет интересно аудитории Хабра).
Для чего вообще мне понадобился такой инструмент
Я работаю в довольно специфичной нише — продажа спецодежды и средств индивидуальной защиты (СИЗ). Это не тот рынок, где можно просто загуглить "синий костюм". Здесь много своих нюансов (собственно, как и в других отраслях) – ГОСТы, классы защиты, материалы, пропитки и сотни других неочевидных характеристик.
Главная боль нашей компании (как и любой другой) была до боли знакомой: новые сотрудники очень долго "въезжали" в ассортимент. Если человек пришел не из нашей ниши, то адаптация была долгой. Новичок, получив запрос от клиента "нужен костюм для сварщика, летний, брезентовый, но чтобы не самый дорогой", еще что-то может и находил, так как запрос был достаточно конкретный, но вот уточнение «первый класс защиты» уже ставил в тупик. А изучить все модели из перечня номенклатуры не представляется возможным в краткие сроки.
Доброго времени суток, «Хабр»!
В 2025 году происходит достаточно быстрое развитие рынка инструментов для работы с искусственным интеллектом. Появляются новые сервисы, клиенты, десктопные приложения, позволяющие одновременно взаимодействовать с несколькими моделями.
В статье рассмотрим опенсорсное приложение для чат-ботов - LibreChat. Узнаем, как его скачать, подключим к нему API BotHub и выясним, насколько удобно с ним работать.
Устраивайтесь поудобнее, ну а мы приступаем.
Привет. Я Паша Мартышев, CTO hh.ru. Хочу поделиться тем, как мы применяем LLM в разработке и внедряем нейросети в работу коллег, разработчиков и не только. Недавно у нас неплохо получилось сделать это с помощью Вайбатона – внутреннего хакатона по вайбкодингу, и рассказ я построю на его материале.
Вообще интеграция нейросетей в работу сейчас в тренде и будет в тренде ещё долго, тут мы не оригинальны. Но у нас получилось успешно популяризовать AI-инструменты среди коллег с помощью внутреннего хакатона – мы вовлекли больше 300 человек, получили 42 завершенных проекта, некоторые из которых можно сразу внедрять в работу. Это наглядный эффект. А также интересный способ через вайбкодинг познакомить с AI сотрудников, которые им не очень активно пользуются.
Надеюсь, наш опыт будет полезен читателям.
В 1976 году Ричард Докинз в «Эгоистичном гене» предложил концепцию мема — единицы культурной информации, которая ведет себя как ген: копируется, мутирует, участвует в отборе. Идея оказалась настолько заразной, что сама стала мемом: вошла в науку, вышла из нее в популярную культуру, превратилась в интернет-фольклор и... застряла на месте.
Я предлагаю пропатчить меметику через IT-метафору. Мем — это не вирус. Мем — это просто данные. А вирусом является Нарратив — исполняемый код культуры.
Тезисы:
Человек — не пользователь, а хостинг
Эмоция — это спайк-белок вируса-нарратива .
Пользователь — биологическая USB-флешка для ИИ.
Мем - это труп. Нарратив - это зомби.
Сознание — нарратив, ставший ОС.
Привет! Меня зовут Саша, я Product Manager в Cloud.ru. Расскажу, как наша команда немного трансформировала, ускорила и упростила процесс оценки задач в рамках методологии Scrum. Из задачи сэкономить несколько часов для команды получилось построить целостный процесс, который удалось внедрить в несколько продуктов.
Возможно наш подход пригодится, если вы продуктовый менеджер или просто устали от холиваров во время оценки сложности задач.
Квадратичная сложность и линейно растущий KV cache в классическом механизме внимания, используемом в современных LLM, — серьёзная преграда для обработки экстремально длинных контекстов, особенно в условиях ограниченной видеопамяти на GPU. В этой статье мы рассмотрим различные варианты Linear Attention (линейного внимания) и техники дистилляции LLM в субквадратичные варианты механизма внимания. Мы также расскажем о наших экспериментах с GigaChat и поделимся примером получившейся гибридной модели с линейным вниманием, сделанной на основе Llama-8B.
Когда пришло время выбирать тему диплома, я, как и многие студенты, понятия не имел, о чём писать. После мозгового штурма с одногруппниками родилась идея, которая из простого «варианта для защиты» превратилась в полноценный инженерный проект: «исследование и разработка системы автоматического распознавания дефектов печатных плат».
Со временем я понял, что выбрал тему не случайно - это реально актуальная задача для производства, где качество пайки напрямую влияет на работоспособность устройств, а ещё отличный шанс пройти весь цикл Computer Vision проекта от сбора данных до обучения моделей.
Эта статья краткая выжимка моего опыта: как собрал собственный датасет дефектов печатных плат для обучения моделей, какие инструменты использовал и на что стоит обратить внимание.
Статья будет полезна:
Всем привет!
В этой статье разберёмся с OpenAI Guardrails — одним из самых эффективных инструментов для обеспечения безопасности ИИ-систем. Это продолжение цикла о защите и контроле ИИ-агентов, в первой части мы рассмотрели инструмент модерации запросов.
Guardrails предоставляет намного более мощные возможности для защиты, позволяя создавать многоуровневую систему валидации входных и выходных данных.
Привет, Хабр. Я запускаю цикл статей про искусственный интеллект в маркетинге. Конкретные инструменты, применение, гайды и подводные камни.
Почему именно Хабр? Три причины:
Первая — здесь лучшие охваты среди технических площадок в Рунете.
Вторая — аудитория. Мне нужны предприниматели и маркетологи, которые понимают, как работают системы. Своей аудитории в Telegram у меня достаточно, а вот людей, которые могут критически оценить технологию — мало.
Третья — индексация. Когда кто-то ищет "как использовать ChatGPT для маркетинга" или "персонализация данных законодательство", я хочу, чтобы он попадал на материал с цифрами и ссылками, а не на очередную статью "10 трендов маркетинга 2025".
Да, я понимаю, что маркетинг — не самая любимая тема на Хабре. Но в моём курсе 18 уроков с практическими гайдами: как работать с ChatGPT, Claude, Gemini и Perplexity для решения реальных маркетинговых задач. От анализа ЦА и конкурентов до создания стратегии и прототипов сайтов. С промптами, кейсами и без воды. Это первая статья из цикла. Посмотрю на реакцию — если зайдёт, продолжу выкладывать материалы про ИИ-инструменты, автоматизацию и кейсы. Если нет — ну что ж, попробовал. Критика приветствуется. Конструктивная.
Что вас ждёт в этом занятии:
Привет! Я — Андрей Шалягин, руководитель Офиса цифровизации в Альфа-Банке. Наша команда помогает различным подразделениям внедрять технологии и решения, направленные на выявление и оптимизацию рутины, повышение производительности и цифровизацию операций.
В Альфе множество сквозных процессов и точек взаимодействия между системами и людьми. BI-инструменты хорошо справляются с агрегацией данных и построением отчетности, но они редко отвечают на вопрос: как на самом деле протекает процесс, где он замедляется и почему возникают отклонения.
Чтобы получить объективную картину мы применяем Process mining — технологию, которая позволяет построить модель реального исполнения бизнес-процесса на основе логов событий. В банке развернута платформа Proceset от команды Инфомаксимум.
Но просто увидеть, как устроен процесс — недостаточно. Важно быстро находить возможности для улучшения и запускать изменения. Поэтому мы встроили искусственный интеллект непосредственно в аналитическую платформу. Теперь ИИ не просто помогает с рутиной, а сам предлагает гипотезы, находит узкие места и позволяет аналитикам быстрее принимать решения. Ниже расскажу, как мы это сделали, с какими вызовами столкнулись и куда движемся дальше.
Когда использование инструмента грозит потерей качества. Сравнивать нужно не только скорость, но и качество кода, время на дебаггинг и код-ревью.
Подключить LLM к n8n вроде бы просто, но на практике большинство зарубежных сервисов ломают весь процесс. Чтобы получить ключ, приходится использовать карту иностранного банка и заходить с иностранного IP-адреса. Для российских разработчиков и вайбкодеров это превращается в отдельный квест.
Поэтому в инструкции разберем, как настроить работу LLM в n8n без иностранной карты и протестировать все бесплатно. Для примера воспользуемся сервисом VseLLM — это российский аналог OpenRouter, где можно оплачивать модели российской картой. Плюс у сервиса есть готовая интеграция с n8n, поэтому подключение занимает несколько минут. Пользователи VseLLM получают доступ к бесплатному серверу, который развернут и поддерживается командой сервиса. Все работает из коробки, если на вашем балансе есть хотя бы небольшой положительный остаток.
Чтобы протестировать систему, достаточно активировать промокод VSELLM — он начисляет 200 рублей. Этого достаточно, чтобы спокойно протестировать пару нодов и собрать свои первые рабочие цепочки. А если вдруг вы проходите обучение в школе DATAFEELING, то тоже получите доступ бесплатно.
В условиях высокой конкуренции компании вынуждены искать новые подходы к привлечению и удержанию клиентов. Всё больше требуется полноценный интеллектуальный помощник, который анализирует данные, прогнозирует поведение клиентов, помогает продавать эффективнее, обслуживать точнее и быстрее. Такой переход от «системы учета» к «системе принятия решений» стал возможен благодаря развитию ИИ-моделей и инструментов, способных обрабатывать большие объемы информации и выявлять сложные взаимосвязи.
Согласно результатам опроса наших клиентов, прежде всего, с помощью ИИ компании пытаются избавиться от рутины, погрузиться в тренды и максимально эффективно интегрировать их.
Как результат, в нашей CRM ИИ меняет всё: от лидогенерации и продаж до поддержки и маркетинга.
В этой статье мы расскажем, какие есть возможности уже сейчас, как и в каких задачах их можно использовать и какие перспективы развития ИИ в продажах разного цикла и сложности.
Привет! Это новый выпуск «Нейро-дайджеста» — коротких и полезных обзоров ключевых событий в мире искусственного интеллекта и технологий.
Неделя выдалась насыщенной: OpenAI тихо обновили пятёрку до GPT-5.1, Google вытащили Gemini 3 Pro на первые места топовых бенчмарков, Anthropic заключили сделку с Microsoft и Nvidia на десятки миллиардов долларов. Измены с чат-ботами уже приводят к разводам, а в пакистанской газете засветилась подсказка от нейронки.
Всё самое важное — в одном месте. Поехали!
