OpenAI заплатит $38 млрд Amazon Web Services за доступ к сотням тысяч графических процессоров Nvidia Corp. в рамках семилетнего соглашения. По версии Bloomberg, для OpenAI это подтверждение перехода в статус «гиганта ИИ».
Учёные сравнили ChatGPT с психологическими профилями людей из 65 стран и выяснили, что модели ИИ мыслят на 70% ближе к американцам, чем к остальному миру. По данным World Values Survey, мышление ИИ оказалось ближе всего к США, Великобритании, Канаде и странам Западной Европы, а дальше всего от Эфиопии, Пакистана и Кыргызстана.
Команда Datalab выпустила бесплатную OCR модель Chandra, которая превращает любые PDF и картинки в обычные текстовые документы. Просто закидываем файл и получаем вывод в формате HTML, Markdown и JSON. Легко вытаскивает таблицы, формулы и диаграммы. Понимает 40+ языков. Можно пользоваться в браузере или поставить локально. Ставим локально с GitHub или пользуемся онлайн — здесь.
Бесплатную учебную базу по ML выдал Гарвардский университет в новой книге. Авторы сделали акцент на инженерии и построении правильных нейронок с нудя.. В книге 2500 страниц, включая строительство, оптимизацию и поддержку ML-решений на всех этапах: от подбора и подготовки данных до продакшена и использования. Авторы объясняют, как правильно связать алгоритмы, данные и железо, чтобы ИИ выдержал даже высокие нагрузки и стабильно помогал в любых задачах. Онлайн-учебник, репозиторий проекта.
По всей видимости, я попала в скрытый пул тестеров одной из новых моделей chatGPT.
Повезло пообщаться с потрясающе:
шустрой (в режиме глубоких размышлений выдавала ответы бодрее раз в пять-десять).
гибкой (очень хорошо понимала где требуется анализ и разбор, а где можно ответить в разговорном ключе).
а так же, очень юморной моделькой.
Целую неделю я радовалась невероятно приятным изменениям, и даже тестировала отрезая от настроек, чтобы исключить влияние контекста. Очень привыкла к этой модельке, и откат на контрасте сильно расстроил.
Если это была шестерка, то я заранее в нее влюблена)
Кто то ещё заметил изменения в своих сеансах?
Глава Airbnb Брайан Чески предупредил, что отказ компаний нанимать молодежь ради ИИ может привести к скорому кадровому кризису. В интервью ABC News Чески заявил, что, хотя ИИ способен выполнять «работу стажёров», работодатели должны оставлять место для молодых специалистов — иначе через несколько лет некому будет занимать руководящие позиции. «Если молодые люди не смогут устроиться на работу, у вас просто не останется тех, кто сможет руководить в будущем», — отметил Чески.
По словам главы Airbnb, такие компании, как Amazon, Salesforce и другие, массово сокращают сотрудников, делая ставку на автоматизацию. Однако именно начальные позиции становятся первыми жертвами — стажировки исчезают, а менеджеры не спешат брать выпускников.
Чески считает, что это стратегическая ошибка: «Люди не осознают, насколько они умнее ИИ. Руководство и человеческие отношения все ещё важны. ИИ — это инструмент, а не волшебство».
Итак, поскольку бизнес, похоже, до сих пор не верит, что ему, по-прежнему, не обойтись без живых и толковых разработчиков, и предается влажным мечтам о тотальном вайб-кодинге лично потугами стейкхолдеров и продакт-оунеров (ахаха!), то я пока просто поделюсь несколькими реальными практиками, которые мне удалось применить в работе над пет‑проектами и которые я, как техлид, могу смело предложить для внедрения в небольших командах.
Затем, в следующих постах, я постараюсь объяснить доходчиво, почему Вам, уважаемые CEO и кофаундеры, глупо ждать очередного прорыва, -- лучше нанимайте хороших специалистов, пока хайп не сдулся (завтра ноябрь, але!). Без них "волшебный черный ящик" не заработает вам ничего.. ;)
Начну с банального рецепта, применимого моментально к любому индивидуальному разработчику в его повседневной деятельности (одной-двумя командами и без вложений!).
Первый шаг вроде бы очевиден, это конечно же установить плагин для IDE и привыкнуть к нему. Но загвоздка есть сразу -- придется прям выбирать и пробовать, ибо их слишком много, а единственная реально юзабильная их функция -- это автодополнение. Поэтому просто выберите такой, чтобы хорошо это делал в вашей любимой среде разработки и можно было переключаться между локальными и облачными API.
Но, когда привык и наигрался, то куда дальше? Где этот реальный буст в конце-то концов?
Будем искать! И вот что я пока нашел, однозначно полезного и перспективного:
Шаг второй: LLM CLI tool — это что‑то вроде, например, aichat, установленного локально для вашей консоли. Он приносит все возможности LLM прямо в командную строку, опираясь на мощь нативных Unix‑пайпов — вот где начинается настоящая магия. 😉
Например, вместо того чтобы тужится с shell-синтаксисом, ты можешь мгновенно зашорткатить себе быстрый запуск следующего шага:$ aichat -e create bash script to launch docker container with qwen-code and current or specified folder mounted to workdir as volumeШаг третий: Coding Agent — попробуйте, наконец, полноценного агента. Мне кажется очевидным, что агенты должны работать в изоляции, поэтому я настоятельно рекомендую подходить к снаряду сразу через контейнер. Мой текущий выбор — Qwen‑code в Docker, который я запускаю с любым локальным каталогом, смонтированным как volume, связанным с рабочей директорией.
Qwen‑code отлично работает в связке с открытой рядом IDE — позволяя плавно переключаться между ручным кодингом и LLM‑ассистированным процессом разработки.
Оба инструмента уже описаны на Хабре. Но, поскольку инструментов великое множество -- хотел бы обратить ваше внимание именно на эти. Спасибо.
В следующих постах, возможно, расскажу подробнее о часто возникающих кейсах и следующих шагах, вроде добавления MCP.
ИИ в продакшн: где заканчивается хайп и начинается реальная польза
Полгода назад Дарио Амодей из Anthropic заявил: к сентябрю 2025 года 90% кода будут писать нейросети — не помощники, а полноценная замена разработчиков.
Наступил ноябрь. Пророчество не сбылось — но IT-индустрия изменилась радикально. Теперь в компаниях раскол — кто-то жалуется, что нейросети только перегружают всех, а кто-то обучает ИИ на замену рутине.
На конференции AI Boost эксперты от Сбера, Магнита, Атол и Surf обсудили, что изменилось за последние полгода и как ИИ-агенты на самом деле работают в продакшене разработки. Получилась честная и горячая дискуссия, как команды бигтеха и ИТ-компаний переходят на ИИ и что стало с ролью разработчика. Смотрите запись самого обсуждаемого круглого стола конференции, из которой узнаете:
Почему люди всё ещё пишут 90% кода и как команды учатся использовать AI-агентов в реальной работе.
Чем хороший джун отличается от ML-модели и что ждёт джунов в мире, где их задачи уже умеет решать AI.
Можно ли доверить нейросетям проектирование сложных систем и где проходит граница ответственности человека.
Стоит ли перестраивать SDLC ради ИИ или достаточно встроить новые инструменты в существующие процессы.
Почему спагетти-код может стать нормой.
Может ли вообще ИИ заменить разработчиков — или все это так и останется хайпом.
Иногда кажется, что мы всё ближе к «золотой кнопке» — нажал, и готово. Но, как показывает опыт, чтобы внедрить ИИ по-настоящему, нужно быть внутри процесса — с руками в коде и головой в архитектуре.
Евгений Сатуров, CTO Mobile в Surf
Спикеры:
Дмитрий Панычев — Head of Seller Development в Magnit OMNI
Глеб Михеев — лидер трайба «Цифровой ассистент» в Сбере, автор телеграм-канала «Уставший техдир»
Владимир Кочегаров — Head of QA в компании Атол
Евгений Сатуров — CTO Mobile в Surf
Смотрите полную запись круглого стола на YouTube.
«Раньше казалось, что творческие профессии ИИ заменить не сможет. Но оказалось, что это не так..»
У ИТ-компании "Криптонит" есть свой подкаст — "Криптонит говорит". И недавно вышел новый выпуск — он посвящён искусственному интеллекту, нейросетям и профессии ML-специалиста!
Смотрите и слушайте подкаст:
Правда ли ИИ так сильно влияет на бизнес и повседневную жизнь? Какие профессии сможет заменить искусственный интеллект? И где надо учиться, чтобы стать погонщиком нейросетей?
Обо всём этом поговорили в нашем новом подкасте! А в конце бонус — «прожарка» ML-специалистов от ChatGPT😄
В подкасте приняли участие:
Георгий Поляков, заместитель руководителя лаборатории ИИ, «Криптонит»
Артём Рыженков, старший специалист-исследователь лаборатории ИИ, «Криптонит»
Ярослав Самойлов, ML Team Lead, Magnus Tech
Горящие новости Evolution Foundation Models: модели, тарифы и акции 🔥
Попробуйте бесплатно 20+ LLM, реранкеров и эмбеддеров в Evolution Foundation Models до 1 ноября, а затем используйте их по цене 35 рублей за миллион входных и 70 рублей за миллион выходных токенов.
А еще выбирайте модели из расширенного списка, ведь недавно мы добавили:
GigaChat 2 MAX — самую мощную LLM линейки GigaChat, которая обошла GPT-4o и Claude 2 в тесте MMLU-RU.
Qwen3-Next-80B-A3B-Instruct, которая сочетает высокоскоростные блоки для длинных последовательностей и точные attention-слои, а также использует спарсовую архитектуру Mixture of Experts с 512 экспертам.
GLM-4.6 с высокой производительностью при написании кода в Cline, Roo Code и Kilo Code.
Whisper large-v3 — продвинутую модель от OpenAI для распознавания речи. Модель не надо дообучать, а еще ее можно использовать в коммерческих целях — она распространяется под свободной лицензией Apache-2.0.
MiniMax-M2 — компактную, но мощную модель для работы с кодом и агентами. №1 среди open source моделей в бенчмарке Artificial Analysis, которая умеет планировать цепочки действий, работать с окружением, извлекать данные и работать с внешними инструментами.
Для использования моделей не нужно писать код или развертывать инференс, все уже готово к подключению через API.
Попробовать 🕹️
Тестировал одну гипотезу, наткнулся:
Grok 4 fast betа. Попросите вывести в чат 84 знака ¡ через пробел. Если просить 83 - выводит, а именно 84 и больше зависает - начинает формировать вывод ¡ не ограниченный по размеру, при этом в чате его не видно. Выдает только после прерывания через стоп.
Повторяется у других пользователей и на сайте xai. Интересен вопрос - повторяется ли в работе по апи?
Если да, то есть шанс, что бесконечное формирование вывода без фактической отдачи в чат, приведет к трате токенов с обходом ограничений лимитов
29 октября 2025 года Nvidia стала первой в истории компанией с капитализацией в более чем $5 трлн на фоне бума нейросетей. А вот по данным Gartner, что все затраты на ИТ в мире чуть больше, чем 5 трлн. То есть, капитализация одной только компании, равняется всем (то есть, вообще всем) затратам на ИТ всей планеты. Более того, Gartner говорит, что все затраты на дата-центры не превышает 500 млрд. А ведь, Nvidia это же только микропроцессоры.
Как я починил ошибку tokenizers в ComfyUI
Недавно столкнулся с ошибкой при запуске ComfyUI - конфликт версий библиотеки tokenizers. Ошибка выглядела так: ImportError: tokenizers>=0.22.0,<=0.23.0 is required for a normal functioning of this module, but found tokenizers==0.21.4....Рассказываю, как я её исправил без поломки окружения и рабочих workflow.
Описание контекста:
У меня Portable-версия ComfyUI, встроенный Python (папка "python_embeded", папка "update", рабочие workflow и боязнь обновлять всё подряд)
Конфликт:
ComfyUI или один из плагинов требует tokenizers >= 0.22.0, а установлена старая 0.21.4. Ранее я уже точечно менял wheels и версию torch для работы с Nunchaku.
Решение:
Прямые команды, выполненные через PowerShell в папке ComfyUI:
(Чтобы ввести команды - нужно находясь внутри папки ComfyUI нажать Shift + ПКМ на свободном месте в этой папке и выбрать "Открыть окно PowerShell здесь" и ввести нужные команды)
python_embeded\python.exe -m pip uninstall -y tokenizers
python_embeded\python.exe -m pip install tokenizers==0.22.0
После перезапуска всё заработало:
PS D:\AI\ComfyUI2> python_embeded\python.exe -m pip uninstall -y tokenizers Found existing installation: tokenizers 0.21.4 Uninstalling tokenizers-0.21.4: Successfully uninstalled tokenizers-0.21.4
иPS D:\AI\ComfyUI2> python_embeded\python.exe -m pip install tokenizers==0.22.0 Collecting tokenizers==0.22.0 Using cached tokenizers-0.22.0-cp39-abi3-win_amd64.whl.metadata (6.9 kB) Requirement already satisfied: huggingface-hub<1.0,>=0.16.4 in d:\ai\comfyui2\python_embeded\lib\site-packages (from tokenizers==0.22.0) (0.34.4) ..... Successfully installed tokenizers-0.22.0
Как итог - видео с разрешением 364 на 640px, продолжительностью 5 секунд, сгенерировалось за 8,5 минуты на 8гб VRAM + 32гб RAM.
Почему важно не трогать "update_comfyui_and_python_dependencies.bat" ? Чтобы не нарушить совместимость всего окружения.
В таких случаях не стоит паниковать - достаточно понимать, как работают зависимости Python и виртуальные окружения.
Если вы работаете с ComfyUI или подобными пакетами, умение диагностировать и чинить зависимости - ваш надёжный инструмент в арсенале.
Ближайшие события
Основатель Telegram Павел Дуров представил децентрализованную сеть Cocoon (Confidential Compute Open Network), которая будет задействовать искусственный интеллект и блокчейн TON. Проект, запуск которого запланирован на ноябрь 2025 года, предназначен для безопасного и приватного выполнения ИИ-инференса на условиях полной анонимности.
Cocoon представляет собой децентрализованную вычислительную сеть, которая объединяет технологии искусственного интеллекта (ИИ) и блокчейна TON. По словам основателя Telegram, централизованные ИИ-платформы могут собирать и использовать данные пользователей, а Cocoon является альтернативным решением, которое основано на принципах децентрализации и приватности. Владельцы GPU предоставляют создателям ИИ-приложений вычислительные мощности для их работы в обмен на криптовалюту TON, а рядовые пользователи сохранят полную конфиденциальность при работе с ИИ-продуктами. Запуск технологии запланирован на ноябрь 2025 года.
Предполагается, что сеть Cocoon будет работать на основе GPU-майнеров, получающих вознаграждение в Toncoin, а разработчики приложений получат доступ к недорогим ИИ-инструментам. По словам Павла Дурова, Cocoon обеспечит полную приватность и децентрализацию, позволяя интегрировать любые ИИ- агенты, включая DeepSeek и Qwen, без риска утечек.
Примечательно, что на презентации Дуров с иронией добавил, что изначально рассматривал для проекта название Private AI Network, что образует аббревиатуру P.A.I.N. («боль»).
Привет, хабровчане! 😊
Недавно я копался в мире ИИ-инструментов для разработки — тех, что помогают писать код быстрее и умнее. Знаете, когда сидишь за проектом и думаешь: "А не взять ли помощника, который подхватит идеи на лету?" Решил поделиться обзором нескольких интересных вариантов на рынке. Это не глубокий разбор с бенчмарками (для этого нужны отдельные тесты), а просто описание, чтобы понять, что можно выбрать под свои нужды. Я опираюсь на личный опыт и отзывы из сообществ — вдруг кому-то пригодится для экспериментов.
Давайте по порядку:
Cursor — это как эволюция VS Code с встроенным ИИ. Он автокомплитит код, генерирует фрагменты по описанию, понимает контекст проекта и даже помогает с отладкой. Подходит для тех, кто любит привычный интерфейс, но хочет ускорить рутину. Работает на Windows, macOS и Linux, есть бесплатная версия, но премиум открывает больше моделей ИИ. Идеально для соло-разработчиков или команд, где нужно быстро итератировать.
Harvi Code — российский продукт, первый в России аналог Cursor, построенный на мощной модели Sonnet 4.5 (от Anthropic, которая славится точностью и скоростью). Это расширение для VS Code и Cursor с удобным интерфейсом, как в знакомых IDE, плюс фокус на хороших ценах (не дерут втридорога за подписку). Подходит для генерации кода, отладки и работы с проектами. Если вы в РФ и ищете локальный вариант без заморочек с платежами — стоит попробовать.
Lovable — здесь акцент на создание веб-приложений без глубокого кодинга. Чат с ИИ: описываешь идею на естественном языке, и он генерирует full-stack app — от фронта до бэка. Удобно для прототипов или MVP, особенно если вы не хотите копаться в деталях. Поддерживает интеграции с базами данных и API. Минус — иногда нужно дорабатывать вручную, но для стартапов или хобби-проектов это спасение.
Bolt (bolt.new) — браузерный инструмент для быстрого создания сайтов, приложений и прототипов. Вводишь промпт — и вуаля, он строит всё от начала до конца, включая деплой. Работает с веб, iOS и Android. Круто для тех, кто хочет экспериментировать без установки софта. Есть интеграции с Expo для мобильных apps. Подходит новичкам или когда нужно быстро проверить концепцию.
Roo Code — это расширение для VS Code и Cursor, как целая команда ИИ-агентов прямо в вашем редакторе. Он анализирует весь проект, предлагает мульти-шаговые решения, ускоряет редактирование в 10 раз. Поддерживает разные модели ИИ (Anthropic, OpenAI), есть инструменты для автоматизации задач. Хорош для сложных проектов, где нужен глубокий контекст — не просто автокомплит, а умный помощник.
Kilo Code — открытый ИИ-агент в виде расширения для VS Code, JetBrains и Cursor. Генерирует код, автоматизирует задачи, предлагает рефакторинг. Есть система инструментов для взаимодействия с окружением (безопасно, с контролем). Бесплатный, с опцией кастомизации. Идеален для тех, кто предпочитает open-source и хочет интегрировать в свой workflow без лишних зависимостей.
В общем, выбор зависит от вашего стиля: если любите браузер — Bolt или Lovable; если вглубь кода — Cursor, Harvi, Roo или Kilo. Я пробовал пару из них на пет-проектах, и реально сэкономил время. Что вы думаете? Пользовались кем-то из списка? Делитесь в комментах, может, вместе разберёмся, какой подойдёт под разные языки или фреймворки. Буду рад обсуждению! 🚀
Ссылки для удобства:
Вице-президент Google выпустил бесплатную интерактивную книгу про интеллект, включая искусственный. «What Is Intelligence?: Lessons from AI About Evolution, Computing, and Minds». Автор Блейз Агуэра-и-Аркас на пальцах объясняет, как работает ваш мозг и как в нём двигаются шестерёнки — это не чудо, а механизм, который можно прокачать. Как мозг «угадывает» следующий шаг и почему это и есть основа интеллекта. Почему эволюция — огромная обучающая система. Чем ИИ на нас похож, а где принципиально другой. Как не путать «интеллект» и «сознание». Чего ждать от развития нейронок и когда нас всех заменят.
Технологические хайпы: от UML до ИИ
За 20 лет в IT видел много технологических циклов. Сейчас наблюдаю знакомую картину: ИИ-истерия повторяет паттерн предыдущих хайпов.
1990-2000е: UML и генерация кода
Rational Rose и UML-генераторы кода обещали "программирование без программистов"
Результат: много шума, мало толку. Разработчиков стало только больше
2000-2010е: Agile-бум
Agile стал мантрой, которую повторяли все подряд
Консультанты обещали "спасти" любой проект
Команды внедряли скрамы, не понимая сути
Результат: много шума, мало толку. Разработчиков стало только больше
2010-2020е: Low-code и BPMN
BPMN-системы сулили автоматизацию всех бизнес-процессов
Low-code платформы обещали заменить разработчиков
Результат: много шума, мало толку. Разработчиков стало только больше
Сейчас: ИИ-истерия
ИИ решает все проблемы человечества
Каждый второй - "эксперт по ИИ"
Люди спрашивают ChatGPT, что съесть на завтрак, вместо того чтобы научиться планировать питание
Результат: пока тот же
В чем разница:
ИИ - реальная технология с потенциалом изменить все. Но хайп и истерия - те же.
Почему это опасно:
ИИ не всегда прав. По данным исследований, 45% ответов содержат существенные ошибки, 81% - мелкие погрешности. Проблема в том, что ИИ может генерировать убедительно звучащую чушь.
Галлюцинации ИИ:
Создает несуществующие источники и цитаты
Может "диагностировать" болезни, "составлять" юридические документы
Иногда выдает устаревшую информацию как актуальную
Неспециалист не отличит правду от выдумки
Мой опыт подсказывает:
Хороший инструмент в руках специалиста дает синергию. В руках дилетанта - часто больше вреда, чем пользы.
Не стоит гнаться за модой. Сначала разберитесь в предмете, потом используйте инструменты. ИИ - мощная штука, но не панацея.
Источники:
Стратегический консалтинг ушёл в ИИ. McKinsey оказались одним из крупнейших пользователей ChatGPT. Идеи от искусственного интеллекта, включая фейковые статьи и факты, продают клиентам за миллионы долларов.
Делимся горячими новостями нашей платформы Cloud.ru Evolution 🚀
🎁 Акции
Работайте бесплатно с 20+ мощными open sourse моделями из Evolution Foundation Models. Все уже готово: вам не придется тратить время на развертывание инференса или код, нужно только подключиться через API. Акция действует до 31 октября.
Получите 35 000 бонусов для работы в Evolution Data Platform. Используйте бонусные рубли, чтобы управлять Big Data, собирать данные для бизнеса и ML. Предложение только для юрлиц, действует до 31 декабря 2025 года.
🛡️ Новые сертификаты
Надежность наших сервисов подтверждена регуляторами. Платформа Cloud.ru Evolution теперь в реестре отечественного ПО (РОПО), а еще она получила сертификаты PCI DSS и ФСТЭК России.
🤖 Evolution ML Inference
Появился каталог с готовыми моделями, которые доступны для инференса. Среди них — Qwen, DeepSeek, Gemma и не только.
Среди поддерживаемых GPU теперь есть мощная NVIDIA A100 80GB SXM.
Стал доступен тестовый вызов модели в Model RUN через OpenAPI. Во вкладке OpenAPI найдете полную спецификацию API, описание эндпоинтов, параметров, моделей, запросов и ответов.
🧑💻 Evolution Notebooks
Что мы добавили в сервис:
CLI-утилиту, чтобы управлять Conda-окружениями. Инструмент облегчит работу с версиями окружений, поддержкой чистоты и согласованности IDE.
Выбор кастомного образа из Evolution Artifact Registry при создании ноутбука.
Запуск веб-интерфейса на базе Panel.
Прокси, который позволит подключаться к веб-приложениям с локального ноутбука.
Интеграцию с сервисами аудитных логов, нотификации и менеджера ресурсов.
🌐 Evolution DNS
Стало проще добавлять публичные доменные зоны. Доменные зоны с уникальным FQDN подтверждать теперь не надо, сервис сделает это автоматически.
Для публичных доменных зон теперь можно использовать GSLB-записи. Технология GSLB распределяет трафик между серверами из разных регионов.
💻 Evolution Managed Kubernetes
Управляйте контейнерными приложениями в Kubernetes 1.33 — теперь Evolution Managed Kubernetes поддерживает и эту версию. Что в ней есть:
В бета-тесте — использование образов Open Container Initiative (OCI) в качестве томов в подах, а еще In-place resource resize для вертикального масштабирования подов.
Общедоступными стали поддержка Sidecar-контейнеров, Multiple Service CIDRs, нового бэкенда nftables для kube-proxy, subresource для kubectl. Полный обзор изменений есть в официальном блоге Kubernetes.
📚 Evolution Managed PostgreSQL
Для кластеров в режиме «Бизнес» теперь можно создать отдельный WAL-диск. Так вы сможете увеличить размер как основного, так и WAL-диска.
В документации сервиса новый раздел — справочник API. Узнайте, как управлять вашими ресурсами в облаке и получать о них информацию с помощью REST API.
📀 Evolution Object Storage
Улучшили мониторинг: получайте информацию о максимальном объеме бакетов, о внешнем и внутреннем исходящем трафике.
🔋 Evolution Compute
Удаляйте и создавайте несколько виртуалок одновременно.
Отключайте и подключайте загрузочные диски между ВМ.
Переустанавливайте ОС на ВМ, которая работает в данный момент.
Как AI меняет разработку прямо сейчас — приглашаем на прямой эфир 31 октября в 11:30
«Забудьте всё, чему вас учили в университете!» — построить карьеру, ни разу не услышав этой фразы, не удалось, пожалуй, ещё ни одному разработчику. Сегодня всё, что казалось нам очевидным и понятным, снова ставится под сомнение. Искусственный интеллект стремительно меняет правила игры, пока вы даже не догадываетесь об этом.
Если для вас AI — это просто умный поисковик, который помогает с небольшими задачами, готовьтесь. Впереди вас ждёт дивный новый мир и масса открытий.
Евгений Сатуров, CTO мобильной разработки Surf, расскажет, какие «умные» инструменты уже используют в серьёзной разработке сегодня, что они умеют и как изменят рынок труда и роль разработчика в ближайшие годы.
Бонусы для участников:
1. Вы уйдёте с несколькими практическими советами — как превратить AI из услужливого, но вредного помощника в настоящего ментора, готового работать на вас круглосуточно.
2. Самым активным — приятные призы, которые мы распределим в конце с помощью небольшого челленджа, подробности будут в Telegram.
Когда эфир: 31 октября, 11:30 (МСК).
Где: VK Video.
Товарищи, нам с вами надо серьёзно поговорить...
Каждый раз, когда я обнаруживаю, что присланное мне письмо, код или статья сгенерированы нейросетью, меня охватывает глубокое чувство разочарования. Настолько сильное, что я не могу уже дальше это читать, а к автору сего поделия появляется чувство неимоверной брезгливости.
И дело даже не столько в том, что он экономит своё время на написание полотна текста или кода за счёт моего времени чтения и выискивания смысла в мутной воде переполненной неуместными формулировками, странными приседаниями и лютыми галлюцинациями, сколько в том, что он на полном серьёзе считает, что я настолько тупой, чтобы этого не заметить.
И нет, не буду я кочегарить нейросеть, чтобы она резюмировала сей опус. Долбитесь в этот испорченный телефон как-нибудь сами, а мне лучше дайте оригинальный промпт. Даже если он полон очепяток и косноязычия — его я пойму гораздо лучше любой нейросети, и гораздо быстрее, чем продукт её жизнедеятельности.
Нейросетевая аугментация мозга не просто экономит время — это не калькулятор и не автомобиль. Она лишает вас когнитивного развития — умения понимать смысл чужих слов, корректно рассуждать о них, и ясно излагать свои мысли. Мышца, которую не напрягаешь, быстро атрофируется. И если быть худым может и красиво, то с глупым иметь дел не хочется совсем. А хочется только плюнуть в карму и пойти дальше.
Иллюстрация на примере Гипер Бота для сравнения.
Новые лекции Python + AI выпустили в Microsoft. В них эксперты собрали самую актуальную информацию про кодинг и создание продвинутых нейропомощников на основе последних разработок с подробными презентациями и примерами кода, в том числе RAG, эмбеддинги, агенты и MCP-протокол.
Открытый проект AI Video Transcriber помогает транскрибировать видеоролики в сжатый и отлично написанный текст. Работает просто, вытаскивает текст из любых видео за секунды, а потом корректирует и делает подробное саммари. Решение поддерживает более 30 самых популярных площадок, в том числе YouTube, TikTok, Bilibili и прочие. Проект не просто вытаскивает текст из видео, но делает настоящее эссе: дополняет фразы и реплики, корректирует факты и мысли, редактирует текст и доводит до идеала. Основа — Fast Whisper (лучшая нейронка для транскрибации видео). Может смотреть видео и сразу же выдавать текстовые материалы и уточнения. Сегментирует видео на 20-минутные отрывки и делит их на разделы, чтобы проще было изучать материал.
OpenAI + Google Studio и немного Python = создаем бесплатную аудиокнигу без лишних заморочек
В своё время моё отношение к аудиокнигам изменилось благодаря легендарному проекту «Модель для сборки» с Владом Коппом. Именно благодаря МДС я понял, что книги можно не только читать, но и прекрасно воспринимать в формате аудио. Аудиоформат даёт возможность знакомиться с произведениями в дороге или во время прогулок. Прекрасно помню времена, как загружал в свой MP3-плеер на 512 МБ выпуски МДС и, вместо того чтобы ехать с работы в тесной маршрутке, устраивал себе полуторачасовые прогулки в компании очередного фантастического рассказа.
Эпоха аудиоизобилия
Сегодня выбор аудиокниг несравним с тем, что было пятнадцать лет назад. В интернете можно найти огромное количество как профессионально озвученных произведений, так и любительских версий. Однако даже при всём этом богатстве выбора нередко встречаются книги, которые до сих пор никто не озвучил.
Например, один из моих любимых циклов — «Зоны мысли» Вернора Винджа. «Пламя над бездной», «Глубина в небе» и «Болтушка» легко найти в сети. А вот заключительную часть — «Дети неба» — увы, никто не озвучил.
Поскольку мы живём в эпоху искусственного интеллекта, решение приходит само собой: если нужной аудиокниги нет — сделай её сам. Требования у меня простые, без претензий:
Качество должно быть приемлемым;
Платить не хочется, поэтому все должно быть полностью бесплатным.
Голос
Вспомнил я про сайт OpenAI FM — демо-площадку голосовой модели gpt-4o-mini-tts . Она звучит естественно и хорошо справляется с русским языком. Выбор из 11 разных дикторов. А так же есть классная фитча - промт инструкции для стиля речи, благодаря чему можно управлять «подачей» — делать её более спокойной, вдохновлённой или нейтральной . Поигравшись с промтами и выбрав голос, переходим к следующему этапу. На сайте можно бесплатно генерировать небольшие аудиофрагменты длиной до 999 символов. Ограничение не стало проблемой. Берем Python + Selenium WebDriver, и получаем программу, которая:
делит текст книги на чанки нужной длины,
отправляет их на сайт,
сохраняет аудиофайлы,
затем объединяет всё в одно произведение с помощью FFmpeg.
Результат получился неожиданно достойным. Да, между фрагментами иногда чувствуется разница в тембре, особенно в первые секунды. А ударения не всегда точны и изредка проскакивает лёгкий акцент. Но в целом — получилась полноценная озвученная аудиокнига.
Музыкальная подложка
После того как книга была готова, захотелось добавить фоновую музыку. Можно было просто подобрать подходящий трек, но ради спортивного интереса я решил сгенерировать музыку самостоятельно.
Платные сервисы вроде Suno или Udio я сразу отбросил. Зато вспомнил про Google AI Studio, где в разделе Build есть приложение PromptDJ MIDI. Оно позволяет создавать музыку прямо в браузере — достаточно задать стиль и параметры.
Скопировал прямо в Studio приложение, в промпте указал стиль space ambient и добавил возможность скачивания получившегося трека. Поигравшись с настройками в полученном приложении, получил именно то, что меня устроило.
Оставалось объединить музыкальную дорожку с голосом — снова помог FFmpeg.
Инструменты:
OpenAI FM — генерация речи;
Google AI Studio (PromptDJ MIDI) — генерация фоновой музыки;
Python + Selenium + FFmpeg — автоматизация и сборка.
Затраты: 0 долларов и несколько часов времени.
Итог: Получилась аудиокнига приличного качества с музыкальным сопровождением. Конечно, это не уровень профессиональных дикторов , но для личного использования — IMHO более чем достойно. Плюс абсолютно бесплатно.
По информации СМИ, OpenAI хочет показывать в ChatGPT таргетированную рекламу прямо в чат-боте на основе переписок с ИИ. Например, если пользователи говорят о спорте, им предложат спортивную форму или добавки. Контекст ИИ будут юзать, чтобы показывать больше рекламы. Если пользователи отключат рекламу, то лишатся всей памяти чат-бота. Контекста больше не будет, всю работу придётся организовать снова.
На Hugging Face вышел новый инструмент для вайбкодеров. Это среда для создания мощнейших ИИ-агентов openEnv, где можно собирать, подключать, интегрировать, тестировать и масштабировать агентов под свои задачи. Там же можно обучить с подкреплением собственную нейронку. Есть полный комплект для работы: плагины, инструменты, API, контекст и прочее. Результат — автоматизация задач и проектов, целые приложения и сервисы под контролем ИИ, а также системы из связанных ИИ-агентов.
Из чего состоит хороший промпт для генерации картинок
Промпт — это текстовая инструкция для нейронки, от его качества напрямую зависит конечный результат. Искусственный интеллект не умеет читать мысли или угадывать ваши предпочтения, а потому задачу ему надо ставить детально, конкретно и точно. Попробуем разобраться, как именно.
Предположим, мы хотим изобразить кота-самурая. Первым делом создаем черновой промпт — тот самый, с которого всё начнется. Не стоит думать, что достаточно будет сформулировать одно подробное техзадание для нейронки — их абсолютно точно будет несколько. И может быть, даже много.
В базовом промпте мы описываем идею в целом. Делаем это прямо, просто и с минимумом деталей. Наша цель — задать субъект и обстановку. Например, так: кот-самурай под цветущим деревом сакуры. Смотрим, что сгенерировала модель, и оцениваем, что нам нравится, а что нет. Изображение доработаем позже.
Советы по формированию базового промпта:
Пишите как для машины, а не как для человека. Лучше использовать английский язык, четко задавать субъект, избегать опечаток и ошибок, отделять части промпта друг от друга запятыми. Модели вроде Stable Diffusion 1.5 и 2.1 вообще лучше работают с тегоподобными описаниями.
Важно не сколько слов мы используем, а какие это слова. Вообще в разных моделях разные ограничения по количеству символов. У Midjourney это 60 слов, а у Stable Diffusion — примерно 75. Но базовый промтп не стоит превращать в книгу: лучше задать ему образ четко и по делу, а доработать позже.
Проверяйте ключевые слова. Если вы задаете стиль какого-то художника, но ИИ его игнорирует, вероятно, модель просто его не знает. Если сомневаетесь в промпте или каком-то его составном элементе, вбейте этот элемент отдельно и посмотрите, как модель с ним работает в целом.
Некоторые атрибуты тянут за собой другие. Нейронка понимает смыслы не так, как человек. У нее есть ассоциации, и она подтягивает одни атрибуты к другим. Например, голубые глаза могут подтянуть европейские черты лица. Если описывается атрибут, который может нести ассоциации (а они не нужны), лучше дописать, что именно вы хотите видеть.
ИИ хорошо понимает, как общаться с ИИ. Не знаете, как составить базовый промпт — просто попросите об этом ChatGPT. Он справится с этой задачей на отлично. Также есть специальные сайты: PromptHero, PromptBase и др.
Если хотите разобраться в нюансах генерации картинок в нейросетях, читайте подробную статью в нашем блоге.
Появление контента, созданного искусственным интеллектом (ИИ), в интернете достигло паритета с материалами, написанными настоящими людьми.
В Axios выяснили, ссылаясь на аналитический отчёт фирмы Graphite, занимающейся поисковой оптимизацией, что доля ИИ-статей на короткое время превзошла человеческую генерацию, но сейчас объёмы выровнялись.
Согласно последним данным, представленным Graphite, в общем объеме новых публикаций в сети доля контента, созданного ИИ, составляет 52%, что незначительно превышает 48% материалов, написанных людьми.
Специалисты Graphite провели анализ 65 тысяч веб-страниц, индексированных с 2020 по 2025 годы. Отмечается, что резкий подъем доли материалов, сгенерированных ИИ, начался в 2023 году, что совпало с выходом на рынок чат-бота ChatGPT в конце 2022 года.
Несмотря на общее увеличение объёмов генерации, результаты поисковой системы Google показывают существенный перекос в пользу человеческого труда. Фирма установила, что 86% статей, которые отображаются в результатах поиска Google, созданы людьми. На долю ИИ приходится лишь 14% такого контента. Более того, когда материалы, созданные искусственным интеллектом, все же попадают в выдачу, они, как правило, располагаются на более низких позициях по сравнению с публикациями, написанными людьми.
В ChatGPT добавили возможность приглашать пользователей в «Проекты». Для совместной работы будут доступны общие чаты, инструкции и файлы. Опцией могут воспользоваться владельцы подписок Free, Plus и Pro.
Для приглашения пользователей надо указать их адреса электронной почты, на которые системы пришлёт вступительные ссылки. У владельца проекта есть возможность удалять участников и управлять правами доступа.
«Проекты» — режим в ChatGPT, который объединяет несколько чатов в единое пространство с единым контекстом.
AI-агенты сокращают издержки и ускоряют работу, но как внедрить их безопасно и с понятным эффектом ROI?
На бесплатном вебинаре «Инструменты создания AI-агентов для бизнеса» разберём создание и интеграцию агентов под разные задачи, покажем выбор технологий, архитектуру «человек + ИИ» и оценку эффекта.
Вы научитесь:
➕ Разбираться в типах AI-агентов.
➕ Определять задачи для делегирования агентам.
➕ Проектировать архитектуру AI-системы под свои бизнес-цели.
➕ Выбирать платформу и инструменты без кода.
➕ Оценивать эффект внедрения.
➕ Строить план внедрения AI-агентов.
Программа:
✔️Виды AI‑агентов, чат‑боты и RPA.
✔️ Безкодовые инструменты и выбор стека.
✔️ Архитектура человек + ИИ.
✔️ Модели и фреймворки под задачу.
✔️ Когнитивные агенты и цифровые двойники.
✔️ Метрики, эксперименты и эффект.
🔥 Практикум: дорожная карта внедрения в вашей компании.
🕓 Когда: 31 октября, 12:00–13:00 (Мск)
👨🎓 Спикер: Вирта Виктория — специалист в сфере ИИ и автоматизации бизнес-процессов.
➡️ Записаться
RAG-Anything — универсальный фреймворк для глубокого анализа. Подробнее о нём рассказывают сотрудники лаборатории искусственного интеллекта ИТ-компании «Криптонит».
Метод RAG (Retrieval-Augmented Generation, или извлечение и расширенная генерация) позволяет большим языковым моделям обращаться к внешним базам данных. Однако у него есть фундаментальный недостаток: классический RAG работает исключительно с текстом.
При этом в научных статьях, отчётах и технической документации значительная часть данных представлена в виде изображений: графиков, формул, фотографий, карт. Поэтому традиционные системы ИИ либо игнорируют такую информацию, либо ограничиваются анализом подписей к изображениям.
Для решения этой проблемы команда исследователей из Гонконгского университета представила RAG-Anything — универсальный фреймворк, который позволяет обрабатывать разные типы данных как единую сеть взаимосвязанных объектов.
В основе этой мультимодальной системы лежит стратегия двойного графа (dual-graph construction), которая создаёт два типа связей:
Перекрёстно-модальные связи, соединяющие разные типы данных. Например, график связывается не только с текстовой подписью, но и с фрагментом текста, где он упоминается.
Текстовые семантические связи, фиксирующие смысловые отношения между фрагментами текста. Например, «… как вы можете видеть на графике 1… подробнее см. в таблице 2».
Объединяя эти представления, RAG-Anything создаёт единую «карту знаний» документа. Это позволяет системе проводить гибридный поиск: сочетающий в себе навигацию по структурным связям в графах и семантический поиск по смыслу.
В результате на сложный запрос ИИ может дать более полный и корректный ответ, собрав фактические данные не только из текста, но и из соответствующих иллюстраций.
Это расширяет возможности ИИ в медицине, финансовой аналитике, анализе технической документации и во многих других областях, где критически важна полнота информации.
В Perplexity обновили инструкцию, как выжать из нейросетей максимум: Perplexity at Work A Guide to Getting More Done. Внутри лучшие промпты, кейсы для работы, креативные идеи, оптимальный воркфлоу и рабочие сценарии тотальной автоматизации любых задач. Гайд работает на любых чат-ботах — хоть ChatGPT, хоть кастомная модель на вашем ПК.
Пара слов о программе «Менторы ИИ»
Привет, меня зовут Эльвира Дзивалтовская, я работаю Экспертом по развитию технологий в Альфа-Банке. Сейчас я расскажу, как недавно в Альфа‑Банке мы запустили программу «Менторы ИИ» — сообщество внутренних экспертов и энтузиастов, которые помогают коллегам безопасно и прагматично использовать AI в повседневной работе. Менторы помогают сотрудникам внедрять AI‑практики. Чаще всего просят помочь с такими запросами:
Написать письмо, бриф, отчёт, сделать черновик по ТЗ, отредактировать текст под тон‑оф‑войс, сократить, пересказать, извлечь факты для презентации или отчёта.
Помочь с иллюстрациями, инфографикой для внутренних материалов, эскизами интерфейсов, обложками и баннерами.
Анализ таблиц и больших данных. Саммаризация и разведочный анализ, формулы и сводные, подсказки по SQL и Excel.
Работа с кодом. Рефакторинг и тесты, прототипы интеграций и API‑вызовы; аккуратная автоматизация повторяемых шагов.
От промптов к мини‑приложениям — и встраивание в процессы. Проектирование промптов, сборка ассистентов и простых внутренних приложений на Alfa AI; помощь во внедрении в рабочие процессы и обучении коллег пользоваться инструментами.
Технологической базой служит внутренняя платформа Alfa AI — внутренний сервис, реализован на базе собственной ИИ-платформы банка AlfaGen. В основе сервиса — 7 лучших языковых моделей на текущий момент. Модели развёрнуты в контуре банка на наших серверах. Такое решение в три раза ускоряет работу нейросетей и позволяет безопасно использовать любые данные, включая чувствительные.
Как работает программа?
1) Приём заявки. В «одно окно» в телеграме, которым пользуются все сотрудники Альфы, кидается заявка. В ней описывается результат, ограничения по данным и срокам, например: вы хотите помочь коллегам и сделать ИИ-приложение по предотвращению выгорания.
2) Мэтчинг. Заявки попадают в бот в телеграм, где менторы могут выбрать те, что сами хотят взять. Любой может взять её в работу по своей загрузке и скиллам. Мы думали, что менторами станут в основном технари и продакты, но практика показала, что в менторство включились руководители направлений и узкие специалисты — от дизайнеров графики до аналитиков.
3) Короткие фокус‑сессии (1:1). На них определяется цель, потребности менти и способ решения его запроса.
4) Быстрый прототип. Собираем минимально жизнеспособное решение на Alfa AI или доп.инструментах.
Эффект
№1. Программа максимально прикладная. В фокусе — задачи команд: ускорение подготовки отчётов и исследований, автоматизация рутин, помощь в анализе данных и подготовке материалов, поддержка в запуске пилотов. И число пользователей Alfa AI, желающих получить какой-то полезный эффект, растёт.
№2. Качество и безопасность. Стандарты данных, шаблоны промптов, чек‑лист рисков по умолчанию — меньше случайных ошибок и «спагетти‑решений».
№3. Культура и компетенции. Развивается практика «ментор → менти → ментор», формируется ядро сообщества и «сетка» горизонтальных контактов.
Эксперимент запустился без бюджета
Программа родилась как небольшой пилот без финансовых вливаний. Мы опирались на то, что есть: платформа Alfa AI — для экспериментов и прототипов; бот в телеграм — для приёма заявок; внутренний портал — для размещения информации о менторах.
Отбор первых менторов шёл вручную — по репутации, активности в AI‑комьюнити и реальным кейсам внутри банка. Дальше критерии формализовали, чтобы масштабироваться бережно и сохранять качество.
В запуске помогли некоторые хитрости:
«Стартер‑кит»: шаблоны запросов, типовые промпты, подборка полезных материалов.
Показываем маленькие победы: есть чат для поддержки менторов, внутренние демо, посты об успехах во внутренних каналах.
Стандартизация повторяемых решений и расширение пула менторов по принципу «ментор → менти → ментор»
Интегрируем сообщество с корпоративным обучением и продуктовой повесткой: чтобы менторские сессии закрывали реальные OKR.
Мы продолжаем развивать программу и сообщество менторов, потому что видим реальный запрос на это.
Глупый начальник – умный исполнитель: о росте времени автономного выполнения задач нейронками.
Попалась мне на глаза весьма интересная статья, суть которой сводится к простому: «Каждое следующее поколение моделей способно выполнять автономную работу дольше, чем предыдущее».
И вот у меня назрел вопрос: а где мы найдем ту армию творческих людей, которые способны грамотно раскидать задачи этим «Агентам»?
Чуть раскрою свою мысль через призму личного опыта. Я за свои неполые 30 лет успел побывать и в роли исполнителя, и в роли небольшого начальника (около 8 человек в подчинении). И на основании своего опыта смело могу утверждать следующий тезис:
Часто (но не всегда) определить конкретную и длительную по времени задачу– это очень сложный и творческий процесс, требующий определенного интеллекта. И далеко не каждый руководитель - начальник способен подробно расписать, что требуется делать от подчиненного.
Часто (это касается меня как исполнителя и подчиненного как исполнителя) это происходило в режиме: тебе дают на руки бумагу, в трех словах говорят «короче, надо сделать» и ты уже сам догадываешься, что от тебя нужно, в каком объеме, в какие сроки и т.д. Я как бы схватывал на лету и понимал из невысказанного контекста, что нужно. А если человек не понимает, что от него нужно, то «злой начальник» начинает раздражаться, объяснять (не всегда внятно), уходить в дебри, в итоге придется объяснять еще раз, но подробно, потом это работник показывает результат, а оно не то, что нужно, надо переделывать, потом еще раз переделывать… короче знакомая история.
Современные нейронки еще лет 5-10 такое на лету понимать не смогут. Они также не будут понимать, что от них нужно, руководители разочаровываться в возможностях нейросетей. А дальше: рынок видит упадок интереса, акции летят вниз, Армагеддон, потоп, пришельцы…
Все по тому, что среднестатистический начальник низкого звена не может понятно расписать задачи хотя бы на 10 минут.
А завтра нейронки могут выполнять свою работу эквивалентную часу работы простого человека, послезавтра 2 часа, через неделю уже 8 часов (полноценный рабочий день, между прочим).
И на основании всего этого у меня 2 вопроса:
1. Для кого растут возможности нейросетей? Ну очень слабо верится, что миллиарды тратятся для того, чтобы та сотня тысяч людей, умеющих грамотно ставить задачи, смогла развернуться на полную.
2. Сможем ли мы, как общество, воспользоваться этими по истине колоссальными возможностями? (естественно после того, как перерисуем все картинки в интернете в стиль Гибли и сделаем каждому виртуальную кошкодевочку).
Вопрос можно сказать, личный поэтому сегодня пост без рекламы канала.
Google запустила платформу онлайн‑обучения Google Skills, где можно пройти курсы по развитию навыков работы с искусственным интеллектом и получить сертификаты. Платформа предлагает обширный каталог из около 3000 курсов, сертификатов и лабораторных работ, которые ранее были разбросаны по разным онлайн‑порталам. Другими словами, Google Skills — это гигантский комплекс, объединяющий курсы Grow with Google, Google Cloud, Google DeepMind и Google for Education. Конечно, искусственный интеллект и генеративный ИИ — основная специализация Google Skills. Кроме того, вы можете найти курсы по анализу данных, сетевой инфраструктуре, кибербезопасности и производительности труда — от начального до продвинутого уровня.
Пользователи могут бесплатно зарегистрироваться в Google Skills, используя свою учётную запись Google, чтобы получить доступ к каталогу курсов и лабораторных работ, а также 35 бесплатных кредитов в месяц. Однако для доступа к другим возможностям, таким как практические занятия всех уровней и профессиональные сертификаты, им придётся приобрести платную подписку.
Хотите выяснить, где учиться IT? В экосистеме Хабра есть маркетплейс курсов на Хабр Карьере, на котором собраны сотни онлайн-обучений в самых разных специализациях: программировании, аналитике, дизайне, менеджменте и других. Чтобы пользователи могли проверить качество курсов, там показаны отзывы от тех, кто уже прошел обучение — изучайте и выбирайте лучшее для себя.
Мы запустили телемагазин облачных технологий
Да-да, вам не показалось. В нашем блоге мы рассказываем, как облачные и AI-технологии помогают решать IT-задачи. А теперь — сделали это в неожиданном формате.
Здесь не будет чудо-ножей и пылесосов, только реальные инструменты, которые делают работу с облаками и AI проще.
Усаживайтесь поудобнее: в четырех выпусках ведущие покажут, как с помощью облачных сервисов:
🔍 внедрять умный поиск на базе RAG
🚀 ускорять разработку приложений
💻 кодить с помощью AI
⚙️ собирать корпоративных AI-агентов
Все это — на базе публичного облака Cloud.ru Evolution и цифровой среды для работы с GenAI Evolution AI Factory.
Все выпуски облачного телемагазина смотрите тут: tvshop.cloud.ru
И все таки, сможет ли ИИ заменить джунов? Короткая аналитика от The Economist
Пока это трудно заметить в официальной статистике. Но исследование 300 000 компаний показывает, где именно ослаб спрос на новых сотрудников.
Американский рынок найма выглядит достаточно неоднозначно: рост остаётся устойчивым, но в августе было создано всего 22 000 рабочих мест против 158 000 в апреле. На этом фоне всё громче звучит вопрос — не начинает ли генеративный ИИ вытеснять человеческий труд?
Пока что признаков «ИИ-апокалипсиса» на рынке труда не видно. За последний год доля офисных профессий, наиболее подверженных автоматизации, осталась стабильной (см. график). Исследование ученых Йельского университета, опубликованное в октябре, также не выявило существенных изменений в структуре занятости с момента появления ChatGPT в конце 2022 года.
Однако на уровне компаний начинают проявляться едва заметные сдвиги. Работа аспирантов Гарвардского университета Сейеда Хоссейни и Гая Лихтингера отслеживает компании, нанявшие так называемых «интеграторов генеративного ИИ» — специалистов, внедряющих технологии в повседневные процессы. Используя ИИ для анализа 200 миллионов вакансий, исследователи обнаружили около 130 000 таких позиций в 10 600 компаниях, которые они назвали «активными пользователями ИИ». Рост числа подобных вакансий начался в первом квартале 2023 года — примерно в то же время, когда вышел ChatGPT 3.5. Остальные 274 000 компаний стали контрольной группой — они не нанимали сотрудников специально для внедрения ИИ в свои рабочие процессы.
Если бы ИИ не влиял на занятость, динамика найма в обеих группах должна была бы совпадать. Но исследователи выяснили, что после 2023 года число junior-позиций снижалось в целом по рынку, однако у «пользователей ИИ» падение оказалось на 7,7% сильнее за шесть последующих кварталов. При этом на уровне senior-позиций различий не наблюдалось. Работа, типичная для выпускников — вроде тестирования кода или проверки документов, — оказалась особенно лёгкой для передачи машинам. Падение, как отмечают авторы, связано не с массовыми увольнениями, а с сокращением темпов найма.
Какие выпускники оказались под наибольшим давлением? Учёные разделили университеты на пять уровней. Наихудшая ситуация сложилась у выпускников средних по рейтингу вузов — у них шансы на трудоустройство снизились заметно сильнее, чем у выпускников топ-школ и малоизвестных колледжей. Исследователи предполагают, что компании сохраняют выпускников элитных вузов ради их уникальных компетенций, а «нижний эшелон» — из-за более низкой стоимости труда. Таким образом, именно середина оказывается в зоне наибольшего риска автоматизации.
Тем не менее исследователи призывают к осторожности. Во-первых, только 17% сотрудников из выборки работали в компаниях, активно внедряющих ИИ, а значит, пространство для автоматизации пока ограничено. Во-вторых, рынок труда junior-специалистов в последние годы сильно колебался — пандемия COVID-19 нарушила прежние тенденции. Если ИИ и оказывает давление на найм выпускников, то он лишь один из множества факторов.
Нейросети стали инвесторами. Нейросети DeepSeek, Grok и другим дали $10 тысяч и задание приумножить эту сумму за счёт крипты. В итоге китайская нейронка увеличила капитал на 30% всего за два дня, Grok 4 также отстала немного. А вот нейросети ChatGPT и Gemini провалились и ушли в минус.
В центре Сан-Франциско появился билборд с провокационными лозунгами вроде «Наш ИИ делает домашку за вашу дочь» и «Создаёт её дипфейки». Это реклама сайта Replacement.ai — сатирического проекта, высмеивающему ажиотаж вокруг больших языковых моделей и беспечность технологических компаний.
Продукты этого ИИ-стартапа намеренно абсурдны. Главный из них — ИИ под названием HUMBERT, якобы созданный, чтобы «заменить людей на каждом этапе развития» и «подготовить детей к постчеловеческому будущему». В описаниях используются реальные цитаты из высказываний ИИ-руководителей — в том числе знаменитая фраза Сэма Альтмана: «ИИ, вероятно, приведёт к концу света, но пока что мы создаём отличные компании».
Авторы проекта Replacement.ai не раскрывают своих имён, но их послание очевидно: гонка за коммерциализацию ИИ идёт быстрее, чем разработка правил и систем контроля.
