Если вам кажется, что рутина мешает проверять новые гипотезы и креативить, скорее всего, так и есть. Как показало исследование Яндекс 360 и НАФИ, «бумажная» рутина занимает до 4 часов в день у каждого третьего офисного сотрудника. Подробнее о результатах исследования — в карточках.
Подписывайтесь 👉 @yab2btech
Подписывайтесь 👉 @yab2btech
🔥6❤5👍4🤯1💅1
Самые современные языковые модели — Large Language Models (LLM) — могут решать множество бизнес-задач. Например, отвечать пользователям в чате, чтобы снизить нагрузку на службу поддержки, или давать подсказки сотрудникам. Как завести такую модель в вашей компании?
✅ Создаем свою модель
LLM создают с нуля только очень крупные компании. Разработка такой модели требует огромного количества ресурсов: данных, видеокарт и времени опытных сотрудников. Если коротко, создание своей LLM — это очень, очень дорого и сложно. Поэтому для простоты перейдём к способам, которые подходят большинству бизнесов, — использовать готовую модель в облаке или на своей инфраструктуре.
А лучше что: в облаке или нет?
Чаще всего бизнесы берут готовые проприетарные (то есть закрытые) или опенсорсные нейросети и используют их. В зависимости от модели её можно использовать в облаке по API или запустить на своих ресурсах. Для решения задач бизнеса подходят оба способа.
✅ Используем языковую модель
1. Определитесь с моделью. Важно учитывать множество факторов. Например, сколько в ней параметров, доступна ли она по API, можно ли развернуть её на инфраструктуре заказчика, есть ли у неё режим рассуждений и другие функции.
2. Проприетарные модели работают на серверах компании-разработчика, поэтому в их стоимость фактически входит аренда оборудования, а также мониторинг и обновление моделей. Для самостоятельного запуска опенсорсных моделей понадобится своя инфраструктура. Впрочем, есть и частные случаи: для дополнительной безопасности компании-разработчики могут развернуть нейросети на инфраструктуре заказчика. А некоторые облачные провайдеры запускают опенсорсные нейросети на своих мощностях, чтобы клиенты могли использовать их по API.
3. Используйте облачную модель по API или же скачайте модель и разверните её на своей инфраструктуре с помощью специальных инструментов. Если хотите, чтобы языковой моделью мог воспользоваться любой, сделайте интерфейс, где все пользователи смогут отправлять запросы и получать ответы. Это могут быть веб-интерфейс, мобильное приложение или даже Telegram-бот.
4. Теперь сотрудники компании или внешние пользователи могут общаться с моделью. Например, уточнять через бота, в наличии ли вещь в магазине, запрашивать помощь в написании писем, делать выжимки из документов и многое другое.
Как дообучить модель рассказываем в следующем посте 👇
Подписывайтесь 👉 @yab2btech
✅ Создаем свою модель
LLM создают с нуля только очень крупные компании. Разработка такой модели требует огромного количества ресурсов: данных, видеокарт и времени опытных сотрудников. Если коротко, создание своей LLM — это очень, очень дорого и сложно. Поэтому для простоты перейдём к способам, которые подходят большинству бизнесов, — использовать готовую модель в облаке или на своей инфраструктуре.
А лучше что: в облаке или нет?
Чаще всего бизнесы берут готовые проприетарные (то есть закрытые) или опенсорсные нейросети и используют их. В зависимости от модели её можно использовать в облаке по API или запустить на своих ресурсах. Для решения задач бизнеса подходят оба способа.
Использовать как есть или дообучать?
Какой бы способ вы ни выбрали, дальше нужно будет решить, хотите вы дообучать модель или нет.
🔸 Использование готовой модели поможет в решении общепрофильных задач. Она сможет сформулировать вежливый ответ для клиента, но не будет учитывать специфику вашего бизнеса, например не внесёт туда уникальную информацию о ваших товарах и услугах, если вы не будете добавлять эту информацию к каждому запросу.
🔸 Дообучение поможет научить модель решать узкоспециализированные задачи. Модель, дообученная на сообщениях специалистов поддержки, научит её отвечать в фирменном стиле или лучше понимать специфические термины.
🔸 Дообучение требует времени, ресурсов и усилий ML-инженера. Поэтому сперва стоит попробовать, справляется ли уже готовая модель с вашими бизнес-задачами. Например, нейросеть может найти нужную информацию в базе знаний и без дообучения — с помощью метода Retrieval Augmented Generation (RAG). Если результат всё равно не устраивает, можно использовать дообучение.
🔸 RAG и дообучение можно использовать вместе, потому что они предназначены для разных целей. Допустим, вы хотите, чтобы LLM создавала описания для товаров. Если вы используете RAG, подключив её к базе данных с товарами, модель составит описание, используя информацию оттуда: название товара, модель, параметры. Если вы примените такой способ и дообучите модель на красивых описаниях, она сможет делать описания более привлекательными.
✅ Используем языковую модель
1. Определитесь с моделью. Важно учитывать множество факторов. Например, сколько в ней параметров, доступна ли она по API, можно ли развернуть её на инфраструктуре заказчика, есть ли у неё режим рассуждений и другие функции.
2. Проприетарные модели работают на серверах компании-разработчика, поэтому в их стоимость фактически входит аренда оборудования, а также мониторинг и обновление моделей. Для самостоятельного запуска опенсорсных моделей понадобится своя инфраструктура. Впрочем, есть и частные случаи: для дополнительной безопасности компании-разработчики могут развернуть нейросети на инфраструктуре заказчика. А некоторые облачные провайдеры запускают опенсорсные нейросети на своих мощностях, чтобы клиенты могли использовать их по API.
3. Используйте облачную модель по API или же скачайте модель и разверните её на своей инфраструктуре с помощью специальных инструментов. Если хотите, чтобы языковой моделью мог воспользоваться любой, сделайте интерфейс, где все пользователи смогут отправлять запросы и получать ответы. Это могут быть веб-интерфейс, мобильное приложение или даже Telegram-бот.
4. Теперь сотрудники компании или внешние пользователи могут общаться с моделью. Например, уточнять через бота, в наличии ли вещь в магазине, запрашивать помощь в написании писем, делать выжимки из документов и многое другое.
Как дообучить модель рассказываем в следующем посте 👇
Подписывайтесь 👉 @yab2btech
❤6👾4🔥3
В первой части поста рассказали о двух способах запуска языковой модели в компании — создать свою модель или использовать готовую. Рассказываем, как дообучить готовую LLM на ваших данных, чтобы решать узкоспециализированные задачи.
✅ Дообучаем языковую модель
1. Выберите и запустите модель по инструкции выше.
2. Выберите метод дообучения. Часто эффективнее не дообучать LLM целиком, а воспользоваться методом LoRA — он не меняет исходные веса модели, а добавляет к ней новые параметры. Он быстрее и дешевле полноценного файнтюнинга и, кстати, есть в Yandex Cloud.
3. Подготовьте данные. В зависимости от метода дообучения формат датасета может различаться. Например, это могут быть пары ответов с пометкой, какой из них лучше, или условная таблица с двумя колонками (пример запроса и правильного ответа). Чем данных больше, тем лучше.
Иногда достаточно просто собрать их, но зачастую нужны очистка и разметка. В каждом конкретном случае очищать и размечать данные нужно по-разному. Помните: эффективность дообучения зависит от чистоты и разнообразия данных.
4. Запустите дообучение модели самостоятельно или с помощью облачного провайдера. В первом случае нужно скачать набор библиотек для конкретной модели (их можно найти на HuggingFace) и запустить программный код для дообучения. У каждой модели, как правило, есть свой туториал по дообучению.
5. Придумайте метрики, которые позволят понять, получилось ли дообучить модель под ваши цели. Например, проведите side by side-тестирование, сравнив вашу LLM с baseline-моделью.
Всё же понятно?
😍 — да, уже иду делать
🤝 — да, скинул пост коллегам-айтишникам
Подписывайтесь 👉 @yab2btech
✅ Дообучаем языковую модель
1. Выберите и запустите модель по инструкции выше.
2. Выберите метод дообучения. Часто эффективнее не дообучать LLM целиком, а воспользоваться методом LoRA — он не меняет исходные веса модели, а добавляет к ней новые параметры. Он быстрее и дешевле полноценного файнтюнинга и, кстати, есть в Yandex Cloud.
3. Подготовьте данные. В зависимости от метода дообучения формат датасета может различаться. Например, это могут быть пары ответов с пометкой, какой из них лучше, или условная таблица с двумя колонками (пример запроса и правильного ответа). Чем данных больше, тем лучше.
Иногда достаточно просто собрать их, но зачастую нужны очистка и разметка. В каждом конкретном случае очищать и размечать данные нужно по-разному. Помните: эффективность дообучения зависит от чистоты и разнообразия данных.
4. Запустите дообучение модели самостоятельно или с помощью облачного провайдера. В первом случае нужно скачать набор библиотек для конкретной модели (их можно найти на HuggingFace) и запустить программный код для дообучения. У каждой модели, как правило, есть свой туториал по дообучению.
5. Придумайте метрики, которые позволят понять, получилось ли дообучить модель под ваши цели. Например, проведите side by side-тестирование, сравнив вашу LLM с baseline-моделью.
Всё же понятно?
😍 — да, уже иду делать
🤝 — да, скинул пост коллегам-айтишникам
Подписывайтесь 👉 @yab2btech
❤4😍4🤝3
Данные отчёта Всемирного экономического форума (WEF) за 2025 год показали, что большинство представителей малого и среднего бизнеса считают, что не справятся с серьёзной кибератакой. При этом 43% всех кибератак направлены на компании с численностью до 1000 человек.
Дело не только в финансах: у таких компаний часто нет ни внутренних специалистов, ни отработанных сценариев реагирования, ни доступа к внешним командам быстрого реагирования, что делает их лёгкой целью для хакеров.
Главные риски
WEF называет три ключевых фактора, которые усиливают угрозы:
🔹 Ускоренная цифровизация без должной защиты.
🔹 Зависимость от облаков и подрядчиков, где контроль слабее.
🔹 Рост автоматизации — и, как следствие, больше точек входа для атаки.
Последствия для бизнеса
Для малого бизнеса кибератака — это не просто сбой. Это простой работы, потеря клиентов, штрафы. Согласно данным аналитиков, около 60% небольших компаний заканчивают работу после серьезных кибератак. Систематически инвестировать в цифровую защиту оказывается дешевле, чем восстанавливаться после атаки.
Что делают компании
По данным опроса WEF, 91% компаний увеличили инвестиции в кибербезопасность, а 64% внедряют тренировки и симуляции атак. Отдельные роли по киберрискам на уровне C-level создаёт только половина опрошенных, а регулярные проверки безопасности проводят лишь 20% компаний.
Но большинство этих мер — запоздалые. Они вступают в силу уже после инцидента или под его давлением. В малом бизнесе подход к безопасности часто ситуативный: нет стратегии, нет регулярного аудита, решения принимаются точечно.
Когда в последний раз вы проверяли свою готовность к кибератаке? Проведён ли внешний аудит? Есть ли план реагирования? Если нет — пора начать сегодня.
Подписывайтесь 👉 @yab2btech
Дело не только в финансах: у таких компаний часто нет ни внутренних специалистов, ни отработанных сценариев реагирования, ни доступа к внешним командам быстрого реагирования, что делает их лёгкой целью для хакеров.
Главные риски
WEF называет три ключевых фактора, которые усиливают угрозы:
🔹 Ускоренная цифровизация без должной защиты.
🔹 Зависимость от облаков и подрядчиков, где контроль слабее.
🔹 Рост автоматизации — и, как следствие, больше точек входа для атаки.
Часто уязвимости связаны с использованием подрядчиков, SaaS, сторонних API. Это особенно критично для малого бизнеса, где большая часть инфраструктуры держится на сторонних решениях.
Последствия для бизнеса
Для малого бизнеса кибератака — это не просто сбой. Это простой работы, потеря клиентов, штрафы. Согласно данным аналитиков, около 60% небольших компаний заканчивают работу после серьезных кибератак. Систематически инвестировать в цифровую защиту оказывается дешевле, чем восстанавливаться после атаки.
Что делают компании
По данным опроса WEF, 91% компаний увеличили инвестиции в кибербезопасность, а 64% внедряют тренировки и симуляции атак. Отдельные роли по киберрискам на уровне C-level создаёт только половина опрошенных, а регулярные проверки безопасности проводят лишь 20% компаний.
Но большинство этих мер — запоздалые. Они вступают в силу уже после инцидента или под его давлением. В малом бизнесе подход к безопасности часто ситуативный: нет стратегии, нет регулярного аудита, решения принимаются точечно.
Когда в последний раз вы проверяли свою готовность к кибератаке? Проведён ли внешний аудит? Есть ли план реагирования? Если нет — пора начать сегодня.
Подписывайтесь 👉 @yab2btech
👍4❤3🤝2
Такие данные приводят в свежей статье Mckinsey. Дополнительная экономическая ценность — это и выручка, и экономия на затратах. Кроме того, эксперты считают, что внедрение ИИ поможет вдвое ускорить скорость НИОКР.
Такие сценарии пока не в фокусе внимания — ИИ сегодня обсуждается прежде всего как инструмент повышения эффективности процессов, а не исследований. И, по мнению экспертов McKinsey, очень зря.
Как именно можно использовать ИИ в НИОКР?
🔹 Создание проектов. К примеру, ИИ может спроектировать архитектуру магазина для компании ритейлера. Или структуру нового белка для фармацевтической компании.
🔹 Оценка проектов. ИИ-модели могут помочь испытать проекты-кандидаты на внедрение и сделать выводы об их эффективности. Так, существуют модели, способные точно предсказывать физические явления — с их помощью можно протестировать в виртуальной среде цифровых близнецов деталей, изделий или устройств.
🔹 Ускорение исследовательских работ. ИИ может помогать на разных этапах — например, выявлять потребности ЦА с помощью цифровых двойников, быстро искать и саммаризировать научную литературу, помогать искать сведения в корпоративных базах данных, и многое другое.
Используете ИИ для исследований?
🤩— Конечно!
🤔— Нет, но хочу начать
Подписывайтесь 👉 @yab2btech
Такие сценарии пока не в фокусе внимания — ИИ сегодня обсуждается прежде всего как инструмент повышения эффективности процессов, а не исследований. И, по мнению экспертов McKinsey, очень зря.
Как именно можно использовать ИИ в НИОКР?
🔹 Создание проектов. К примеру, ИИ может спроектировать архитектуру магазина для компании ритейлера. Или структуру нового белка для фармацевтической компании.
🔹 Оценка проектов. ИИ-модели могут помочь испытать проекты-кандидаты на внедрение и сделать выводы об их эффективности. Так, существуют модели, способные точно предсказывать физические явления — с их помощью можно протестировать в виртуальной среде цифровых близнецов деталей, изделий или устройств.
🔹 Ускорение исследовательских работ. ИИ может помогать на разных этапах — например, выявлять потребности ЦА с помощью цифровых двойников, быстро искать и саммаризировать научную литературу, помогать искать сведения в корпоративных базах данных, и многое другое.
Используете ИИ для исследований?
🤩— Конечно!
🤔— Нет, но хочу начать
Подписывайтесь 👉 @yab2btech
🤩5❤3🤔3👍1
Данные за 2024 год от аналитиков Anthropic показали, что ИИ берёт на себя всё больше задач: более 30% функций на Python в репозиториях GitHub уже написаны нейросетями. Это полноценный промышленный код, принятый в продакшн, прошедший ревью и интегрированный в реальные продукты.
Влияние ИИ-кода на бизнес
McKinsey оценивает совокупный эффект внедрения ИИ-инструментов (Copilot, GPT, Claude) для бизнеса в $100 млрд ежегодно — в первую очередь за счёт снижения издержек и ускорения вывода продуктов на рынок. Хотя эти цифры касаются в первую очередь США, тренд затрагивает и российский рынок.
В малых командах и продуктовых бизнесах ИИ уже берёт на себя рутинные задачи, меняя структуру работы и логистику затрат. Там, где раньше требовалось 5 универсальных разработчиков, теперь хватает 2–3 специалистов с ИИ-ассистентами.
Как меняется процесс разработки
ИИ-инструменты решают задачи, которые раньше выполнялись вручную и занимали значительную часть времени команды, например генерацию boilerplate-кода — типовых обёрток, форм, тестов, настройки API. Также нейросети помогают в автоматической генерации SQL-запросов по описанию логики, берут на себя рефакторинг на этапе Pull Request.
Новые возможности меняют традиционные функции в командах программистов:
🌟 Снижается нагрузка на middle-разработчиков: они тратят меньше времени на шаблоны и рутину.
🌟 Увеличивается роль синьоров: они контролируют архитектуру и интеграции, где ИИ не справляется.
🌟 Освобождённые ресурсы направляются в аналитику, дизайн решений, оптимизацию клиентских сценариев.
Например, в стартапе с небольшим IT-отделом один разработчик с Copilot может быстро накидать API-обёртку, другой — проверить корректность бизнес-логики и покрыть тестами. Раньше такие задачи требовали отдельного бекэнд-инженера и QA.
Ограничения и риски внедрения ИИ в разработку
Несмотря на рост эффективности, генеративные модели не универсальны. Их интеграция требует точных процессов и контроля качества. Основные риски:
🔹 Ошибка в логике. ИИ может предложить синтаксически корректный, но бизнес-некорректный код. Без ревью такие ошибки попадают в прод и ведут к откатам.
🔹 Рост техдолга. Быстрая генерация кода без стандартизации приводит к фрагментации: одна и та же задача реализована разными способами.
🔹 Проблемы с безопасностью. Модели могут предлагать решения с уязвимостями или использовать устаревшие библиотеки.
🔹 Лицензирование и комплаенс. При генерации ИИ может использовать код, не совместимый с внутренней политикой или внешними лицензиями (например, GPL).
Поэтому компании, которые внедряют ИИ в разработку, параллельно повышают контроль качества: усиливают code review, внедряют линтеры, стандарты, автоматическую проверку лицензий.
Подписывайтесь 👉 @yab2btech
Влияние ИИ-кода на бизнес
McKinsey оценивает совокупный эффект внедрения ИИ-инструментов (Copilot, GPT, Claude) для бизнеса в $100 млрд ежегодно — в первую очередь за счёт снижения издержек и ускорения вывода продуктов на рынок. Хотя эти цифры касаются в первую очередь США, тренд затрагивает и российский рынок.
В малых командах и продуктовых бизнесах ИИ уже берёт на себя рутинные задачи, меняя структуру работы и логистику затрат. Там, где раньше требовалось 5 универсальных разработчиков, теперь хватает 2–3 специалистов с ИИ-ассистентами.
Как меняется процесс разработки
ИИ-инструменты решают задачи, которые раньше выполнялись вручную и занимали значительную часть времени команды, например генерацию boilerplate-кода — типовых обёрток, форм, тестов, настройки API. Также нейросети помогают в автоматической генерации SQL-запросов по описанию логики, берут на себя рефакторинг на этапе Pull Request.
Новые возможности меняют традиционные функции в командах программистов:
Например, в стартапе с небольшим IT-отделом один разработчик с Copilot может быстро накидать API-обёртку, другой — проверить корректность бизнес-логики и покрыть тестами. Раньше такие задачи требовали отдельного бекэнд-инженера и QA.
Ограничения и риски внедрения ИИ в разработку
Несмотря на рост эффективности, генеративные модели не универсальны. Их интеграция требует точных процессов и контроля качества. Основные риски:
🔹 Ошибка в логике. ИИ может предложить синтаксически корректный, но бизнес-некорректный код. Без ревью такие ошибки попадают в прод и ведут к откатам.
🔹 Рост техдолга. Быстрая генерация кода без стандартизации приводит к фрагментации: одна и та же задача реализована разными способами.
🔹 Проблемы с безопасностью. Модели могут предлагать решения с уязвимостями или использовать устаревшие библиотеки.
🔹 Лицензирование и комплаенс. При генерации ИИ может использовать код, не совместимый с внутренней политикой или внешними лицензиями (например, GPL).
Поэтому компании, которые внедряют ИИ в разработку, параллельно повышают контроль качества: усиливают code review, внедряют линтеры, стандарты, автоматическую проверку лицензий.
Подписывайтесь 👉 @yab2btech
Please open Telegram to view this post
VIEW IN TELEGRAM
❤4👍2🔥2
This media is not supported in your browser
VIEW IN TELEGRAM
Понедельник — время битуби-дайджеста
Отставание во внедрении ИИ может привести к потере конкурентных преимуществ
По мнению главы по ИИ в PwC, компании должны активнее инвестировать в ИИ-технологии, чтобы автоматизировать процессы и улучшать аналитику данных. Эксперт отметил: организации, игнорирующие ИИ, рискуют проиграть прогрессивным конкурентам уже в ближайшие два-три года. В PwC считают, что грамотная ИИ-стратегия поможет компаниям не только сократить издержки, но и создать новые бизнес-модели.
Яндекс запустил обновлённую версию ИИ-помощника «Нейроэксперт» для офисных сотрудников
В новую версию добавили функции анализа данных, совместной работы и рассуждений на основе загруженных документов. Сервис уже протестировали 350 тысяч пользователей, чаще всего запрашивая помощь в образовательных, юридических и финансовых вопросах.
Google добавил в сервисы Workspace настраиваемых ИИ-ассистентов
Ассистенты Gems на базе Gemini доступны в Gmail, Документах, Таблицах и других сервисах. С их помощью можно создавать персонализированных ботов для конкретных задач — от копирайтинга до анализа данных — или выбирать шаблоны на боковой панели. Gems обучаются на загруженных документах, что позволяет автоматизировать рутинные процессы и поддерживать единый стиль коммуникации.
Hyundai первым среди автопрома протестирует роботов Atlas от Boston Dynamics
С октября этого года роботы будут сортировать автодетали на заводе в Джорджии. Если испытания пройдут успешно, технологию могут внедрить и на заводах Kia. Это первые реальные испытания Atlas перед запланированным началом продаж в 2028 году. Ранее аналогичные тесты с роботами-гуманоидами уже анонсировали BMW со стартапом Figure и Mercedes-Benz с Apptronik.
Microsoft будет оценивать навыки сотрудников по работе с ИИ-инструментами
Умение пользоваться ИИ-сервисами, включая GitHub Copilot, станет обязательным критерием — наравне с командной работой и аналитическими навыками. Согласно внутреннему документу компании, новую метрику начнут применять со следующего финансового года, чтобы стимулировать работников активнее осваивать технологии, которые они разрабатывают.
Yandex Cloud представил обновлённый сервис речевой аналитики Yandex SpeechSense
Он позволяет бизнесу анализировать офлайн-диалоги в банках, магазинах и медучреждениях с помощью нейросетей. Новая версия помогает оценивать лояльность клиентов, эффективность маркетинговых предложений и качество работы персонала, выявляя успешные речевые паттерны.
Сервис решает ключевую проблему офлайн-аналитики — разделение реплик в диалоге между сотрудником и клиентом с помощью YandexGPT и технологии Speaker Labeling — и помогает бизнесу повысить качество обслуживания без дорогостоящего оборудования, используя записи с обычных диктофонов.
В MIT разработали технологию, позволяющую роботам «видеть» содержимое закрытых коробок
Технология mmWaveс работает с точностью до 96%, тогда как аналоги — лишь 70%. Система анализирует отражение миллиметровых волн, воссоздавая форму предметов даже сложной конфигурации, таких, как столовые приборы. Её можно использовать в логистике, например, чтобы выявлять брак без вскрытия упаковки, а также на складах — для автоматической сортировки и контроля качества товаров.
62% российских IT-компаний планируют увеличить бюджеты на ИБ в 2025 году
Это на 12% больше, чем в 2022-м, согласно исследованию «Индекс кибербезопасности» от «МегаФона» и МИЦ. Основные причины — необходимость защиты персональных данных, критической инфраструктуры и противодействие социальной инженерии.
X5 Group внедрила робота-инвентаризатора от Яндекс Роботикс
Он работает на складе «Перекрёстка» в Софьино, что позволило увеличить ежедневный объём проверок товаров в 4 раза и снизить нагрузку на персонал. Оснащённый лазерным дальномером и камерами, робот сканирует до 30 тысяч палет в час, оперативно выявляя и исправляя расхождения в учёте. Это помогает избежать дефицита товаров и сократить расходы на инвентаризацию на 30%.
Подписывайтесь 👉 @yab2btech
Отставание во внедрении ИИ может привести к потере конкурентных преимуществ
По мнению главы по ИИ в PwC, компании должны активнее инвестировать в ИИ-технологии, чтобы автоматизировать процессы и улучшать аналитику данных. Эксперт отметил: организации, игнорирующие ИИ, рискуют проиграть прогрессивным конкурентам уже в ближайшие два-три года. В PwC считают, что грамотная ИИ-стратегия поможет компаниям не только сократить издержки, но и создать новые бизнес-модели.
Яндекс запустил обновлённую версию ИИ-помощника «Нейроэксперт» для офисных сотрудников
В новую версию добавили функции анализа данных, совместной работы и рассуждений на основе загруженных документов. Сервис уже протестировали 350 тысяч пользователей, чаще всего запрашивая помощь в образовательных, юридических и финансовых вопросах.
Google добавил в сервисы Workspace настраиваемых ИИ-ассистентов
Ассистенты Gems на базе Gemini доступны в Gmail, Документах, Таблицах и других сервисах. С их помощью можно создавать персонализированных ботов для конкретных задач — от копирайтинга до анализа данных — или выбирать шаблоны на боковой панели. Gems обучаются на загруженных документах, что позволяет автоматизировать рутинные процессы и поддерживать единый стиль коммуникации.
Hyundai первым среди автопрома протестирует роботов Atlas от Boston Dynamics
С октября этого года роботы будут сортировать автодетали на заводе в Джорджии. Если испытания пройдут успешно, технологию могут внедрить и на заводах Kia. Это первые реальные испытания Atlas перед запланированным началом продаж в 2028 году. Ранее аналогичные тесты с роботами-гуманоидами уже анонсировали BMW со стартапом Figure и Mercedes-Benz с Apptronik.
Microsoft будет оценивать навыки сотрудников по работе с ИИ-инструментами
Умение пользоваться ИИ-сервисами, включая GitHub Copilot, станет обязательным критерием — наравне с командной работой и аналитическими навыками. Согласно внутреннему документу компании, новую метрику начнут применять со следующего финансового года, чтобы стимулировать работников активнее осваивать технологии, которые они разрабатывают.
Yandex Cloud представил обновлённый сервис речевой аналитики Yandex SpeechSense
Он позволяет бизнесу анализировать офлайн-диалоги в банках, магазинах и медучреждениях с помощью нейросетей. Новая версия помогает оценивать лояльность клиентов, эффективность маркетинговых предложений и качество работы персонала, выявляя успешные речевые паттерны.
Сервис решает ключевую проблему офлайн-аналитики — разделение реплик в диалоге между сотрудником и клиентом с помощью YandexGPT и технологии Speaker Labeling — и помогает бизнесу повысить качество обслуживания без дорогостоящего оборудования, используя записи с обычных диктофонов.
В MIT разработали технологию, позволяющую роботам «видеть» содержимое закрытых коробок
Технология mmWaveс работает с точностью до 96%, тогда как аналоги — лишь 70%. Система анализирует отражение миллиметровых волн, воссоздавая форму предметов даже сложной конфигурации, таких, как столовые приборы. Её можно использовать в логистике, например, чтобы выявлять брак без вскрытия упаковки, а также на складах — для автоматической сортировки и контроля качества товаров.
62% российских IT-компаний планируют увеличить бюджеты на ИБ в 2025 году
Это на 12% больше, чем в 2022-м, согласно исследованию «Индекс кибербезопасности» от «МегаФона» и МИЦ. Основные причины — необходимость защиты персональных данных, критической инфраструктуры и противодействие социальной инженерии.
X5 Group внедрила робота-инвентаризатора от Яндекс Роботикс
Он работает на складе «Перекрёстка» в Софьино, что позволило увеличить ежедневный объём проверок товаров в 4 раза и снизить нагрузку на персонал. Оснащённый лазерным дальномером и камерами, робот сканирует до 30 тысяч палет в час, оперативно выявляя и исправляя расхождения в учёте. Это помогает избежать дефицита товаров и сократить расходы на инвентаризацию на 30%.
Подписывайтесь 👉 @yab2btech
❤6👍2🔥2
Дважды в месяц мы рассказываем о стартапах из России и за её пределами, за которыми интересно наблюдать с точки зрения технологий, продукта или бизнес-модели. Сегодня речь пойдёт о HiveTrace. Это LLM Monitoring для GenAI-приложений.
Подписывайтесь 👉 @yab2btech
Подписывайтесь 👉 @yab2btech
❤8👍8🔥5🐳1
Когда начался бум генеративного ИИ, многие компании обожглись. Они начали внедрять ИИ с большим энтузиазмом, но зачастую пилоты показывали невысокую эффективность. Поэтому сегодня компании сворачивают пилоты и перестраивают подходы к ИИ-оптимизации. В PepsiCo говорят, что смогли избежать этой проблемы благодаря продуманной стратегии внедрения. Компания внедрила ИИ во все ключевые процессы без лишних пилотов.
Как компания организовала внедрение ИИ
Директор по стратегии и трансформации PepsiCo Афина Каниура рассказывает, что компания одновременно внедряет максимум 4–5 ИИ-проектов, которые получают инвестиции и экспертов. Остальные идеи тестируются во внутренней песочнице PepGenX, где сотрудники могут свободно создавать, что душе угодно. Но проектам дают ход, лишь если будет доказана их способность серьёзно повысить KPI или другие показатели.
Прогнозирование спроса
В PepsiCo начали трансформацию с системы прогнозирования спроса. ИИ в ней анализирует историю продаж, маркетинговые акции и сотни других внешних сигналов. Сведения корпорации передают партнёры, например розничные сети.
Модель пересчитывает прогнозы ежедневно и заранее показывает «горячие» недели, когда спрос на те или иные продукты может подскочить, например во время крупных праздников или фестивалей.
Агенты на складах
Песочница PepGenX имеет доступ к ИИ-сервисам Amazon и Salesforce AI. С их помощью разработчики создают ИИ-агентов, которые могут автоматизировать многие функции. Такие агенты получают данные из разных облачных сервисов компании и управляют множеством процессов. Некоторым из них компания даёт ход — на складах и логистических объектах такие агенты могут планировать заполнение площадей для хранения и подсказывать мерчандайзерам, куда раскладывать товар.
ИИ-продажники
Ещё одно применение агентов — в продажах. На B2B-платформе агенты помогают создавать заказы корпоративных клиентов. Другие отвечают за то, чтобы и оптовые покупатели PepsiCo, и торговые представители компании имели доступ к данным о запасах в реальном времени. Наконец, они могут создавать единые профили розничных клиентов, через которые можно и прогнозировать поставки, и получать рекомендации по запуску маркетинговых кампаний, нацеленных на конкретные магазины и продукты.
Для создания новых продуктов
ИИ помогает разрабатывать новинки. Анализируя огромные массивы данных о потребителях и продажах, нейросети могут подсказывать, как улучшить рецептуру или брендинг новых продуктов. ИИ ускоряет запуск новинок — с 6–9 месяцев до 6 недель. Так компания создаёт новые виды чипсов Cheetos. А ещё PepsiCo использует ИИ для анализа отзывов о продуктах, чтобы получить рекомендации, как их можно улучшить.
ИИ-маркетологи
Наконец, нейросети помогают компании запускать и оптимизировать рекламные кампании. ИИ используется и для креативной работы — создания маркетинговых концепций, — и для их тестирования на виртуальных респондентах.
Подписывайтесь 👉 @yab2btech
Как компания организовала внедрение ИИ
Директор по стратегии и трансформации PepsiCo Афина Каниура рассказывает, что компания одновременно внедряет максимум 4–5 ИИ-проектов, которые получают инвестиции и экспертов. Остальные идеи тестируются во внутренней песочнице PepGenX, где сотрудники могут свободно создавать, что душе угодно. Но проектам дают ход, лишь если будет доказана их способность серьёзно повысить KPI или другие показатели.
Прогнозирование спроса
В PepsiCo начали трансформацию с системы прогнозирования спроса. ИИ в ней анализирует историю продаж, маркетинговые акции и сотни других внешних сигналов. Сведения корпорации передают партнёры, например розничные сети.
Модель пересчитывает прогнозы ежедневно и заранее показывает «горячие» недели, когда спрос на те или иные продукты может подскочить, например во время крупных праздников или фестивалей.
Агенты на складах
Песочница PepGenX имеет доступ к ИИ-сервисам Amazon и Salesforce AI. С их помощью разработчики создают ИИ-агентов, которые могут автоматизировать многие функции. Такие агенты получают данные из разных облачных сервисов компании и управляют множеством процессов. Некоторым из них компания даёт ход — на складах и логистических объектах такие агенты могут планировать заполнение площадей для хранения и подсказывать мерчандайзерам, куда раскладывать товар.
ИИ-продажники
Ещё одно применение агентов — в продажах. На B2B-платформе агенты помогают создавать заказы корпоративных клиентов. Другие отвечают за то, чтобы и оптовые покупатели PepsiCo, и торговые представители компании имели доступ к данным о запасах в реальном времени. Наконец, они могут создавать единые профили розничных клиентов, через которые можно и прогнозировать поставки, и получать рекомендации по запуску маркетинговых кампаний, нацеленных на конкретные магазины и продукты.
Для создания новых продуктов
ИИ помогает разрабатывать новинки. Анализируя огромные массивы данных о потребителях и продажах, нейросети могут подсказывать, как улучшить рецептуру или брендинг новых продуктов. ИИ ускоряет запуск новинок — с 6–9 месяцев до 6 недель. Так компания создаёт новые виды чипсов Cheetos. А ещё PepsiCo использует ИИ для анализа отзывов о продуктах, чтобы получить рекомендации, как их можно улучшить.
ИИ-маркетологи
Наконец, нейросети помогают компании запускать и оптимизировать рекламные кампании. ИИ используется и для креативной работы — создания маркетинговых концепций, — и для их тестирования на виртуальных респондентах.
Подписывайтесь 👉 @yab2btech
❤5👍4🤝3
Несмотря на это, ИИ-стратегия есть лишь у 22% организаций, внедряющих ИИ. Такие цифры приводятся в опросе экспертов и бизнес-руководителей из 50 стран, проведённом Thomson Reuters.
Также, согласно исследованию, в 2025 году специалисты будут экономить с помощью ИИ в среднем 5 часов в неделю — на час больше, чем в 2024 году. Прирост выручки и экономия ресурсов за счёт этого эффекта составит $19 000 на каждого специалиста за год — это $32 млрд только в США.
А сколько часов экономит ИИ в вашей организации?
👍 — 5 часов для нас неплохой результат
🔥 — уже больше!
Подписывайтесь 👉 @yab2btech
Также, согласно исследованию, в 2025 году специалисты будут экономить с помощью ИИ в среднем 5 часов в неделю — на час больше, чем в 2024 году. Прирост выручки и экономия ресурсов за счёт этого эффекта составит $19 000 на каждого специалиста за год — это $32 млрд только в США.
А сколько часов экономит ИИ в вашей организации?
👍 — 5 часов для нас неплохой результат
🔥 — уже больше!
Подписывайтесь 👉 @yab2btech
❤5👍3🔥2
This media is not supported in your browser
VIEW IN TELEGRAM
По данным отчёта центра Платформа (2019 год), в России рынок промышленных IoT-решений оценивался примерно в $5 млрд с ежегодным приростом около 22%. Прогноз оказался весьма точным. По свежим данным, в 2023 году цифра выросла до $17 млрд — с ростом на 11% в год.
Что такое интернет вещей?
IoT (Internet of Things) — это концепция взаимосвязанных устройств, которые могут обмениваться данными друг с другом и с внешней средой без участия человека.
В контексте промышленности это, в первую очередь, предиктивное обслуживание (когда система заранее сообщает о возможной поломке), автоматизация контроля и снижение операционных затрат. В сфере потребительского бизнеса самый известный пример — технология умного дома. Объём мирового рынка IoT в 2023 году оценивался в $1,18 трлн.
Так кто в России применяет IoT-технологии в бизнесе?
🔸«Газпром нефть». Проект «Когнитивный геолог» через два года сократит рутинные операции геологов на 70–80%. Сбор данных и их анализ даёт возможность ускорить строительство объектов вдвое, повысить до 99% точность оценки скважин, освоить сложные месторождения.
🔸«Россети» внедрили интеллектуальные системы учёта электроэнергии, что позволило сократить потери до 15%, а расходы на обслуживание — до 20% в ряде пилотных регионов. По данным отчёта, это обеспечило экономию до 5 млрд рублей в год.
🔸«Северсталь» реализовала предиктивную модель обслуживания доменных и прокатных агрегатов. По ее оценке, это снизило внеплановые простои на 30% и сэкономило более 500 млн рублей в первый год внедрения.
Чего ждать дальше?
Российский рынок интернета вещей уже прошёл этап первых экспериментов: по оценке Bonafide Research, 62 % пилотных IoT-проектов в 2024 году завершились коммерческим внедрением. Самый активный спрос — в промышленности, логистике, энергетике и ЖКХ.
Причём есть заметный сдвиг в сторону «внутренней эффективности» — предиктивный ремонт, автоматизация учёта, контроль за инфраструктурой. Области софта и цифровой инфраструктуры развиваются быстрее «железа» и более востребованы.
Сейчас это инструмент, который работает на окупаемость. Компании ставят датчики не потому, что «надо цифровизироваться», а потому что можно сэкономить 20% на обслуживании или сократить простой оборудования вдвое.
Если прогнозы окажутся верными, мы увидим планомерный рост объёмов рынка от года к году и новые кейсы применения IoT в самых разных областях.
Подписывайтесь 👉 @yab2btech
Что такое интернет вещей?
IoT (Internet of Things) — это концепция взаимосвязанных устройств, которые могут обмениваться данными друг с другом и с внешней средой без участия человека.
В контексте промышленности это, в первую очередь, предиктивное обслуживание (когда система заранее сообщает о возможной поломке), автоматизация контроля и снижение операционных затрат. В сфере потребительского бизнеса самый известный пример — технология умного дома. Объём мирового рынка IoT в 2023 году оценивался в $1,18 трлн.
Так кто в России применяет IoT-технологии в бизнесе?
🔸«Газпром нефть». Проект «Когнитивный геолог» через два года сократит рутинные операции геологов на 70–80%. Сбор данных и их анализ даёт возможность ускорить строительство объектов вдвое, повысить до 99% точность оценки скважин, освоить сложные месторождения.
🔸«Россети» внедрили интеллектуальные системы учёта электроэнергии, что позволило сократить потери до 15%, а расходы на обслуживание — до 20% в ряде пилотных регионов. По данным отчёта, это обеспечило экономию до 5 млрд рублей в год.
🔸«Северсталь» реализовала предиктивную модель обслуживания доменных и прокатных агрегатов. По ее оценке, это снизило внеплановые простои на 30% и сэкономило более 500 млн рублей в первый год внедрения.
Чего ждать дальше?
Российский рынок интернета вещей уже прошёл этап первых экспериментов: по оценке Bonafide Research, 62 % пилотных IoT-проектов в 2024 году завершились коммерческим внедрением. Самый активный спрос — в промышленности, логистике, энергетике и ЖКХ.
Причём есть заметный сдвиг в сторону «внутренней эффективности» — предиктивный ремонт, автоматизация учёта, контроль за инфраструктурой. Области софта и цифровой инфраструктуры развиваются быстрее «железа» и более востребованы.
Сейчас это инструмент, который работает на окупаемость. Компании ставят датчики не потому, что «надо цифровизироваться», а потому что можно сэкономить 20% на обслуживании или сократить простой оборудования вдвое.
Если прогнозы окажутся верными, мы увидим планомерный рост объёмов рынка от года к году и новые кейсы применения IoT в самых разных областях.
Подписывайтесь 👉 @yab2btech
👍5❤4🔥4
Media is too big
VIEW IN TELEGRAM
Традиционный битуби-дайджест в начале рабочей недели
Стартап Moonvalley представил коммерчески безопасную ИИ-модель Marey для генерации видео
Модель преобразует исходные кадры и 3D-рендеры в видео по текстовому запросу, при этом обучена на данных без нарушений авторских прав. Релиз состоялся на фоне судебного иска Disney и Universal к Midjourney за использование контента, защищённого авторскими правами.
Yandex B2B Tech представил сервис Brand Voice Lite для создания уникальных голосовых моделей для бизнеса
Сервис позволяет создавать разные эмоциональные вариации голоса. Для синтеза достаточно загрузить 20–40 минут записей речи, а на готовую модель уходит около недели. Голос можно использовать в ботах, подкастах и образовательных материалах. Технология основана на ML-моделях Yandex SpeechKit и требует согласия диктора на использование его голоса, гарантируя конфиденциальность данных клиента. Сервис особенно востребован среди банков, ритейлеров и телеком-операторов для автоматизации служб поддержки.
xAI выпустила Grok 4 и мультиагентную модель Grok Heavy, которую Илон Маск назвал «самой умной в мире»
Новая модель превзошла в независимых тестах o3, Gemini 2.5 Pro и Claude Opus в задачах по программированию, математике и научным расчётам. А также заработала $4 690 в бизнес-симуляции Vending Bench. Компания обновила голосовой режим, добавив эмоциональные голоса, и анонсировала выход новых моделей в этом году: для программирования, мультимодального агента и генерации видео.
Билайн и VK Tech объединят свои облачные платформы для корпоративных клиентов
На базе Beeline Cloud и VK Cloud планируют создать единую экосистему с широким набором сервисов — от облачной инфраструктуры до инструментов автоматизации. Билайн обеспечит высокую доступность благодаря своим дата-центрам, а VK Tech предоставит более 50 IaaS- и PaaS-решений. Такое партнёрство поможет бизнесу снизить риски и оптимизировать расходы за счёт мультиоблачных решений.
Количество DDoS-атак во II квартале 2025 года выросло на 43%
При этом атаки на уровне приложений (L7) увеличились на рекордные 74%. Чаще всего под удар попадали финтех-компании (22,6%), онлайн-магазины (20,6%) и IT-сектор (16,1%): на них пришлось почти 60% всех сетевых атак. Эксперты отмечают, что современные DDoS-атаки стали невероятно мощными и сложными: некоторые способны полностью парализовать онлайн-сервисы.
Более 60% российских предприятий не хватает отечественного ПО для автоматизации
При этом 42,9% компаний используют российские аналоги, а 28,6% продолжают работать на зарубежном ПО. Лишь у 8% предприятий автоматизировано 80%+ процессов, тогда как у большинства — 20–60%. Несмотря на сокращение бюджетов у половины опрошенных компаний, 61,9% планируют внедрять новые IT-решения до конца 2025 года. Самые распространённые — сервисы для мониторинга рабочего времени (42,9%) и диспетчеризации (38,1%), а роботизацией производства занимаются лишь 23,8% предприятий.
28% россиян используют в работе нейросети
Чаще всего к ним обращаются топ-менеджеры (19%) и молодые специалисты 18–34 лет. 35% используют ИИ для генерации текстов, 26% — для создания фото или изображений, 23% — для анализа данных. 44% сотрудников отмечают, что технологии помогают им с рутиной, а 75% руководителей уверены, что они повышают производительность и помогают перераспределять ресурсы на стратегические задачи.
Только 37% промышленных предприятий в мире используют ИИ в производственных процессах
Исследование «Лаборатории Касперского» и VDC Research показало, что чаще всего ИИ применяют в автопроме (47%). К 2027 году показатель может достичь 74%. Эксперты отмечают, что ИИ пока уступает по распространённости другим технологиям, таким как продвинутая аналитика и удалённый мониторинг, но в перспективе станет ключевым для производства. Особенно предиктивная аналитика, которая позволяет предотвращать простои оборудования и минимизировать финансовые потери.
Подписывайтесь 👉 @yab2btech
Стартап Moonvalley представил коммерчески безопасную ИИ-модель Marey для генерации видео
Модель преобразует исходные кадры и 3D-рендеры в видео по текстовому запросу, при этом обучена на данных без нарушений авторских прав. Релиз состоялся на фоне судебного иска Disney и Universal к Midjourney за использование контента, защищённого авторскими правами.
Yandex B2B Tech представил сервис Brand Voice Lite для создания уникальных голосовых моделей для бизнеса
Сервис позволяет создавать разные эмоциональные вариации голоса. Для синтеза достаточно загрузить 20–40 минут записей речи, а на готовую модель уходит около недели. Голос можно использовать в ботах, подкастах и образовательных материалах. Технология основана на ML-моделях Yandex SpeechKit и требует согласия диктора на использование его голоса, гарантируя конфиденциальность данных клиента. Сервис особенно востребован среди банков, ритейлеров и телеком-операторов для автоматизации служб поддержки.
xAI выпустила Grok 4 и мультиагентную модель Grok Heavy, которую Илон Маск назвал «самой умной в мире»
Новая модель превзошла в независимых тестах o3, Gemini 2.5 Pro и Claude Opus в задачах по программированию, математике и научным расчётам. А также заработала $4 690 в бизнес-симуляции Vending Bench. Компания обновила голосовой режим, добавив эмоциональные голоса, и анонсировала выход новых моделей в этом году: для программирования, мультимодального агента и генерации видео.
Билайн и VK Tech объединят свои облачные платформы для корпоративных клиентов
На базе Beeline Cloud и VK Cloud планируют создать единую экосистему с широким набором сервисов — от облачной инфраструктуры до инструментов автоматизации. Билайн обеспечит высокую доступность благодаря своим дата-центрам, а VK Tech предоставит более 50 IaaS- и PaaS-решений. Такое партнёрство поможет бизнесу снизить риски и оптимизировать расходы за счёт мультиоблачных решений.
Количество DDoS-атак во II квартале 2025 года выросло на 43%
При этом атаки на уровне приложений (L7) увеличились на рекордные 74%. Чаще всего под удар попадали финтех-компании (22,6%), онлайн-магазины (20,6%) и IT-сектор (16,1%): на них пришлось почти 60% всех сетевых атак. Эксперты отмечают, что современные DDoS-атаки стали невероятно мощными и сложными: некоторые способны полностью парализовать онлайн-сервисы.
Более 60% российских предприятий не хватает отечественного ПО для автоматизации
При этом 42,9% компаний используют российские аналоги, а 28,6% продолжают работать на зарубежном ПО. Лишь у 8% предприятий автоматизировано 80%+ процессов, тогда как у большинства — 20–60%. Несмотря на сокращение бюджетов у половины опрошенных компаний, 61,9% планируют внедрять новые IT-решения до конца 2025 года. Самые распространённые — сервисы для мониторинга рабочего времени (42,9%) и диспетчеризации (38,1%), а роботизацией производства занимаются лишь 23,8% предприятий.
28% россиян используют в работе нейросети
Чаще всего к ним обращаются топ-менеджеры (19%) и молодые специалисты 18–34 лет. 35% используют ИИ для генерации текстов, 26% — для создания фото или изображений, 23% — для анализа данных. 44% сотрудников отмечают, что технологии помогают им с рутиной, а 75% руководителей уверены, что они повышают производительность и помогают перераспределять ресурсы на стратегические задачи.
Только 37% промышленных предприятий в мире используют ИИ в производственных процессах
Исследование «Лаборатории Касперского» и VDC Research показало, что чаще всего ИИ применяют в автопроме (47%). К 2027 году показатель может достичь 74%. Эксперты отмечают, что ИИ пока уступает по распространённости другим технологиям, таким как продвинутая аналитика и удалённый мониторинг, но в перспективе станет ключевым для производства. Особенно предиктивная аналитика, которая позволяет предотвращать простои оборудования и минимизировать финансовые потери.
Подписывайтесь 👉 @yab2btech
❤4✍3
Аналогичные заявления сделали главы Anthropic, Amazon, Fiverr и других крупных компаний. По их словам, ИИ-технологии уже сейчас автоматизируют многие офисные и административные функции, которые раньше выполняли люди.
Что происходит?
В IT-корпорациях автоматизация уже влияет на кадровую политику:
🌟 Apple и Spotify временно приостановили наём: компании отказываются нанимать новых сотрудников, если задачу можно поручить ИИ.
🌟 В JPMorgan Chase прогнозируют сокращение 10% операционного персонала благодаря ИИ.
🌟 Amazon заявляет о «снижении численности» из-за автоматизации.
🌟 IBM заменила сотни HR-специалистов ИИ, наняв вместо них инженеров.
🌟 В Moderna сотрудникам поручают новые проекты без расширения штата — в расчёте на помощь ИИ-ассистентов.
А как в России?
В России процессы идут медленнее, но в том же направлении. По данным Минэкономразвития, до 20% профессий могут исчезнуть или кардинально измениться к 2030 году. Уже сегодня около 40% компаний используют ИИ в бизнесе и треть планирует дальнейшую автоматизацию. Сбер автоматизировал 40% рутинных операций в бэк-офисе, в МТС руководители работают на 30% эффективнее благодаря ИИ в ЭДО, а Яндекс активно использует ИИ в анализе данных, автоматизации процессов, поддержке и улучшении пользовательского опыта. Согласно данным Яндекса, компания экономит миллионы на бизнес-процессах благодаря ИИ.
Что дальше
Компаниям необходимо пересматривать структуру персонала и переобучать сотрудников для работы с новыми технологиями. Этот процесс неизбежен и затронет практически все отрасли экономики.
Но глава Ford также считает, что ИИ создаст новые профессии, требующие других навыков и компетенций. Исследования подтверждают: спрос на специалистов с навыками работы с ИИ вырос на 314% за год, а 42% работодателей готовы инвестировать в переобучение. При поддержке государства и запуске программ вроде «Цифровых кафедр» и национального проекта «Искусственный интеллект» рынок труда в России адаптируется, но требует быстрой реакции от самих сотрудников.
ИИ не просто автоматизирует процессы — он меняет структуру занятости. Чтобы не остаться за бортом, работникам уже сегодня нужно повышать цифровую грамотность, учиться взаимодействовать с ИИ и адаптироваться к новым форматам работы. EdTech-сервисы подхватывают тренд. Например, Яндекс Практикум намерен добавить уроки по ИИ для всех своих курсов. До конца 2027 года сервис сможет обучить почти 10 тысяч специалистов ИИ-профессиям.
Подписывайтесь 👉 @yab2btech
Что происходит?
В IT-корпорациях автоматизация уже влияет на кадровую политику:
А как в России?
В России процессы идут медленнее, но в том же направлении. По данным Минэкономразвития, до 20% профессий могут исчезнуть или кардинально измениться к 2030 году. Уже сегодня около 40% компаний используют ИИ в бизнесе и треть планирует дальнейшую автоматизацию. Сбер автоматизировал 40% рутинных операций в бэк-офисе, в МТС руководители работают на 30% эффективнее благодаря ИИ в ЭДО, а Яндекс активно использует ИИ в анализе данных, автоматизации процессов, поддержке и улучшении пользовательского опыта. Согласно данным Яндекса, компания экономит миллионы на бизнес-процессах благодаря ИИ.
Что дальше
Компаниям необходимо пересматривать структуру персонала и переобучать сотрудников для работы с новыми технологиями. Этот процесс неизбежен и затронет практически все отрасли экономики.
Но глава Ford также считает, что ИИ создаст новые профессии, требующие других навыков и компетенций. Исследования подтверждают: спрос на специалистов с навыками работы с ИИ вырос на 314% за год, а 42% работодателей готовы инвестировать в переобучение. При поддержке государства и запуске программ вроде «Цифровых кафедр» и национального проекта «Искусственный интеллект» рынок труда в России адаптируется, но требует быстрой реакции от самих сотрудников.
ИИ не просто автоматизирует процессы — он меняет структуру занятости. Чтобы не остаться за бортом, работникам уже сегодня нужно повышать цифровую грамотность, учиться взаимодействовать с ИИ и адаптироваться к новым форматам работы. EdTech-сервисы подхватывают тренд. Например, Яндекс Практикум намерен добавить уроки по ИИ для всех своих курсов. До конца 2027 года сервис сможет обучить почти 10 тысяч специалистов ИИ-профессиям.
Подписывайтесь 👉 @yab2btech
Please open Telegram to view this post
VIEW IN TELEGRAM
❤4👍3🤝1
В новой версии системы управления базами данных YDB от Yandex B2B Tech теперь доступен векторный поиск — в облаке и on-premises. Он позволяет быстро находить похожую информацию в разнородных данных — текстах, изображениях, аудио и видео. Функция особенно полезна для рекомендательных систем и ИИ-ассистентов, поскольку позволяет сделать ответы максимально релевантными и персонализированными.
Как это устроено
Векторная технология работает так: данные (например, текст, изображения или аудио) переводятся в числовые последовательности — векторы. Чем ближе эти числа друг к другу, тем более схожи сами объекты.
Плюсы такого подхода:
🌟 Можно находить скрытые связи между разными типами данных (текстами, картинками, видео).
🌟 Поиск остаётся точным, даже если в запросе есть ошибки или опечатки.
🌟 Работает с любыми форматами — от документов до мультимедиа.
В YDB доступно два режима векторного поиска: точный и приближённый. Первый даёт максимально релевантные результаты, но при больших объёмах данных требует значительных ресурсов. Приближённый поиск работает с миллиардами векторов за доли секунды, даже если данные не умещаются в оперативную память. При этом ответы ответы дополняются актуальными данными из корпоративных баз знаний — например, технической документацией или материалами службы поддержки.
Почему это большая новость
Такие технологии есть только у немногих компаний в мире. Векторный поиск уже используется в голосовом помощнике Алиса: благодаря технологии, она может вести диалог с пользователем, опираясь на контекст и предыдущие запросы — почти как живой собеседник.
Кому пригодится
Векторный поиск особенно полезен компаниям, разрабатывающим решения на основе ИИ. Он помогает улучшить рекомендации товаров и ответы виртуальных помощников, делая их более персонализированными.
Подписывайтесь 👉 @yab2btech
Как это устроено
Векторная технология работает так: данные (например, текст, изображения или аудио) переводятся в числовые последовательности — векторы. Чем ближе эти числа друг к другу, тем более схожи сами объекты.
Плюсы такого подхода:
Проще говоря, это умный поиск, который понимает смысл, а не просто ищет точные совпадения.
В YDB доступно два режима векторного поиска: точный и приближённый. Первый даёт максимально релевантные результаты, но при больших объёмах данных требует значительных ресурсов. Приближённый поиск работает с миллиардами векторов за доли секунды, даже если данные не умещаются в оперативную память. При этом ответы ответы дополняются актуальными данными из корпоративных баз знаний — например, технической документацией или материалами службы поддержки.
Почему это большая новость
Такие технологии есть только у немногих компаний в мире. Векторный поиск уже используется в голосовом помощнике Алиса: благодаря технологии, она может вести диалог с пользователем, опираясь на контекст и предыдущие запросы — почти как живой собеседник.
Кому пригодится
Векторный поиск особенно полезен компаниям, разрабатывающим решения на основе ИИ. Он помогает улучшить рекомендации товаров и ответы виртуальных помощников, делая их более персонализированными.
Подписывайтесь 👉 @yab2btech
Please open Telegram to view this post
VIEW IN TELEGRAM
❤7👍5🔥4