Искусственный интеллект

Атрофия межушного ганглия

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:

1. Качество должно быть приемлемым;

2. 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.

ИИ делает умных людей — умнее, а глупых — глупее

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: 

1. 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. 

2. 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. 

3. 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. 

4. 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. 

5. 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:

1. Написать письмо, бриф, отчёт, сделать черновик по ТЗ, отредактировать текст под тон‑оф‑войс, сократить, пересказать, извлечь факты для презентации или отчёта.

2. Помочь с иллюстрациями, инфографикой для внутренних материалов, эскизами интерфейсов, обложками и баннерами.

3. Анализ таблиц и больших данных. Саммаризация и разведочный анализ, формулы и сводные, подсказки по SQL и Excel.

4. Работа с кодом. Рефакторинг и тесты, прототипы интеграций и API‑вызовы; аккуратная автоматизация повторяемых шагов.

5. 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.