Как AI-агенты трансформируют компанию? Недавно на воркшопе обсуждали следующий этап работы с AI в компаниях: переход от отдельных чат-ботов к агентам, встроенным в бизнес-процессы компании. Ключевой поинт - Corporate Brain. AI получает доступ к Slack, Jira, созвонам, документам, продуктовой аналитике и репозиториям и связывает разрозненный контекст в единую картину: обсуждение → решение → задача → изменение в продукте → влияние на метрики. На практике такой агент может за несколько минут разобрать backlog и найти связанные задачи и прошлые решения, собрать индивидуальный onboarding-план, сопоставить Jira с ClickHouse, GA, Amplitude и пользовательскими логами, проанализировать PR и коммиты, найти потенциальные проблемы в UX и подготовить гипотезы для команды. Но важный вывод воркшопа: ускорение отдельного сотрудника еще не означает ускорение компании. В одном из примеров AI значительно повысил скорость разработки, но очередь QA выросла с 15 до 55 задач, количество багов увеличилось в 4 раза, а rework - в 6. Поэтому измерять нужно не объем сгенерированного кода или количество AI-запросов, а конечный бизнес-результат. При этом агент нужен не везде. Если задачу надежнее решает обычная автоматизация, API или workflow, усложнять систему агентом нет смысла. Агент особенно полезен там, где нужно работать с большим контекстом, принимать неоднозначные решения, выбирать инструменты и корректировать следующие действия. Главная сложность тоже не в самой LLM. В production быстро появляются вопросы качества данных, доступов, legacy-интеграций, безопасности, стоимости, логирования и контроля действий. Поэтому рабочая схема выглядит примерно так: Goal → Context → Tools → Actions → Verification → Guardrails → Human escalation. И внедрять это лучше постепенно: найти первые реальные кейсы и мотивированных early adopters, измерить эффект и только потом масштабировать. Главная метрика здесь - не токены и не количество пользователей AI, а Cost per Successful Outcome: сколько компании стоит один действительно полезный результат. AI-трансформация - это не "заставить всех дрочить ChatGPT". Это перестроить конкретные бизнес-процессы вокруг новой возможности AI понимать корпоративный контекст, работать с инструментами и выполнять часть работы самостоятельно, но под контролем человека. https://youtu.be/vR_enpahg8M

Козел отпущения Одним из больших препятствий для выявления ошибок является культура обвинения, или культура козла отпущения. Предположение, что все люди изначально виновны. Эта культура особенно проявились в эпоху СССР и выражалась яркими лозунгами: • У каждой аварии есть имя, фамилия и должность — Приписывается Кагановичу, наркому путей сообщения; • То, что вы не сидите — это не ваша заслуга, это наша недоработка. Ф. Э. Дзержинский. Отчасти, это продолжение мысли, высказанной в книге Иова. Иов — был праведным и набожным человеком. Дьявол же поспорил с богом, что как только будут несчастия и беды, Иов отречется от бога. Так что дьявол начал насылать различные беды: погибло стадо, дети, на него наслали болезни. И когда друзья Иова начинают обсуждать с ним его бедствия, то высказывается мысль, что если бог наказывает, то есть за что. Обвинить другого — это логично и естествено. Если произошло несчастья, то кто-то должен быть виноват. Дэвид Гилберт в книге «Спотыкаясь о счастье» говорит, что люди будут испытывать большее горе, если в несчастии никто не виноват, что это игра слепого случая. Почему так — объяснения пока нет. Но похоже нам, человечеству, действительно нужен козел отпущения, чтобы чувствовать себя лучше. Кроме того, расследование нацеленное на поиск виновного всегда будет проще, чем расследование, нацеленное на поиск действительных причин аварии. Мы всегда сможет найти последнего, кто дотронулся до чего-либо. Всегда будет тот, кто специально или случайно задел первую костяшку домино, после чего все и случилось. Найти причины, почему костяшки домино выстроились так — гораздо сложнее. Эта культура ярко проявилась в деле о кораблекрушении парохода «Адмирал Нахимов» в 1986 году. Мнение всех сводилось что капитан парохода «Адмирал Нахимов» Марков, не виноват в столкновении с сухогрузом, и не может нести одинаковую ответственность с капитаном сухогруза. Однако оба капитана получили максимальный срок 15 лет. Никакие жалобы и ходатайства от адвокатов, пароходств — не изменили позицию Верховного суда. Эта культура есть в каждом из нас. Это проще всего повесить ярлык на человека и обвинить его. И это же и наиболее безопасный путь для руководства компании — потому что иначе можно выйти на самих себя. Пока в компании есть такая культура — собирать и анализировать ошибки будет очень сложно. Любые формализованные процедуры не будут выдавать какую-либо полезную информацию, либо вся информация об ошибках будет сводится к выхолощенным примерам, которые ну будут давать достоверную информацию. #ЧФ #ошибки

Переехала в Лондон Если коротко: одно из важных решений этого года было быть в правильной среде и не в конфликте с окружающим миром. Долго к этому шла, и вот наконец сделала этот шаг. Причина простая: мы открываем здесь офис. И честно, Лондон откликается мне по ценностям. Вот мой топ: крутое образование, желание представлять из себя что-то, быть занятым и увлечённым. При этом нетворк, который у меня каждый день в Штатах, здесь пока не сравнится. И это нормально, потому что жизнь это не только работа (да, я это сказала 🤣). Поэтому будем обустраиваться и параллельно строить Aicelerate дальше, теперь уже и с лондонской базой. Так что принимаю поздравления!)

Нашел локальный тул для визуализиции сессий Claude Code Он читает JSONL-логи которые пишутся во время сессии и в реал-тайме превращает их в интерактивную карту:

- с каким планом агент начал - где находится сейчас - какие тулы вызывает - запущенны ли субагенты и их задачи - какие задачи стоят в очереди и тд.

Можно следить за работой в реальном времени на таймлайне, открывать детали каждого агента, смотреть его промт, инструменты и сколько токенов тратит. Один минус: работает только с Claude Code (но вроде под Codex тоже изи собрать) 🤨 Windows/macOS/Linux: https://github.com/furkankly/zoetrope Есть еще веб версия, куда можно закинуть уже завершенные сессии: zoetrope.furkankly.dev/app Если что все сессии лежат тут: ~/.claude/projects/ в виде .jsonl Давно искал что-то подобное, а то у меня иногда агент работает по 2 часа и не понятно на каком он сейчас этапе ☕️ @tips_ai #tools

Двигатель для китайской многоразовой ракеты «Синъюнь-2» прошёл огневой тест Китайская компания Deep Blue Aerospace провела первое длительное огневое испытание двигателя Thunder-RS для многоразовой ракеты «Синъюнь-2» — он проработал 100 секунд в штатном режиме. Испытание подтвердило расчётные характеристики, надёжность конструкции и эффективность теплозащиты. Двигатель, работающий на жидком кислороде и керосине, создан с использованием 3D-печати и собственных технологий компании. Следующий этап — испытания с повторным запуском и проверка систем возвращения ракеты. https://hightech.plus/2026/08/24/dvigatel-dlya-kitaiskoi-mnogorazovoi-raketi-sinyun-2-proshel-ognevoe-ispitanie

Пользователь Reddit не стал платить $700 за ремонт разбитого дисплея MacBook Pro M4 и примотал к нему резинками второй ноутбук, MacBook Pro M1. Нижнюю часть M4 без матрицы он уложил прямо поверх клавиатуры M1. Два премиальных мака держатся вместе на канцелярской резине. Изображение между ноутбуками пошло через кабель Thunder Lan по USB-C и Moonlight, софт для стриминга по локальной сети. Живой экран M1 превратился в монитор для соседа, лишённого собственной матрицы. Конструкция потяжелела и обросла проводами, но дома это ещё полбеды. Вытащить сборку на улицу без Tailscale или похожего инструмента не выйдет — за пределами домашней сети Moonlight просто не заведётся.

Арт-пространство как бизнес Арт-пространство — это не просто место для творчества, но и инструмент развития бизнеса, который привлекает внимание жителей города и туристов. Оно служит платформой для художников и творческих людей, давая им возможность заявить о себе. Преимущества: — Повышение популярности бренда и формирование лояльной аудитории — Поддержка культуры и искусства, что улучшает репутацию компании — Дополнительные источники дохода через расширение сфер деятельности и партнёрства Недостатки: — Значительные расходы на аренду, ремонт и оборудование Возможности монетизации: — Аренда помещений для мероприятий — Продажа билетов — Организация кафе или магазина на территории — Иммерсивные технологии (VR, интерактивные инсталляции) для привлечения аудитории и создания новых доходов Фаундер | Бизнес и Стартапы

Недавно, я выступал на ML Urban от МТС, где рассказывал про агентную экономику, как будущее ИИ в ИТ ландшафте бизнеса: реклама, поиск, рекомендательные системы и покупки. Об этом многое есть в материалах: и в канале, и в подкастах. 😜 Материал, с конфы, кстати, появился на Ict.moscow. 😎 Здорово, что коллеги по индустрии из MWS взяли следом на щит эту тему. Ведь действительно мы находимся в чистом поле, где ландшафт a2a/b2a экономики только формируется и каждого есть шанс сделать Yandex 2.0 moment. В целом, ожидаю, что движение будет взаимное: поставщики услуг и товаров, поисковики и протоколы для агентов, биржи агентов, а также финансовые инструменты для безопасной оплаты. Выбирайте сами, что бы вы хотели оседлать. 👍

Наконец появился первый пример "хитропопой" математики, где в разных пространствах / отображениях можно сокращаться вычислительную мощность на порядок. 🏆 Итог: Мы ускорили поиск в 2.4 раза (Speedup: 2.4x) и математически гарантировали 100% стабильность на любых глубинах графа. + еще один апдейт который коренным образом решает проблемы "шаров пуанкаре" и то что Float Drift в Лоренце появляется. Чуть позже расскажу и аналогии нарисую про Hyperbolic Voronoi Cells (Оптимизация). 🤔🧠 Гиперболические ячейки Вороного (Hyperbolic Voronoi Cells) в задачах оптимизации и машинного обучения используют для эффективного представления и кластеризации иерархических данных (например, сложных графов и сетей), так как геометрия Лобачевского позволяет размещать экспоненциально растущие объемы данных без искажений.