Исследования и прогнозы в IT *

В предыдущей статье "Почему нейросети не заменят прикладных специалистов: простая логика против вероятностных подходов" рассматривались общие вопросы поиска решений управляемого данными. Эта информационная технология, основанная на простой логике, позволяет оперативно вести диалог с пользователем, используя накопленные в процессе поиска решения данные. Для того чтобы это работало - требуется фрагментировать знания предметной области в виде функций с заданными областями допустимых значений входящих в них параметров.

В данной статье рассматривается вопрос о представлении предметных знаний в виде общедоступных документов, позволяющих интерпретировать их, как вышеозначенные функции и затем использовать в качестве компонентов базы знаний.

Всё нижеследующее, хорошо всем известно, но в контексте поиска управляемого данными обретает новый смысл и функциональность.

ПРИМЕЧАНИЕ. В качестве примера выбрана реальная задача из медицинской практики связанная с назначением антирабической помощи. Антирабическая помощь необходима для исключения заболевания бешенством после контакта с домашним или диким животным. Бешенство смертельно опасное заболевание. От правильности врачебных назначений зависит жизнь обратившегося за медицинской помощью. Имеется инструкция, регламентирующая действия по оказанию антирабической помощи, которая и является первоисточником базы знаний. Несмотря, на кажущуюся простоту выбор лечения (профилактики) требует чёткого анализа ситуации и учёта многих факторов. Экспертная система в диалоге управляемом данными не позволит ничего пропустить и предложит безошибочное решение.

Исследовательская компания Gartner представила тренды развития технологий на 2026 год. Обозреваем ключевые любопытные тезисы.

В 2026 году темпы изменений ускоряются, и ИИ больше не является опцией «по желанию». На конференции Gartner IT Symposium/Xpo 2026 вице-президент Garter Джин Альварес и аналитик Тори Полман подчеркнули, что ключевые стратегические технологические тренды этого года — это необходимые инструменты для CIO и ИТ-лидеров, позволяющие создавать устойчивые основы, выстраивать интеллектуальные системы и защищать ценность бизнеса.

Нейросети помогают решать множество повседневных задач. Однако идея, сначала "развалить" всё и токенезировать, а затем пытаться сложить из фрагментов целое - с точки зрения математики выглядит, конечно, красиво, но с точки зрения простой логики идея спорная.

Это статья о том, что такое инженерное мышление и, как правильная формализация предметных знаний способствует реализации экспертных систем с применением простой логики.

Современные LLM принципиально не могут иметь сущность. Не из-за архитектуры, а из-за способа обучения.

Предположим, вас не пугает развитие ИИ. Вы готовы отказаться от звания «Венец природы», готовы оформить подписку на счастье и окунуться в игры с головой. Пусть уже роботы всем управляют и наступит этот прекрасный мир постчеловечества. 

Проблема в том, что вам это не светит, как и подавляющему населению земли. Даже если все изменения произойдут завтра. 

Чтобы в этом разобраться, потребуется вспомнить извечный философский вопрос: «Если дерево падает в пустыне, и его никто не слышит, издает ли оно звук?». Ответ на этот вопрос скрыт в системах фиксации событий.

Со времён Эйнштейна мы оперируем моделью под названием «Пространство‑время». Эта модель как раз и описывает систему фиксации событий. 

Вот падает дерево, ударяется о песок, появляются волны, которые распространяются через воздух и песок. Они влияют на окружающую среду и перестраивают её. Переход системы «Пространство‑время» из состояния «А» в состояние «Б» и является способом фиксации события. С её точки зрения, событие случилось, звук был.

Но пространство‑время не единственная система фиксации. Внутри неё есть вложенные системы. И одну из них мы называем «Мозг». 

Чтобы мозг зафиксировал звук, нужно, чтобы в результате события перестроились нейроны. Если их структура не изменилась, то для мозга ничего не произошло. Дерево в пустыне может хоть органный концерт устроить. 

Проблема в том, что мозг — не идеальная система фиксации, с огромным количеством изъянов. Недостаточно просто быть рядом с деревом. Нужно, чтобы была готова сенсорная система, но, самое важное, необходимо, чтобы был готов Неокортекс. 

2025-й год по ощущениям напоминает собеседование, где вас просят продать ручку, но протягивают ветку. Вроде все работают, что-то происходит, но напряжение висит в воздухе такое, что его можно резать ножом.

Мы в LifeCareerBalance гадать на кофейной гуще не умеем, поэтому, чтобы сдуть пыль с международной статистики и собрать для вас самую честную выжимку нам пришлось перелопатить тонны отчетов от топовых консалтеров и рекрутинговых агентств (HeadHunter, Antal, GetExperts, NewHR и др.)

Только хардкорные цифры, тренды и ответ на вопрос: «Почему меня не берут, я же классный?!».

Привет, Хабр!

Это мой первый лонгрид. Пусть он станет каплей в море исследований про зумеров. Я миллениал, который смог: у меня был очень положительный опыт. Но чтобы это не выглядело, как частный случай или статистическая ошибка, я воспользовалась своими навыками комплаенса. Изучить документацию (в нашем случае -- научную литературу), собрать статистику и бестпрактисы (сделать срез исследований) и применить критическое мышление.

А что из этого вышло, смотрите под катом.

Искусственный интеллект перестал быть экспериментальной технологией и вошел в фазу масштабирования. В новом отчете «Tech Trends 2026» Deloitte фиксирует ключевой сдвиг: компании по всему миру переходят от пилотов и proof-of-concept к перестройке архитектур, операционных моделей и ролей людей под AI. От физической робототехники и агентных систем до пересмотра экономики вычислений и кибербезопасности - отчет показывает, почему в 2026 году выигрывают не те, кто внедряет AI, а те, кто успевает пересобрать бизнес быстрее остальных.

Отношение к ИИ, как к помощнику, у многих людей напоминает отношение суровых сибирских лесорубов к японской лесопилке из старого анекдота. Лесорубы совали в неё всё более толстые брёвна — и машина со всем справлялась. Тогда в неё засунули железный лом. Этого лесопилка уже не пережила. А лесорубы сделали вывод: ничего-то эта заморская техника не может.

С ИИ часто происходит то же самое. Либо «сделай всё и сразу», либо «ну нет, слабоват ты пока для серьёзных задач». А что если ИИ способен решить вашу задачу пусть не полностью, но процентов так на 80–90? И вы сами в этой сфере тоже несовершенны? Но области ваших ошибок с ИИ не совпадают! Что если, грамотно объединив с ним усилия, можно получить результат, близкий к 100% успеха?

Примерно так, как в фильме Moneyball (Человек, который изменил всё). Там три узкоспециализированных (а потому по отдельности посредственных) игрока, играя слаженно, смогли превзойти на поле одного игрока-суперзвезду. Который, разумеется, стоил в разы дороже их троих вместе взятых.

Именно такую технологию я и хочу передать в этой статье — эффективное использование пока ещё несовершенного ИИ-помощника. На примере создания схем бизнес-процессов. Пример выбран не случайно: на получившихся схемах очень наглядно видно наше с ИИ несовершенство по отдельности — и качественный результат, достигнутый совместно.

Парадокс эпохи: фреймворк на пике популярности, трафик и установки растут, но доходы упали в пять раз, и компания оказалась на грани разорения — ещё чуть-чуть, и не хватило бы денег на зарплаты.

История с тем, что украинский президент установил на 7 января «День программиста» слегка взбудоражила общественность, но не с той стороной, которую я считаю самой интересной.

Вобщем, сперва будет рассказ о том, откуда берутся всякие там «Международные дни» и какова их ценность, а затем будет вопрос, на который я не смог найти ответа.

2025 год стал для ИИ временем отрезвления. Эпоха масштабирования подходит к концу. Эксперты сходятся во мнении, что простым увеличением данных и вычислительной мощности следующий качественный скачок не совершить. На первый план выходят новые архитектуры, компактные модели и принципиально иные подходы к обучению.

В 2026 году индустрия, похоже, даст ответ на вопрос, что ИИ может дать нам здесь и сейчас. Мы вступаем в эпоху прагматичного ИИ.

Попробуем разобраться, какие именно тенденции определят лицо ИИ в наступающем 2026-м году.

Всем салют! Продолжаем рассказывать про киберитоги и киберпрогнозировать. Поговорим про технологические тренды, меняющие правила игры в сфере ИБ.

Использование технологий AI и ML в средствах защиты является ключевым трендом 2025 года. Цель — повысить качество ключевых функций продуктов (детектирования угроз, выявления наиболее слабых мест инфраструктуры), снизить количество рутинных операций, сократить время реакции на инциденты. Помимо этого, большие языковые модели (LLM), например, могут собирать дополнительный контекст, позволяющий сократить время анализа инцидентов ИБ.

Представьте себе систему генерации инструкций, которая отличается от всего привычного. Она не давит на исполнителей рутиной, не ограничивает их график и не заставляет выполнять чужие приказы в ущерб своим целям. Большинство её исполнителей — изобретатели, люди, создающие новые идеи, прототипы и системы.

Система работает по трём фазам, которые различить невозможно на старте:

Ежегодный список Fintech 100 от CB Insights - это не просто подборка «перспективных стартапов», а срез того, как меняется сама архитектура финансовых сервисов. В выпуске 2025 года особенно заметен сдвиг от пользовательских приложений к инфраструктурным решениям: платежным слоям, embedded finance, AI-first системам управления рисками, автоматизации бэк-офиса и институциональному DeFi.

В этой статье мы разберем карту Fintech 100 по ключевым сегментам, которые выделяет CB Insights, и внутри каждого блока подсветим компании, выглядящие наиболее перспективно с точки зрения технологий, бизнес-модели и рыночного контекста. Это не рейтинг и не инвестиционная рекомендация, а попытка понять, где именно сегодня формируется финтех следующего поколения.

Десять лет назад эксперты прогнозировали, что в 2026 году будет достигнуто квантовое превосходство, блокчейн станет повседневной технологией, заработает термоядерный реактор ИТЭР, а также появятся способы «прокачать» возможности человеческого мозга. Мы в Beeline Cloud решили взглянуть, насколько наша реальность соответствует этим предположениям.

У статьи в ленте Хабра есть несколько строк, чтобы пройти читательский фильтр «открыть или пролистать». Для кого-то всё решают цифры и вау-эффект, для кого-то – реальный кейс, для кого-то – автор или хаб. И мы, команда редакции блога X5 Tech, очень хотим узнать, что вам ближе, чтобы анонсы в нашем блоге показывали важное и не тратили ваше внимание на лишнее.

В эти дни в Лас-Вегасе проходит технологическая выставка CES-2026 (https://www.ces.tech). Главное наблюдение - сдвиг от «гаджетов» к встроенному ИИ как базовой функции.

А) Основные наблюдения

1. Сдвиг от облачного ИИ к локальному (on-device AI)
ИИ теперь работает на устройстве: в ПК, роботах, автомобилях, промышленном оборудовании. Меньше облачности, меньше задержек, больше автономности и приватности.

2. Связка ИИ-ПК стала реальным рынком, а не концептом CES 2026 закрепил появление массовых компьютеров с выделенными AI-ускорителями (NPU). Говорят, это новый цикл обновления железа, сопоставимый по масштабу с переходом на мобильные устройства.

3. Роботы и автоматизация вышли из стадии “демо”
Робототехника на CES 2026 — это не шоу-экспонаты, а конкретные решения для складов, заводов и логистики, готовые к внедрению и масштабированию.

4. Производство стало “умным” системно, а не точечно Промышленный ИИ показан как автономная система управления, а не отдельные датчики или софт — шаг к самоуправляемым фабрикам.

5. CES перестал быть “выставкой гаджетов”
Меньше вау-устройств для потребителя — больше инфраструктуры, платформ и экосистем, которые определяют рынок на 5–10 лет вперёд.


Б) Что нового показали публичные компании?

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

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

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

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

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

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