Исследования и прогнозы в IT *

Сможет ли ИИ заменить юристов? Ответ — нет. И вот почему

Привет! На связи Егор Ярко, PR-директор «Технократии». Возможно, вы уже встречали наши материалы про ИИ в ленте Хабра — статьи, аналитические обзоры, новости. Теперь мы пошли дальше: делаем не только тексты, но и видеоролики по самым интересным темам.

Сегодня мы опубликовали сжатый пересказ нашего исследования о развитии индустрии LegalAI — технологий, которые автоматизируют работу юристов. Мы разобрались, насколько глубоко нейросети уже проникли в юридическую рутину и способны ли языковые модели вообще оставить юристов без работы.

Если удобнее смотреть на VK.Video, где мы тоже выложили выпуск.

Буду рад конструктивной критике — этот формат для нас пока новый, и обратная связь действительно помогает делать его лучше.

А ещё рекомендую подписаться на:

• «Голос Технократии» — здесь мы собираем главные новости про технологии и дублируем ссылки на наши материалы.

• «Пиарщик на зарплате» — мой личный канал про PR, маркетинг и рекламу.

Спасибо, что дочитали! Отличной пятницы и до встречи на Хабре 👋

Будущее ИИ-гигантов.

Если смотреть на развитие ИИ по закону жанра, через 5–6 лет на рынке закрепятся всего 3–5 крупных игроков. Уже сейчас видно очертания: в генерации видео на флагманскую позицию выходит Gemini от Google, в программировании и код-ассистах сильнее всего смотрится Claude от Anthropic, а в области агентов и мультиагентных систем ключевая борьба развернётся между OpenAI и Anthropic. Grok и другие модули пока остаются в роли догоняющих и, скорее всего, либо займут нишевые сегменты, либо постепенно растворятся в истории.

Про Китай сказать не смогу. Они всегда в роли тёмной лошадки.

А как вы думаете?

Alibaba представила Qwen3 — линейку с MoE-моделями до 235 миллиардов параметров

Команда Qwen от Alibaba Cloud выпустила третье поколение языковых моделей с гибридной архитектурой мышления. Флагманская модель Qwen3-235B-A22B использует Mixture-of-Experts подход с 235 миллиардами параметров, активируя 22 миллиарда для каждого токена.

Архитектура и масштаб

Линейка включает восемь моделей: шесть плотных архитектур от 0.6B до 32B параметров и две MoE-модели — Qwen3-235B-A22B и Qwen3-30B-A3B. Все модели поддерживают контекст до 128K токенов, кроме младших версий с 32K контекстом.

Технические характеристики флагманской модели:

• 235 миллиардов общих параметров

• 22 миллиарда активных параметров на токен

• 128 экспертов, 8 активируется одновременно

• 94 слоя трансформера

• Поддержка 119 языков

Гибридные режимы мышления

Ключевая особенность Qwen3 — два режима обработки запросов. Thinking Mode использует пошаговые рассуждения для сложных задач, а Non-Thinking Mode дает быстрые ответы на простые вопросы.

Интеграция двух режимов обеспечивает масштабируемый контроль вычислительного бюджета с плавным улучшением производительности в зависимости от выделенных ресурсов.

Переключение между режимами происходит через команды /think и /no_think в промптах, что позволяет динамически управлять поведением модели в диалоге.

Процесс обучения

Предобучение проводилось на 36 триллионах токенов — в два раза больше, чем у Qwen2.5. Процесс включал три этапа: базовое обучение на 30T токенов с контекстом 4K, улучшение датасета с фокусом на STEM и программирование на 5T токенов, и финальное расширение контекста до 32K.

Постобучение состояло из четырех стадий:

• Обучение на длинных chain-of-thought данных

• Reinforcement Learning с правилами-наградами

• Интеграция thinking и non-thinking режимов

• Общее RL для более 20 доменов

Производительность и сравнения

Qwen3-235B-A22B показывает конкурентные результаты с топовыми моделями вроде DeepSeek-R1, o1, o3-mini и Grok-3 в бенчмарках по программированию, математике и общим способностям.

Компактная Qwen3-30B-A3B с 30B общих параметров превосходит QwQ-32B при 10-кратно меньшем количестве активных параметров. Даже Qwen3-4B конкурирует с Qwen2.5-72B-Instruct.

Развертывание и доступность

Модели доступны через несколько платформ: Hugging Face, ModelScope, Kaggle. Для развертывания поддерживаются SGLang и vLLM, для локального использования — Ollama, LMStudio, llama.cpp.

Все модели, кроме самых крупных, лицензированы под Apache 2.0. Компания предоставляет бесплатный доступ через Qwen Chat для тестирования возможностей.

Мультиязычность и агентские способности

Модели поддерживают 119 языков и диалектов, включая основные семьи языков: индоевропейскую, сино-тибетскую, афразийскую, австронезийскую и другие.

Улучшены агентские способности с поддержкой Model Control Protocol (MCP) и оптимизацией для взаимодействия с инструментами и окружением.

Перспективы развития

Команда Qwen позиционирует релиз как шаг к переходу от эпохи обучения моделей к эпохе обучения агентов. Планируется развитие в направлении масштабирования данных, увеличения размера моделей, расширения контекста и мультимодальности.

Moebio Mind — интерактивная визуализация работы языковых моделей

Датавиз-художник Сантьяго Ортис создал интерактивный инструмент Moebio Mind, который показывает, как большие языковые модели генерируют текст. Проект визуализирует вероятностные процессы выбора следующего токена и траектории в многомерном семантическом пространстве.

Принцип работы

Языковая модель назначает вероятность каждому слову (токену), которое может появиться следующим, и повторяет этот процесс до завершения генерации. Moebio Mind демонстрирует этот механизм через несколько визуализаций.

Основные компоненты интерфейса:

• Облако слов — размер слова отражает его вероятность появления в контексте

• 3D-куб связей — показывает взаимосвязи между токенами в семантическом пространстве

• Траектории эмбеддингов — пути через 1536-мерное семантическое пространство

Техническая реализация

Для создания визуализации автор использует ChatGPT API, запуская один и тот же промпт сотни раз. Каждый текст имеет эмбеддинг — позицию в 1536-мерном пространстве, которое автор называет семантическим пространством.

Проект показывает траектории генерации: от начального промпта "Intelligence is" через промежуточные состояния "Intelligence is the", "Intelligence is the ability" до полного завершения фразы.

Образовательная ценность

Инструмент решает проблему понимания работы ИИ-систем. Обычно процессы выбора токенов скрыты от пользователя, что создает иллюзию "магии" в работе языковых моделей.

Что можно изучить:

• Как модель оценивает вероятности разных продолжений

• Почему модель выбирает конкретные слова в контексте

• Как семантические связи влияют на генерацию

• Принципы работы attention-механизмов в трансформерах

Визуализация помогает разработчикам и исследователям лучше понимать поведение моделей и отлаживать их работу.

Технические особенности

Проект требует значительных вычислительных ресурсов для рендеринга интерактивной 3D-графики и обработки многомерных данных в реальном времени. Автор рекомендует использовать десктопные браузеры из-за высокой нагрузки на GPU.

Архитектура включает:

• WebGL для 3D-визуализации

• Обработку API-ответов от языковых моделей

• Алгоритмы снижения размерности для отображения эмбеддингов

• Интерактивные элементы управления траекториями

Контекст и применение

Сантьяго Ортис — известный специалист по интерактивной визуализации данных, создающий проекты на стыке математики, науки и искусства. Moebio Mind продолжает его исследования в области объяснимого ИИ.

Инструмент полезен для:

• Образования — понимание принципов работы LLM

• Исследований — анализ поведения моделей

• Разработки — отладка и оптимизация промптов

• Демонстраций — наглядное объяснение ИИ-технологий

Проект показывает важность визуализации для понимания сложных алгоритмических процессов и делает "черный ящик" ИИ более прозрачным.

Sapient представил HRM — ИИ-модель, имитирующую структуру мышления человека

Сингапурский стартап Sapient Intelligence выпустил в открытый доступ Hierarchical Reasoning Model (HRM) — архитектуру нейросети, основанную на принципах работы человеческого мозга. Модель с 27 миллионами параметров обучается на 1000 примерах и превосходит крупные языковые модели в задачах логического мышления.

Архитектура системы

HRM состоит из двух связанных рекуррентных модулей: высокоуровневого (H) для абстрактного планирования и низкоуровневого (L) для быстрых детальных вычислений. Такая структура позволяет избежать быстрой сходимости стандартных архитектур.

Принцип работы основан на двух типах мышления:

• Абстрактное планирование — формирует общую стратегию решения

• Детальные вычисления — обрабатывает конкретные операции и нюансы

Архитектура вдохновлена тем, как человеческий мозг использует отдельные системы для медленного обдуманного планирования и быстрых интуитивных вычислений. Это кардинально отличается от chain-of-thought подхода современных LLM.

Результаты тестирования

Модель достигает практически идеальных результатов, используя всего 27 миллионов параметров и около 1000 обучающих примеров без предобучения. Для сравнения — GPT-4 содержит триллионы параметров.

Benchmark ARC-AGI (оценка общего интеллекта):

• Sapient HRM — 40,3%

• o3-mini-high — 34,5%

• Claude Sonnet — 21,2%

• DeepSeek-R1 — 15,8%

Система превзошла ведущие LLM в сложном для ИИ бенчмарке, который считается одним из наиболее требовательных тестов рассуждения.

Технические преимущества

Эффективность обучения: Модель требует в разы меньше данных и памяти по сравнению с современными LLM. Это решает проблему растущих требований к вычислительным ресурсам.

Специализация задач: Иерархическая структура позволяет оптимизировать обработку разных типов задач — от судоку и лабиринтов до стратегического планирования.

Стабильность обучения: Архитектура обеспечивает устойчивость тренировки при значительной вычислительной глубине.

Практическое применение

HRM показывает эффективность в задачах, требующих пошагового логического анализа:

• Решение головоломок и математических задач

• Навигация в сложных средах

• Стратегическое планирование

• Анализ паттернов и закономерностей

Код модели опубликован на GitHub, что позволяет исследователям воспроизвести результаты и развивать архитектуру.

Значение для отрасли

Если результаты Sapient подтвердятся независимыми исследованиями, это может изменить вектор развития ИИ. Вместо наращивания параметров и данных фокус сместится на архитектурные инновации, вдохновленные нейробиологией.

Подход демонстрирует альтернативу гонке масштабирования — создание специализированных, эффективных моделей для конкретных классов задач.

У американского финансового-экономического журнала «Форбс» есть 49 локализиованных вариантов, в том числе свой издаётся в Японии. Впрочем, о важности этого варианта судить непросто. Тираж японского филиала не самый низкий: он заметно выше чем у средневосточного (80 тыс. против 20 тыс.), но всё равно достаточно скромный.

Как бы то ни было, но 25 августа 2025 года Forbes JAPAN опубликовал свой список 30 Under 30 — тридцати молодых людей, которые меняют мир. Собственно сама подборка будет представлена в печатном номере журнала за октябрь.

Среди отмеченных — битмейкер Koshy, музыкант Сасукэ Харагути, женская группа f5ve, тиктокер и ютубер ISSEI, ракугока Синосин Кацура, инди-режиссёр Pennacky, артист Аюми Имадзу, танцовщица и хореограф JESSICA, 3D-аниматор Nashi, сёгист Такуми Ито, скрипачка HIMARI, кинорежиссёр Ёко Яманака, группа HANA, художница Савако Насу и другие. Также упомянут предприниматель Такуми Китагути (Grand Central), чья компания на третьем году достигла выручки 1,4 млрд иен.

Однако наиболее интересно, кто в этом году будет украшать обложку спецвыпуска. Это виртуальная айдол и витубер Хосимати Суисэй. Это не просто один из самых популярных виртуальных ютуберов, но и певица. Свою деятельность она начала ещё в 2018 году, на тот момент без агентства, хотя в 2019 перешла в лейбл INoNaKa Music, а затем — в основной состав hololive.

Суисэй — артистка, которая начала как виртуальный персонаж, но доказала, что может конкурировать на равных с офлайн-певцами. Она без проблем собирает полные залы и даже выступала на Будокане. Её альбомы попадают в крупные чарты: Specter (2023) поднимался до четвёртой строчки рейтинга Oricon, а третий альбом 新星目録 (Синсэй мокуроку) — до третьей. Наконец, у неё просто много подписчиков: на YouTube у канала @hoshimachisuisei сейчас 2,8 млн подписчиков.

Исследование рынка: цифры - это не люди

Адекватный и перспективный бизнес всегда проводит исследования рынка: для того, что держать руку на пульсе, знать объём и ёмкость "игрового поля", синхронизироваться с зоной извлечения прибыли, для принятия решений о выводе новых продуктов, открытии новых регионов и т.д.

И это очень круто! Подобные аналитические отчёты дают возможность принимать решения на данных, минимизируя риски.

Только вот некоторые, в погоне за цифрами и метриками, забывают, что рынок - это в первую очередь потребители, покупатели, пользователи, ЛЮДИ. Тогда адекватный и перспективный бизнес ответит, что они с высокой тщательностью проводят исследование ЦА - соц-дем, количество по регионам, LTV, покупательскую способность, средний доход и много-много чего еще. Много метрик, много цифр.

Но это всё "исследование ЦА", пересчёт. А можно (нужно) вступить в диалог со своими клиентами (или потенциальными). Провести не циферный анализ ЦА, а опросы (количественные и качественные). Обычное панельное исследование (опрос) с правильными вопросами даст куда больше живой информации о предпочтениях покупателей, чем сухие факты и цифры.

А если подкрепить этот опрос глубинными интервью, то эффект будет ещё сильнее: получится вытащить не только "боли и потребности", но и важные словоформы и цитаты, которыми наши покупатели думают и говорят.

Затем останется только соединить вместе эти три сущности (исследование ЦА, результаты опроса, глубинные интервью с цитатами) и у вас получится максимально релевантное понимание ваших клиентов настоящих и будущих.

Отличное совпадение (а может быть и нет :) )

https://habr.com/ru/news/938612/ - Пользователь Samsung обнаружил самовольную установку мессенджера MAX (2025-08-19 13:50)

Казалось бы, как они смеют что-то там ставить без согласия пользователя! Почему пользователь не может отказаться!

Но сутки назад было вот это.

https://habr.com/ru/news/938154/ - Microsoft больше не позволяет отключать обновления приложений в Microsoft Store (2025-08-18 12:17)

Ага, установка софта без запроса пользователя и вопреки его воле, это не какая-то сатрапия и волюнтаризм каких-то злобных властей, а уже отраслевой стандарт.

Тут можно много рассуждать о том, какую роль в этом сыграли реальная забота о безопасности, стремление уменьшить зоопарк поддерживаемых версий и желание начать полностью контролировать корпоративный корм, которым стали пользователи софта и сервисов, но это не отменяет того факта, что IT-лягушка не заметила изменений и сварилась.

А власти лишь пользуются тем, что им предлагает отрасль.

Пройдите опрос и получите подарки от Selectel

Мы развиваем в Академии Selectel Security Center — спецпроект по информационной безопасности. Чтобы сделать его еще полезнее, нам важно знать, какие темы вам интересны.

Возможно, вы читаете новости об утечках? Или вас интересуют инструкции по защите инфраструктуры? А может, вы хотите узнать о новых угрозах? Расскажите об этом — пройдите короткий опрос.

С нас — подарки

15–21 сентября среди всех, кто поделится мнением, разыграем подарки:

— 10 сертификатов в крупный маркетплейс,

— 5 плюшевых Тирексов.

Пройти опрос ➡️

Предсказания сбываются

Как и ожидалось, на рынке обучения программированию происходят большие перемены.

Просто небольшой фрагмент из августовского чата одних известных курсов:

Вопрос: Подскажите, а когда новый курс стартует?

Ответ: Напишу вам в личку.

Раньше о курсах заявлялось громогласно, с рекламными объявлениями, сроками, ценами и контактами для связи.

А теперь - в личку. Скромно так.

В общем, ИИ уже здесь и от этого никуда не деться.

Gemini 2.5 Deep Think получила первую официальную золотую медаль IMO среди AI-систем

20 июля 2025 года Google DeepMind совершила прорыв: их модель Gemini 2.5 в режиме Deep Think стала первой AI-системой, официально получившей золотую медаль на Международной математической олимпиаде (IMO). Разбираемся, что это значит для развития искусственного интеллекта и когда технология станет доступна разработчикам.

Что произошло на IMO 2025?

Gemini 2.5 Deep Think набрала 35 из 42 возможных баллов, решив 5 из 6 олимпиадных задач за отведённые 4,5 часа. Главная особенность — все решения проходили на естественном языке без формальных переводов в системы вроде Lean или Coq.

Это кардинально отличается от предыдущих попыток. Например, AlphaGeometry от Google в 2024 году достигла только серебряного уровня в геометрических задачах, при этом тратила дни на решение одной задачи и требовала мощных вычислительных кластеров.

Важно: OpenAI заявляла о золотом уровне для своих моделей o1/o3, но официального признания от комитета IMO они не получали.

Архитектура Deep Think: мульти-агентное мышление

Технологический прорыв Deep Think заключается в нескольких ключевых инновациях:

1. Множественные потоки рассуждений

Модель запускает несколько параллельных "агентов", каждый из которых исследует свой путь решения. Затем результаты объединяются для финального анализа — подход, схожий с Grok 4 Heavy от xAI.

2. Увеличенное время на размышления

В отличие от обычных языковых моделей, Deep Think намеренно замедляет генерацию ответа, позволяя внутренним процессам глубже проанализировать проблему.

3. Специализированное обучение с подкреплением

Применяются алгоритмы RL, которые поощряют не только правильность решений, но и чёткость доказательств и качество формулировок.

Доступность и ценообразование

Здесь начинаются проблемы. Google выпустила две версии Deep Think:

1. IMO Gold версия — доступна только избранным математикам и исследователям

2. Bronze версия — публично доступна через подписку Google AI Ultra

Стоимость Bronze версии:

• $124.99/мес первые 3 месяца

• $249.99/мес в дальнейшем

• Включает: Deep Think, Veo 3 (генерация видео), 30 ТБ хранилища

Ограничения Bronze версии:

• Время ответа: 30-60 секунд на сложные запросы

• Ограниченное количество запросов в день

• Упрощённые возможности по сравнению с IMO-версией

Критический взгляд: стоит ли овчинка выделки?

Реакция комьюнити неоднозначная. Основные претензии:

1. Неоправданно высокая цена: многие пользователи отмечают, что подписка Ultra даёт те же квоты API, что и бесплатный аккаунт

2. Медленная работа: 30-60 секунд ожидания не подходят для продуктивной работы

3. Неясные перспективы: Google не сообщает, когда IMO-версия станет доступна публично

Значение для индустрии

Успех Deep Think на IMO знаменует переход от "умных автодополнений" к системам, способным к настоящему рассуждению. Это открывает новые возможности:

• Научные исследования: помощь в доказательстве теорем и решении сложных задач

• Инженерия: анализ комплексных технических проблем

• Образование: персонализированное обучение математике и логике

Что дальше?

Google обещает API-доступ к Deep Think "в ближайшие недели", но пока только для "доверенных партнёров". Полноценная IMO-версия может остаться исследовательским инструментом надолго.

Для разработчиков это означает ожидание: пока что Deep Think — это скорее демонстрация возможностей, чем готовый продукт для интеграции.

Выводы

Gemini 2.5 Deep Think действительно совершила исторический прорыв, став первой AI-системой с официальной золотой медалью IMO. Однако коммерческая реализация пока разочаровывает: высокие цены, ограниченный функционал и неясные перспективы развития.

Если вам нужна скорость и код — оставайтесь с GPT-4, Claude или o1. Если же готовы платить за глубокие рассуждения и не спешите — Deep Think может стать интересным инструментом.

Что мы знаем о защите АСУ ТП?

В новой статье говорим о том, как складывается ситуация с кибератаками на реальный сектор в России и в мире, кто и как атакует предприятия, какие сегменты промышленных сетей самые уязвимые и что за средства используются злоумышленниками для атак.

🫧 Технологический пузырь лопнул: что случилось с ИИ-агентами?

Аналитики из Gartner предупредили, что к 2027 году более 40% проектов с ИИ-агентами будут закрыты. Спойлер: ИИ как ключевую технологию никто не отменяет, но если будете запускать своих ИИ-агентов, учтите риски, которые увидели эксперты и добавили мы от себя.

ИИ-агенты — это программы, которые автономно или полуавтономно могут принимать решение с использованием технологий ИИ. Когда вам не надо каждый раз запрашивать чат-бот, а он сам отследит ситуацию и будет выдавать вам самые оптимальные туристические маршруты.

Естественно, это даёт возможность упростить и ускорить бизнес-процессы, и компании активно используют её. Аналитики Gartner предсказывают, что к 2028 году как минимум 15% рабочих решений будет приниматься с участием ИИ-агентов (сейчас около нуля), а 33% корпоративного ПО будет включать ИИ-агентов (сейчас около 1%). Почему же эта же компания предупреждает об отмене почти половины проектов с ИИ-агентами?

Во-первых, из-за непредсказуемой стоимости. Сейчас внедрение ИИ-агентов находится на экспериментальной стадии и может дать первые результаты. Но при попытке полноценно интегрировать их в бизнес-процессы компании могут столкнуться с тем, что это дорого или невыгодно.

Во-вторых, из-за непредсказуемой ценности для бизнеса. Понятно, что ИИ может ускорить бизнес-процессы и повысить их эффективность. А может и не помочь. Только после «приземления» тех же больших языковых моделей будет ясно, могут ли они помочь (как в случае с поиском по техдокументации) или потребуют слишком больших затрат ресурсов на проверку результатов работы ИИ.

Наконец, третий пункт — это сложность риск-менеджмента. Как предотвратить утечку информации и взлом ИИ? Как убедиться в адекватности результатов работы ИИ-агента? Это ещё предстоит научиться узнавать, потому что стандартных методик пока нет.

Возможно, сразу во всех трёх пунктах лежит ещё один момент. Gartner предупреждает, что под модным названием компаниям пытаются «продать» и RPA, и чат-боты и другие процессы, которые работают без ИИ или автоматизации. Если они помогают бизнесу — это, конечно, хорошо, но цена старых решений под видом модных «ИИ-агентов» может оказаться выше, чем у исходного продукта, а значит, финальная окупаемость будет под вопросом.

В общем, совет можно дать такой: используйте новые инструменты, но не поддавайтесь на хайп — взвешивайте риски и потенциал внедрения ИИ-агентов.

Кто спасёт ИИ?

Исследование hh.ru и Swordfish Security покзало, что в первом полугодии количество специалистов по безопасности ИИ выросло в 4 раза, а их медианная зарплата выросла 1,5 раза.

К сожалению, прямой запрос на Headhunter не показывает вакансий с таким названием, но результаты комплиментарны исследованию МТС RED годовой давности: всё чаще в вакансиях ИБ-специалистов компании требуют навыки работы с ИИ.

Можно выделить две основные проблемы в ИИ. Во-первых, галлюцинации — неспровоцированные неправильные ответы могут привести, например, к фейковым библиотекам в документации. Хакеры могут воспользоваться этой особенностью ИИ: если они подменят реальную библиотеку на свою, то при её использовании программа пользователя выполнит инструкции злоумышленника. Соответственно, специалисты по информационной безопасности должны следить за «зависимостями» — кодом, который имплементируется в продукт со стороны.

Во-вторых, при попытке сгенерировать тексты, картинки или видео вы можете передавать большой языковой модели чувствительные данные, но были случаи, когда она в дальнейшем использовала их и могла выдать другим пользователям.

Вышеприведённые два случая — только небольшая часть угроз, которые надо учитывать ИБ-специалисту. Поэтому нанимать профессионала, который будет сосредоточен только на безопасности ИИ, неэффективно — это всё равно что охранять только вход на большом участке, огороженном забором. Но вполне логично, что компании теперь уделяют внимание тому, чтобы специалисты обладали навыками обеспечения информационной безопасности ИИ.

Распространение ИИ приводит к спросу на специалистов, которые могут с ним работать. Данное исследование подтверждает, что бизнесу нужны специалисты, которые обладают навыками обеспечения их информационной безопасности. Вот и перспективное направление для карьерной траектории.

Сегодня 24 июня до 23.59 успейте принять участие в главном DevOps-исследовании года!

Это last call по исследованию состояния DevOps 2025 в России, проводимого компанией «Экспресс 42» при поддержке Axiom JDK. Оно закрывается сегодня ночью в 00.00 по мск.

Помогите отследить тренды и понять, как опыт разработчиков (DX) влияет на эффективность команд и успех компании. Фокус State of DevOps Russia 2025 на developer experience. 

Осталось всего несколько часов — пройдите опрос до 23.59.

Мы вместе изучим, что помогает компаниям формировать позитивный опыт для разработчиков и как на него влияют внутренние платформы, ML/AI-инструменты, облачные технологии и практики ИБ.

Опрос анонимный и займёт ~20 минут. Данные нужны, чтобы понять, какие инструменты реально работают в проде, а какие — только в красивых презентациях.

Все участники получат:

• Полный доступ к результатам исследования;

• Возможность выиграть билеты на Highload++ и DevOpsConf.

• Промокоды и мерч от партнёров (AvitoTech, VK Cloud, Positive Technologies, Selectel, ecomtech, Okko, Онтико, Т-Технологии,  Axiom JDK, Экспресс 42).

Участвуйте сегодня и голос вашей команды будет услышан. Чем больше ответов — тем лучше получится карта DevOps-практик в России.

Почитать предыдущие отчёты можно тут

PS. А у кого есть интерес заняться девопсом в команде Axiom JKD, загляните сюда.

Простите, вы киборг или оператор?
Нашел две новые роли для белых воротничков.

Большинство интерфейсов пока всё ещё человеческие.
Поэтому, ИИ-агенты поначалу и строятся так нелепо - тыканье по кнопкам, заполнение форм.

Даже будучи автономными, они всё ещё окружены элементами старой архитектуры.

Чтобы войти в новую экономику, в новых продуктах предстоит перестроить архитектуру, где человек будет выполнять либо роль валидатора ключевых этапов, назовем его Оператором, либо роль Киборга, человека который глубоко интегрирован в бизнес-процесс и работает в окружении сотен ИИ-ассистентов и ИИ-дивайсов.

Это будет промежуточным этапом перехода к агентной экономике.

Полный переход ознаменует полная автономия, но вот до нее нам как раз ещё дожить надо.

Полная автономия будет невозможна не по причине неготовности технологий, а из за неготовности человека переложить ответственность за ключевые решения на ИИ.

Никто пока не знает, как долго продлится этот переходный период, но даже в нем бизнес-процессы и интерфейсы уже изменятся кардинально. Про интерфейсы писал здесь.

Поэтому, мысль Андрея Карпаты на AI Startup School про ползунок автономии я рассматриваю именно так, хотя он конечно же говорит немного о другом, о подходе через ИИ-ассистентов.

Но киборги ведь и будут использовать сотни таких ИИ-ассистентов, а для того чтобы поспевать за скоростью им придется использовать нейролинк-подобные дивайсы.

Практически уверен, мы увидим оба подхода, одни процессы будут строиться через усиление человека (Киборги), другие через автономию и адаптивность, но с валидацией ключевых этапов (Операторы).

В критически важных процессах человек и ИИ будут образовывать гибридную систему принятия решений, где технологии будут расширять когнитивные способности человека.
Одним словом, киборги! Ну а как ещё назвать людей, обвешанных со всех сторон ИИ-дивайсами и ИИ-ассистентами?

А в другом подходе, люди получат удобные интерфейсы контроля и валидации промежуточных этапов и будут больше как операторы систем.

Киборги или Операторы?
В общем, в любом случае, основной вызов переходного периода это создание новых стандартов взаимодействия между человеком и ИИ.

Нам предстоит разработать принципиально новые паттерны UX/UI, где интерфейс станет не набором кнопок, а интеллектуальным посредником.

И соответственно, два параллельных трека развития, еще две новых роли видится для бывших и будущих белых воротничков, кто будет работать с такими ИИ-системами:

Киборги, для критических процессов, где человек остается в контуре управления и будет интегрирован в бизнес-процесс.

Операторы, с валидацией человеком критических участков бизнес-процессов.

Временные рамки этого переходного периода будут определяться не столько техническими возможностями, сколько культурными и регуляторными факторами.

Поколение, выросшее с ИИ, будет гораздо более готово к передаче ответственности автономным системам.

Предыдущие материалы и выпуски дайджеста агентной экономики за июнь, там до сих пор много интересных инсайтов.

Альфред Лао. Новые Инсайты.

Как провести быстрый аудит разработки без изучения кода: доклад Андрея Бирюкова на CTO Conf X 2025

В пятницу прошла интересная конференция для технических директоров – CTO Conf X 2025. Вице-президент по исследованиям, разработке и сервисам ГК InfoWatch Андрей Бирюков выступил перед аудиторией с докладом «Как провести быстрый аудит разработки без изучения кода».

«В практике СТО может возникнуть ситуация, когда необходимо оперативно провести глобальную оценку или чек-ап разработки: вы перешли в новую компанию и нужно быстро во всем разобраться, появился запрос на изменение подходов к разработке, или ваша компания собралась покупать другую и нужно понять, что там внутри. В докладе поделился своим видением – какие вопросы и кому важно задавать, стоит ли насторожиться, если нет багов, а план фичей расписан на пять лет вперед, и почему в центре внимания должны быть люди, а не код», – говорит Андрей Бирюков.

В докладе он рассказал о методах оперативной оценки состояния разработки в новых или приобретаемых командах. Его методика поможет понять, насколько модель разработки компании далека от идеальной, выявить и поставить в приоритет потенциальные проблемы.

Общая схема аудита, анализ процесса разработки, оценка инженерных практик — в презентации с выступления.

Расскажите, какие материалы вам интересны? Запускаем опрос и дарим призы за участие

Привет, Хабр! Мы хотим создавать в наших блогах — на Хабре и в Академии Selectel — контент, который действительно вам интересен. Будь то обзоры железа, инструкции или подборки полезных команд. Но для этого нам важен ваш фидбэк. Пройдите короткий опрос — расскажите, что вы читаете, что вам интересно и чего не хватает.

Это займет около пяти минут.

А среди участников, которые корректно и развернуто заполнят анкету, мы разыграем призы:

• 10 сертификатов на 1500 ₽ на маркетплейсе,

• 10 легендарных плюшевых Тирексов.

Пройти опрос ➡️

Разработали первый в России «Индекс клиентоцентричности IT-компаний»

И поделились трендами в новом совместном исследовании Cloud․ru и Высшей школы экономики 📊

Поскольку пользователи всё чаще ожидают от взаимодействия с IT-сервисам не только услугу, но и персонализированный опыт, актуальнее становится возможность оценить — реально ли компания ориентирована на глубокое понимание и интеграцию клиентских ожиданий?

Мы провели исследование и оценили 40 ведущих компаний по критериям:

• корпоративная культура, ориентированная на клиента;

• проактивная позиция и быстрая адаптация к запросам;

• активное использование цифровых технологий и искусственного интеллекта;

• контроль взаимодействия с клиентом во всех точках контакта и анализ обратной связи;

• вовлечение клиентов в создание и улучшение продуктов.

Один из выводов: IT-компании, разрабатывающие и использующие AI-технологии, быстрее адаптируют инновации для улучшения клиентского опыта и способны делать более персонализированные предложения.

А про остальные тренды можно прочитать в исследовании 🔍

Как получилось, что юристы используют среду для разработчиков?

e/acc часто пишет про изменение индустрий, вижн будущего, которые он берет из исследований либо из общения с фаундерами (со стороны инвестора). И я у него на канале не первый раз вижу упоминания одной странной штуки.

Мол, можно взять AI среду для разработчиков Cursor и настроить ее как рабочую программу для неразработческих задач. Звучит сомнительно. Но я попытался "покритиковать свою критику", вот что вышло:

Зачем вообще сложный Cursor вместо простого chatgpt?

1. Встроенная реализация агентов

   Система планирует новые действия на основе результатов предыдущих. Пример агента – openai deepresearch. Он понимает, на какие сайты еще сходить на основе того, что уже нагуглил.

   Агент выполняет сложную последовательность шагов (пройтись по гуглтабличке с ссылками на видосы, скачать их, вытащить из них аудиодорожку через ffmpeg, сделать транскрибацию, саммари и сохранить в файлики). Даже если она не известна заранее.

2. Рабочий контекст

   Часто у нас есть какой-то рабочий контекст. Файлики, таблички, инструкции. Программистам важно быстро добавлять нужный контекст к запросам, и Cursor поддерживает это by design. Можно сослаться на конкретный файл или папку. И результаты тоже сразу сохранятся в виде готовых файлов. Плюс есть .cursor/rules "настройками" поведения LLM под разные задачи.

3. Встроенная расширяемость

   Сейчас популярны MCP-серверы – унифицированные обертки над внешними сервисами, дающие к ним доступ LLM-агентам. В два клика даем системе доступ к корпоративному Notion или гугл календарю. Если подходящего нет, просто просим LLM написать его самому. А можно не трогать MCP, а просить разработчиков или LLM писать python-скрипты – агент будет их использовать в дальнейшем.

4. Очень удобная работа с текстом.

   Cursor – лучший инструмент для написания текстов. Он умеет завершать предложения за меня, на лету исправляет падежи, сам понимает, куда я хочу переместить курсор. Можно выделить часть текста и дать задачу чисто под нее. Можно сделать что-то со всем текстом и он подсветит изменения.

   По сути, если вы работали с Canvas режимом в ChatGPT, то на пальцах:

   ChatGPT < Canvas < Cursor

   А точнее

   ChatGPT < Canvas <<< Cursor

А что мешает сделать себе полноценный сервис под свою область (ко мне часто приходят с таким запросом)?

Реализовать нормальную агентскую систему – сложно. Бизнесу дешевле взять уже готовое и расширяемое. Но собственные системы можно и нужно делать, когда есть четкие повторяемые задачи, где есть потенциал свести участие человека к минимуму.

А вот если задач много, разных, они не разбиваются на заранее известную последовательность шагов + нужен человеческий контроль/планирование, то я пока не могу ничего лучше придумать, чем Cursor. Переобулся, короче.

P.s. у меня гораздо менее технооптимистичный взгляд, чем у e/acc, и вижу много сложностей во внедрении таких инструментов в реальном бизнесе, но где-то это может сэкономить десятки тысяч долларов.

Если нравится такой формат авторских разборов, добавляйтесь в мой тг канал AI и грабли – пишу свои выводы из того, с чем сталкиваюсь на практике. Например, инструкция, как анализировать чаты в тг