Чем быстрее ИИ решает задачу, тем меньше эта задача ваша.
Исследователи расспросили молодых людей о том, как те пользуются чат-ботами, и увидели три дороги к зависимости: постоянное использование, использование по привычке — независимо от того, уместно ли оно, и делегирование целых кусков мышления: учёбы, решений, даже переживаний.
Самое неприятное — такие пользователи описывают, как их собственные навыки атрофируются. Дело даже не в скорости: пропадает уверенность, что справитесь без бота. И это возвращает к боту.
Общий знаменатель всех трёх сценариев — автономия. Человек перестаёт быть автором своих действий и становится наблюдателем.
ИИ-энтузиазм по-прежнему касается лишь относительно небольшой группы визионеров, евангелистов и экспертов.
А вот общественное мнение относится к перспективам повсеместного использования LLM с огромной настороженностью.
И дело не только в том, что в ряде сфер разрыв в позитивных ожиданиях между экспертами и обществом достигает 40 процентных пунктов — например, в медицине, школьном образовании, профессиональной деятельности и экономике.
Ситуация усугубляется тем, что чрезмерный оптимизм экспертов (или скепсис общества) сильнее всего проявляется именно в тех отраслях, где обе стороны признают потенциал вклада ИИ.
А вот там, где от ИИ ждут меньше всего — выборы, новости, межличностные отношения, — ожидания экспертов и общества оказываются заметно ближе.
Имею непосредственное отношение к разработке программных роботов. И вот в последнее время где-то в закоулках профессионального самоощущения то и дело раздается едва уловимый громогласный писк, эдакий маленький набат, если хотите – экзистенциальный колокольчик: ИИ ощутимо давит на RPA!
Да, это разные технологии для разных задач. Но в текущих обстоятельствах даже самый лояльный заказчик программных роботов нет-нет да и покосится в сторону агентов: они вроде как уже везде, а я чем хуже? Взвесьте килограмм, пожалуйста, на пробу…
В общем, разработчики ИИ-систем недостатка в заказах не испытывают. В отличие от роботизаторов, которые по тем же ощущениям балансируют на границе между «все хорошо, развиваемся» и выживанием: подешевевший код и увеличившиеся скорости сопровождаются нарративом: «Ребят, вы бы тоже у себя ИИшку внедрили…».
В 2022-2024 годах, пока в киберпространстве царствовали LLM и прочие нейросети, технология RPA чувствовала себя относительно неплохо. Ведь что говорит закон об ИИ? Что это технология, имитирующая когнитивные функции человека: внимание, память, мышление, речь, узнавание, восприятие. Там еще есть праксис (это как раз про целенаправленные действия), но тогдашние нейросети еще в него не умели. А что такое программные роботы? Хотя нормативного термина нет, все понимают под ними программы, которые имитируют действия человека. Получается, тот самый праксис, только без целеполагания.
Таким образом, обозначилась тонкая грань между ИИ и RPA: первое имитирует когнитивные функции человека, второе – имитирует действия человека.
Но вот новогодними салютами гремит 2026 год и на сцену массово выходят агентские системы. А агент – это такая штука, которая собственно и осуществляет активные действия в целях изменения окружающего пространства (мира). Ага, снова праксис. После чего ИИшка стала полноценной (как минимум, в данном контексте), а программная роботизация утратила свое преимущество: агентская ИИ-система сейчас умеет и человека имитировать, и его действия, а RPA-система осталась при своих детерминированных алгоритмизированных роботах без грамма IQ.
В такой ситуации технология RPA вынуждена будет либо сузиться до какой-то своей специфической ниши, либо исчезнуть. IMHO, приемлемыми выглядят следующие два аспекта:
1) RPA с рутинными задачами справляется лучше (да, ИИ тоже так умеет, но после первой процедуры обучения обучаться больше нечему, ведь задача-то рутинная, следовательно, весь интеллектуальный «обвес» становится не у дел, а он так-то денег стоит);
2) RPA попросту дешевле (может быть пока, но вряд ли, судя по наблюдаемым ИИ-пузырям ИИ-технология подешевеет еще нескоро); дешевле владение кода, дешевле и проще поддержка.
Зависит ли зарплата от того, сколько технологий перечислено в вакансии?
"Вакансии с 15+ технологиями платят в 2,9 раза больше, чем вакансии без стека (250К против 85К). Каждая новая «ступенька» стека прибавляет к медиане"
В понедельник (12.10.26) выйдет Новая. Большая. Разрывная. Статья по аналитике где я разобрал, как описание вакансий влияет на зарплату. И даже собрал ML модель которая всё это подтверждает... Будет интересно... Кстати теперь под анализ попало 155 000 вакансий.
А пока советую изучить (для тех кто ещё не читал) - первые две статьи (раз, два).
P.S. А в @it_v_polyah можно увидеть массу других графиков...
Трамп изобрёл Суперинтеллект. И провернул многоходовочку
29 сентября президент США Дональд Трамп встретился с руководителями ведущих ИИ-компаний — OpenAI, Anthropic, Nvidia, Google и Meta* (*признана в России экстремистской и запрещена). Они заключили соглашение о защите безопасности ИИ и дальнейшем развитии индустрии.
В тот же день Трамп издал указ о переименовании ИИ (AI, Artificial Intelligence) в Супер Интеллект (SI, Super Intelligence) в государственных документах, насколько это возможно. Специалисты могут быть недовольны, так как это одно из названий универсального искусственного интеллекта (AGI), который превзойдёт человека по своим способностям.
Мы уже знаем, что президент США — мастер по переименованиям. Кроме честолюбия и эгоизма — это часть политической игры. Например, на встрече с главами ИИ-разработчиков (давайте подождём использовать название SI) было принято соглашение о борьбе за безопасность искусственного интеллекта. Мы уже говорили, что поставить под строгий контроль развитие технологии мечтают и сенаторы, и главы ведущих ИИ-компаний. Трамп же был за развитие нейросетей и нашёл отличный выход.
Кажется, Трамп отвлёк всех очередным эпатажным заявлением про ИИ, а сам добился своего. Он изначально был против ограничения этой технологии, но теперь для общества принял меры — подписал с ведущими компаниями соглашение о контроле ИИ. При этом документ не содержит ни штрафов, ни наказаний. И меры весьма общие: контроль безопасности моделей и комитет по мерам безопасности. Также один из пунктов соглашения — компенсирующие выплаты территориям для уменьшения недовольства населения строительством дата-центров.
При этом настоящий контроль будут осуществлять «Силы суперинтеллекта» (Super Intelligence Force, SIF), которые в выходные анонсировал Трамп по образу и подобию Космических сил. Руководить ими будет директор Национальной разведки США Джей Клейтон.
В итоге Трамп не дал затормозить развитие ИИ чрезмерным контролем со стороны сенаторов, а сам усилил контроль за компаниями. Выглядит как mnogohodovochka, посмотрим, сможет ли он довести её до конца.
Не так давно NVIDIA опубликовала весьма обнадёживающие результаты опроса State of AI 2026.
Так, 88% респондентов заявили, что ИИ помог увеличить годовую выручку в отдельных подразделениях или в компании в целом.
А 87% сообщили, что ИИ помог снизить годовые затраты, причём 25% отметили сокращение более чем на 10%.
Что именно изменил ИИ, чтобы выручка выросла, а затраты снизились, в отчёте не уточняется.
Но даже если ИИ помог увеличить продажи, например за счёт большего числа запущенных маркетинговых кампаний, или сократить расходы на ПО и облачные сервисы, это всё равно ничего не говорит о самом главном — о том, как изменилась прибыль.
А построить модель вклада ИИ в прибыль и подтвердить её эмпирическими данными пока непросто.
Например, в исследовании 115 алжирских корпораций за 2016–2023 годы внедрение ИИ лишь незначительно повысило эффективность управления ликвидностью (отношение денежных средств к активам, Cash-to-Assets).
В другой работе изучали, как ИИ влияет на финансовые показатели и стоимость компаний из индекса S&P 500. Оказалось, что влияние ИИ-инноваций на рентабельность активов (ROA) невелико, данные неоднозначны, а сильнее всего эффект проявляется у компаний с большими расходами на НИОКР.
Получается, что отраслевые опросы заметно оптимистичнее академических оценок.
Подробнее про эффективность, производительности и ИИ здесь.
На дворе 2026 год, и про «ИИ» в ИБ говорят все. А что он реально делает? Не в маркетинговых фантазиях, а вот прямо сейчас, по факту, на самом деле? Давайте посмотрим свежие исследования и опросы экспертов участников рынка (ссылка 1, ссылка 2, ссылка 3).
В опросе Swimlane среди 500 специалистов и руководителей по безопасности из США и Великобритании 47% назвали увеличение пропускной способности одним из двух главных эффектов внедрения «ИИ», 35% получили больше времени на расследование сложных угроз, столько же — на стратегическую работу, а 43% сообщили, что стали меньше тратить времени на повторяющиеся задачи.
При этом 24% сказали, что автоматизация мешает им развивать профессиональные навыки, а 47% опасаются, что из-за «ИИ» вход в профессию станет гораздо сложнее, если вообще возможным. Уже в недалеком будущем (если не настоящем) «ИИ» приходит, чтобы помогать аналитикам учиться на рутине, а потом эту самую рутину забирает. Машина разгружает младшего специалиста от работы и одновременно начинает лишать его той работы, на которой он должен был получить опыт и стать старшим специалистом.
Вечный вопрос, который возникает с автоматизацией, на что же теперь потратить освободившееся время? Ну например можно на поиск уязвимостей.
Исследование Google Threat Intelligence Group показывает, что среди уязвимостей, которые GTIG считает вероятно найденными с помощью «ИИ», целых 50% позволяли удаленное выполнение кода, тогда как среди остальных CVE таких было 26%. При этом число раскрытых уязвимостей вообще выросло с 5045 в январе до 10 477 в июле и 10 740 в августе 2026 года, а среднее число эксплуатируемых уязвимостей поднялось с 10,5 в месяц в 2025 году до 18 в месяц в 2026-м.
Круто? Ну да, круто. Вместе с тем, давайте не забывать, что если «ИИ» начинает искать уязвимости быстрее людей, атакующая сторона получает тот же инструмент. И «ИИ» не обязательно придумывать какой-то новый класс кибератаки, чтобы изменить ситуацию. Достаточно ускорить старые процессы: поиск слабых мест, анализ патчей, проверку конфигураций, перебор возможных путей атаки.
Главный противник будущего будет очень скучным автоматизированным сканером, который просто работает круглосуточно и с нечеловеческой скоростью.
Параллельно появляется и еще одна неприятная проблема: защищать «ИИ» приходится не только от обычных атак, но и от специально придуманных способов заставить саму модель ошибаться. Так что «ИИ» в безопасности постепенно оказывается одновременно на трех ролях: инструмент аналитика, новая поверхность атаки и инструмент атакующего. И каждая роль усиливает две другие. Чем больше «ИИ» получает доступа к реальным системам, тем полезнее он становится защитнику — и тем интереснее становится атакующему; чем больше автоматизации появляется в SOC, тем больше нужно проверять, не научилась ли система очень уверенно автоматизировать неправильные выводы.
Меж тем, вспомним недавнюю статистику по корпоративным SOC: связанные с «ИИ» срабатывания составляют всего 0,43% общего потока алертов. Более того, внутри даже этой цифры подавляющее большинство приходится не на реальные атаки, а на шум и потенциальные риски. Иными словами, пока «ИИ» создает для SOC гораздо больше работы в виде «похоже на что-то страшное», чем в виде действительно новых атак.
Итак, сегодня «ИИ» помогает защищаться от «ИИ», защищает инфраструктуру для «ИИ» и обнаруживает уязвимости, которые «ИИ» же и может помочь эксплуатировать. Ситуация странна своей однобокостью и безальтернативностью, как будто горизонт технологического видения сузился, как у лошади с шорами на глазах. Посмотрим, как все это повернется в течение, скажем, года.
После ухода SAP и Oracle компании надеялись, что западные вендоры вернутся. По наблюдению Алексея Телкова, генерального директора «Галактики», сегодня ждать перестали точно все и некоторые перешли на модель «сами напишем». На вайб-коде и за год. Касается это любого корпоративного ПО, которое не хочется менять на продукт российского вендора.
Звучит почти бесплатно. Потом в смету приходят видеокарты последнего поколения, подписки на модели, свои серверы и команда из 50 с лишним человек. Которая, как предполагается, тоже ничего не стоит.
Сам Алексей против ИИ ничего не имеет, в «Галактике» уже год пишут код с его помощью. Но ИИ есть и у вендоров, а экономика корпоративного софта от него не меняется. Ценность кода появляется, когда его переиспользуют. Готовая система, которую внедрили в десяти компаниях, в пересчете на одного заказчика обходится дешевле собственной разработки, даже с учетом прибыли вендора.
Как правильно считать TCO своей разработки и что будет с рынком интеграторов, в пятом выпуске подкаста «IT-фронтир».
Недавно мне попался отчёт State of AI 2026 от Sensor Tower с интересными данными о мобильном и веб-трафике ИИ-приложений.
В отчёте отмечается, что ИИ-ассистенты (прежде всего ChatGPT) очень быстро стали мейнстримом и обогнали по темпам роста MAU все известные ранее приложения. Но где предел аудитории ИИ?
Возможно, он уже близко. Отчасти об этом говорят данные о трафике: в первом квартале 2026 года число пользователей выросло год к году лишь на 28%, а не на 100%, как годом ранее. Похожая картина и со временем, которое пользователи проводят на сайтах и в приложениях. Означает ли это, что компании переходят от захвата рынка к извлечению прибыли?
Вероятно, да: с конца 2025 года (у ChatGPT — на год раньше) мы видим резкий рост средней выручки на пользователя в месяц (ARPU). Он объясняется появлением рекламы в бесплатных тарифах, изменением лимитов использования и появлением дорогих премиум-тарифов.
Перед любой записью в memory спрашивай у меня разрешение
Иначе память постепенно превращается в склад случайных фактов, на которые агент продолжает опираться
После этого закройте текущую сессию и откройте новую из папки проекта
Попросите агента рассказать:
— что это за проект — какие у него правила — какие файлы он будет читать для дизайна, архитектуры и продукта
Так вы проверите, что системный файл реально подхватился, а не просто лежит в репозитории
Важно не забывать его актуализировать после каждого изменения !!
--------------
2. Сделайте 3–5 собственных skills под регулярные задачи
Не ставьте всё подряд из интернета
Возьмите повторяющиеся задачи из своей работы и опишите их так, чтобы агент мог выполнять их одинаково
Хотя бы один skill прогоните на реальном или тестовом примере
Помимо skills есть hooks, subagents, MCP и CLI
Skills — передать агенту повторяемый навык Subagents — вынести шумную задачу из основного контекста Hooks — добавить детерминированное действие на событие
MCP и CLI — подключить модель к внешним сервисам
Понимать всё сразу не нужно
--------------
3. Настройте Scheduler
Пусть он раз в 5 часов запускает простую команду echo 1
Это не задача для агента и не попытка автоматизировать весь проект
Цель — научиться будить сессию и планировать старт пятичасового окна
--------------
4. Научитесь работать с телефона
Сделайте небольшую правку в проекте одним из двух способов:
— через GitHub: подключите репозиторий к используемому инструменту и внесите изменение через мобильное приложение или облачную сессию, лучше через PR — через Remote Control: подключитесь к локальной сессии Claude Code или Codex с телефона
Remote Control — это когда сессия продолжает работать на вашем компьютере, а телефон становится пультом управления
С телефона можно отправлять инструкции, подтверждать действия и смотреть результат
Файлы и окружение остаются на компьютере, поэтому он должен быть включён и подключён к интернету
В Claude Code используйте /remote-control В Codex подключение настраивается через Settings → Connections
--------------
Не нужно за выходные собирать сложную агентную систему
Смысл этого всего — увидеть, что агентное окружение состоит не только промпта и модели
Оно начинается с хорошего контекста, а дальше обрастает навыками, автоматическими проверками и удобным способом работы с телефона
Вот вам еще одна из самых полезных команд в Claude Code для продвинутых И одна из причин, почему я не фанат Codex Harness -- там такого нет
Это команда /rewind или esc + esc в Claude Code CLI
Эту команду можно воспринимать ее как Ctrl+Z для агента
Сначала вот вам короткое описание из документации Claude Code
Что делает /rewind в Claude Code
Claude Code автоматически создаёт checkpoint перед каждым новым ходом и сохраняет снимки файлов перед своими правками. Команда /rewind или двойное нажатие Esc открывает меню, где можно выбрать прошлое сообщение и:
восстановить только разговор;
восстановить только изменённые файлы;
восстановить и разговор, и файлы;
свернуть выбранную часть истории в summary.
Checkpoints сохраняются вместе с сессией, поэтому вернуться к ним можно даже после перезапуска Claude Code. Но если в гит намусорили уже другие сессии, то при измении файлов могут вылезать конфликты
Теперь про юзкейсы и объяснение уже от меня
В основе этой команды лежат две независимые переменные
Состояние git файлов в вашем репозитории
и Conversation — история текущего диалога в context window
При вызове команды /rewind вам предложат выбрать конкретное сообщение и затем выбор из 3-5 вариантов
Restore code and conversation Возвращает и файлы, и диалог к выбранной точке Полезно, когда агент долго шёл не туда и оставил после себя плохие изменения. Продолжать поверх такого состояния смысла нет: контекст и файлы уже заполнены ошибочными попытками
Restore conversation Диалог откатывается, но код при этом остаётся Сценарий: баг уже исправлен за несколько шагов, но обсуждение бага больше не нужно. Возвращаем разговор до него — следующая итерация видит чистую историю и при этом сохраняет исправленные файлы Полезно и при параллельной работе над одним main
Restore code Откатываются только файлы, а разговор остаётся Так можно признать решение неудачным, стереть его из репозитория и продолжить обсуждение в том же контексте Это чище, чем заставлять агента по памяти выискивать и удалять свои изменения
Summarize
Summarize from here Сжать сообщения после выбранной точки
Summarize up to here — сжать всё до точки, оставив последние сообщения дословно /compact подводит итог всей сессии В этих сценариях Claude Code делает форк диалога
И ещё есть просто Fork Как и в случаях с саммари — старая ветка не стирается: restore code and conversation и restore conversation создают форк
У моего Hermes агента произошел апдейт по коннекторам. Теперь он умеет работать с Meta ADs, Threads и Instagram 💌
Я тут выпускал серию из 4 постов о том, как оно все работает и что нужно сделать, чтобы заработало у вас. Это уже 5 пост из этой серии про новые коннекторы
Я давно хотел научить его работать с Meta ADs, Threads и Instagram
Но там был нужен Facebook Developer аккаунт, который я не мог получить по техническим причинам (meta ux bruh)
И вот спустя 3 месяца мы все порешали и обзавелись большим апдейтом и теперь умеем
🟢 Threads
» Публиковать контент в Threads
» Анализировать собственный Threads аккаунт история постов, ветки, реплаи, упоминания и метрики. Чтобы видеть, какие темы и форматы реально работают. Сохранять их и переиспользовать
» Исследовать чужие Threads Разные публичные профили, посты и ветки конкурентов или залетевшие форматы
🟢 Meta Ads — рекламный кабинет меты
» Собирать рекламные эксперименты в Meta Ads Клови теперь умеет собирать кампании, адсеты, таргетинг, ставить бюджеты и креативы Только с этим есть проблемка — у Meta Ads CLI баг блокирует запуск и обновление активных РК. Т.е. создать можно, а запустить только через интерфейс или с помощью Meta Ads MCP сервера дома на компе
» Следить за рекламными результатами Докладывает мне расходы, показы, клики, CTR, CPC, охват и результаты по плейсментам. Классно умеет это сводить с Google Analytics и приносить мне выводы
» Управлять рекламной инфраструктурой Я пока еще не тестил, но вроде умеет в datasets, пиксели, каталоги, product feeds и product sets Чтобы строить нормальную связку «объявление → действие → измеримый результат»
» Исследовать рекламу конкурентов Сейчас в процессе финального подключения, но он сможет искать объявления в Meta Ad Library по ключевым словам, страницам, странам и платформам.
Чтобы собирать тексты, креативы, CTA, даты запуска и ссылки конкурентов и выдвигать гипотезы по рабочим офферам и форматам перед запуском своей рекламы
А ЕЩЕ самый класс в том, что Hermes, залогиненный через Codex теперь сам может генерировать картиночки под креативы. Сам сгенерировал — сам опубликовал
🟢 Instagram Graph API Теперь мы можем публиковать посты, Reels и Stories. Отвечать на комментарии и собирать статистику аккаунта. Я не особо веду инстаграмм, поэтому просто за компанию его подключил
P.S Да, подобные коннекты можно сделать и через Claude Code / Codex. Просто у меня личный контур сделан через Hermes. Так удобнее
P. P. S. А если вы вдруг хотите получше разобраться, как сделать подобного агента для себя или для своего бизнеса, то я завтра в 17 по МСК буду открытую онлайн-лекцию читать
Исследователи собрали 370 результатов из 106 экспериментов, где сравнивали три варианта: человек сам, ИИ сам и человек вместе с ИИ.
В среднем связка проигрывала. Человеку с ИИ заметно лучше, чем человеку без ИИ, и это подтвердилось уверенно. А вот обогнать ИИ, работающий в одиночку, паре удавалось редко.
Картина менялась в двух случаях. Когда задача была на создание, а не на выбор из готовых вариантов. И когда человек изначально решал задачу лучше модели: тогда пара обходила и человека, и ИИ.
Связка выигрывает, если вы приносите экспертизу, которой у модели нет. И тормозит, если вы слабое звено, перепроверяющее более сильную систему.
Стоит уточнить, что в исследовании рассматривались ранние модели 2020-2023 годов, возможно, ситуация изменилась.
Парадокс Джевонса был сформулирован в 1800-х годах для объяснения динамики на угольном рынке.
Джевонс обнаружил, что технологические усовершенствования могут повысить эффективность использования ресурсов, но это часто приводит к увеличению общего потребления ресурсов. Повышение эффективности приводит к снижению эффективных издержек, а при снижении издержек спрос будет расти.
Мы наблюдаем этот эффект во многих отраслях, переживающих технологические усовершенствования, но, пожалуй, лучше всего его иллюстрирует рынок искусственного интеллекта, где эффективность постоянно повышается, а спрос продолжает расти. Потребность в электроэнергии будет расти. Спрос на микросхемы будет расти. Спрос на данные будет расти. Да, эффективность повышается, но при этом увеличится и потребление основного продукта и сопутствующих материалов.
В индустрии искусственного интеллекта нет ничего особенного. Она следует тому же принципу, который мы наблюдали бесчисленное количество раз на протяжении столетий.
LLM знают, где культура находится, — но не куда она движется.
Четыре передовые модели сравнили с данными World Values Survey: 40 стран, четыре волны.
Точку «сейчас» они схватывают неплохо. Но масштаб перемен занижают, придумывают движение там, где страна почти не менялась, и почти не ловят развороты траектории.
Культура как портрет, а не как история.
Если вы используете LLM вместо людей — персоны, синтетические респонденты, чутьё рынка, — вы берёте снимок, который уже мог устареть.
Анализ конкурентов — полезный инструмент для продуктовой команды: он помогает понимать рынок, замечать интересные решения и находить идеи для развития продукта. Но беда в том, что собранная информация быстро устаревает.
Пока команда занята своими задачами, у других игроков появляются новые функции и меняется фокус. Поэтому в Naumen Erudite решили дополнить разовые исследования регулярным мониторингом.
Как устроен процесс и что он изменил, рассказала Таня, продуктовый аналитик Naumen Erudite.
1️⃣ Зачем продуктовым аналитикам следить за конкурентами?
Для нас здесь три основные цели:
Понимать, где находится наш продукт на рынке — какие тренды актуальны, в чем мы сильнее, а где есть точки для развития.
Развивать насмотренность — чем больше решений видишь, тем проще находить идеи для развития своего продукта.
Делиться информацией с командой — данные о конкурентах нужны не только аналитикам, но и руководителю продукта, пресейлам и проектным командам.
2️⃣ Почему решили менять прежний подход?
Информация о конкурентах хранилась в разных источниках — Google-таблицах, Jira, Miro, Confluence. Поэтому не всегда было понятно, где искать нужные данные и насколько они актуальны.
В таблице накопилось больше 50 компаний, которые мы анализировали и за которыми хотим следить. Ориентироваться в таком объеме становилось все сложнее.
Не хватало регулярности. К анализу возвращались под конкретную задачу, а затем переключались на другую работу. В результате могли долго не замечать изменения у некоторых конкурентов.
3️⃣ Как удалось собрать все в систему?
Выбрали Miro как единую базу знаний: там храним краткую информацию о конкурентах, роадмап анализа и ссылки на подробные материалы — кейсы, проекты, скриншоты, презентации и видео с мистери-шоппинга.
В Miro сравниваем конкурентов по выручке, формату работы продукта и наличию функций. За подробностями можно перейти в Confluence, на сайт или в документацию компании.
4️⃣ Как сделали анализ регулярным?
Добавили повторяющиеся задачи: раз в две недели смотрим рассылки, Telegram-каналы и обновления продуктов, а раз в полгода пересматриваем роадмап анализа.
Раз в два месяца делимся находками с продуктовыми аналитиками, руководителями проектных команд, пресейлами и руководителем продукта: кого изучили и какие обновления могут быть полезны. Например, сейчас следим, как конкуренты развивают LLM-агентов и какие возможности для них выпускают.
Мистери-шоппинг проводим, когда открытых источников недостаточно.
5️⃣ Почему недостаточно пересматривать всех конкурентов раз в год или два?
Например, игрок, который раньше работал со средним и малым бизнесом и почти не пересекался с нами, со временем может начать претендовать на тех же клиентов.
Регулярный мониторинг помогает замечать такие изменения раньше и экономить время. Если нужно изучить конкретную функциональность, мы уже примерно знаем, у кого она есть, и можем смотреть решения прицельно.
6️⃣ Как понять, кого анализировать в первую очередь?
Разделили конкурентов на четыре группы по степени влияния: высокий, средний и низкий уровень, а также косвенные конкуренты.
Для сравнения определили критерии: финансовую динамику, формат работы продукта — в облаке или инфраструктуре клиента — и наличие функций на базе LLM. Так проще ориентироваться среди 50+ компаний и выбирать, кого изучать подробнее.
7️⃣ Какие инструменты помогают следить за изменениями?
Для десяти ключевых конкурентов настроили Google Alerts — раз в неделю получаем подборку новостей о них. Еще подписались на Telegram-каналы и рассылки компаний, а раз в две недели выделяем час на просмотр источников.
8️⃣ Что изменилось после перестройки процесса?
Появилась единая база знаний, информацию об изменениях стали собирать регулярно, а нужные материалы теперь проще находить всей команде.
Процесс продолжаем развивать. Сейчас тестируем автоматизацию анализа с помощью LLM: например, используем Claude для поиска информации в открытых источниках и ее систематизации в таблицах, которые раньше заполняли вручную.
Основная мысль проста. ИИ может успешно справляться с некоторыми формами умозаключений - например, с дедукцией и индукцией, но пока не способен полноценно использовать третий тип: абдукцию.
«Хотя ИИ способен сжимать и обобщать данные с помощью индукции и доказывать теоремы посредством дедукции, он пока не может воспроизвести тот интуитивный скачок, который совершил Альберт Эйнштейн при формулировании основных положений общей теории относительности. Этот процесс опирался не на манипулирование символами, а на мысленное моделирование физических явлений».
Две статьи с полным разбором найма в IT позади (раз, два), цифры и графики посмотрели. Но всё равно, статистика это конечно хорошо, но пока не натыкается на живого человека с конкретной историей.
Я запустил сбор реальных историй найма в IT-шечку))
У меня уже есть несколько крутых историй: Ветеринар, который дорос до дата-аналитика в банке и застрял на "теневом айти", тимлид, которого молча назначили руководить отделом, системный аналитик, прошедший 5 кругов собеса в Т-Банке только чтобы услышать "мы взяли внутреннего кандидата" и рассказ о том как устроен коучинг в найме IT, за полторы месячные зарплаты!!!. Всё это не укладывается ни в какую аналитику.
По этому:
Хочу собрать из таких историй отдельный материал, что-то вроде "IT-найм 2026 года глазами тех, кто через него прошёл".
Так что если за последние полгода ты искал работу в IT, удачно или нет (не важно) - напиши мне в личку.
Конечно же я всё обезличу)) Шаблона нет, по этому в свободной форме, вот как душа захочет рассказать так и рассказывайте... Примерно публикацию планирую на 14-ое сентября)
Мне кажется, это будет реально полезнее любых графиков, и очень интересно многим. Встретимся в следующей статье...
Перед вами моя новая фантастическая повесть «Королев ИИ»: инженеры нооэры», которая родилась не на пустом месте. Она выросла из моей многолетней работы в сфере информационных технологий и бесценного опыта, который я получил во время работы над созданием Центра разработки и внедрения сильного и прикладного искусственного интеллекта МГТУ им. Н.Э. Баумана в 2021 году[1], а также из опыта работы над проектом создания научно-образовательной платформы «Королев ИИ».
Эта повесть выходит в преддверии важного события. В сентябре 2026 года в МГТУ им. Н.Э. Баумана стартует полноценное использование научно-образовательной платформы «Королев ИИ» для всех сотрудников, преподавателей и студентов. По нашей задумке, платформа должна стать, в некотором смысле, «фундаментом» нашего университета, в рамках реализации концепции «Университет 4.0» и будущей концепции, которую мы назвали «Нейроуниверситет» (над которой мы уже работаем). Сейчас, у нас большой потенциал и задел по ноу-хау, новым задачам и новым ИИ-сервисам для университета, по научным открытиям и публикациям полученных результатов, которые мы планируем реализовать в ближайшее время. И, — это только начало.
В этой повести я попытался заглянуть за горизонт текущего момента. Попытался представить, какими могут быть новые технологии ближайшего будущего и каким может стать наш мир, где искусственный интеллект будет не просто инструментом, а станет незаменимым помощником человека, чьи технологии позволят человеку быть не просто «продвинутым» пользователем интеллектуальной автоматизированной системы, а помогут стать настоящим творцом и исследователем (то есть, так называемым, инженером нооэры), использующим знания и опыт для творчества, созидания и сохранения нашего мира и, возможно, покорения Солнечной системы.
Я посвящаю ее студентам и молодым учёным, изобретателям и энтузиастам. Я посвящаю ее сегодняшним людям завтрашнего дня. Тем, кто не боится мечтать и воплощать мечты в жизнь. Тем, кто своими руками, своим умом и своим упорством создаёт будущее.
Надеюсь, она подарит вам немного позитивных впечатлений и вдохновения и, возможно, поможет найти свой собственный путь в этом удивительном мире, где границы между человеком и машиной, между наукой и фантастикой, между реальностью и мечтой становятся всё более прозрачными.
