Вышел интересный подкаст Екатерины Ланге, директора по развитию КТ Теам, с Артуром Ишмаевым, руководителем отдела исследований и разработки в области ИИ в ПИКе. Мы посмотрели — главные тезисы ниже:

Личное
🔵Личное и профессиональное переплетены (work-life mix, а не balance).
🔵Армейский опыт повлиял на веру в свои силы.
🔵Чат GPT как личный психолог и критик.
🔵Визуализация фракталов как способ изучить технологии.
🔵Здоровье и спорт как часть профессиональной устойчивости.

Проблемы и вызовы отрасли
🔵Дефицит качественных данных в российской отрасли.
🔵Отсутствие универсальных бенчмарков для оценки качества архитектурных генераций.
🔵Сопротивление команд и консерватизм в восприятии ИИ-инструментов.
🔵Необходимость стандартизации и обмена данными между девелоперами.

Про будущее
🔵Уберизация архитектуры: пользователь сам создаёт своё пространство.
🔵Идея фрактальности инструментов: один мощный становится основой для создания новых, более специализированных — без необходимости писать всё с нуля.
🔵Будущее за ультрамультимодальными ИИ: единый ассистент для всех задач — работы, жизни, творчества.

Про лабораторию ИИ ПИКа
🔵От энтузиастов к официальному R&D-подразделению.
🔵Жесткий фокус на продуктах, а не гипотезах.
🔵Компания как заказчик — все отделы становятся тестировщиками и источниками идей.

Посмотрите — там интересно🟣

Как внедрить ИИ в проектирование и бизнес с помощью проблемно-ориентированного подхода

... прочитала полезную статью и принесла вам краткое саммари

Первый шаг в применении ИИ
Тщательно проанализировать текущие процессы компании и выявить именно те места, где возникают основные проблемы и неэффективность. Вместо того чтобы сразу искать «идеальную модель ИИ», начинайте с вопроса:

🔵Какие задачи повторяются часто/очень часто или требуют много времени?
🔵Где возникают узкие места, из-за которых нужен дополнительный персонал?
🔵Где случаются ошибки, приводящие к переделкам и задержкам?

Можно составить матрицу, в которой проблемы будут ранжироваться по величине стоимости, временным затратам и уровню стресса для сотрудников. Это поможет приоритизировать задачи и сосредоточиться на наиболее значимых.

❗️ Важно помнить: не все проблемы требуют именно ИИ или полной автоматизации. Иногда достаточно пересобрать сам процесс, чтобы решить проблему значительно эффективнее.

Когда использовать автоматизацию
🔵Процесс предсказуем и основан на четких правилах.
🔵Входные и выходные данные формализованы и понятны.
🔵Цель — уменьшить повторяющиеся ручные операции.

Когда использовать ИИ
🔵Доступны качественные и объемные данные для анализа.
🔵Закономерности слишком сложны для фиксированных правил.
🔵Можно чётко определить, что является «хорошим» результатом.

Подход, основанный на выявлении и последовательном решении проблем, помогает не только избежать лишних затрат, но и выбрать самые эффективные методы внедрения ИИ, которые действительно принесут пользу бизнесу и команде.

Яндекс и ИТМО опросил 600 респондентов — айтишников, преподавателей технических вузов и студентов, которые изучают программирование — и узнали у них самые популярные среди разработчиков ИИ-инструменты

Среды разработки (IDE) с ИИ в ядре:
🔵Cursor.
🔵Windsurf.
🔵Replit.

Кодовые ассистенты (как плагины для IDE)
🔵Лидеры рынка: GitHub Copilot, Amazon Q Developer, JetBrains AI Assistant, Google Gemini Code Assist.
🔵Российские решения: SourceCraft Code Assistant (часть платформы от Яндекса), GigaCode (от Сбера).

Автономные ИИ-агенты
🔵Claude Code (Anthropic).
🔵Codex (OpenAI).
🔵Devin (Cognition Labs).
🔵Экспериментальные: SWE-agent (для автоматического исправления багов), AI Scientist (для научных исследований).

Чем пользуетесь сами?

Еще одна работа студента курса по параметрическому проектированию с помощью ИИ лондонского бюро Studio Tim Fu (STF)

Красиво🟣