Про Уилла Смита, ИИ-видео и ненужный улучшайзинг
Помните те старые страшненькие ИИ-видео, где нейроУилл Смит ел нейроспагетти? Это одни из первых сгенерированных роликов, которые завирусились в интернете.

С тех пор качество генераций стало намного лучше, но видео, созданные или обработанные ИИ, все еще довольно часто можно отличить от обычных. Иногда — из-за искажений объектов, неестественных движений людей или животных в кадре. А иногда в глаза бросается слишком резкий контраст или эффект «масляной живописи», когда изображение выглядит нарисованным.

Все это и подвело Уилла Смита и заодно указало на новую и неожиданную проблему, которую YouTube создал для своих авторов и зрителей.
🔵Смит — который не только актер, но и репер — сейчас гастролирует по Европе. У себя на YouTube-канале он выложил шортс с записями своих выступлений. На первый взгляд он выглядит абсолютно стандартно для концертного видео.
🔵Но если приглядеться к заднему плану, то бросаются в глаза искривленные лица и руки, странные движения и резкий контраст, только подчеркивающий неестественность картинки. Это тут же вызвало обсуждения и насмешки, якобы некогда востребованный актер настолько растерял популярность, что зрителей пришлось рисовать нейросетями.

Но, кажется, ситуация намного интереснее. 👀
🔵Скорее всего, зрители настоящие. Во время тура в соцсетях Смита публиковались кадры и видео с его концертов — те же, что вошли в злополучный шортс— и там люди выглядели абсолютно нормально. В статье TechCrunch есть сравнение, где хорошо видно, как сильно исказилась картинка на YouTube.
🔵Тогда почему видео выглядит так ненатурально? Все из-за новой фичи YouTube. Сайт начал в качестве эксперимента обрабатывать некоторые невезучие шортсы с помощью нейросетей, чтобы «повысить резкость, улучшить качество и убрать шум». Обещают, что вроде бы авторам разрешат отключать это нововведение, но пока надо потерпеть.
🔵И да, Уилл Смит не единственная жертва. Еще несколько человек обнаружили, что их видео облагородили с помощью ИИ. Один автор даже признался, что если бы не знал точно, что его друг снимает свой контент сам, из-за этой обработки мог бы принять его видео за сгенерированное нейросетью.

🔜 Вот такой парадокс получается: фейковые ролики становятся все больше похожими на правду, а настоящие — на фейки. В интернете и раньше никому верить было нельзя, а сейчас тем более.

Почему искать работу в IT так сложно, и как сделать этот процесс проще?
Какое максимальное число этапов собеседований вам приходилось пройти, чтобы в итоге получить ответ «мы вам перезвоним»?

Поиск работы в IT — утомительный и часто многоступенчатый процесс, который включает в себя общение с целой кучей людей, выполнение тестовых, лайв-кодинг, и все это без какой-либо гарантии результата. Возможно, что работодатель по итогу пришлет шаблонный отказ (или просто заигнорит), а возможно, что долгий и нудный путь к офферу приведет на такую работу, откуда сотрудник сам сбежит еще до конца испытательного.

🔜 Инженер Джин Нельсон описала свой взгляд на эту ситуацию, который интересно обсудить как с теми, кто нанимает, так и с теми, кого нанимают.

Она привела несколько критериев, которым должен отвечать процесс подбора:
🔵он должен помогать отличить грамотных специалистов от неучей с ChatGPT,
🔵проверять те навыки, которые действительно надо будет применять на работе,
🔵помогать находить людей, с которыми можно выстроить долгосрочное сотрудничество, а не закрыть дыры в штате здесь и сейчас,
🔵разумно расходовать время всех участников,
🔵быть построен на взаимном уважении.

С некоторыми пунктами можно поспорить — например, не всем работодателям и соискателям нужно многолетнее сотрудничество. Но в целом выглядит разумно.

Предсказуемо, что большая часть принятых способов подбора под эти критерии не особо подходят. Лайв кодинг давно не помогает оценить скиллы, а тестовые задания тратят время соискателей и при этом тоже не всегда адекватно отражают уровень знаний.

В качестве примера более эффективных и уважительных к кандидату вариантов она указала код ревью и анализ семплов из рабочих проектов.
🔵 В первом варианте подборщик пишет так себе код, а соискатель его ревьюит. Этот подход не только показывает навыки из разных областей (от кодинга до умения давать грамотный фидбек), но и требует от работодателя активного участия и подготовки. Это, по ее мнению, более уважительно к соискателю, чем просто выдать ему тестовое.
🔵Во втором варианте, который используют в Oxide Computer Company, соискатель показывает примеры того, над чем работает сейчас, детально отвечает на вопросы о своих ценностях и целях, а потом проходит через 9 кругов ада часов интервью. Процесс крайне времязатратный, но для обеих сторон — нанимателю надо внимательно проанализировать присланные примеры работы и эссе «Кем я себя вижу через 5 лет».

А что вы думаете?
Как должны выглядеть собеседования в IT — в частности, в аналитике и дата-инжинирнге — чтобы не превращаться в трату времени для кандидата и работодателя?

Немного истории: зачем и почему LinkedIn создал Apache Kafka
LinkedIn можно не любить, можно даже ругать, но нельзя отрицать его вклад в культуру. Как минимум, он подарил нам пост «Я сделал предложение своей девушке, и вот что это я узнал о B2B-продажах благодаря этому» и Apache Kafka.

🔜 Kafka — это платформа для обработки потоковых данных в реальном времени. Она используется там, где важно настроить передачу больших объемов данных с потенциалом для масштабирования и минимальным лагом — у наc на сайте есть пример.

Но почему вообще LinkedIn решил создать такой тул?
Если кратко, то дела обстояли так.

LinkedIn собирает данные о поведении пользователей — посты, комментарии, лайки, просмотры. Они используются для создания рекомендательных алгоритмов и защиты от фрода. Раньше, до появления Kafka, это все распределялось на два отдельных конвейера:
🔵«пакетный» пайплайн — каждый час информация о событиях на сайте сохранялась в XML и пачками отправлялась в хранилище,
🔵real-time пайплайн — метрики, которые надо было отлеживать в режиме реального времени (состояние серверов, ошибки, алерты об ошибках) отправлялись в Zenoss.

За развитие обоих пайплайнов отвечали две небольшие команды, которым приходилось делать много ручной работы по их поддержке и обновлению — например, добавлять новые метрики или источники.

Получилась система немасштабируемая, неудобная и не стабильная. Сбой в пайплайне мог повлечь за собой сбои на сайте.

Конечно, это было не дело, и в LinkedIn решили разработать альтернативу: устойчивую, масштабируемую, способную интегрироваться с разными сервисами и обеспечивающую доступ к данным в реальном времени.

Так и появилась Kafka. Сейчас даже сложно представить, что не так уж и давно в такой большой компании как LinkedIn большие массивы данных обрабатывались почти вручную, еще и с большими задержками.

🔜 Если интересно узнать подробности, то они описаны в этой статье.

Ну и не забудьте рассказать в комментах — в вам приходилось пользоваться Apache Kafka?

AI-хайп идет на спад?
Об этом говорят данные, собранные Бюро переписи населения США. Раз в 2 недели Бюро проводит опрос среди сотрудников 1,2 млн фирм, чтобы узнать, пользуются ли они ИИ для создания продуктов или предоставления услуг.

Результат на графике — с середины лета темпы внедрения ИИ-инструментов идут на спад среди крупных компаний в трех категориях: 50-99 сотрудников, 100-249 сотрудников и 250+. Но надо отметить, что спад пока довольно небольшой, в пределах 2%.

В остальных категориях интенсивность использования ИИ тоже снизилась за исключением совсем мелких бизнесов до 4 человек.

Причинами потери интереса к ИИ в Бюро не интересуются, но мы можем порассуждать.
🔵В конце 2024 и начале 2025 про ИИ говорили из каждого утюга, и многие компании начали с ним экспериментировать, но через полгода постепенно начали разочаровываться. При всех его плюсах и достоинствах, возможности искусственного интеллекта пока ограничены. Чтобы начать получать от него ощутимую пользу, надо сильно заморочиться с обучением и настройкой под запросы конкретного бизнеса.
🔵Это подтверждает нашумевший отчет MIT, где говорится, что 95% проектов с использованием ИИ проваливаются. Причина в основном в том, что его сложно эффективно интегрировать в рабочие процессы.
🔵Использовании ИИ для личных целей тоже оказалось не так эффективно, как все сначала думали. Согласно исследованию METR, разработчики верят, будто искусственный интеллект помогает им работать на 20% быстрее — но вот только данные говорят, что все наоборот, и они выполняют задачи на 19% медленнее.
🔵Все мы помним истории про чатботов, которые, перенервничав, начинали творить странные вещи — например, сносить базы данных. Это тоже показатель, что к полноценному внедрению в рабочие процессы они пока не готовы.

В общем, постепенное снижение после всплеска интереса выглядит как абсолютно естественный процесс. Будем следить за ситуацией и посмотрим, что будет еще через полгода.

Side hustle для аналитика
Ставка на карьеру в корпорации утопична. У меня было несколько кейсов, когда политика партии менялась на 180 градусов, расформировывались или объединялись отделы, кого-то увольняли. Приходилось адаптироваться и искать для себя новое место получше.

Кроме того, порой ты думаешь, что достигнешь какой-то высоты в компании, но достигнув ее, понимаешь, что это пустое. Лучше всего высказался на эту тему Дима Аношин — мы с ним в подкасте говорили, да и на канале у него дофига всего.

Кстати, Дима с ребятами делает полезный движ по теме поста — Surfalytics, если вы вкатываетесь или осваиваете, сходите и посмотрите, что он предлагает.

А я сегодня немного о другом: о ситуации, когда у тебя уже есть почетная лычка, ты понимаешь, что погряз в долбаной рутине, а свободного времени дофига, потому что босс не ставит задачи или ставит их слишком медленно. Но кто мы такие, чтобы его торопить, правда? Куда лучше подумать о том, как максимизировать свой profit/time ratio.

И тут есть варианты, которые я хотел предложить для обсуждения.

1️⃣Начать консультировать кого-то в качестве подработки.
Зачастую клево работает на старте, когда есть пара знакомых, которые вам заплатят копеечку за то, что вы принесете им своих ценных знаний. К сожалению, знакомые быстро заканчиваются, и консалтинг может свернуться. Однако, это простой путь к тому, чтобы начать свою практику.

2️⃣ Различные биржи и соло-практика фрилансера
Для меня самая известная — Upwork, я с нее сам начинал и дофига чего могу рассказать. Кстати, мы с коллегами активно пишем про Upwork в моем профиле на LinkedIn, подписывайтесь. Основная штука, которую мы сгенерили — Upwork Playbook, она бесплатная и рассказывает с чего начать работу на платформе.

Если кратко — это биржа для фрилансеров, и по нашей с вами теме там тоже задачи есть, но сегодня из РФ работа с Upwork невозможна. Я не знаю, есть ли какие-то аналоги, мне не удалось их найти. Если вы знаете, пишите в комменты, очень интересно.

Мы пробовали в свое время Fiverr, Peopleperhour — булшит, там вообще нет никаких полезных джобов по теме. Также есть toptal, но это исключительно для фрилансеров (скорее под аутстафф через платформу), будет довольно большой отбор на старте, надо готовиться к серьезному собеседованию.

3️⃣Part-time в компаниях типа моей
Да, чуваки, можно просто прийти и написать нам на почту, если вы ищете подработку part-time, потому что такие компании, как моя, всегда открыты к этому. А поскольку мы много работаем со стартапами и middle size компаниями, для них мы — единственный мостик, чтобы вообще получить доступ к такому ценному ресурсу, как вы, опытные аналитики и инженеры.

4️⃣Рил бизнес
Вытекает из п. 1, но подготовиться предстоит серьезнее, если вы решили открыть свою компанию. Там и майндсет должен сильно измениться, и разобраться надо не с аналитикой, а с персоналом, продажами, маркетингом, финансами, налогами, бухгалтерией и аудитом. Ну да, шансы есть, и ставки высоки, но порой думаешь, что может и прикольнее было бы сидеть да получать где-то ЗП, закидывая промпты в какой-нибудь ChatGPT или Claude.

DOOMQL: Doom на SQL
Doom на чем только ни запускали — на картошке, калькуляторе и тесте на беременность. Кажется, эта игра будет жить вечно, и через сотни лет ее будут запускать на кибернетических имплантах, космических кораблях или Пип-боях — в зависимости от того, куда в итоге повернет цивилизация. Ну а пока будущее не наступило, предлагаем оценить очередное воплощение бессмертной игры — теперь полностью на SQL.

У Лукаса Вогеля была CedarBD, месяц отпуска по уходу за ребенком и источник вдохновения — DuckDB-Doom. Да, это еще один Doom на SQL с вкраплениями JavaScript.

Лукас решил, что он может усовершенствовать эту идею:
🔵отказаться от JS и написать все полностью на SQL,
🔵улучшить производительность,
🔵добавить мультиплеерный элемент.

Собственно, все это у него и получилось.
🔵Все данные о мире игры — карта, мобы, игроки — размещены в таблицах. Все события — перемещения, выстрелы, убийства мобов, респавны — учитываются скриптом, который запускается 30 раз в секунду.
🔵Визуал — это SQL-представления, отрисованные в 3D c помощью рейкастинга.
🔵Можно не только играть с друзьями, но и даже читерить.
🔵И все это с уверенными 30 FPS при разрешении 128 x 64 пикселей.

В общем, очередное доказательство превосходства как Doom, так и SQL. Если хотите своими глазами посмотреть, как вообще это работает, код лежит на гитхабе.

Как формируется характер нейросети
Когда воспитанный Маском Grok начал называть себя «МехаГитлером», это было забавно, но предсказуемо. С тех пор, как ИИ-чатботы вообще появились, несмотря на все усилия разработчиков оградить их от дурного влияния, они всегда умудрялись научиться плохому.

Еще в 2016 Microsoft деактивировала твиттер-бота Tay через 16 часов после запуска: пообщавшись немного с местными юзерами, она начала постить контент крайне сомнительного содержания.

🔜 С тех пор ИИ становился только умнее и сложнее. Чат-боты уже не повторяют бездумно все, что им пишут пользователи, а языковые модели, на которых они работают, даже приобретают что-то вроде черт характера. Они могут быть злыми, добрыми, вежливыми, оптимистичными, склонными к лести и так далее. В Anthropic решили разобраться, как эти личности формируются и как можно на них влиять во время обучения.

Черты «характера» модели представляют собой паттерн активации нейронов внутри нейронной сети — в Anthropic их назвали «векторами личности». Их обнаружили, наблюдая за тем, какие части сети активируются, когда модель демонстрирует определенное поведение: например, льстит или выдумывает факты.

Зачем это все надо?
🔵 Следить за тем, как меняется поведение модели: как она реагирует на разные датасеты, использующиеся для обучения, системные промпты, запросы пользователей или джейлбрейки.

🔵Создавать модели, менее склонные к «нежелательному» поведению. В Anthropic обнаружили несколько интересных фактов:
💬 Если у модели уже есть одна отрицательная черта, то со временем их может стать больше. Сегодня она пишет небезопасный код, а завтра Родину продаст, как говорится.
💬 Если «заглушить» вектор, отвечающий за отрицательные черты, они перестанут проявляться, но модель поглупеет — оно и неудивительно, ей ведь буквально отключают часть «мозга».
💬 Более эффективный способ воспитания — подталкивать модель к развитию отрицательных векторов во время обучения. Это работало как прививка, после которой ей было проще сопротивляться негативному влиянию.

🔵 Прогнозировать, как обучение на конкретном датасете повлияет на «характер» модели, и заранее отсеивать данные, которые могут привести к появлению нежелательных черт.

Надеемся, что результаты этих исследований помогут разработчиком в создании полезных и умных моделей, не склонных к лести, галлюцинациям или советам добавить камней в пиццу.

ИИ и мировой (почти) рынок труда
Недавно OpenAI и Anthropic выложили исследования про то, как люди пользуются и продуктами. Оказалось, что ChatGPT чаще используют в качестве поисковика или собеседника, а вот с помощью Claude пишут код и автоматизируют рабочие задачи.

Так или иначе, доля пользователей растет, и это влияет на рынок труда — хотим мы этого или нет. Свежий Viz of the Day на Tableau Public показывает, как именно рынок меняется: в каких сферах благодаря ИИ работы становится больше, а в каких меньше.

🔵На дашборде отображены данные о 8 индустриях — IT, здравоохранение, образование, финансы, ритейл, транспорт, развлечения и производство.
🔵В заголовке сказано про мировой рынок труда, но стран тоже только 8 — Австралия, Бразилия, Канада, Китай, Германия, Индия, Великобритания и США.
🔵Можно посмотреть уровень влияния ИИ на индустрию, соотношение полов и офисных/удаленных сотрудников, а также количество открытых вакансий с прогнозом на 2030 год. В IT, предсказуемо, все хорошо, вне зависимости от влияния ИИ, зато в остальных сферах от страны к стране ситуация разнится. Если верить дашборду, то в Бразилии и Германии искусственный интеллект вытеснит людей из производства, а в Китае — из индустрии развлечений.
🔵Источник данных — Kaggle, сообщество AI- и ML-специалистов.

Что скажете, похоже на правду?

S3 Vectors и будущее векторных БД
Amazon свое хранилище S3 активно развивает: сначала добавили S3 Tables, а затем вот S3 Vectors. Теперь сервис поддерживает хранение векторных представлений и векторный поиск. В комплекте с новыми возможностями идут все плюсы AWS, включая низкую цену.

🔜 Руководитель департамента инжиниринга векторной БД Zilliz рассказал, почему появление такого серьезного конкурента — это не конец для игроков поменьше, а важный этап в развитии всей сферы.
Векторный поиск — штука, конечно, полезная, но очень дорогая и требовательная к вычислительным мощностям. Это вынуждает разработчиков постоянно балансировать между производительностью и экономией. Milvus, на которой основана Zilliz, сначала хранила индексы в памяти, и хотя скорость и точность работы были впечатляющие, цена не радовала, — так что пришлось переезжать на диск. Это помогло сэкономить.

Недорогие объектные хранилища вроде того же S3 — это логичный следующий этап развития технологии, когда объемы данных неуклонно растут и надо как-то масштабироваться, но при этом постараться не разориться. Один из молодых конкурентов Zilliz, TurboPuffer, на S3 и работает, и за счет этого предлагает клиентам приятный ценник. Правда, скорость обработки запросов страдает, но про это ниже.

🔜 В общем, на фоне того, в какую сторону пошло развитие векторных БД, решение AWS представить S3 Vectors выглядит вполне логично.
Но при этом у сервиса есть серьезный недостаток по сравнению со специализированными векторными тулами — производительность. Задержка обработки запросов колеблется в диапазоне 200–700 мс, и пробить этот потолок довольно сложно. Скорость записи ограничена 2 МБ/с — для сравнения, у Milvus тот же показатель может достигать ГБ. Точность выполнения запросов на уровне 85-90% (иногда и ниже), и подкрутить этот параметр пока нельзя.

Из-за этого для работы с большими, часто обновляющимися датасетами S3, конечно, не подойдет и какую-нибудь алгоритмическую рекомендательную систему с ним не построишь. Зато это хороший вариант для работы с «холодными» данными или приложений, где нагрузка на БД небольшая, запросов немного, а задержка ответа не критична. Это может быть даже прототип приложения — чтобы просто потестить идею за недорого, ограниченную производительность и функционал можно потерпеть.

🔜 И что это значит для рынка?
А это значит, что он достиг нового этапа. Появление S3 Vectors со всеми плюсами и минусами, доказывает, что будущее за разделением пайплайнов для «горячих», «теплых» и «холодных» данные. Нет смысла со всеми работать одинаково, ведь где-то важнее сэкономить, а где-то можно и доплатить за производительность. Так что AWS не убивает рынок, а наоборот помогает ему развиваться и формировать новые ниши.

А вы что думаете про S3 Vectors и будущее векторных БД в целом?

Еще про ИИ и рынок труда: никому не нужны джуны
Недавно делились прогнозом, как ИИ повлияет на работу в разных индустриях. Теперь предлагаем посмотреть с другой стороны — как он сказывается на темпах найма сотрудников разного уровня. Или, если проще, как он забирает работу у джунов.

💬 Ученые из Гарварда изучили вакансии 285 000 компаний. Они проанализировали, как менялось количество и соотношение предложений для сотрудников разных уровней в течение 10 лет, а также частоту упоминания ИИ в объявлениях. Поиск «AI-интеграторов» или требования к владению инструментами на базе искусственного интеллекта расценивали как показатель того, что компания внедряет его в работу.

Выяснилось, что в компаниях, внедряющих ИИ, вакансий для джунов стало на 23% меньше, а для сеньоров — на 14% больше по сравнению с теми, кто ИИ не использует. Если смотреть по разным индустриям, то картина еще грустнее: в оптовой и розничной торговле работающие с ИИ организации, наняли на 40% меньше джунов, чем те, кто все еще выбирает людей.

При этом, хотя нанимают джунов меньше, повышают их активнее. Только новые вакансии после повышения уже не открывают.

Тренд появился в середине 2022, и сейчас набирает обороты.

💬 Краткосрочный эффект выглядит грустно для молодых сотрудников уже сейчас: сегодня свежевыпустившемуся специалисту работу найти может быть труднее, чем в COVID.

💬 А вот долгосрочный эффект может быть печальным уже для всех. Не наняли джуна сегодня — не получили миддла завтра. Своей экономией на обучении молодых и неопытных сотрудников все эти компании лишают себя возможности вырастить сильных специалистов. Какие будут реальные последствия у такого подхода, мы скоро узнаем.

Может быть, конечно, через пару лет ИИ уже и миддлов с сеньорами научится заменять, и тогда вообще все останутся без работы.

ChatGPT Pulse: новая парадигма взаимодействия с ИИ?
Кстати, пока мы тут обсуждаем пагубные последствия от повсеместного внедрения ИИ, OpenAI представила ChatGPT Pulse.

Это новая фича, пока доступная только на смартфонах пользователям с подпиской Pro. С ней ChatGPT сможет анализировать ваши переписки с ним, данные из календаря и почты (если они подключены) и первым начинать разговор. Например, он предложить продолжить обсуждение какой-то темы, подкинуть идею, что приготовить на ужин, или напомнить про важную дату.

Пользователь, в свою очередь, может регулировать, какие именно сообщения от Pulse он хочет получать. И хочет ли вообще — по умолчанию функция отключена, и ее надо включить в настройках. OpenAI подчеркивает инсайт от студентов, которые участвовали в ранних тестах Pulse:

Многие почувствовали ее полезность, когда начали говорить ChatGPT, что они хотят видеть.

🔜 Также OpenAI называет Pulse первым шагом к «новой парадигме взаимодействия с ИИ»: ChatGPT из простого чатбота, отвечающего на вопросы, превращается в проактивного ассистента.

Как вам такой апдейт? 👀 Будете пользоваться?

sqlite-vector: простой и удобный векторный поиск в SQLite
SQLite тоже умеет в векторный поиск — для этого уже есть несколько расширений. Но их главная проблема в том, что в основном они либо медленные, либо неудобные.

А ведь, наверное, главное, чего хотят от SQLite — чтобы он был легким, простым и быстрым. И, конечно, нашлись люди, которые попробовали разработать свое решение, отвечающее этим требованиям.

🔜 sqlite-vector — бесплатное кросс-платформенное расширение, которое обходится 30 МБ памяти, складывает векторы в обычные таблицы (без возни с виртуальными и сложными SQL-запросами), хранит данные локально и работает оффлайн. Ему не нужен дополнительный сервер и долгая нудная подготовка, настройка и преиндексиование.

Разработчики сравнили свое решение с популярными аналогами (точнее только с одним по факту) — если очень захотеть, то sqlite-vector может быть аж в 17 раз быстрее sqlite-vec. Да, названия у них не очень креативные и перепутать легко. С libsql сравнить не удалось, потому что он так долго возился с созданием индекса, что всем надоело ждать.

Расширение распространяется по Elastic License 2.0. Скачать можно с гитхаба.

Состоялся релиз Claude Sonnet 4.5
Новую версию Claude Anthropic представила нескромно:

Claude Sonnet 4.5 — лучшая модель для кодинга в мире. Это самая сильная модель для создания сложных агентов. Она лучше всех работает с компьютерами.

🔵Свое заявление компания подтверждает бенчмарками — их результаты на картинке выше. ☝🏻
🔵Еще Claude теперь намного лучше разбирается в финансах, юриспруденции, медицине и точных науках.
🔵Не считая того, что он поумнел, он стал менее склонен к галлюцинациям, обману, лести и другим нежелательным моделям поведения.

Апгрейд получил и Claude Code: добавились нативное расширение VS Code и чек-поинты для сохранения прогресса. Но если даже после этого Claude Code вам все равно не нравится, вы можете собрать свою версию: Anthropic выкатила Claude Agent SDK, с помощью которого пользователи теперь сами могут создавать ИИ-агентов.

В общем, пока ChatGPT все глубже проникает в повседневную жизнь пользователей со своим Pulse и новой возможностью совершать покупки прямо в чате, Claude совершенствуется в кодинге и уходит в науку.

Стартовал первый детский конкурс датавиза!
В программе: диаграммы из конфет и графики, нарисованные цветными карандашами.

Если у вас есть дети от 6 до 11 лет и вы хотите привить им любовь к данным и помочь развить аналитическое мышление — присоединяйтесь!

Вас ждут:
🔵Образовательные эфиры, где дети узнают, что такое данные, и познакомятся с основами датавиза.
🔵Подарки для всех участников, а для победителей — iPad, набор LEGO и другие крутые призы,
🔵Бонусы и полезные материалы.

Конкурс пройдет с 1 по 30 октября — в это время участники как раз будут смотреть эфиры и смогут подать свою работу в одной из трех номинаций: поделка, рисунок или диджитал. 15 ноября организаторы подведут итоги и наградят победителей.

🔜 Участие бесплатное, главное — зарегистрироваться!

Как подружить ClickHouse с процессором на 100+ ядер
Ядер в процессорах все больше, и в теории это прекрасно: больше ядер — больше производительности. На практике это тоже хорошо, но есть нюанс.

Чтобы на 100% использовать мощности железа, софт нужно под него оптимизировать — и базы тоже. ClickHouses выложили в своем блоге статью, написанную инженерами Intel Shanghai, о том, как преодолеть ограничения БД и «научить» ее использовать вычислительные мощности их процессоров с 100+ ядер.

💬 Всего они выявили 5 ключевых областей, где ClickHouse можно (и нужно) докрутить, чтобы увеличить производительность: прекратить тормозящую всю базу конкуренцию за блокировки, оптимизировать работу с памятью, распараллелить процессы на множество потоков и разобраться с false sharing'ом. Если этого не делать, то вся мощность и многоядерность процессора пойдут только во вред и насоздают боттлнеков на пустом месте.

Сделать это будет совсем непросто — авторы в статье неоднократно предупреждают, что чтобы получить результат, нужно глубоко разобраться в том, как работает база, и некоторые процессы фундаментально пересмотреть.

💬 Хотя статья про ClickHouse, описанные в ней подходы могут быть применимы и к другим базам. По мере того, как мощность процессоров будет расти, будет расти и важность умения оптимизировать софт под них.

Почему Text 2 SQL не работает?
Ко мне иногда приходят разные знакомые и говорят, что у них есть концепция Text 2 SQL или LLM-генератора SQL-кода — мол, классная идея для бизнеса, можно ее попродавать.

И вот наконец я понял, почему идея «пусть бизнес пишет запросы на естественном языке» не взлетает и не взлетит.

На бумаге все красиво. Даешь ИИшке команду: «Покажи выручку за август по городам», получаешь результат.

На практике же имеем несколько иной сетап: никто из бизнес-менеджеров не хочет и не может задавать правильные вопросы к данным.

Причина кроется в подмене понятий, за которую сами бизнес-менеджеры обычно аналитика и ругают. Так вот, написание SQL — это не основная работа аналитика. На самом деле аналитик занимается мыслительным трудом: как раз пытается разобраться, какие вопросы вообще стоит задать, чтобы понять, что там у бизнеса пошло не так. SQL — лишь удобный интерфейс для формулировки гипотез. Его просто изучить, но логика за пределами SQL.

И, соответственно, вторая часть проблемы: многие бизнес-менеджеры в большинстве случаев не обучены мыслить аналитически, эту часть работы они делегировали аналитику, чтобы он за них подумал. Они сами не думают в контексте данных, структур или понимания взаимосвязей. Именно поэтому LLM-промпты в виде «SQLGPT для маркетологов» и не взлетают.

🔜 AI может перевести вопрос в SQL, но не может придумать сам вопрос, который имеет смысл для бизнеса.

Сейчас мы на этапе следующего шага — передать LLM формирование вопросов и гипотез, а затем уже написание необходимого кода и SQL-запросов для решения аналитической задачи.

А пока просто осознаем, что произошла гиперинфляция хардскиллов. А вот мыслить и генерировать ценные инсайты — тот самый навык, который был и есть востребован в аналитиках.

Амбассадоры Tableau 2025
Tableau регулярно обновляет список своих амбассадоров— людей, которые делают большой вклад в сообщество, делятся своими знаниями и навыками и вообще всячески популяризуют этот тул. В 2025 году звания удостоились 386 человек из 48 стран.

🔜 Список можно увидеть на сайте, но намного интереснее — потыкать в кнопки на дашборде. Он позволяет отфильтровать людей по странам, городам и специализациям.

Пишут, что в этом году получился самый разнообразный состав амбассадоров с точки зрения географии, и это нагляднее видно на другом дашборде. Он не такой удобный, как первый, зато с картой.

В списке, кстати, вы наверняка заметите какие-нибудь знакомые лица. Возможно, на кого-то из них вы даже подписаны. 👀