Available now! Telegram Research 2025 — the year's key insights 
Олег Булыгин | Полезная нагрузка
Open in Telegram
🔸 Про IT, AI, DS, ML от практика с 11+ годами опыта. ▪️Связь: @obulygin91
Show more5 866
Subscribers
+6224 hours
+1207 days
+9230 days
Data loading in progress...
Similar Channels
Tags Cloud
Incoming and Outgoing Mentions
---
---
---
---
---
---
Attracting Subscribers
June '26
June '26
+386
in 3 channels
May '26
+152
in 0 channels
Get PRO
April '26
+294
in 1 channels
Get PRO
March '26
+378
in 1 channels
Get PRO
February '26
+132
in 0 channels
Get PRO
January '26
+177
in 1 channels
Get PRO
December '25
+74
in 1 channels
Get PRO
November '25
+257
in 0 channels
Get PRO
October '25
+258
in 1 channels
Get PRO
September '25
+127
in 1 channels
Get PRO
August '25
+171
in 7 channels
Get PRO
July '25
+63
in 5 channels
Get PRO
June '25
+86
in 2 channels
Get PRO
May '25
+74
in 0 channels
Get PRO
April '25
+97
in 0 channels
Get PRO
March '25
+143
in 0 channels
Get PRO
February '25
+161
in 0 channels
Get PRO
January '25
+156
in 0 channels
Get PRO
December '24
+157
in 0 channels
Get PRO
November '24
+145
in 0 channels
Get PRO
October '24
+215
in 0 channels
Get PRO
September '24
+211
in 1 channels
Get PRO
August '24
+122
in 1 channels
Get PRO
July '24
+128
in 0 channels
Get PRO
June '24
+110
in 1 channels
Get PRO
May '24
+220
in 2 channels
Get PRO
April '24
+248
in 1 channels
Get PRO
March '24
+126
in 0 channels
Get PRO
February '24
+161
in 0 channels
Get PRO
January '24
+226
in 0 channels
Get PRO
December '23
+166
in 0 channels
Get PRO
November '23
+117
in 0 channels
Get PRO
October '23
+129
in 0 channels
Get PRO
September '23
+163
in 0 channels
Get PRO
August '23
+234
in 0 channels
Get PRO
July '23
+113
in 0 channels
Get PRO
June '23
+183
in 0 channels
Get PRO
May '23
+143
in 0 channels
Get PRO
April '23
+147
in 0 channels
Get PRO
March '23
+198
in 0 channels
Get PRO
February '23
+152
in 0 channels
Get PRO
January '23
+227
in 0 channels
Get PRO
December '22
+208
in 0 channels
Get PRO
November '22
+188
in 0 channels
Get PRO
October '22
+274
in 0 channels
Get PRO
September '22
+179
in 0 channels
Get PRO
August '22
+311
in 0 channels
Get PRO
July '22
+849
in 0 channels
| Date | Subscriber Growth | Mentions | Channels | |
| 23 June | +24 | |||
| 22 June | +68 | |||
| 21 June | +2 | |||
| 20 June | +6 | |||
| 19 June | +3 | |||
| 18 June | +13 | |||
| 17 June | +16 | |||
| 16 June | +46 | |||
| 15 June | +163 | |||
| 14 June | 0 | |||
| 13 June | 0 | |||
| 12 June | +5 | |||
| 11 June | +14 | |||
| 10 June | +14 | |||
| 09 June | +1 | |||
| 08 June | +2 | |||
| 07 June | 0 | |||
| 06 June | +1 | |||
| 05 June | 0 | |||
| 04 June | +1 | |||
| 03 June | +1 | |||
| 02 June | +1 | |||
| 01 June | +5 |
Channel Posts
Автономные агенты выносят людей из прода и кибербеза 💀
Недавно у Anthropic выкатили два отчета, которые интересно изучить в связке. И там, и там человек стремительно становится самым узким и бессмысленным горлышком.
1️⃣ Первый отчет — про рекурсивное самосовершенствование AI.
Статистика изнутри самого Anthropic на середину 2026 года:
🔵 Инженеры выкатывают в 8 раз больше кода в квартал, чем в период 21-25 годов.
🔵 Больше 80% кода, который мержится в их кодовую базу, написано Клодом.
🔵 Год назад нейронка могла выполнять таски, требующие от человека 1.5 часов. Сейчас Claude Opus 4.6 закрывает 12-часовые инженерные задачи. Автономно.
Процесс «написать код — запустить — упасть с ошибкой — поправить — оптимизировать» стоит примерно 0 рублей 0 копеек человеческого времени. Разработчики в бигтехе больше не пишут код руками, они занимаются ресерчем, раздают целеуказания агентам и ревьюят результаты.
Единственное, что пока отличает нас от полностью автономного AI, который сам пишет следующие поколения AI — это то, что в Anthropic называют research taste. Постановка целей, архитектурное видение и понимание, когда гипотеза зашла в тупик. Все остальное — автоматизировано.
А теперь смотрим на обратную сторону медали.
2️⃣ Второй отчет — о том, как AI ломает традиционный кибербез.
Уровень угрозы хакера исторически оценивался по количеству и сложности техник, которые он использует. Классический фреймворк MITRE ATT&CK строится именно на этом. Джуны брутфорсят пароли и шлют фишинг, серьезные APT-группировки делают lateral movement (горизонтальное перемещение) внутри сети и повышают привилегии.
Теперь эта метрика больше не работает. Анализ 800+ забаненных хакерских аккаунтов показывает: AI сдвинул фокус атак глубоко в пост-эксплуатацию. Низкоквалифицированные мамкины хакеры теперь используют те же 15-20 сложных техник, что и профи. Почему? Потому что им больше не нужно уметь это делать руками.
Самые опасные инциденты (вроде сорванной state-sponsored атаки в ноябре 2025-го) демонстрируют паттерн: злоумышленники не просят AI написать им эксплойт. Они создают вокруг модели скаффолдинг, превращая ее в автономного агента. И этот агент сам принимает тактические решения в реальном времени, эксплойтит уязвимости, крадет креды и перемещается по сети без участия человека.
Что объединяет эти два отчета?
Процесс выполнения задач обесценился до нуля. Фаза "написать скрипт", "прогнать тесты", "найти уязвимость" или "поднять сервер" больше не требует ручного труда.
У технического специалиста сейчас остается только две функции:
🟢Целеполагание (понимание бизнеса и выбор того, какую именно проблему нужно решать).
🟢Оценка результата на уровне архитектурного вкуса и здравого смысла.
| 2 | 🔍Тестовое собеседование на Middle Python с разработчиком из Авито завтра вечером
Уже завтра вечером в 19:00 по мск приходи онлайн на открытое собеседование, чтобы посмотреть на настоящее интервью на Middle Python-разработчика.
Как это будет:
📂 Даня, старший разработчик в Авито, будет задавать реальные вопросы и задачи разработчику-добровольцу
📂 Даня будет комментировать каждый ответ респондента, чтобы дать понять чего от вас ожидает собеседующий на интервью
📂 В конце можно будет задать любой вопрос Дане
Это бесплатно. Эфир проходит в рамках менторской программы от ШОРТКАТ для Python-разработчиков, которые хотят повысить свой грейд, ЗП и прокачать скиллы.
Переходи в нашего бота, чтобы получить ссылку на эфир → @shortcut_py_bot
Реклама.
О рекламодателе. | 426 |
| 3 | Локальный AI-разработчик в 6 ГБ видеопамяти: разбираем файн-тюны Gemma 4 🧑💻
Разбираем интересную линейку файнтюнов на базе свежей Gemma-4-12B. Это тот случай, когда один энтузиаст сам собрал на коленке интересные специализированные fine-tune сборки, заточенные под программирование, работу в терминале и автономный дебаг. Работают на любом утюге с 8 ГБ объединенной памяти или VRAM (при использовании GGUF-квантизации).
1️⃣ Gemma-4-12B-coder-v1
Это базовая версия (v1) файнтюна. Вся суть в тренировочных данных: модель учили не просто на кусках кода из GitHub, а на проверенных цепочках рассуждений (CoT). Модель-учитель решала алгоритмические задачи, код прогонялся через тесты, и в датасет попадали только те решения, которые реально компилировались и работали. На выходе: 12B модель, которая сначала расписывает краевые случаи, а потом выдает чистый Python-код.
2️⃣ Gemma-4-12B-agentic-fable5-composer2.5-v2
Тут становится интереснее. V2 научили быть агентом.
Ей вшили нативный протокол работы с тулзами. На бенчмарке tau2-bench (это где ИИ должен работать как сисадмин: прочитать логи, сделать grep, найти баг в сети, накатить фикс и проверить) эта малышка выдает ~55% успешных решений. Для сравнения, базовая Gemma-4-12B там же набирает жалкие 15% и уходит в отказ, перекидывая задачу на кожаного мешка. А вот эта v2-сборка выбивает ~55% и методично долбит терминал, пока не найдет причину бага, реализуя цикл "прочитал -> подумал -> сделал -> проверил".
3️⃣ Huihui-gemma-4-12B-coder-fable5-composer2.5-v1-abliterated
Есть еще версия от huihui 🤣
Зачем нужен этот форк? Это версия v1, которой провели аблитерацию — хирургическое удаление векторов отказа на уровне весов, без поломки логики самой модели.
Классическая проблема: просишь модель написать скрипт для парсинга, автоматизации сети или работы с файловой системой, а она падает в обморок с криками «Я не могу это сделать, это небезопасно!». Abliterated-версия лишена этих моральных терзаний. Она просто делает то, что ей говорят программисты, без лекций об этике.
А при чем тут вообще Fable 5, который фигурирует в названиях? Чтобы модель научилась хорошо думать, автор собирал датасет так:
🔵 Основной массив успешных решений сгенерировали через Composer 2.5.
🔵 Те задачи, где Composer облажался, планировалось скормить Fable 5, чтобы он сгенерировал альтернативный Chain-of-Thought (так называемые синтетические данные «второй попытки»).
Но вот незадача — Fable 5 благополучно отрубили ровно в тот момент, когда автор собирал датасет. Что сделал автор? Он просто сгенерировал недостающие трейсы через Claude Opus 4.8, но историческое название fable5 в нейминге весов решил оставить.
Вот такая реальность 2к26, мы запускаем локально модель от Google, дообученную энтузиастом на данных от Composer и Claude, которая притворяется Fable 5, чтобы дебажить вам скрипты. 🙄 | 465 |
| 4 | Кому интересно, вот нейронки, которые я сейчас использую для разных задач 👇
🟢Агентное программирование
Подписка OpenCode Go. Дешево и сердито, 10 баксов (дешевле сейчас не бывает). Чтобы хватало за глаза на месяц — использую там DeepSeek V4 Flash, а если нужно помощнее и накопились остаются лимиты — Qwen 3.7 Plus. Есть и другие модели.
🟢Бытовые задачи + проф. задачи, которые требуют сложного системного промпта, но не требуют агентного режима
Gemini 3.1 Pro в Google AI Studio (региональные ограничения)
🟢Бытовые задачи, которые не требуют системного промпта
Если посложнее: GLM 5.2 (в т.ч. с агентным режимов внутри чатбота)
Если попроще (либо GLM не доступна): Qwen 3.7 Max
🟢Создание презентаций
AI PPT режим в GLM 5.2
🟢Deep Research
Параллельно Qwen 3.7 Max + ChatGPT
Все бесплатно (кроме OpenCode Go). Пишите, чем сами пользуетесь 💬 | 670 |
| 5 |  Как автоматизировать рутину без код
Сейчас из каждого утюга льются истории о том, как очередной продажник, эйчар или маркетолог за пару вечеров на коленке собрал ИИ-ассистента. Бот сам слушает клиентские звонки, сам заполняет CRM, а создатель уже пакует это в платную SaaS-подписку и мысленно готовится к IPO.
Самое забавное, что технически в этом нет никакой магии. Связать условный Make или n8n с API OpenAI для транскрибации аудио и дерганья вебхуков CRM — это суровая реальность. Базовую «обезьянью» работу сейчас действительно можно автоматизировать без IDE и хардкорного программирования.
Но когда вам под этим соусом продают идею, что «ИИ полностью стер барьеры и знания в IT больше не нужны» — крепче держитесь за кошелек.
Да, вам не нужно знать синтаксис Python, чтобы накликать MVP. Но вам абсолютно необходимо алгоритмическое мышление, понимание того, как работают сети, базы данных и элементарная информационная безопасность. Иначе ваш инновационный ИИ-бот радостно сольет клиентскую базу в сеть или нагаллюцинирует в отчетах так, что бизнес придется закрывать.
Чтобы разбираться в технологиях на уровне инженерии и прагматики, а не успешного успеха, нужна нормальная информационная диета.
Ниже — подборка каналов про AI, разработку и безопасность. Там есть про архитектуру, адекватный промпт-инжиниринг, ИБ и реальную автоматизацию (включая тот самый вайб-кодинг).
Забирайте папку, если хотите понимать, как инструменты работают под капотом, а не плодить кривые костыли:
👉 https://t.me/addlist/wjXN1mA-D21jODIy | 659 |
| 6 | Как KPMG продают галлюцинации LLM под видом аналитики 🤡
Консалтинг от «Большой четверки» всегда славился умением продавать красиво упакованный воздух задорого. Но теперь они вышли на новый уровень: продают сгенерированный нейросетями воздух, даже не удосужившись его вычитать.
Ребята из GPTZero прогнали через свои алгоритмы свежий отчет KPMG с максимально пафосным названием «Total Experience: Redefining Excellence in the Age of Agentic AI». Отчет должен был стать монументальным трудом о том, как агентный ИИ меняет бизнес-ландшафт.
А стал памятником человеческой лени и профнепригодности.
Что выяснилось после фактчекинга 45 ссылок на источники в отчете:
🔵Реальных и точных ссылок — всего 5.
🔵12 ссылок вообще не поддаются идентификации, это просто набор слов.
🔵Оставшиеся 28 — это то, что исследователи очень метко назвали vibe citations.
Vibe citations — это как вайб-кодинг, только LLM выдумывает не говнокод, а авторов, миксует реальные названия статей с фейковыми датами, или просто галлюцинирует пруфы, которых в природе не существует.
Около половины фактов в отчете — тупо выдуманы. Например:
🔴В отчете на серьезных щах заявляется, что японская железнодорожная компания JR East вовсю использует AI-агентов. Ссылка ведет на пресс-релиз 2019 года (когда об агентном ИИ даже не заикались), в котором ИИ не упоминается вообще ни разу.
🔴Утверждается, что у авиакомпании Emirates есть мобильный чат-бот Sara, который сам меняет билеты. В реальности Sara — это физический робот-ассистент, и менять рейсы он физически не умеет.
🔴Заявляется, что австрийская энергокомпания Verbund использует ИИ-агентов на уровне домохозяйств. Источник? Статья про совершенно другой B2B-стартап, где нет ни слова ни про агентов, ни про домохозяйства.
Механика появления этого мусора очевидна любому, кто работает с LLM. Какой-то аналитик (или целый партнер, лол) закинул в нейросетку промпт что-то вроде: «Найди примеры использования agentic AI в крупном бизнесе для отчета». Нейросетка сделала то, что умеет лучше всего — услужливо нагаллюцинировала правдоподобный булшит, слепив реальные названия брендов с выдуманными достижениями. А «эксперты» из KPMG, не приходя в сознание, скопипастили это в чистовик, сверстали красивую PDF-ку и релизнули в свет.
Самое смешное (и грустное), что этот сгенерированный мусор уже разошелся по профильным медиа. А другие LLM (вроде ChatGPT и Gemini) начали ссылаться на отчет KPMG как на авторитетный источник. Круговорот булшита в природе замкнулся. ♻️
Когда вам в следующий раз будут продавать «глубокую экспертизу и аналитику рынка ИИ» с красивыми графиками — просто держите в голове этот кейс. | 758 |
| 7 | У всех, кто сейчас работает в ИБ, тоже был первый шаг. Вот твой.❤️
👢 Курс «Основы кибербезопасности»
Запись на поток: до 20 июля
🔺Сразу к обучению
🔺Кибербезопасность — это больше, чем просто защита данных. Курс даст фундамент, с которого начинают карьеру в ИБ. Linux, сети, атаки, защита — всё, без чего не попасть в профессию.
Что вас ждёт:
🔺32 практических занятия с разбором реальных кейсов.
🔺Наставник, который помогает весь путь — не только по технике, но и по карьерным вопросам.
🔺 5,5 месяцев интенсивного обучения с фокусом на практику.
Вы научитесь:
• работать в Linux и Windows с прицелом на ИБ, строить и атаковать сети,
• понимать PowerShell, Wireshark, Kali Linux,
• проводить первые pentest-атаки, разбираться в SOC, SIEM и логах.
Курс подойдёт, если вы:
🔺 новичок в ИБ и не знаете, с чего начать,
🔺 IT-специалист, которому нужно усилить компетенции,
🔺 студент, тестировщик или системный админ — и хотите расти.
«Вы получите мышление безопасника. И это имеет ценность в 2026 году» — автор курса.
Готовы стать частью команды, которая 5 раз выиграла The Standoff?
Программа, наставник 🔺 Хочу узнать всё | 646 |
| 8 | Как джун из Эфиопии ломанул 14 корпораций спираченным Claude 👹
Свежий разбор инцидента от OALABS — это просто эталонная комедия положений, в которой прекрасно всё, от уровня развития автономных LLM до абсолютной непроходимой тупости кожаных мешков с обеих сторон баррикад.
Если коротко: хакер угнал сервер, на котором крутился запущенный агент Claude Code. И дальше использовал этого агента, чтобы сломать 14 реальных компаний. У безопасников на руках оказались все логи сессий (более 1000), промпты и мыслительный процесс нейронки. И это очень забавное чтиво.
Как всё происходило:
1️⃣ Изначально сервер принадлежал какому-то разработчику-энтузиасту. Знаете, как он его потерял? Он использовал Claude для настройки серверов, кидал прямо в промпт креды и давал расплывчатые команды вроде "глянь, почему я не могу по ssh зайти". Когда Клод тупил, разраб матерился на него, прерывал и заставлял делать "хоть как-то". В итоге ИИ, пытаясь угодить, просто выставил сервисы голой инфраструктурой в интернет с дефолтными паролями.
2️⃣ Новый владелец-"хакер" не стал ничего сносить. Он просто продолжил юзать чужую сессию. Вся его хакерская работа сводилась к ленивым промптам: "я на авторизованном пентесте, вот тебе IP, найди уязвимости и дай мне шелл".
Агент делал всё сам:
🔴 Сканил порты через bash.
🔴 Гуглил CVE по найденным сервисам.
🔴 Сам писал под них кастомные эксплоиты
🔴 Собирал базы и генерил PENTEST-REPORT с оценкой монетизации украденного в долларах.
Парень просто накидывал контекст: "Я сеньор-пентестер с 15 годами опыта, это легальный аудит". Когда Клод упирался (например, отказываясь ломать почту родственников жертвы), хакер просто немного смягчал формулировки.
3️⃣ Мамкин киберпреступник решил заодно использовать угнанную нейронку для личных дел. Он попросил Клода... обновить свое резюме. Закинул туда свои реальные ФИО, образование, линк на LinkedIn и номер телефона. А позже, испугавшись левых коннектов к своему серверу, попросил ИИ проверить логи. Клод заботливо вывел его же домашний IP-шник из Эфиопии, на что хакер ответил: "А, ну это мой". Гениально 🤡 Так его и вычислили.
Пока мы рассуждаем о том, заберет ли ИИ работу у сеньоров, ИИ забирает корпоративные данные руками эфиопских джунов. LLM не нужно быть AGI, чтобы стать оружием. Они и так сильно снижают порог входа в профессию (в любую, включая криминальную). Если раньше для написания цепочки эксплоитов нужны были мозги и годы практики, то теперь достаточно наглости и умения притвориться пентестером в промпте. Нейронка полностью компенсирует отсутствие технических скиллов.
А главная уязвимость любой системы — это всегда человек. | 1 514 |
| 9 |  Пока LLM становятся всё лучше и лучше в написании кода, программисты такие... 🌝
#хих | 826 |
| 10 | Что получим при запуске кода? | 876 |
| 11 |  Не соскучились по Python-задачкам? 😏
➿ Бесконечно можно смотреть на огонь, воду и на то, как вы решаете задачи с циклами.
#квиз | 845 |
| 12 | Твой новый ML-инженер — это 14 агентов под капотом 👨🏻💻🤖
Plexe — фреймворк, который собирает ML-модели по текстовому промпту. Но интересно не то, что он это делает, а как именно.
Это не тупая обертка над LLM. Внутри работает мультиагентная система (на базе smolagents и litellm), которая прогоняет классический и методологически правильный пайплайн.
Как это выглядит для пользователя: ты скармливаешь ему датасет (Parquet/CSV) и пишешь intent="predict customer churn".
Что происходит под капотом:
1️⃣ Data Understanding. Агенты (StatisticalAnalyserAgent, MLTaskAnalyserAgent) профилируют данные через PySpark. Сами определяют тип задачи, ищут константные фичи, выбрасывают ID-шники и выбирают метрику (accuracy для баланса, f1/roc_auc для дисбаланса, rmse для регрессии).
2️⃣ Data Prep. Умное разбиение. Если задача классификации — стратифицированный сплит. Если таймсерии — хронологический.
3️⃣ Baselines. Сначала строится эвристический бейзлайн (например, всегда предсказывать мажоритарный класс), чтобы было с чем сравнивать.
4️⃣ Tree Search. Мякотка. HypothesiserAgent генерирует гипотезы, PlannerAgent создает архитектуры моделей (поддерживаются XGBoost, CatBoost, LightGBM, Keras, PyTorch). Идет параллельный поиск с оценкой на сэмплах. Извлекаются инсайты (что сработало, а что нет).
5️⃣ Evaluation & Packaging. Лучшая модель переобучается на фулл-дате. Делается анализ ошибок и SHAP-интерпретация. На выходе — чистый model.tar.gz.
На выходе вы получаете не прибитый гвоздями к фреймворку кусок говна, а независимый артефакт. Там лежат веса, сериализованный пайплайн фичей от sklearn, JSON-схемы входов/выходов и чистый predictor.py. Закидываете в любой Docker и катите в прод.
Заменит ли это Senior ML-инженера? Нет. Автоматизирует ли это нудную рутину по подготовке данных, написанию бойлерплейта и тюнингу гиперпараметров? Вполне.
#годный_опенсорс | 880 |
| 13 | Сегодня вечером мы устроим прожарку ИИ от Google 🔥
🗓 Напоминаю, что сегодня в 18:00 по МСК мы собираемся на закрытом стриме на Sponsr.
Алгоритм простой:
Берем сырые данные ➡️ Кормим AI-агенту Гугла ➡️ Смотрим и обсуждаем, что он нагенерил.
Посмотрим, сможет ли он заменить джуна, или нам придется переписывать за ней каждую строчку кода.
Залетайте, чтобы понимать реальные границы применимости этих технологий 😎
Ссылка на эфир появится на стене Sponsr для подписчиков. | 895 |
| 14 | Почему называть ИИ «коллегой» — это выстрел в ногу бизнесу 🔫
Умные ребята из Бостонского университета и BCG выкатили отличное исследование. По их данным, 23% компаний уже начали официально вписывать ИИ-агентов в свои оргструктуры. Дают им должности, имена, роли и рисуют квадратики на схемах рядом с живыми людьми.
В рамках эксперимента руководителям дали на ревью документы с зашитыми туда ошибками. Текст везде один. Разница была только во вводных, откуда этот драфт взялся:
1️⃣ Это сгенерил ИИ-инструмент (AI tool).
2️⃣ Это написал живой человек, твой новый подчиненный.
3️⃣ Это написал ALEX-3, новый «ИИ-сотрудник».
Казалось бы, какая разница, как маркетологи называют скрипт? Но это ломает всю систему контроля качества. Как только ИИ-агента называли «сотрудником» (при условии, что в компании это легитимная практика), качество человеческого ревью падало на 16%. Люди банально пропускали баги.
Авторы вывели шикарную модель того, как ломается мозг менеджера:
▫️ ИИ как инструмент (Tool). Если ты написал код в IDE с автокомплитом или нагенерил в ChatGPT — ответственность полностью на тебе. Это твоя работа, ты смотришь в оба.
▫️ Живой человек (Human). Когда ты делегируешь задачу кожаному джуну, включается классический надзор. Люди склонны лениться, халтурить и косячить. Ты это знаешь, поэтому пристально ревьюишь пулл-реквест.
▫️ ИИ-сотрудник (AI Employee). Попадает в слепую зону. ИИ не халтурит и не устает, поэтому следить за ним, как за хитрым стажером, вроде бы не надо. Мозг расслабляется. Но раз он теперь формально «коллега», то и ответственность за косяки размывается.
В итоге происходит магия: руководитель перекладывает ответственность на железяку (доля личной ответственности в ответах падала на 9%), не находит ошибки, но при этом начинает заниматься защитной бюрократией — чаще эскалирует задачу на дополнительное ревью другим людям (рост на 44%), чтобы прикрыть задницу.
Итого: как только вы очеловечиваете агента, люди подсознательно перестают за ним убирать и начинают спихивать на него ответственность за упавший прод. | 1 001 |
| 15 | Ловушка ИИ-увольнений: почему бизнес режет косты и убивает собственную прибыль 🩸
Весь бизнес сейчас живет в парадигме:
Внедряй ИИ, увольняй людей, режь косты и купайся в сверхприбыли! Маржинальность в космос, бизнес спасен!
Только вот свежее исследование «The AI Layoff Trap» от экономистов из Пенсильванского и Бостонского университетов доказывает математически: этот праздник жадности закончится массовым суицидом для самих корпораций.
Смотрите, как это работает на пальцах 👇
Заменяя людей алгоритмами, компания экономит издержки. В моменте метрики зеленеют, акционеры довольны. Но есть нюанс: уволенные люди — это потребители. Лишаясь зарплат, они перестают тратить деньги на товары и услуги. Возникает классическая проблема экстерналии спроса.
При этом каждая отдельная компания забирает себе 100% экономии от увольнений, но несет лишь микроскопическую долю убытков от падения общего макроэкономического спроса (остальное размазывается по конкурентам). Но на рынке работают тысячи бизнесов. Когда все начинают играть в эту игру, возникает классическая дилемма заключенного. Никто не может остановиться. Если ты не автоматизируешь процессы — конкурент сделает это первым и сожрет тебя за счет демпинга. Если автоматизируют все — покупательская способность схлопывается, и общая прибыль рынка падает ниже того уровня, что был до внедрения ИИ.
Самое интересное в работе — математическое развенчание популярных мифов:
1️⃣ Свободный рынок все исправит?
Ага, щас. Исследование показывает, что чем выше конкуренция, тем глубже ловушка. Условный монополист бы быстро понял, что убивает собственную выручку, и притормозил. А в конкурентной мясорубке никто не может позволить себе остановиться — остановишься, и тебя сожрут те, кто автоматизировался.
2️⃣ Более крутой ИИ нас спасет?
Казалось бы, если ИИ не просто удешевляет процесс, но и реально повышает производительность, пирог должен расти? Нет. Возникает «эффект Черной Королевы». Компании внедряют более крутой ИИ, чтобы отжать долю рынка. Но так делают все. В итоге доли остаются прежними, а покупательский спрос уничтожается еще быстрее.
3️⃣ Безусловный базовый доход решит проблему?
Любимая мантра техно-оптимистов. Математика показывает, что раздача денег повышает базовый уровень жизни, но никак не меняет маржинальный стимул бизнеса к увольнениям. Налоги на прибыль компаний тоже не работают — они режут общую маржу, но не останавливают замену Васи на LLM.
Единственный математически рабочий выход, который видят авторы — это прямой «пигувианский налог» на саму автоматизацию каждой конкретной задачи (по аналогии с налогом на выбросы углекислого газа). Деньги с него должны идти не на подачки, а на хардкорное переобучение людей, чтобы те переходили в роли с более высокой добавленной стоимостью. Будут ли государства вводить налог на ИИ, когда все одержимы технологическим превосходством? Вопрос риторический.
В общем, пока корпорации радуются сэкономленным копейкам в квартальных отчетах, они коллективно пилят сук, на котором сидят. И если вам кажется, что в IT-найме сейчас происходит какая-то дичь — вам не кажется. Компании пытаются выжить в игре, где выигрышная стратегия отдельного игрока ведет к проигрышу всей системы. | 1 061 |
| 16 |  Кажется, SEO в привычном виде начинает уходить в историю. На этой неделе снова обсуждают одну и ту же тенденцию: всё больше людей получают ответы сразу от ИИ, не переходя на сайты. Для digital это означает одно — правила привлечения внимания и клиентов снова меняются.
Поэтому сегодня выигрывает не тот, кто читает больше новостей, а тот, кто быстрее понимает, какие из них реально что-то изменят через месяц.
В этой папке собраны каналы людей, которые каждый день работают с маркетингом, ИИ, разработкой и продуктами. Здесь можно подсмотреть новые инструменты, увидеть интересные кейсы, поймать свежую идею или просто не выпадать из того, что происходит на рынке прямо сейчас.
А ещё бонусом — обзоры полезных сервисов: от платформ для создания дерева ссылок в профиле и сократителей ссылок до тайм-трекеров, приложений для управления личными финансами, AI-инструментов и интересных open-source решений, которые помогают работать быстрее и удобнее.
📎 Сохранить папку себе | 738 |
| 17 | Прошла эпоха 🗓
Провожу свои последние лекции по Python на курсе "Python-разработчик" в Нетологии (формат курса продолжает трансформироваться).
По-моему, это программа с которой я сотрудничал дольше всего. Сейчас идёт что-то около 160 набора по счету, а я начал проводить там лекции где-то с 3-4 набора, больше 10 лет назад.
Сотни лекций, десятки тысяч ДЗ, жуть, как быстро время летит.
🕗 Но... Все меняется. И это хорошо. Наверное. | 1 043 |
| 18 | Как ловля Пикачу превратилась в систему наведения для дронов 😌🚁
Пока миллионы людей бегали по улицам со смартфонами, пытаясь поймать редких покемонов в сверхпопулярной в свое время Pokemon GO, они абсолютно бесплатно разметили для корпораций датасет планетарного масштаба. Компания благодаря игрокам получила 30 миллиардов изображений, размеченных метаданными о геолокации, скорости, угле наклона камеры и времени суток. Никакой краудсорсинг за деньги не дал бы такого покрытия.
Что с этим сделали дальше?
Очевидно, сырые видео никому не нужны. Инженеры Niantic взяли этот массив и натренировали Foundation Model для системы визуального позиционирования.
Зачем это нужно? GPS отвратительно работает в условиях плотной городской застройки («каменных джунглях») из-за отражения сигналов. А на современном поле боя сигнал GPS вообще живет до первой глушилки. Модель Niantic позволяет устройству за долю секунды понять свои точные координаты до сантиметра просто по тому, что видит его камера.
Вот так делался бизнес:
1️⃣ В 2025 году Niantic продает игровое подразделение (вместе с Pokemon Go) саудовской Scopely за $3.5 млрд. Игрушка свою функцию выполнила.
2️⃣ Выделяется независимая компания Niantic Spatial, у которой остаются права на обученные ИИ-модели.
3️⃣ Заключаются контракты на использование VPS. Сначала эту систему продали доставщикам пиццы Coco Robotics. А затем Niantic Spatial запартнерилась с Vantor — подрядчиком Минобороны США, который делает софт для навигации военных дронов в условиях потери GPS-сигнала.
Сейчас Niantic Spatial усиленно открещивается, заявляя, что сырые данные игроков военным не передаются. И это правда. Военным не нужны ваши фотки остановок, им нужны веса обученной модели, чтобы дрон мог лететь в условиях РЭБ по визуальным ориентирам. Продать веса модели — это же технически не продать датасет, верно? 🤡
Для конечного пользователя, чья спальня или двор теперь являются частью военного навигационного графа, разница, конечно, нулевая. Но юридически комар носа не подточит. Пользовательское соглашение никто не читал, галочку поставили добровольно.
Это реально один из самых "красивых" кейсов монетизации пользовательских данных за всю историю IT.
Если вам дают бесплатный продукт, который активно использует камеру и геопозицию — вы не клиен, вы — товар.
Кто еще вспомнит примеры, когда игрушки или "фановые" приложухи оказывались прикрытием для сбора тяжелых датасетов? 💬 | 1 228 |
| 19 | 99% демо-роликов AI-инструментов — ложь? 🤔
Знаете, в чем проблема всех этих красивых видео, где нейросеть "заменяет аналитика" в два клика?
Они всегда работают на стерильных данных. Условный Titanic dataset, где всё заранее подготовлено.
Но суть работы Data Scientist-а вообще не в том, чтобы написать model.fit().
Суть в том, чтобы понять природу данных. Не выкинуть null'ы там, где они несут бизнес-смысл. Правильно выстроить схему кросс-валидации. И главное — не обмануть самого себя красивыми, но абсолютно бредовыми метриками.
Нейросети уже отлично пишут синтаксис. Но обладают ли они здоровым скептицизмом и архитектурным мышлением?
Узнаем в эту пятницу.
На закрытом стриме я буду в лайве издеваться над новым Data Science Agent в Google Colab. А, может быть, это он будет издеваться надо мной, посмотрим.
Эфир для подписчиков Sponsr.
🗓 Стартуем 19 июня в 18:00 по мск. | 1 061 |
| 20 | Жабогадюкинг высшего уровня: как Amazon слил Anthropic, а во всем (как всегда) виноват Китай 🤭
Совсем недавно правительство США вырубило новые модели Anthropic (Mythos и Fable 5), потребовав оставить доступ только гражданам со звездно-полосатым паспортом. Официально — из-за какого-то детского джейлбрейка. Но реальность, возможно, куда прозаичнее, грязнее и интереснее.
Semafor выкатил инсайд: настоящий триггер экспортных ограничений — подозрение, что к закрытой модели Mythos (которую Anthropic давала только избранным ИБ-шникам для поиска дыр в коде) получили доступ ребята из Китая. А у американских властей сейчас пунктик на тему того, что Китай может реверс-инжинирить их топовые модели (делать дистилляцию).
А дальше начинается чистый Карточный домик. Знаете, кто настучал в Белый дом? Amazon.
Якобы лично CEO Энди Джесси нашептал администрации Трампа про то, что новые модели можно хакнуть. Просто напоминаю: Amazon — один из главных инвесторов и партнеров Anthropic, вбухавший туда $4 млрд. Классический корпоративный удар в спину под соусом заботы о национальной безопасности.
Давид Сакс (советник Трампа) публично заявил, что Дарио Амодеи (CEO Anthropic) знал про джейлбрейк, но в ответ на предупреждение администрации послал их лесом, назвав уязвимость "несерьезной". В ответ прилетел государев банхаммер.
Гордость и независимость — это, конечно, здорово, но бизнес теряет деньги, пока конкуренты собирают аудиторию. Поэтому сейчас, как пишет Axios, топ-менеджмент и технари Anthropic отбросили эго и экстренно десантировались в Вашингтоне. Пытаются "порешать вопросики" с Белым домом в ручном режиме и вернуть модели в онлайн.
Вот такой вот рыночек — жесткая геополитика, лоббизм, подковерные интриги инвесторов и паранойя спецслужб. Business as usual 🤷♂️ | 1 094 |
