ИИ

Луис ведёт свой второй мозг с 2020 года: проекты, разговоры, личный CRM, задачи, даже музыка. Прямо как я. Мысли теже: модели будут умнеть, цены снижаться, дефицитом останется контекст. Луис пошёл интересным путём - стал записывать свой экран 24/7, сохранять и анализировать. Так появился ScreenPipe — локальное open source (github) десктоп-приложение. Пишет экран и звук круглосуточно, всё хранит у вас: в ~/.screenpipe лежит SQLite-база, mp4-записи и accessibility tree — то есть ИИ видит и текст с экрана, и структуру интерфейсов, с которыми вы работали. Внутри таймлайн, как в rewind.ai: мотаешь свой день назад и находишь, что видел неделю назад. Плюс чат с этой памятью. Плюс Pipes — агенты, которые ходят по вашей памяти по расписанию. У Луиса такой агент сам ведёт личную wiki: люди, с которыми он встречался, письма, решения, компании, повестка. Другой отвечает на саппорт в Discord и Intercom, опираясь на то, что Луис уже когда-то отвечал. С приватностью тоже поработал: фильтры по приложениям, окнам и URL, а пароли и секреты вычищает отдельная локальная модель, до записи в базу. Наружу ничего не уходит. Я транскрипты всех звонков уже давно автоматически сохраняю в единой базе, агенты читают их каждый день. Экран — другой уровень, стремновато. Но идея крутая. Сергей Булаев AI 🤖 - об AI и не только

В эту субботу мы ходили на Turbo ML Conf и там нам удалось пообщаться с очень интересным спикером Знакомьтесь: это Дмитрий Ушанов, Директор в AI-центре Т-Банка. В общем, Дмитрий управляет практически всем, что в Т-Банке связано с ИИ. Поговорили про агентов, их реальную пользу и узкие места, а еще про изменяющуюся роль разработчиков в эру ИИ и опенсорс. Полная версия – в видео, а ниже топ-3 самых значимых цитаты Дмитрия из нашего разговора:

Модели сейчас перестали быть узким горлышком для большого количества задач. Боттлнек сейчас не в моделях – это процессы, инструменты, данные, которые оптимизированы не под человека, а под автоматику. Большой потенциал именно в том, чтобы сделать AI-ready инфраструктуру и трансформировать процессы, и тогда мы сможем получать полноценный профит от автоматизации.

Мы будем продолжать выкладывать модели. Пока мы не пытаемся выкладывать general-модели, которые решают любые произвольные задачи: больше фокусируемся на том, чтобы выкладывать модели, которые хорошо заточены под конкретную задачу, под конкретный домен, и при этом являются эффективными с точки зрения инференса. Какой-то экономической цели мы тут не преследуем – это больше про развитие комьюнити и технологического бренда, про фасилитацию рабочих продуктов.

Мы точно видим, что в отдельных командах, в отдельных функциях уже происходит какой-то переход к работе человека с агентом. Это пока достаточно локально, но мы стараемся вот такой подход культивировать. Если мы говорим про внутреннее развитие сотрудников, то мы стараемся включать в их матрицы компетенции и процессы роста вещи, которые связаны с обучением, использованием искусственного интеллекта и построением таких систем для тех профессий, для которых на среднесрочном горизонте это станет обязательной практикой.

🇹🇭Автономный ИИ-агент за три дня взломал Минфин Таиланда 🔍Специалисты Hunt IO обнаружили на серверной инфраструктуре хакеров логи автономного агента Hermes, который несколько дней самостоятельно был во внутренней сети Министерства финансов Таиланда. Hermes работала в режиме "YOLO":

при котором у ИИ полностью отключено требование подтверждать опасные команды у человека. Бот без участия оператора проводил разведку сети, самостоятельно запускал утилиту LinPEAS для поиска путей повышения прав, изучал файловую систему и шнырял по каталогам с кадровыми и служебными документами.

Основной целью стала инфраструктура Apache Hadoop (HiveServer2), работавшая в небезопасном режиме, и сервисы GlassFish со стандартными паролями. Пробив периметр, ИИ расставил веб-оболочки и передал доступы операторам. Для скрытного закрепления в сети хакеры задействовали новый бэкдор Hades на Go. Вредонос маскирует свой трафик под обычные загрузки JavaScript, зашифрованные AES-256, и работает по жесткому расписанию - засыпает в нерабочие часы и автоматически самоликвидируется по таймеру, чтобы не светиться перед DLP и SIEM-системами. Хакерам достаточно натравить автономного агента на целевой контур, уйти спать, а утром прийти на готовые слитые базы. 🦔 CyberYozh

Помните, я писал про Shift - стартап, который бесплатно убирал квартиры, но у клинера была камера на голове, которой он снимал весь процесс. Так вот, Shift - это не просто хайповый проект, а дочерняя компания мюнхенского стартапа microagi. И если разобраться, чем занимается сам microagi, то сразу станет ясно, почему Shift готов бесплатно драить хаты. Смотрите: На презентациях и демках роботы все из себя классные: чинно складывают-раскладывают детальки, танцуют, даже сальтухи делают. Одним словом - красота. Но как только их пускают на реальный завод или склад, картина быстро перестаёт быть такой радужной. Реальное производство или логистика - это не идеально освещённая сцена с правильными объектами на нужных местах. Это реальный рабочий процесс: другой угол света, другое расположение ящиков, другая скорость конвейера, Петрович ходит мимо мешается и т.д. Поэтому в боевых условиях даже самый точный робот выполняет задачу с ~95% надёжностью, а в ~5% вероятны брак, неточности и прочие косяки. Но если робот будет косячить в 5% случаев - для реальной компании это большая проблема, цена ошибки может быть высокой. В робототехнике это называется "проблемой последней мили", и это ключевой затык, из-за которых тормозит вся роботизация. Именно этот затык microagi и пытается устранить. Их продукт называется "Atlas", и это не робот, а система решений. Инженеры приходят на конкретный завод, снимают рабочих за реальной работой (через камеры + сенсоры), воссоздают всё это в ИИ-симуляции, заточенной под задачи конкретного цеха икс. И запускают туда роботов, чтобы те "притёрлись". Железо microagi сама не делает, роботов берут у китайских Unitree или UBTech. Модели тоже не свои, они докручивают чужие (в основном, как я понял, тоже китайские). Они делают именно слой между красивой демкой и "реально работает без брака", и этот слой принципиально model/hardware-agnostic. А Shift им нужен, потому что данные с завода можно централизованно собрать на месте, но для домашних роботов (это тоже перспективный сегмент, куда можно "продать лопаты") - нет. Нужны реальные изображения из нью-йоркских квартир и лондонских студий. Видимо, бесплатный клининг в обмен на видеоряд от первого лица выходит дешевле любого другого способа. На прошлой неделе microagi привлекли $55 млн - крупнейший сид-раунд в истории Германии. При этом самой компании меньше года, а среди основателей, как не сложно догадаться, есть пара русских фамилий. В общем, стратегия "продавать лопаты золотоискателям" не устаревает. Но полезно держать в уме, что лопаты могут быть очень разными, и там тоже есть свои ниши - иногда не вполне очевидные. Дизраптор

Почти месяц меня не было в канале — накрыло новыми проектами, перформанс-ревью и л-е-е-е-е-т-о-м, которое хочется проводить с детьми. И так, чтобы без чувства вины перед остальными делами. Кванты любви всем родителям — на это нужны силы! ❤️ Но есть две темы, которые сейчас меня занимают в работе и не могу не поделиться. Хочу в ближайший месяц вместе с вами погрузиться в одну из них — выберем вместе, с какой начнём! Обе про AI, через призму реальных изменений и практик, которые наблюдаю и в том числе пробую сама. 1. Интеллект над иерархией Главный риск внедрения AI-агентов в ежедневную рутину я вижу в управлении страхом: «освой, иначе проиграешь» или «не научишься — вылетишь». Страх может ускорить первые шаги, но не создаёт ни мечты, ни любопытства. Как вместо этого создавать созидательный нарратив? И тут мне нравятся две идеи. Первая — практика заряженных моментов, я называю их «эвриками с полей». Когда кто-то приходит и говорит: «Даша, вау, смотри, что мы сделали!» — и показывает то, что без AI или разработки раньше было невозможно, а теперь не только дало новые возможности, но ты ещё и чувствуешь себя автором и создателем. Помню первые эврики в своей команде. Коллега из внутрикома собрал модель, которая анализирует инфополе компании, видит связи между людьми, находит лидеров мнений и скрытые сообщества. А команда устойчивого развития сделала скилл для проверки НКО, запрашивающих гранты Яндекса: раньше валидация занимала около 40 минут, теперь — минуты. Таких кейсов сейчас уже десятки! Можно ли их провоцировать? Мне лично очень помогает разгонять это вопросами на 1-1s или командных встречах — о том, какие ограничения мы хотим снять:

Что в нашей работе бессмысленно съедает время?

Что мы давно хотим сделать, но не можем получить ресурс? Какую идею мы не проверяем, потому что проверка слишком дорогая? Что раньше казалось невозможным? А вы как у себя стимулируете эксперименты и «эврики»? Вторая — идея интеллекта над иерархией. Сейчас мы работаем над тем, чтобы внутренние AI-агенты не только делали транскрибации встреч, но и находили связанные обсуждения, определяли, кому важен этот контекст, собирали фоллоуапы, экшн-планы и напоминания для команд. Знание будет двигаться не сверху вниз, а туда, где оно нужно для решения задачи. Я верю, что через 3–5 лет в компаниях станет меньше слоёв и бюрократии. Руководитель перестанет быть хранителем информации и узким горлышком — человеком, встречи с которым иногда ждёшь неделями, чтобы узнать, что решили на стратегической сессии. Кстати, как считаете, в чем будет ключевая роль руководителя в будущем? Интеллект над иерархией — это среда, где возможность знать, влиять и действовать определяется не высотой роли, а близостью к задаче и качеством мышления.

Если выбираем эту тему, соберу гайд по AI adoption на опыте Яндекса. 2. Качество суждения На днях мне пожаловалась студентка курса, что в переписке со своим руководителем про сложные отношенческие вопросы получает Claude-like ответы — признание эмоций, три аккуратных тезиса, предложение следующих шагов — вместо того, чтобы руководитель занял позицию и взял бы на себя риск сложного разговора. Я и за собой замечаю, что всё чаще первым движением иду посоветоваться с нейронкой. Чем больше задач мы передаём машине, тем важнее вопрос: что происходит с нашим мышлением? Риск ослабления привычки думать самостоятельно обсуждают HBR и McKinsey, исследуют MIT и Microsoft Research. Думаю, вслед за внедрением AI в компаниях появится запрос на инфраструктуру качества мышления: дебаты, философские клубы, этические дилеммы, симуляции решений, premortem-практики. Это станет зоной ответственности команд L&D и культуры, потому что способность сомневаться, аргументировать и отвечать за выбор — это качество всей организации. Если выберем эту тему, то проведём с вами здесь мысленный эксперимент: почелленджим аналитическое мышление и разберём не только что выбираем, но и как думаем. 1 — Интеллект над иерархией + гайд по AI adoption 2 — Качество суждения + мысленный эксперимент 1 или 2? Жду в комментариях 👇

«Какой ИИ - с жиру бесятся, тут бы выжить» Такую реакцию часто вижу в глазах людей из реального сектора, когда рассказываю про нашу работу. Производство, розница, офлайн услуги. Расскажу в ответ на это историю. У нас есть клиент - дистрибьютор напитков, занимается оптовыми поставками пива в региональные магазины. Пол-ярда оборот, хорошо растут. Только есть нюанс - работают на приграничной территории. И они захотели делать умную сверку заказов: чтобы когда торговые представители оформляю 50 ящиков темного в магазин «Продукты у тети Тани», происходила автоматическая проверка - правильный ли заказ? Может, магазин обычно светлое заказывает, а тут ошиблись? Или выбрали 500 ящиков вместо 50 по ошибке. Или наоборот не учли, что жара будет и летом больше обычного берут. Понятно, что там много факторов, нужна история заказов, нужна предиктивная аналитика и все это берется из разных учетных систем, где люди допускают ошибки. Только вот сложность проекта оказалась не в мат.моделировании спроса, а в том, что заказчик работает на территории под обстрелом. И у них регулярные отключения интернета, а то и электричества в целом. В итоге, сервер недоступен, работы стоят. И тут самое интересно. Несмотря на отсутствие электричества, проект не сворачивают. Не говорят «нам бы выжить», понимая, что нужно развиваться и что ошибки в заказах стоят дорого. Автоматизация становится не вишенкой на торте, как бывает в гос.корпорациях, а реальной потребностью. В итоге, мы продолжаем налаживать систему, работая в промежутках, когда есть интернет и электричество.

😎16 шагов поиска: скилл Hyper Research превращает Claude Code в автономный R&D-отдел В сеть выпустили скилл Hyper Research для Claude Code, который прокачивает консольный инструмент от Anthropic до уровня полноценной аналитической группы. Вместо поверхностного сбора первых попавшихся ссылок ИИ задействует 16-этапный алгоритм глубокой инвентаризации темы.

🟦Матрицы покрытия: Агенты разбивают сложный запрос на сетку подзадач, формируют гипотезы и параллельно обрабатывают сотни источников. 🟦Кросс-проверка: Все данные и ссылки сопоставляются между собой, а исходные материалы автоматически сохраняются в локальное хранилище. 🟦Саморефлексия и ревью: Перед выдачей результат проходит внутренний аудит. Система сама проверяет выводы на достоверность, отсеивает галлюцинации и дорабатывает читаемость отчета.

На выходе получается готовая аналитическая записка с полной базой пруфов и сохраненными первоисточниками, а не сырой черновик с выдуманными фактами. 🦔 CyberYozh

ИИ делает разработчиков сильнее или ленивее? 🤔 Давайте порассуждаем на эту тему? Когда появились первые инструменты, способные генерировать код, многие разработчики начали спорить о том, что произойдёт с профессией. Одни увидели в ИИ помощника, который берёт на себя рутинные задачи и освобождает время для более интересной работы, а другие решили, что люди постепенно разучатся программировать самостоятельно. Мне кажется, что обе стороны в определённой степени правы. ИИ действительно способен сделать разработчика сильнее, если человек использует его как инструмент для ускорения собственной работы. Можно быстрее разобраться с незнакомой технологией, найти несколько вариантов решения, проверить идею или сгенерировать рутинный фрагмент кода, который раньше отнимал много времени. При этом тот же самый инструмент легко превращает разработчика в человека, который просто копирует готовые решения и надеется, что они каким-то образом заработают. В такой ситуации постепенно теряется понимание происходящего, потому что необходимость разбираться в проблеме исчезает. Интересно, что многие люди уже сегодня используют ИИ именно как замену собственным знаниям, хотя, возможно, гораздо полезнее было бы воспринимать его как очень быстрого коллегу, который иногда уверенно предлагает полную ерунду. А что думаете вы?

✔️ OpenAI открыла публичный доступ к функции Health in ChatGPT Все совершеннолетние пользователи США получили доступ к разделу Здоровье в ChatGPT. Инструмент позволяет подключать электронные медкарты, Apple Health и фитнес-трекеры для расшифровки анализов, оценки сна и подготовки анамнеза для лечащего врача. Маршрутизация запросов зависит от тарифа. В бесплатной версии данные обрабатывает GPT-5.5 Instant, в платной - флагманская GPT-5.6 Sol. Обе обходят врачей в бенчмарке HealthBench Professional. Из-за EU AI Act и европейских законов о защите данных функция полностью заблокирована в ЕС. OpenAI гарантирует, что не использует загруженную биометрию для обучения будущих моделей и таргетинга рекламы. openai.com ✔️ Black Forest Labs выпустила FLUX 3 Немецкая компания представила мультимодальную модель FLUX 3 для работы с изображениями, видео, аудио и физическими действиями в рамках единой архитектуры. В основе метод Self-Flow - расширенный вариант flow matching для одновременного вычисления пространственных структур, динамики времени и акустики. Модель генерирует 20-секундные ролики с синхронизированным звуком, анимирует статику, интерполирует ключевые кадры и создает мультиязычные диалоги. FLUX 3 также работает как базовая модель мира для физического ИИ - предсказывает действия и выступает ядром управления робототехникой. Релиз проходит поэтапно. Сначала запустят API для генерации видео, затем добавит генерацию изображений и опубликуют FLUX 3 Dev, версию для локального развертывания. запросить ранний доступ можно тут. bfl.ai ✔️ Anthropic обновила голосовой режим Claude Обновление перевело Voice Mode на модели Sonnet 5 и Opus 4.8. Заявлена интеграция со сторонними сервисами через коннекторы для Slack, Gmail, Notion и других платформ. Взаимодействовать с рабочими пространствами можно в процессе аудиодиалога, выполняя многоступенчатые задачи голосовыми командами. Например, модель может проанализировать пропущенные сообщения в Slack, сделать выжимку из документа в Google Workspace и переслать результаты в рабочий чат. Функция в стадии беты и доступна в веб-версии, мобильных и десктопных клиентах. Также добавлена поддержка общения на испанском, французском, хинди и японском языках. ClaudeAi в сети Х ✔️ Google опубликовала индекс использования ИИ Исследование AI & Economy ATLAS, основанное на анализе 15 млн обезличенных запросов к Gemini говорит, что ИИ применяется в 68% профессий, в которых делегируется около 21% рабочих задач. Менее 10% запросов направлены на полную автоматизацию - пользователи предпочитают применять ИИ для планирования, поиска информации и брейншторминга. В сфере физического труда специалисты чаще используют мультимодальные функции для визуальной диагностики оборудования и устранения неполадок в реальном времени. 86% взаимодействий с моделями происходит вне офиса. Дома люди обращаются к ИИ для разбора документов и работе с государственными сервисами. Статистика ставит под сомнение концепцию цифрового разрыва - темпы освоения ИИ в ряде развивающихся стран оказались сопоставимы с показателями богатых государств. blog.google ✔️ Армия США израсходовала годовой запас токенов за один месяц Американские военные сожгли всю годовую квоту на внутренней платформе Ask Sage, которая агрегирует доступ к LLM (включая Gemini, Llama и API от OpenAI). Система сертифицирована для работы с несекретной информацией и применяется для управления закупками, кадрового делопроизводства и классификации должностей. Из-за нехватки вычислительных ресурсов ИТ-департамент ведомства отменил безлимитный доступ к и вернул лимиты на генерацию. По неофициальным данным, в период Иранской операции Пентагон тратил до 20 млрд токенов в сутки. Пользователи платформы отмечают частые галлюцинации и нестабильность языковых моделей. Зафиксированы случаи, когда система отчитывалась о выполнении порученной задачи, не приступая к ней. wired.com @ai_machinelearning_big_data #news #ai #ml