Сегодня должен был выйти большой текст про математику и уравнение Навье-Стокса, который подготовил Фил. Я пока этот текст не видел, но ни на секунду не сомневаюсь в его существовании. А пока хочу успокоить ваши нервы, а то вы сегодня сто процентов начитались в интернете всякой ерунды. Антропик выпустила большой отчет — 154 страницы — про то, как разные злодеи используют ее модели для своих злодейских целей.  Для всяких техно медиа работы непочатый край. Бери любую страницу из отчета и переписывай ее в новость с заголовком один громче другого. Именно благодаря этому отчету ваши ленты сегодня полны постов о том, что — Дипсики и квены выдают ответы Клода за свои.  — Клод стал слишком хорош для биологических исследований, поэтому злодеи уже разрабатывают с его помощью биооружие и новые смертельные вирусы. — Взломы, манипуляции, вмешательства в выборы, пропаганда, мошенничества и махинации с помощью ИИ массово ведутся на государственном уровне в куче стран. Но, не ведитесь на эти истерические кликбейты от алармистов и луддитов. Журналисты ничего не понимают в технологиях. Ради классов эти глупцы похоронят прогресс для всего человечества. Все хорошо, в Антропике работают не дураки, у них все схвачено, все под контролем, и никакие плохие вещи с помощью ИИ они делать не дадут. Всех вычислят и у всех у кого надо отберут токены.  Да и вообще, эти ваши хваленые ИИ мне ростер для игры в Вархаммер на 2 тысячи очков собрать не могут. А вы говорите, крах кибербезопасности и неподконтрольная эволюцию биооружия. Не слушайте. Можем дальше спать спокойно

Студенческие запросы для ИИ-чата в Картах, которые помогут освоиться в новом городе, — как найти компьютерный клуб между универом и общагой или кафе между вами и друзьями Главный лайфхак: если указать две точки, нейросеть предложит места не просто рядом с одним адресом, а вдоль линии между ними. Что можно спросить: — «Ближайший сервис рядом с универом, где за день поменяют разбитый экран телефона»; — «Раменные между "Курской" и "Таганской", чтобы встретиться с друзьями из других вузов»; — «Несколько мест между "Парком культуры" и "Октябрьской", где можно отметить посвят»; Старшекурсники больше не единственный источник знаний😂😂😂

Тут на неделе Сбер провел конференцию с названием, бьющим в глубинную боль всех генеральных директоров: "Эффект: как доказать реальный вклад маркетинга в бизнес-результат". Таких встревоженных руководителей множество. Уныло смотрят они на лоснящиеся, упитанные бюджеты маркетологов и грустят: так ли уж оно всё это надо? Может, можно как-нибудь иначе? Поэффективнее? Собственно, этот вопрос активно обсуждали на конференции. Показательным моментом стали слова Владислава Крейнина, старшего вице-президента по маркетингу, что в Сбере маркетинг - это не расходы, а инвестиция. Более того, Сбер накопил экспертизу в оценке эффективности маркетинга, эконометрики там всякие и маркетинг-икс-моделирование. Для анализа разных продуктов, сегментов и каналов коммуникации уже используют порядка 500 моделей. Да что там. Вот сотрудник Anthropic тут на днях вещал, что ИИ в течении десятка лет «уничтожит» человечество. А пока мы опасаемся ИИ, Сбер, оказывается, тихой сапой создал синтетических респондентов, чьи оценки, по 70% креативов, не отличаются от реальных людей.  Чем на корню убил один из моих профессиональных навыков - начинал я карьеру именно с маркетинговых исследований. Не пригодится мне больше, чувствую, этот навык. Правда, индустрия готовится к тому, что и выбор будут делать уже не люди, а ИИ-агенты. Мы же максимум финально ткнем пальчиком, утверждая.

Каким нужно стать в эпоху ИИ? Советы Дмитрия Брейтенбихера, зам председателя правления ВТБ ИИ не обесценивает человеческие навыки. Наоборот — чем больше рутины забирает машина, тем дороже становится то, что она пока не умеет. К 2030 году: — 39% ключевых навыков изменятся — 92 млн рабочих мест исчезнут — 170 млн новых появятся Главный вопрос уже не «какие профессии умрут?», а «каким человеком нужно быть?» Три группы навыков будущего: 1. Технические — аналитика, системное мышление, работа с данными и ИИ 2. Человеческие — лидерство, коммуникация, управление изменениями 3. Метанавыки — обучаемость, креативность, междисциплинарность Что важно понять сейчас : 💜 ИИ-грамотность ≠ промпты.  Важно понимать ограничения моделей, проверять результат и встраивать ИИ в свой процесс. 💜 Аналитическое мышление дорожает. Машина дает ответ — человек решает, правильный ли был вопрос. 💜 Коммуникация = усилитель. Умение сокращать сложность, не разрушая смысл, — суперсила в мире бесконечного контента. 💜 Креативность тренируется. ИИ — не конкурент, а партнер: он ускоряет перебор, ты — ставишь новые вопросы. 💜 Сложные проблемы не решаются в одной дисциплине. Чем труднее задача, тем важнее выход за пределы своей профессии. И самая сильная идея: нужно уметь «разучиваться» Обучаемость - это не только приобретать новое. Это ещё и отказываться от того, что раньше работало. Опыт может стать преимуществом, а может - ловушкой. Чем дольше действуешь определённым способом, тем легче принять привычное за правильное. Профессиональная устойчивость сегодня - не количество знаний, а скорость их обновления. Формула статьи: Глубокая экспертиза × аналитическое мышление × ИИ-грамотность × человеческие навыки × способность постоянно переучиваться. И навыки работают именно в комбинациях: ▪️ аналитика + данные → качественные решения ▪️ ИИ + обучаемость → быстрое освоение нового ▪️ лидерство + коммуникация → проведение изменений ▪️ креативность + междисциплинарность → нестандартные решения Вырисовывается T-shaped человек - глубокая экспертиза в одном + широкий кругозор в других. В общем и целом: не стоит угадывать, какая профессия будет востребована в 2050 году. Гораздо разумнее развивать такую комбинацию способностей, которая позволит оставаться востребованным при постоянной смене профессий и технологий. Побеждает не тот, кто знает больше. А тот, кто умеет думать, проверять, соединять - и вовремя отказываться от старого. Оригинал статьи в BRICS Business Magazine. ————————— ✔️Подписывайтесь на лучший  канал PRO Роботов 🥲Мы в Max

9 новых статей от гаражистов на 🔤🔤🔤 ИИ и автоматизация

👉 10 инсайтов, которые я нашел, когда автоматизировал конкурентную аналитику Маркетинговый аналитик Вова собрал ежедневный пайплайн из Sensor Tower, Similarweb, BigQuery и Tableau. В статье он рассказал, почему смотреть только на установки бесполезно и как находить лучшие креативы конкурентов автоматически. 👉 От текста к смыслу: Embeddings, GPT и многомерные векторы И снова Вова, теперь про то, как связка Embeddings и GPT превращает тысячу разрозненных отзывов в карту бизнес-тем за десять минут, в том числе по отзывам конкурентов. 👉 Роботы работают, пока ты (не) отдыхаешь Android-разработчик Платон о том, как отдал агенту весь цикл доставки кода: свой открытый пайплайн, честное деление задач «агент/человек» и ответ на вопрос, реально ли собрать стартап за вечер (спойлер — нет).

Аналитика, риски и антифрод

👉 Аналитик, который кричал «Волки!» Senior-аналитик Вова о том, как перегруженную систему алертов заменили превентивным поиском мошенников через граф связей: пики нагрузки ушли, качество проверок выросло. 👉 Как автоматизировать работу с рисками Product Owner Настя рассказала, как с нуля с командой собрала риск-операционную систему для операционного департамента инвестплатформы: от MVP с точностью алертинга 15% до 99% и реакции на риск в четыре раза быстрее. 👉 От сервиса к партнерству Руководитель продуктовой аналитики Олег разобрал семь вещей, которые помогли превратить аналитиков из исполнителей в партнеров продукта: 1-1, мотивационные карты, карьерные треки, кор-команду и другое.

Код, продукт и дизайн

👉 Как не захлебнуться в User Stories UX writer и ресерчер Даша о том, как развести пользовательские истории по уровням Кокберна и собрать под них HTML-инструмент с фильтрами, RICE-скорингом и экспортом в Excel. 👉 От потоков к корутинам: примитивы синхронизации в Kotlin (Часть 2) Android-разработчик Никита разобрал семафоры, каналы, SharedFlow, модель акторов и dispatcher confinement с примерами кода и итоговой таблицей «потоки против корутин». 👉 Дизайн за 5 минут. Дайджест августа 2026 Продуктовый дизайнер Андрей собрал главное за месяц: новый логотип Instagram от студии Koto, систему иконок Uber, Skills и ластик в Figma, ребрендинг «Индилайта» и логотип цифрового рубля.

#GarageEight_habr

Где токены, Лебовски? ИИ-агенты обещают экономить рабочее время, но сами легко сжигают бюджет: повторно читают документы, вызывают лишние инструменты и иногда уходят в цикл. Поэтому цены миллиона токенов уже недостаточно — бизнесу важнее знать, сколько стоит выполненная задача. О том, куда агент расходует токены и как удержать счет под контролем, нам рассказал руководитель Yandex AI Studio Артур Самигуллин. Почему агент обходится дороже обычного чат-бота? ➖ В чат-боте все просто: пользователь отправляет запрос, модель отвечает. У агента на такое общение приходится лишь около 10% потребления. Остальные 90% — его внутренняя работа: выбор и вызов инструментов, поиск в интернете и корпоративных системах, чтение документов, анализ результатов и планирование следующего шага. Заранее предсказать длину этой цепочки трудно. По оценке сервиса Tokens per day, с января 2024 года мировой ИИ-рынок израсходовал 94,2 квадриллиона токенов, а сейчас расходует около 395 трлн в сутки. Один из главных ускорителей — распространение агентов. Насколько они прожорливее на практике? ➖ На нашей платформе модели обрабатывают около 300 млрд токенов в месяц. Пока на агентов приходится около 15% запросов, но они уже потребляют около 30% всех токенов. По мере распространения агентских сценариев объем токенов будет кратно расти. В августе 2026 года в DeepSeek V4 Flash на нашей платформе такими были 70% токенов. Где агент начинает транжирить токены? ➖ Неоптимизированный агент может вызвать ненужную функцию, несколько раз целиком перечитать один документ или зациклиться. Иногда он отправляет сложной и дорогой модели задачу, с которой справилась бы более компактная. Поэтому главная метрика — не цена токена и даже не их количество, а конечная стоимость выполнения задачи. Чтобы ее контролировать, компании нужны детальные логи: вся цепочка действий агента, расход на каждом шаге и причины, по которым он выбрал конкретный инструмент или модель. Как снизить расход? ➖ Один путь — сначала решить реальные задачи большой моделью, а затем обучить на ее ответах более компактную. Другой — оптимизировать сам инференс: отдельно настраивать оборудование для обработки длинного запроса и генерации ответа, квантизировать модели, ускорять выдачу и переиспользовать уже обработанный контекст. Для этого платформы вводят кэшированные токены. Если часть запроса повторяется, модель не вычисляет ее заново. В июле 2026 года в DeepSeek V4 Flash на нашей платформе такими были 75% токенов. Они в среднем в пять раз дешевле обычных и экономили пользователям несколько миллионов рублей в месяц. После обновления веб-поиск также стал расходовать в два-три раза меньше токенов: теперь он забирает не страницы целиком, а только релевантные фрагменты. Универсальные агенты сделают счёт еще больше? ➖ Парадоксально, но для бизнеса он может сократиться. Сейчас разные ИИ-сервисы отдельно загружают файлы, корпоративный контекст и инструкции. Универсальный агент сможет работать с ними в одном окне и решать задачу единой цепочкой, не повторяя одни и те же операции. Так развиваются Anthropic — от Claude Code к Cowork, OpenAI — от Codex к ChatGPT Work, и Yandex AI Studio. При этом рынок не сведется к двум-трем агентам «для всего». Останутся специализированные решения для юристов, врачей, архитекторов и других областей, — словом, всех тех, кому базовых возможностей ИИ будет уже не хватать. @anti_agi

🤖 Очень странный ИИ-ассистент от Google… Google официально объявила, что их ИИ-приложение Dreambeans становится доступно всем пользователям в США. Что это такое. Сервис собирает данные из Поиска, Gmail, Фото, Календаря и Gemini, чтобы выдавать умные рекомендации по покупкам, путешествиям, напоминания о событиях и многое другое. Все эти советы сопровождаются жутковатыми иллюстрациями с изображением самого пользователя в стиле сказочных рисунков. Приложение уже можно скачать на Android и iOS. На наш взгляд, использование сгенерированных аватарок пользователя, довольно рискованный ход. С одной стороны, это делает интерфейс персональным, с другой — вызывает лёгкое отторжение и ощущение слежки. С другой стороны, это новый мир, в котором мы живём. Поэтому может пора к этому и привыкнуть. @droidergram

Anthropic заблокировала 5 попыток использования ИИ для разработки биологического оружия Компания Anthropic сообщила, что пресекла пять случаев, когда исследователи с глубокими знаниями в области биологии и химии использовали модель Claude способами, которые могли привести к разработке биологического оружия. Компания не смогла установить, намеревались ли эти люди действительно причинить кому-то вред, но все равно заблокировала пользователей ввиду серьезности потенциальных последствий. При этом как минимум одна попытка была прямо связана с военным исследовательским институтом неназванного государства, а в трех других случаях запросы касались боевого применения вируса оспы. Инциденты произошли в период с декабря 2025 по август 2026 года и описаны в новом отчете компании о киберугрозах. https://hightech.plus/2026/09/11/anthropic-zablokirovala-5-popitok-ispolzovaniya-ii-dlya-razrabotki-biologicheskogo-oruzhiya

Что ИИ ломает в продуктовой команде и почему старые роли больше не работают Спикер: Андрей Южаков Раньше работа двигалась по цепочке: аналитика → дизайн → разработка → тестирование. Каждый передавал дальше контекст в виде артефакта. С агентами всю цепочку может пройти один человек. С приходом ИИ меняется сама единица работы: вместо отдельного артефакта ей становится клиентское изменение целиком, которое один человек ведет end-to-end, подключая экспертов там, где это необходимо. На примере банковского продукта мы проверили новую модель на большом сценарии в интернет-банке. С помощью агентов удалось самостоятельно подготовить требования, API, UX, архитектуру, бэкенд, фронтенд, gateway и тесты. Первая версия появилась примерно за неделю. Но дальше начали ломаться привычные процессы. Первая поломка: автор изменения больше не обязательно владелец результата. Границы ролей размываются. Менеджер продуктов может написать код, разработчик — придумать и реализовать фичу, дизайнер — самостоятельно внести изменение в продукт. Но возможность что-то сделать ≠ ответственность за качество результата. Например, раньше дизайнер готовил интерфейс, а затем ждал приоритизации и разработки. Теперь он может получить доступ к агенту и репозиторию и самостоятельно внести изменение. Но ответственность за UX остается на дизайнере, а за техническую надежность — на инженере. Поэтому важно определить, кто отвечает за бизнес-результат, клиентский опыт, техническое качество и стандарты — и кто в итоге может сказать: «это можно выпускать в продакшн». Вторая поломка: генерировать мы научились быстрее, чем проверять. Первую версию фичи удалось сделать за неделю, но до продакшна она дошла только через два месяца. Выяснилось, что существует множество стандартов и требований, которые нигде нормально не описаны. Узкое место сместилось с создания решения на проверку его качества: после перехода на новый процесс с агентами до 78% времени стало уходить на code review. Но и это еще не все. Отдельные части решения могли успешно пройти тесты, а после сборки на тестовом контуре начинали ломаться интеграции. Поэтому пришлось пересматривать интеграционные тесты и способы получения обратной связи. Третья поломка: привычные профессиональные роли перестают совпадать с тем, что реально делает человек. Раньше было понятно: frontend-разработчик отвечает за свой участок, backend-разработчик — за свой, аналитик, тестировщик и дизайнер — за свои. Но что происходит, когда с агентом можно сделать работу соседней роли или вообще пройти всю цепочку самостоятельно? В примере банковского продукта мы перешли к модели, в которой один человек ведет изменение end-to-end: от постановки задачи до реализации и проверки качества. Так появилась более широкая роль product engineer — человека, который лидирует клиентское изменение целиком, а не только свой технический кусочек. Такая перестройка вызывает вопросы: «Почему я должен писать тесты?», «Почему должен вести документацию?», «Я буду делать чужую работу хуже». Поэтому просто дать команде агентов недостаточно. Нужно заново ответить на вопрос: за что мы ценим человека в продуктовой команде? Сейчас по новой модели в банковском продукте работают уже восемь команд, а через новый процесс в продакшн провели больше 200 изменений. То, что раньше могло занимать около полугода работы команды, в эксперименте удалось довести до продакшена примерно за два календарных месяца. Агенты могут написать код, сделать дизайн, подготовить требования или тесты. Но они не определят за нас, что такое хороший код, хороший клиентский опыт или надежный продукт. Критерии качества, стандарты и ответственность остаются на людях. Поэтому при перестройке команды важно определить: — кто отвечает за результат для клиента; — кто отвечает за надежность и качество; — кто принимает решение о выпуске; — кто ведет изменение целиком. И еще одно правило: если после ошибки не появилось новое правило, тест или стандарт — скорее всего, мы просто заплатили за эту ошибку и ничему не научились. @productsense

В России появился новый рынок "цифровых клеток" для ИИ-агентов Бизнес так торопился выдать искусственному интеллекту доступ к терминалам, базам данных и внутренним сетям, что теперь в панике изобретает для него цифровые наручники. ⚡️На этой почве в российском инфобезе моментально нарисовался новый золотой клондайк емкостью до 4 миллиардов рублей. Сбер, Яндекс и MWS AI наперегонки пилят так называемые harness-системы - программные каркасы, которые берут языковую модель в жесткие клещи. По сути, вокруг нейросети возводят изолированную песочницу:

Режут лишние инструменты, жестко лимитируют вычислительные мощности и бьют по рукам каждый раз, когда агент пытается совершить критическое действие без ручного подтверждения оператора.

🦔 CyberYozh