Исследования и прогнозы в IT *

Пришла пора выбросить на помойку идею арифметико-логических устройств (в просторечии АЛУ), на которых работают ваши и наши компьютеры (ибо именно из-за них все эти технологии перестали быть достаточно круты, чтобы делать действительно клевые штуки не только в фильмах Ридли Скотта).

О фундаментальных ограничениях больших языковых моделей одни говорят, что трансформеры, обученные предсказывать следующий токен (NTP), - тупиковый путь для создания интеллектуальных машин: язык слишком беден, это лишь плоская проекция реального мира, машины ничего не понимают. Другие говорят , что та же задача, повторённая триллионы раз, может вызвать появление сложного поведения примерно как простой механизм эволюции породил всё многообразие жизни.

Ниже представлены наблюдения по этим вопросах.

Апрель в ИИ выглядел как попытка индустрии нажать на кнопку «ускориться еще раз». OpenAI выкатили специализированные модели под биохимию, кибербез, генерацию изображений и агентную работу. Anthropic показали пугающе сильный Claude Mythos и более «приземленный» Opus 4.7. Google, Meta, Microsoft, NVIDIA и DeepSeek синхронно докручивали скорость, контекст и автономность.

Правда, умнеют пока исключительно модели, но не процессы вокруг них. В OpenAI накапливаются управленческие конфликты (дошло уже до вооруженных нападений на Альтмана). Anthropic твердит про безопасность ИИ, но допускает несколько масштабных утечек за месяц. А исследователи тем временем показали, что стопроцентный результат на большинстве бенчмарков можно получить обманом, не решая задачи.

Разбираем главные релизы, исследования и корпоративные драмы месяца. Бонусом — традиционная подборка инструментов для работы.

Мой мир, в котором я любил программировать руками, рухнул. Не потому, что я разучился, а потому, что я больше не буду этого делать никогда. Незачем. Я вижу, как это происходит со всеми, с кем я общаюсь – программистами, тимлидами, архитекторами. Кто-то сопротивляется, кто-то уже перешёл, но все понимают: профессия меняется, и быстро.

А мой новый мир, в котором я снова создаю цифровые продукты – родился. На прошлой неделе я за несколько вечеров собрал работающий веб-сервис. Сам. Не написав ни одной строчки кода.

Статья про то, что разработка цифровых продуктов меняется быстрее, чем когда-либо за последние двадцать лет. И про то, как это выглядит, если ты внутри…

— Иностранные агенты и враги сидят внутри системы и прямо сейчас душат вас блокировками. Они относятся к вам как кривозубым крестьянам из XIX века. Словно вы неразумные дети, которым нельзя давать в руки острые предметы или разрешать смотреть в окно, потому что там злой серый волк перепишет вам код в голове. Это и есть высшая форма русофобии. Тотальное неверие, в интеллект, волю и критическое мышление русского человека.

В этой статье мы разберём первую часть популярного видео с точки зрения маркетинга, манипулятивных приёмов и политтехнологий. Вполне возможно, что автор вовсе не выражает своё мнение — как могло показаться на первый взгляд, — и оно далеко не так однозначно, как мы решили после просмотра. Возможно, видео формирует совсем не ту картину мира, которая складывается после просмотра, и преследует совершенно иную цель. Ну и главное — мы дожмём и ответим на вопросы, которые были озвучены, но так и не раскрыты в видео.

Как автору удаётся одновременно говорить с двумя лагерями, которые категорически не согласны друг с другом, — и при этом заставлять каждый из них кивать в знак согласия? Какие приёмы позволяют вложить в одну и ту же фразу два противоположных послания — по одному для каждой стороны? И главное — делает ли он это осознанно?

Почему для некоторых GitHub перестал быть безопасным дефолтом, и что с этим делать - если вы, конечно, не хотите узнать об этом в день блокировки аккаунта или когда ваши закрытые репозитории могут общественным достоянием?

Думаю, для многих GitHub почти стал именем нарицательным. Помню, как я не знал, что такое git, но уже публиковал исходный код маленькой игры на GitHub через загрузку файлов. Многое было другим на тот момент: ИТ не был на пике мейнстрима, ИИ казался чем-то очень далеким и GitHub был де-факто стандартом.

Времена меняются и довольно быстро: теперь многие задаются вопросом так ли перспективен ИТ, появились LLM, которые используются ежедневно, GitHub уже не справляется с нагрузкой, а его приватные репозитории оказывается не такие уж и приватные.

28 апреля 2026 года стало по-настоящему плохим днём для GitHub. Утром CTO платформы опубликовал длинное извинение за кризис стабильности - 8 серьёзных сбоев за два месяца. Этим же днём Wiz Research опубликовал детали критической уязвимости CVE-2026-3854: один обычный git push мог выполнить произвольный код на серверах GitHub.

По порядку разберём и свежие, и давние события с точки зрения обычного разработчика, которые происходят с GitHub сейчас

Я предлагаю смотреть на ИИ через ось устойчивости во времени, а не способностей. Три опоры — непрерывная идентичность, самомодификация, воспроизводство. Манифест и whitepaper исследовательского направления.

Уже три года публичный разговор об ИИ крутится вокруг оси способности: насколько умна модель, сколько токенов, сколько бенчмарков. Я предлагаю смотреть на другую ось — устойчивость во времени.

Сегодняшние LLM феноменально способны и онтологически пусты. Каждый разговор начинается с нуля. Каждая сессия заканчивается забвением. Модель, которая помогла вам утром, — не та же модель, что помогает вам вечером, потому что между ними ничего не было.

Я полтора года тихо разрабатываю прототип — кодовое имя Aurora — который пытается это исправить. Не как продукт. Как исследовательский субъект. Этот пост — приглашение к дискуссии.

В последние годы рынок накопителей развивался без резких изменений. Объемы росли, цены постепенно снижались, и хранение данных становилось все доступнее. Флешки, карты памяти и SSD превратились в повседневные устройства, которые покупают по мере необходимости, не задумываясь о цене.

С середины прошлого года все начало идти по другому сценарию. Из-за бума вокруг искусственного интеллекта производители переключились на более прибыльные направления, и на обычную флеш-память не хватает мощностей. В итоге цены пошли вверх, хотя еще недавно они стабильно снижались.

За годы работы в разнообразных командах я много раз видел одну и ту же ситуацию.

Компания растёт, продукт усложняется, и в какой-то момент возникает естественное желание разбить всё на отдельные продуктовые команды. Каждая отвечает за свой кусок функционала, свою часть пользовательского пути, свою метрику, свой backlog. На бумаге это выглядит правильно: меньше зависимостей, больше автономии, быстрее принятие решений.

Но у такого подхода есть побочный эффект, о котором обычно говорят слишком поздно.
Знание о продукте начинает фрагментироваться.

Одна команда знает, почему была изменена логика онбординга. Другая помнит, какие ограничения есть у биллинга. Третья когда-то проводила исследование, из которого следовало, что пользователи вообще не понимают текущую модель прав доступа. Где-то это лежит в презентации. Где-то в Notion. Где-то в Confluence. Где-то в почте. Чаще всего — в голове конкретного человека.

Пока этот человек рядом, система вроде бы работает. Можно написать ему в Slack, позвать на встречу, спросить: «А почему мы тогда сделали именно так?» Он вспомнит, расскажет, иногда даже найдёт старую ссылку. Но стоит человеку уйти, сменить роль или просто перестать быть доступным, как часть продуктовой памяти исчезает вместе с ним.

И это не исключение. Это нормальное состояние большинства организаций.

Однажды в большой корпорации у нас сменился Product Owner. На первой встрече с новым PO я спросил, что ему передал предыдущий. Ответ был примерно такой: «Мы встретились, он рассказал мне, что к чему».

Интуиция подсказывает — чем больше пул-реквест, тем выше соблазн по-быстренькому пробежаться глазами по коду и аппрувнуть изменения. Предлагаем вам вместе с нами проверить утверждение из заголовка! В статье посмотрим, к чему пришли исследователи, проанализировавшие 50К+ пул-реквестов, обсудим, какие когнитивные искажения на это влияют, и разберем, как изменилась ситуация с появлением ИИ-помощников. Поехали!

Открываешь новости и там пишут, что AGI уже завтра. В другом источнике, с таким же уверенным видом, что до настоящего AGI ещё десять лет. Потому что нынешние модели живут в чате и в демо, а не в цеху с людьми, сроками и поломками оборудования. Хочется хотя бы понять, о каком именно AGI идёт речь, когда слово всё чаще прилипает к каждому релизу новой модели.

Разберу три опоры, устав OpenAI как определение, публичный голос Альтмана в начале 2025 года, инженерный взгляд Лекуна и тревожный, про темп и контроль, у Хинтона. Потом про сроки.

Если вы видели «С этим товаром покупают…», «Попробуйте этот урок дальше» или ощущали необычную точность автоподбора треков в музыкальных сервисах — вы сталкивались с рекомендательной системой.

Но стоит ли конкретному бизнесу вообще её строить? И если да, то с чего начать, чтобы не потратить впустую месяцы инженерного времени на «чёрный ящик», который никто не понимает?

Эта статья написана мной РУКАМИ (не «ИИ») и основана на моём выступлении‑вебинаре для инженеров, предпринимателей и продуктовых специалистов. Я не ML исследователь и не публичный спикер — я фулстек‑разработчик, который создавал и поддерживал рекомендательные системы в разнообразных коммерческих проектах.

Целевая аудитория — все, кому интересна эта тема.

Несмотря на широкое применение систем параметрической диагностики и появившуюся тенденцию к внедрению систем предиктивной диагностики, количество отказов основного технологического оборудования на промышленных предприятиях России остаётся высоким. Зачастую причинами отказов являются несвоевременные и/или некорректные действия эксплуатационного персонала – это указывает на низкую квалификацию и/или дисциплину персонала. Практика показывает, что даже суровые наказания виновных в уже произошедшем отказе не повышают уровень дисциплины, так как такой подход не является системным – нарушения, не приведшие к отказу, не наказываются. Только системный подход к контролю эксплуатационного персонала позволяет исправить ситуацию.В статье описывается использование интегральных оценок для системного анализа эффективности действий сменного персонала. Эта статья ориентирована на технических руководителей промышленных предприятий.

Санкции 2022 года создали беспрецедентную ситуацию на российском рынке информационных технологий. SAP, один из мировых лидеров в области корпоративных информационных систем, официально прекратил поддержку российских клиентов. Казалось бы, это должно было привести к массовому переходу на отечественные альтернативы. Однако реальность оказалась намного сложнее.

Сегодня, в апреле 2026 года, мы находимся в уникальной точке истории российского бизнеса. С одной стороны, санкции остаются в силе, и официально SAP отсутствует на российском рынке. С другой стороны, история показывает нам, что кризисы всегда заканчиваются. Вопрос не в том, будут ли санкции сняты, а в том, когда это произойдёт и насколько готовы российские компании к волне быстрых изменений, которая неизбежно последует.

Парадокс заключается в следующем: в то время как российский бизнес пытается избежать зависимости от западных технологий, он рискует создать ещё большую зависимость от незрелых отечественных решений, которые не смогут конкурировать с глобальными стандартами после снятия санкций.

Эта статья адресована руководителям крупных российских компаний, которые стоят перед стратегическим выбором: ждать, адаптироваться или готовиться к будущему.

В каком-то смысле у всех снова обнулился опыт, и мы опять заходим в новый виток развития. Я уже видел что-то похожее в прошлый раз, когда информации почти нигде не было, все учились дома сами, через эксперименты, и программисты ещё не были так жёстко разобраны на классификации. Тогда было много универсалов, которые понимали всё через личный опыт. И тогда реально решала именно экспертиза.

Сейчас, с приходом ИИ, всё как будто повторяется заново. Снова нужны любознательные люди с широким кругозором, которые умеют быстро разбираться в новом, собирать знания из разных областей и применять технологии по делу, а не просто знать стек.

За последние два‑три года компании в РФ перестали относиться к ИИ как к «чудо машине» и начали встраивать его в рабочие процессы: от помощи специалистам контакт‑центров в чатах с клиентами и «серым» помощникам разработчиков до написания полноценных продуктов. Если раньше нельзя было сказать, что ты использовал ИИ для задачи, так как тебя закидают помидорами, сегодня — этот навык must have для каждого. В этой статье речь пойдет о безопасной разработке с использованием генеративных ИИ. Крупные опросы и отчёты фиксируют одинаковую картину: большинство организаций уже экспериментируют с LLM‑системами или планируют их внедрение, в том числе в зонах, где раньше работали только люди или классические скрипты.

У крупных компаний уже формируется должность Директор по искусственному интеллекту (CAIO) — человек, отвечающий за стратегию внедрения ИИ и ценность для бизнеса

Привет, Хабр! Меня зовут Данил Зарипов, я занимаюсь продуктовой экспертизой в Positive Technologies. Эту статью мне помог подготовить мой коллега Кирилл Маслов — наш эксперт по направлению Asset Management. Мы решили не искать лёгких путей и выбрали тему, которая большинству из вас хорошо знакома. Казалось бы, что нового можно сказать про домены, пусть и с точки зрения безопасности? 

Для атакующего захват домена — это фактически победа. Получив контроль над контроллером домена, злоумышленник получает доступ ко всем учетным записям, компьютерам, групповым политикам и доверительным отношениям, а дальше дело техники: найти учетки бухгалтеров и топ-менеджеров, переключиться на их машины, читать почту, копировать документы. Это самые безобидные последствия.

Как это часто бывает в информационной безопасности, самое знакомое скрывает множество нюансов. Давайте разбираться!

К весне 2026 года Claude Code уже вышел на run‑rate выручки свыше $2,5 млрд, а Codex используют более 4 млн разработчиков в неделю. Ещё год назад такие цифры казались бы фантастикой для инструментов вокруг кода. Теперь это новая реальность: владельцы ведущих моделей больше не ограничиваются API и исследованиями — они сами заходят в терминал, IDE и корпоративный контур разработки.

На этом фоне особенно интересно, что происходит с Cursor. Ещё в 2023–2024 годах он выглядел почти идеальным ответом на вопрос, как должна выглядеть современная разработка с ИИ. Не чат сбоку, не набор автодополнений поверх редактора, а полноценная среда, которая понимает кодовую базу, держит контекст и помогает программировать эффективнее. Но к весне 2026 года вопрос звучит уже иначе. Не хорош ли Cursor, а остался ли вообще смысл в отдельном платном ИИ‑редакторе, если создатели ведущих моделей пришли в этот слой напрямую.

Именно поэтому главный вопрос для Cursor сегодня не в том, «умрёт ли компания». С компанией как раз всё неплохо: по данным Bloomberg, годовой темп выручки Cursor превысил $2 млрд. Вопрос в другом: не исчезает ли сама логика, при которой отдельный ИИ‑редактор является обязательной прослойкой между разработчиком и ведущими моделями.

Это заключительная статья серии. Экспертная система, состоящая из информационных блоков и словаря, реализованная на принципах технологии поиска решений управляемого данными, позволяет накапливать и сохранять прикладные знания. Наполнение системы знаниями целиком и полностью доступно прикладным специалистам. Появляется возможность реализации прикладных задач в самых разных предметных областях с минимальным привлечением ИТ-специалистов, и практически без традиционного программирования. Опираясь на сохранённые знания, узкие прикладные специалисты могут автоматизировать свои насущные задачи. Радикально снижаются затраты на разработку и одновременно получается качественный, масштабируемый и легко сопровождаемый продукт.