Цифровая усталость сотрудников — тихий убийца продуктивности

82% сотрудников в 2025 году находятся в зоне риска профессионального выгорания — это рекордный показатель за всю историю исследований. Главными причинами называют перегрузку (52%) и неэффективные процессы (38%).

Какие это может иметь последствия для компаний:
— $322 млрд ежегодных потерь терпят компании из-за снижения производительности у выгоревших сотрудников;
— На 30% падает удовлетворенность клиентов, когда сотрудники выгорают;
— Выгоревшие сотрудники в 2,6 раза чаще ищут новую работу.

Выгорание — не просто «усталость». Это системная проблема, которую усугубляют:
— Хаотичные данные — поиск информации отнимает до 30% рабочего времени;
— Неструктурированные процессы — сотрудники тратят силы на рутину вместо важных задач.

Как снизить нагрузку?
Один из ключевых факторов — автоматизация рутинных операций. Например, внедрение интеллектуального поиска (как в нашем решении Cursor) помогает:
🔹 Ускорить доступ к информации — все документы, нормативы и базы знаний в одном месте, что помогает ускорить доступ к необходимой для решения бизнес-задач до 50%;
🔹 Повысить точность поиска до 95% даже в неструктурированных данных и на других языках;
🔹 Сократить время на рутинные запросы и высвободить до трети рабочего дня, которая тратится на поиск информации, чтобы сотрудники фокусировались на смысловой работе.
🔹 Организовать систему в удобном формате единой поисковой строки, объединяющей данные из облачных, локальных и сетевых хранилищ, библиотек и приложений компании.

ИТ-выпускники: востребованность, доходы и будущее индустрии

Недавно консалтинговая компания «Яков и Партнеры» провела исследование о востребованности молодых IT-специалистов. Оказалось, что даже в кризис технологические компании продолжают нанимать выпускников, но требования к ним стали жестче.

Мы уже обсуждали тренды на рынке труда в нашем прошлом посте с комментарием от руководителя по найму и адаптации в Embedika, Юлии Мельниковой. А теперь разбираем свежие данные!

Ключевые выводы:
— В 2024 г. на ИТ-направления поступило более 90 тыс. человек — в 2 раза больше, чем в 2016 г. (45 тыс.). При этом 72% студентов учатся бесплатно (бюджет, квоты, целевой прием). Государство активно инвестирует в кадры для цифровой экономики.
— Темпы роста мест замедляются: если в 2017–2022 гг. добавляли по 5–7 тыс. мест ежегодно, то в 2024 г. — всего +1 тыс. Это сигнал: качество подготовки может стать важнее количества.
— Выпускники быстро трудоустраиваются, а их доходы растут быстрее инфляции: +16,3% в год. Уже через год после вуза они обгоняют среднерыночные зарплаты.

Что это значит для бизнеса?
Как мы уже отмечали ранее, работодателям важно не просто искать готовых специалистов, но и участвовать в их подготовке (стажировки, коллаборации с вузами). Рынок требует гибкости: даже начинающие ИТ-кадры уже конкурентоспособны, а их запросы к работодателям растут.

Подборка полезных и интересных материалов

ИИ-разработка, обучение моделей и неочевидное применение технологии искусственного интеллекта — в новой подборке собрали свежие материалы, которые стоит прочитать, прослушать и сохранить в закладки.

Статьи:
📎 Материал «Известий» о том, почему разработчики ИИ массово используют Open Source и кому нужно применять открытые модели.
📎 Заметка «Ведомостей» о том, почему владение ИИ-инструментами становится обязательным требованием при трудоустройстве.
📎 Исследование ICT.Moscow с экспертами отрасли о том, кто и как обучает ИИ-модели в России.
📎 Материал от команды «Сбер Бизнес Софт» в «Ведомостях» с кейсами, в которых ИИ решает нетривиальные задачи.
📎 Интервью «Коммерсанта» с CEO Smart Engines о различиях больших языковых моделей и узкоспециализированного ИИ.

Заметки в блогах:
✍️ Заметка на Хабре про RAG-подход — объяснение архитектурного метода для генеративных моделей.
✍️ Заметка «Сколтеха» о докладах его ученых на конференции AI4X в Сингапуре.
✍️ Пост в телеграм-канале AIRI с подборкой статей ученых института на конференции ICML 2025.
✍️ Разбор от МТС о том, как нейросети меняют поиск в интернете.

Книги:
📚 Библия Reinforcement Learning авторства Ричарда Саттона.

Подкасты:
🎤 Выпуск «ИИнсайт» про ИИ в промышленности.
🎤 Эпизод подкаста «PRO Данные», в котором рассказывается об истории хранения, передачи и анализа данных.

Автоматизация правового департамента: как «Русклимат» внедрил систему проверки договоров без расширения штата

В CNews и TAdviser вышел кейс о внедрении нашего ИИ-решения Contract в «Русклимате» — одном из крупнейших поставщиков климатического оборудования. Система автоматизировала юридическую экспертизу документов, ускорила процесс согласования и снизила нагрузку на правовой департамент.

Главное из материала:
➖ Экономия времени: после внедрения проверка договоров в компании сократилась с 75 до 39 минут — почти в 2 раза;
➖ Точность и безопасность: алгоритмы ИИ-модели от Embedika выявляют 32 типа рисков, а все данные остаются под контролем компании;
➖ Гибкость для бизнеса: решение адаптировано под специфику «Русклимата» — от типовых договоров до редактируемых рекомендаций.
➖ Не просто автоматизация: Contract снизил число ошибок, ускорил согласование между подразделениями и уменьшил количество разночтений по договорам.
➖ Планы по дальнейшему развитию технологии: в будущем планируется расширить библиотеку рисков и добавить модуль дообучения моделей под новые типы договоров.

«Финансовый департамент реже сталкивается с ошибками и спорами по договорам, а отделы продаж ускорили оформление сделок благодаря более быстрому согласованию документов из разных городов», — отметили наши специалисты по результатам внедрения.

🔗 Читайте полный разбор на CNews и TAdviser

Сокращение времени проверки — это только один из показателей, которые может улучшить ИИ. А как вы считаете, какие метрики важнее всего при внедрении подобных технологий для юрдепартамента? Поделитесь вариантами в комментариях 👇

Чек-лист: как выбрать ИИ-решение для корпоративного поиска

Выбрать конкретное ИИ-решение для корпоративного поиска не то же самое, что купить подписку на LLM. Любая ошибка здесь — это потраченные бюджеты, месяцы интеграции и сотрудники, которые не могут эффективно использовать новое внедрение.

Почему предварительная оценка параметров важна?
➖ Слабый NLP — система не поймёт нечетко сформулированный сотрудником запрос;
➖ Отсутствие обновлений, недостаточное количество источников и некачественная настройка — корпоративный поиск останется невостребованным за счет выдачи неактуальных и устаревших данных;
➖ Нет контроля доступа — финансовая отчетность внезапно станет доступна отделам, которые не имеют к ней никакого отношения;
➖ Неверная оценка данных и нагрузки — решение может не справиться с большим объемом документов, не поддержит специфичные форматы файлов или «ляжет» в момент, когда несколько сотрудников одновременно запустят поиск.

Чтобы подобного не происходило, мы решили поделиться своим опытом внедрения и собрали для вас чек-лист с самыми важными пунктами.

🔗 Сохраняйте файл и проверяйте по нему любое решение!

Заглянуть в будущее бизнеса? Это вопрос данных и искусственного интеллекта

Правильно интерпретировать данные — это +100 к эффективности и росту выручки.

Канал «Экономика данных» (@TheDataEconomy) — о том, как понимать данные и использовать их для построения конкурентного преимущества.

Наши коллеги из канала «Экономика данных» поделились свежим дайджестом и выделили 6 ключевых трендов, определивших прогресс ИИ в первом квартале 2025 года:

👉 Развитие ИИ не замедляется
Несмотря на достигнутый уровень, крупнейшие лаборатории продолжают демонстрировать значительный прогресс в области интеллекта, экономической эффективности и скорости генерации.

👉 Эра рассуждающих моделей
Модели, которые «думают» (используют chain-of-thought), прежде чем ответить, стали мейнстримом. Этот подход дал качественный прирост интеллекта.

👉 Прорыв китайского ИИ
Лаборатории из Китая представили модели, которые на равных конкурируют с лучшими западными аналогами, особенно в сегменте open-source.

👉 Архитектура Mixture-of-Experts (MoE)
Смесь экспертных архитектур стала стандартом для эффективного вывода. Модели активируют лишь небольшое подмножество параметров для каждого запроса, что радикально повышает скорость и снижает стоимость эксплуатации.

👉 От чат-ботов к автономным агентам
Фокус сместился на системы, способные выполнять многошаговые задачи автономно, комбинируя вызовы языковых моделей с внешними инструментами и API.

👉 Мультимодальный ИИ
Ключевой тренд — модели, которые изначально рождены для работы с текстом, изображением и аудио. Специализированные же модели продолжают бить рекорды в своих нишах.

Если вы руководитель, аналитик или разработчик, имеющий дело с корпоративными данными и цифровой трансформацией, @TheDataEconomy поможет вам ориентироваться в трендах и находить рабочие решения.

Как интеллектуальные системы меняют работу с инженерными данными

Представьте, что весь вся проектная документация — это гигантский склад, где коробки подписаны по-разному, нет информации что и на какой полке лежит, и вам необходимо перебирать все элементы, чтобы найти нужную деталь. Поиск документа превращается в квест, и тогда работа с инженерными данными упирается в одни и те же боли:
— Разрозненность данных между этапами ЖЦ — на каждой стадии проекта документация от подрядчиков хранится в разных системах и форматах;
— Дублирование и ошибки — одна и та же деталь в пяти разных документах может называться по-разному;
— Потери времени — как итог, инженеры тратят до 30% времени просто на поиск и проверку информации. Всё это выливается в просрочки, переделки и простои.

Именно эту проблему мы разбирали ранее в нашей статье с Сергеем Голубом, а теперь рассказываем подробнее про решение — интеллектуальную систему на основе машинного обучения и обработки естественного языка:

🧠 Семантический поиск находит информацию по смыслу запроса, а не только по ключевым словам, учитывает синонимы, технические сокращения и контекст.
🤖 RAG-системы комбинируют поиск в актуальной базе знаний (чертежи, спецификации, регламенты) с генерацией ответов на основе больших языковых моделей.
📂 Автоматическая классификация и выявление связей позволяют автоматически определять типы документов, соотносить их с элементами объекта строительства и выстраивать связи между документами и данными, минимизируя дублирование.

Эти технологии позволяют создать единую, актуальную информационную модель объекта строительства, которая становится единым источником данных для всех этапов жизненного цикла — от проектирования и строительства до эксплуатации и ремонта.

В следующем посте покажем, как всё это работает не в теории, а на практике — внутри системы на основе нашего интеллектуального сервиса Cursor. Разберем, как он объединяет документы и данные об оборудовании, сокращая время на поиск нужной информации для инженеров.

Как ИИ управляет инженерными данными: показываем работу Cursor на практике

В прошлом посте мы рассказали про принципы, по которым умные системы работают с инженерными данными. Сегодня — практика. Разберем ключевые модули нашей бизнес-платформы Cursor, который формирует единую информационную среду для цифровых активов предприятия.

В основе Cursor лежит простая идея: объединить всё (чертежи, спецификации, паспорта оборудования) в единую среду и научить систему находить и выстраивать связи между документами.

➖ Интеграция с данными: объединяет данные из различных источников в едином интерфейсе в соответствии с заданной структурой и обеспечивает легкую навигацию по ним.
➖ Пакетная загрузка и анализ: система автоматически загружает и обрабатывает большие массивы документов, извлекает данные из документации, идентифицирует теги и параметры оборудования.
➖ Установка связей: Cursor автоматически выстраивает связи между объектами, документами и тегами на основе анализа содержимого, шифров и метаданных, формируя целостную информационную модель.
➖ Семантический поиск: ориентируется на смысл запроса, что позволяет находить информацию даже при неточных формулировках или опечатках, а также осуществлять поиск материалов на основе загруженного документа.
➖ Контроль целостности и актуальности: система проверяет данные на коллизии, отслеживает версионность и актуальность документации, минимизируя риски ошибок.

Внедрение платформы позволяет не только структурировать данные, но и достигать измеримых результатов:
✔️ Сокращение времени на поиск информации до 30%
✔️ Ускорение проектирования на 10-20%
✔️ Снижение стоимости строительства и эксплуатации на 10-15%

📎 Хотите попробовать функции Cursor на практике? Ставьте «+» в комментариях, чтобы получить приглашение на наше демо или оставляйте запрос на сайте.

Как превратить хаос чертежей в цифровую экосистему: запись вебинара от Embedika

В предыдущих постах рассказывали, как умные системы помогают компаниям структурировать цифровые активы.

Для более детального погружения мы делимся записью вебинара, где наши эксперты подробно объяснили, как решение Cursor превращает разрозненные массивы данных в стройную и понятную цифровую экосистему.

На вебинаре разобрали самые важные аспекты:
➖ Как визуализировать жизненный цикл инженерных данных и наглядно представить деятельность проектировщика;
➖ Как грамотно передать результаты моделирования и проектирования для запуска этапа строительства;
➖ Как передавать результаты проектирования следующим участникам процесса для запуска строительства и закрытия работ подрядчиков;
➖ Как ИИ может помочь управлять инженерными данными: обрабатывать, анализировать достоверность и актуализировать информацию;
➖ Разбор практического кейса по работе с информационной моделью актива: от проблематики проекта до применяемого решения.

Это готовое руководство к действию для тех, кто хочет погрузиться в тему управления инженерными данными и увидеть реальное применение технологий ИИ.

🔗 Смотрите полную запись вебинара по ссылке.

Дайджест событий в области искусственного интеллекта

Август прошел под знаком интеграции: ИИ продолжает внедряться в самые неожиданные и рутинные сферы — от школ и ресторанов до космических станций. Делимся главными новостями месяца.

В России:
🏫 В Московской области запустят трех ИИ-помощников для образования: для подготовки к урокам, проверки рукописных текстов и ответов на вопросы учеников.
🤖 Стартап «Вилка Рест» создал цифрового официанта на основе ИИ для персонализированного подбора блюд.
🏗 Пермский край готов стать экспериментальной площадкой для тестирования ИИ в строительстве.
🔌 «Беркут» запустил корпоративную интеграционную платформу Bercut ESB с поддержкой ИИ для объединения разрозненных ИТ-систем.
🗣 Сбер разработал метод предобучения моделей HuBERT-CTC для повышения точности распознавания русской речи.
🛡 Ученые МГУ им. М.В. Ломоносова разработали подходы для повышения надежности систем машинного обучения в борьбе с банковским мошенничеством.
📮 В Подмосковье ИИ начали анализировать документы для автоматического присвоения почтовых адресов.

В мире:
🎥 YouTube использует ML-инструменты для автоматического редактирования видео пользователей.
🇺🇸 Google выпустила Gemini for Government — ИИ-платформу для госструктур США.
🍽 Google внедрила в поиск функцию бронирования столиков в ресторанах через ИИ-агента.
🚀 Китай внедрил чат-бота Wukong AI на своей космической станции «Тяньгун» для поддержки экипажа.
👓 Стартап Halo разрабатывает умные очки с ИИ, которые выводят подсказки для общения прямо на линзу.
🔍 Microsoft тестирует в Windows 11 ИИ-поиск по файлам и изображениям через приложение Copilot.
📝 Google добавили в Docs функцию создания аудиоверсии документов с помощью Gemini.
🧠 Anthropic увеличил контекстное окно Claude Sonnet 4 до 1 млн токенов (около 750 тыс. слов).

Аналитика:
📈 По данным Smart Ranking, рынок ИИ в России в 2025 году вырастет на 25–30%, до 1,9 трлн руб.
📊 Банк «Точка»: интерес российского бизнеса к ИИ-инструментам вырос более чем на 3000% за пять лет.
⚙️ По данным TAdviser и Rubytech, применение компьютерного зрения и прогнозной аналитики позволяет сократить затраты на ручной контроль в промышленности до 40%.

#ИИ_дайджест

Цифровой и ИИ-гибридный труд: почему будущее за симбиозом человека и машины, а не тотальной автоматизацией

Сегодня прогнозы о полной автоматизации и замене человеческого труда уступают место более комплексному подходу. Современная реальность цифрового предприятия — это гибридная модель, где искусственный интеллект выступает не заменой, а ключевым элементом усиления компетенций сотрудника. Разбираем, почему симбиоз человеческого интеллекта и машинной эффективности становится основным вектором развития корпоративных процессов.

Тенденция на гибридный труд — это про принципиально новую организацию работы, где рутину забирают на себя алгоритмы, а человек концентрируется на том, что пока не автоматизируется: на креативе, стратегии, сложных переговорах и принятии решений.

Вот как это работает на практике 👇

➡️ ИИ-ассистенты берут на себя рутину. Вместо часов поиска документов в 5 разных системах — единый интеллектуальный поиск (например, Cursor by Embedika), который понимает запрос по смыслу и находит нужные документы даже по нечётким формулировкам. Вместо многочасовой вычитки договоров — AI-решение (как наш Contract), которое за минуту находит риски и предлагает правки. ИИ не заменяет юристов и методологов, а делает их работу эффективнее.

➡️ Человек остаётся в центре процесса. ИИ не принимает решений за людей. Он структурирует информацию, находит связи, предупреждает о рисках и даёт рекомендации. Но итоговое решение — всегда за человеком. Цифровой труд не только повышает их скорость и качество, но и снижает влияние усталости и человеческого фактора.

➡️ Гибридная модель — это про эффективность и рост. Как показывают исследования (например, от IBM и Forbes), компании, которые внедряют AI-инструменты для поддержки сотрудников, а не их замены, видят рост продуктивности на 30-50%. Высвобожденное время сотрудники тратят на инновации и задачи, которые действительно двигают бизнес вперед.

Будущее рабочих процессов — в коллаборации. Умные инструменты усиливают наши сильные стороны и берут на себя слабые.

Коллеги, как ваша компания использует AI-ассистентов для повседневных задач? Делитесь в комментариях! 👇