MWS AI

ИИ-агент сам напишет код и запустит работу по расписанию 🤖 Обновили MWS AI Agents Platform, чтобы агенты могли выполнять код в изолированной среде, помнить важную информацию между диалогами и запускаться по расписанию. Ответы теперь можно проверять автоматически, а в отдельном конструкторе — собирать интерфейс с таблицами, формами и кнопками. Посмотреть возможности платформы и оставить заявку на демо можно по ссылке 🗒

Когда хорошая метрика приводит к плохому решению? 🔍 В ролике наш дата-аналитик Николай Курков разбирает кейс, в котором результаты теста выглядели убедительно, но привели команду не к тому выводу. Проблема оказалась не в цифрах, а в самом подходе к эксперименту. Чтобы такого не происходило, A/B-тест нужно правильно спроектировать ещё до запуска. Собрали несколько важных пунктов, которые стоит проверить перед стартом и после. ✅ Сразу определите, что именно вы хотите сравнить

До старта зафиксируйте гипотезу, основную метрику и то, как будете её считать. Для бота результат можно оценивать по пользователям, диалогам или отдельным запросам, и это не одно и то же. Если считать каждый запрос отдельно, человек, который пишет боту сотни раз в день, будет влиять на итог сильнее десятков или даже сотен обычных пользователей.

✅ Сформируйте контрольную и тестовую группы так, чтобы их можно было честно сравнивать

Контрольная группа работает со старой моделью, тестовая — с новой. Важно, чтобы в обеих были похожие пользователи по активности и типу запросов. Если в тестовую группу случайно попадёт больше активных клиентов, новичков или людей с каким-то специфическим поведением, итог может зависеть именно от состава группы, а не от качества новой модели.

✅ Перед A/B-тестом проверьте, что сами группы не дают разницу

Для этого можно провести A/A-тест, когда двум группам показывают одну и ту же модель и смотрят, насколько похожими получаются результаты. Если модель одна и та же, а метрики уже заметно отличаются, значит, сначала нужно разобраться с составом групп или способом подсчёта, и только потом сравнивать старую и новую версии.

✅ Даже несколько первых дней часто не дают правильный результат

Заранее определите, сколько будет идти тест и сколько данных нужно собрать. В начале цифры могут сильно прыгать просто потому, что наблюдений ещё мало. Сегодня новая модель выглядит лучше, завтра хуже, а через несколько дней разница вообще исчезает.

✅ Посмотрите, кто именно повлиял на итог

После теста не ограничивайтесь одной средней метрикой. Проверьте, сколько запросов делали разные пользователи и нет ли среди них нескольких аномально активных. Если большинство написало боту пару раз, а один пользователь сделал 200 запросов, это важно увидеть отдельно. После этого стоит проверить, сохраняется ли разница между моделями у основной массы пользователей или весь результат держится на нескольких исключениях.

И ещё один уровень проверки можно добавить до выхода на реальную аудиторию. В MWS AI Agents Platform работу агента можно тестировать автоматически: команда заранее задаёт контрольные вопросы и ожидаемые ответы, а платформа прогоняет их и показывает, где агент ошибся и что происходило на каждом этапе. 💬 Узнать подробнее 💬

Сколько времени закладывать на найм AI-команды? Сегодня поиск ML-инженера занимает в среднем 23 рабочих дня, а продуктового менеджера ИИ — уже 42. С руководителем AI- или ML-направления поиск может занять 2–3 месяца и иногда растянуться до четырёх. Мы посмотрели на собственную практику найма AI-специалистов за 2025-2026 гг и собрали ориентиры по срокам закрытия разных ролей. Всего за 1,5 года наши специалисты закрыли 177 позиций. 🤖 ML-инженер — 23 рабочих дня

Здесь уже есть понятные критерии отбора и стабильный поток кандидатов. Сложнее найти специалистов с реальным опытом вывода моделей в промышленную эксплуатацию, потому что такие кандидаты быстро получают несколько предложений и могут уйти с рынка за 3–5 дней.

🤖 Промпт-инженер или тренер ИИ — 27 рабочих дней

Кандидатов на эти позиции больше, а уровень специалиста относительно легко проверить с помощью тестового задания.

🤖 Руководитель проектов — 37 рабочих дней

Здесь многое зависит от того, насколько точно в вакансии описана специфика работы с ИИ. Если не указать опыт с ML-жизненным циклом, исследовательской неопределённостью и AI-проектами, входящий поток быстро забивается классическими IT-проектными менеджерами без нужной специфики.

🤖 ML-разработчик-исследователь — 24 рабочих дней

Это более редкая специализация, поэтому одного поиска на сайтах вакансий часто недостаточно. Лучше всего работают реферальная программа, профильные сообщества, конференции и академическая среда.

🤖 Продуктовый менеджер ИИ — 42 рабочих дня

Одна из самых сложных комбинаций на рынке, где нужен продуктовый опыт и одновременно достаточное понимание AI. 70–80% кандидатов могут отсеиваться уже на техническом скрининге, поэтому эта позиция в нашей практике закрывалась примерно в 2 раза дольше ML-инженера.

Руководитель AI- или ML-направления — 60–90 календарных дней

Для таких позиций обычного размещения вакансии уже недостаточно. Кандидатов чаще ищут напрямую, через профессиональные сообщества и специализированный поиск руководителей. Иногда процесс занимает до 4-х месяцев, причём срок зависит не столько от рекрутера, сколько от того, насколько точно компания сформулировала профиль и насколько быстро готова принимать решения.

💬 Наталья Рейслер, руководитель отдела подбора персонала MWS AI 💬

ИИ-найм живёт по своим правилам и заметно отличается от остального IT-рынка. Даже при большом количестве кандидатов поиск осложняют высокая конкуренция за сильных специалистов, размытые профили ролей и медленные внутренние решения. При этом сам рынок меняется буквально на ходу: то, что востребовано сегодня, через год может выглядеть совсем иначе. Сроки выше — ориентиры уже сложившейся команды, которая выстроила тесную работу с заказчиками и хорошо понимает их требования. Это позволяет нам снимать часть типичных сложностей ещё на старте поиска. И данные, и наш опыт показывают, что самая устойчивая стратегия в AI-найме сегодня — не только искать готовых специалистов снаружи, но и развивать своих. Часть новых ролей на рынке просто ещё не сформировалась и компании, которые уже сейчас создают внутренние треки роста, через 2–3 года получат специалистов, которых конкуренты будут пытаться найти на внешнем рынке.

Кажется, ваши агенты хотят в песочницу 👀 Когда агенту нужно не просто ответить, а обработать файлы, что-то посчитать, преобразовать данные и собрать готовый результат, ему обычно приходится заранее готовить инструменты под каждый шаг. Команда MWS AI Agents Platform упростила этот путь и создала песочницу — изолированную среду, где агент сам может выполнять код, работать с файлами и устанавливать нужные пакеты. Вы задаёте результат, а дальше агент сам решает, как к нему прийти в пределах разрешённой среды. В карточках рассказали, как работает фича, а записаться на демо платформы можно по ссылке 🗒

🤖 Новый выпуск подкаста «По проводам» 🤖 В этот раз поговорили с Александром Лукьяновым, генеральным директором ДОМ.РФ Технологии, о том, как данные и ИИ уже меняют строительство, города и саму логику девелопмента. В выпуске: — как ИИ уже используют при проектировании и на стройках; — зачем нужны цифровые двойники домов, районов и городов; — как по фотографиям прогнозировать задержки строительства; — почему роботы на стройке не обязательно будут гуманоидами; — смогут ли данные стать новым конкурентным преимуществом девелоперов; — где в строительстве ещё есть место для технологических стартапов; — как данные о новостройках используют кофейни и ПВЗ; — какой может стать покупка квартиры будущего. Смотреть новый выпуск ▶️ ВКонтакте ▶️ Яндекс Музыка ▶️ YouTube

Почему два ИИ-агента на одной LLM могут работать по-разному? 👀 Одна и та же модель в двух агентных системах может показывать совсем разный результат. И дело не только в самой LLM, но и в том, что происходит вокруг неё: какие данные она получает, какие инструменты ей доступны, что система делает после ошибки и как проверяет результат.

За всё это отвечает agent harness — та самая инфраструктура вокруг модели, которая помогает агенту работать последовательно и доводить задачу до конца.

Разобрались в карточках, что это такое и почему иногда именно harness определяет, насколько хорошо агент справляется с реальной задачей 🔍

Это пятничный дайджест MWS AI ⚡️ На этой неделе разбирались, как агенты меняют разработку, нужна ли роботам человеческая форма и как меняется найм в ИИ. 🔍 Как изменится ИИ-найм до 2030 года

Разобрали 142 закрытые позиции за 2025 год, изучили 147 интервью с сотрудниками при уходе и поговорили с руководителями ИИ-направлений. Получилось шесть трендов о том, как меняются роли, требования к кандидатам и сами ИИ-команды. А еще собрали практику СИБУРа, Московской биржи, «Северсталь-инфоком» и ДОМ.РФ. Читать полный разбор в РБК Трендах

🔍 ИИ уже не просто помогает писать код

На этой неделе Дмитрий Черноус и Георгий Савичев участвовали в воркшопе Ассоциации ФинТех по ИИ-сотрудникам в финансовых организациях. Там же наши партнёры из АФТ представили большое исследование «ИИ-трансформация разработки», в рамках которого провели опрос участников АФТ — лидеров финтех-рынка. Главное: ✅ 44% участников опроса уже активно используют ИИ в ИТ-разработке, ещё 52% проводят пилоты и эксперименты. ✅ Использование ИИ может сокращать время выхода продукта на рынок на 20–40%, а затраты на разработку — на 20–30%. ✅ 65% участников называют требования информационной безопасности главным барьером внедрения, 53% — ограничения на передачу данных внешним сервисам. Читать исследование

🔍 ИИ внедрили, а где эффект?

HRD MWS AI Анастасия Зальцман рассказала в «Т-Бизнес Секретах», почему сильной ИИ-команды недостаточно. В колонке — какие показатели действительно стоит считать и почему внедрение ИИ быстро показывает, насколько хорошо в компании вообще устроены процессы. Читать колонку

🔍 А роботу вообще обязательно быть похожим на человека?

За три тысячи лет мы успели придумать золотых служанок Гефеста, бронзового Талоса, треножники и андроидов, но до сих пор упорно примеряем на роботов собственную анатомию. PR-директор MWS AI Александр Томас в колонке для «Сноба» проследил, как менялась форма искусственных помощников и почему для некоторых машин колёса, клешни или третья конечность куда логичнее двух рук и двух ног. Читать колонку

🔍 Как заставить ИИ лучше работать на вебинарах

Наши партнёры из МТС Линк выпустили сразу два полезных разбора. В одном собрали 5 правил по созданию маркетинговых промптов, во втором — 9 сценариев использования ИИ-функций на вебинарах. ✅ 5 правил по созданию маркетинговых промптов ✅ 9 сценариев использования ИИ-функций

🔍 И последнее — уже 8 сентября стартуем с Вышкой

Начинается наша совместная с НИУ ВШЭ программа повышения квалификации «Стратегия безопасности искусственного интеллекта». За месяц участники разберут риски внедрения ИИ, защиту данных и моделей и построение системы безопасности. А главное, уйдут с практическим результатом — готовым паспортом ИИ-системы для своего проекта. Подробнее о программе

Прекратите переворачивать сами, отдайте это ИИ-агенту 📔 Оставить заявку 🗒

6 трендов в найме, которые изменят рынок ИИ до 2030 года 🔍 Мы провели исследование рынка, в рамках которого разобрали 142 закрытые позиции за 2025 год, изучили 147 интервью с сотрудниками при уходе, поговорили с руководителями ИИ-направлений и посмотрели, что происходит на российском и мировом рынке труда. Выделили 6 основных трендов, ниже коротко о каждом: ⚡️ Спрос на ИИ-специалистов растёт быстрее общего ИТ-рынка

В 2024–2025 годах зарплаты специалистов по ИИ и машинному обучению выросли на 18–25%, тогда как в ИТ в среднем рост составил меньше 10%. При этом рынок неоднородный: одного специалиста можно найти за несколько недель, а поиск руководителя ИИ-направления может занимать до четырёх месяцев.

⚡️ Новые ИИ-профессии будут появляться так же быстро, как некоторые сформировавшиеся будут растворяться в других ролях

Уже сейчас нужны специалисты по работе с ИИ-агентами, эксперты по надёжности систем и оценке качества, а промт-инженеры постепенно становятся лишь одной из составляющих роли ИИ-инженера.

⚡️ Одного знания ИИ становится мало, нужна ещё и сильная отраслевая экспертиза

По данным PwC, количество вакансий на роли, где ИИ забирает рутину, а человек принимает экспертные решения, растут вдвое быстрее, чем позиции, где технология просто упрощает работу неспециалиста. Поэтому всё ценнее люди, которые понимают и технологию, и конкретный бизнес-процесс.

⚡️ На собеседованиях всё меньше смысла проверять знание конкретного инструмента

Технологический стек меняется настолько быстро, что редкий навык за несколько лет может стать базовым или вообще потерять актуальность. Важнее становится умение быстро разобраться в новой технологии, сравнить варианты и объяснить свой выбор через качество, скорость и стоимость.

⚡️ Опыт реального внедрения становится ценнее красивого прототипа

Собрать демонстрацию всё проще, а довести её до работающего прода, гораздо сложнее. В ДОМ.РФ, например, ИИ-помощники уже сокращают время на рутинные задачи в среднем на 35%, а агент для проверки кода экономит разработчикам до 30% времени.

⚡️ ИИ-команды могут стать заметно компактнее

Уже 66% разработчиков говорят, что благодаря ИИ тратят больше времени на задачи с высокой добавленной ценностью, а 58% выполняют работу, которую ещё год назад не могли делать вовсе.

Но интереснее всего посмотреть, как эти изменения уже выглядят внутри компаний. В карточках собрали наблюдения СИБУРа, Московской биржи, «Северсталь-инфоком» и Дом.РФ. Полный разбор исследования от руководителя отдела подбора персонала MWS AI Натальи Рейслер — в РБК Трендах 🤖

Новый выпуск подкаста «По проводам» уже здесь 😊 В этот раз у нас в гостях Армен Амирханян, директор по ИИ Московской биржи. Без лишней теории поговорили о том, как GenAI реально встраивается в бизнес, почему вокруг ИИ-заводов сейчас столько внимания и почему иногда больше пользы даёт не новая LLM, а нормально собранная система вокруг неё. Смотреть новый выпуск: ▶️ RuTube ▶️ ВКонтакте ▶️ YouTube

Немного бекстейджа завтрашнего выпуска подкаста «По проводам» ❤️ В гостях был Армен Амирханян, директор по ИИ Московской биржи. Поговорили про GenAI в реальном бизнесе, ИИ-заводы и почему иногда выгоднее оптимизировать систему, чем просто брать модель помощнее. Полный выпуск — уже завтра ⚡️

Как бенчмарки помогают оценить ИИ-модель перед внедрением? Когда наша команда тестирует ИИ-модели, мы смотрим не только на их место в публичных рейтингах. Cotype Pro 3 тестируем на MERA, LIBRA и MWS AI Vision Bench, а затем дополняем оценку как минимум семью внутренними бенчмарками: для агентных сценариев, RAG, безопасности, суммаризации, работы с кодом и других прикладных задач. Только в наборах с зафиксированным объемом модель проходит больше 4 тыс. заданий, что помогает принимать практические решения при выборе и внедрении ИИ: ✅ стоит ли переходить на новую версию; ✅ насколько стабильно модель работает в проде; ✅ где выше риск ошибки; ✅ где можно упростить архитектуру и сократить затраты. В карточках собрали четыре вещи, на которые точно стоит обратить внимание при выборе ИИ-модели для вашего бизнеса ⚡️

⚡ Через час начинаем вебинар «С чего начать стратегию защиты корпоративного ИИ: паспорт ИИ-системы» ⚡ Последняя возможность успеть зарегистрироваться 🗒

ИИ должен быть доступен каждому ❤️ Вместе с МТС запускаем «Каждый включен» — бесплатную онлайн-программу для людей с инвалидностью и особенностями здоровья, которые хотят освоить ИИ с нуля и применять его в работе. За семь недель участники научатся: ✅ искать и анализировать информацию с помощью ИИ; ✅ работать с текстами и коммуникациями; ✅ создавать визуальный контент; ✅ автоматизировать рабочие задачи; ✅ использовать нейросети при подготовке карьерных материалов. В базовом треке находятся 25 видеоуроков, тесты и практика. А 30 лучших участников продолжат работу уже с кейсами технологических компаний и представят свои решения экспертам. Сам курс сделан без барьеров: материалы совместимы со скринридерами, видео сопровождаются субтитрами, а онлайн-встречи переводом на русский жестовый язык.

Регистрация — до 21 августа Старт обучения — 1 сентября

Присоединяйтесь ▶️

⚡️ Уже завтра ⚡️ MWS AI и НИУ ВШЭ проведут открытую лекцию о безопасности корпоративного ИИ. Поговорим о том, как оценивать риски, считать последствия инцидентов и с чего начинать стратегию защиты. Регистрация 🗒

Сначала автоматизируешь свою работу с помощью ИИ, а потом превращаешь этот опыт в продукт для других ⚡️ Так Арина Аймалетдинова перешла из продуктового маркетинга в продукт и теперь отвечает за копилот для маркетологов в MWS AI. За полторы минуты она рассказала о переходе в новую роль, о навыках, которые нужны новоиспечённому продуктологу, и о том, где в работе уже сложно обойтись без ИИ. А сколько своей работы вы уже отдали ИИ? ❤️ — Могу уйти в отпуск и передать дела ИИ ⚡️ — Пока только рутину и однообразные задачи 🗒 — Я пока сам как ИИ-агент

4 «слона» безопасности ИИ в бизнесе 🛡 Когда ИИ-система выходит в прод и получает доступ к корпоративным данным, защищать приходится уже не только модель. Риски возникают в данных, промптах, интеграциях, действиях агентов и решениях на их основе. Одним фильтром или регламентом весь контур не закрыть, поэтому стратегия безопасности ИИ строится на четырёх опорах: ✅ карта рисков; ✅ архитектура защиты; ✅ процессы и роли; ✅ дорожная карта и бюджет. Без любой из них защита остаётся фрагментарной, разберём каждую опору по порядку. 📔 Карта рисков

Сначала нужно понять, как ИИ используется внутри компании и где могут возникнуть проблемы: 🔴 собрать список всех ИИ-систем, включая корпоративных ассистентов, пилоты, внешние чат-боты и теневые сервисы; 🔴 определить, какие данные попадают в модель; 🔴 проверить, к каким базам знаний и корпоративным системам подключён ИИ; 🔴 описать возможные угрозы: утечки, подмену инструкций, доступ к закрытым данным и ошибочные действия агентов; 🔴 оценить последствия каждого сценария для бизнеса. Защищать при этом нужно не только инфраструктуру, но и модели, данные, системные инструкции, агентов и доступные им инструменты.

🔍 Архитектура защиты

Угроза может появиться в запросе пользователя, подключённом документе, ответе модели или при обращении агента к корпоративной системе. Поэтому необходимо: 🔴 ограничивать доступ пользователей и агентов к данным и операциям; 🔴 проверять входящие запросы и документы на вредоносные инструкции; 🔴 контролировать ответы модели и передачу конфиденциальной информации; 🔴 определять, какие действия агент выполняет самостоятельно, а какие требуют подтверждения; 🔴 сохранять историю запросов, ответов и действий; 🔴 регулярно тестировать защиту после обновлений системы. Задача архитектуры — не запретить ИИ, а ограничить последствия ошибки или атаки.

🗒 Процессы и роли

Защита не будет работать, если в компании не определены зоны ответственности: 🔴 бизнес задаёт цель системы и допустимые сценарии её использования; 🔴 ИТ отвечает за инфраструктуру и интеграции; 🔴 ИБ оценивает угрозы и формирует требования к защите; 🔴 юристы и специалисты по персональным данным следят за соблюдением требований; 🔴 владелец ИИ-продукта контролирует качество и безопасность после запуска; 🔴 заранее определяется порядок действий при инциденте. Так безопасность становится частью всего жизненного цикла ИИ-системы, а не отдельной задачей ИБ.

🤖 Дорожная карта и бюджет

Закрыть все риски одновременно невозможно, поэтому важно: 🔴 выбрать системы, которые нужно защищать в первую очередь; 🔴 разделить обязательные меры и те, которые можно внедрить позже; 🔴назначить ответственных и сроки; 🔴оценить возможный ущерб и вероятность инцидента; 🔴рассчитать обоснованный бюджет; 🔴 собрать всё в понятный план для руководства.

Стартовой точкой становится паспорт ИИ-системы. В нём фиксируются её назначение, владельцы, данные, доступы, интеграции, основные угрозы и первичная оценка риска. Это рабочий документ для обсуждения приоритетов, сроков и бюджета. На открытой лекции программы «Стратегия безопасности искусственного интеллекта» от Центра ИИ-трансформации MWS AI и НИУ ВШЭ 18 августа подробнее разберём все четыре блока, покажем атаку на корпоративного ИИ-ассистента и начнём собирать паспорт вашей системы. Зарегистрироваться на вебинар 🛡

ИИ-агенты изменят десятки существующих профессий? 👀 58% участников исследования Microsoft Work Trend Index 2026 уже выполняют с помощью нейросетей задачи, с которыми не смогли бы справиться год назад. При этом только 26% отмечают, что руководство объясняет, какую роль ИИ должен играть в работе компании и как будут меняться обязанности сотрудников. Главным вопросом для бизнеса сейчас становится то, кто будет выстраивать совместную работу людей и ИИ-агентов, и станет ли это отдельной профессией или частью уже существующих ролей? 🗒 Спросили об этом Анастасию Зальцман, HRD MWS AI:

По моим наблюдениям, компании редко начинают с идеи создать новую профессию или отдельную команду по управлению агентами. Обычно всё начинается с конкретного процесса, который отнимает у сотрудников слишком много времени, например, работа с документами или массовый найм. Когда часть операций берёт на себя ИИ-агент, ценность специалиста постепенно смещается от простого исполнения к предметной экспертизе. Человеку нужно сформулировать критерии хорошего результата, увидеть ошибку, учесть контекст и принять финальное решение. Поэтому работа с агентами, скорее всего, станет не отдельной профессией, а новым слоем компетенций внутри самых разных должностей.

🗒 А как это выглядит на практике, рассказал Пётр Новиков, директор по продукту MWS AI Agents Platform:

Внедрение ИИ-агента быстро перестаёт быть задачей одной команды или одного специалиста. Бизнес определяет цели и критерии результата, отраслевые эксперты передают контекст и правила, ИТ подключает корпоративные системы, а ИБ отвечает за доступы и риски. А также после запуска каждой команде важно отслеживать качество работы агента и корректировать его работу. Чтобы компаниям не приходилось собирать для каждого агента отдельную инфраструктуру и вручную связывать всех участников процесса, мы развиваем MWS AI Agents Platform как единую среду для всего жизненного цикла агента. На платформе можно создавать и тестировать агентов, подключать их к корпоративным сервисам, объединять в системы и контролировать их работу после запуска. Это позволяет переходить от отдельных экспериментов к полноценным и управляемым бизнес-процессам.

Познакомиться и посмотреть, как MWS AI Agents Platform объединяет создание, запуск и управление ИИ-агентами в одной среде можно здесь 🤖

В этом году снова встречаемся на True Tech Champ! В новом сезоне крупнейшего ИТ-чемпионата России на одной площадке встретятся сильнейшие разработчики, студенты и школьники со всей страны. Тебя снова ждут уникальные задачи, которых не встретишь на учёбе, и нетворкинг с коллегами разных уровней в МТС Live Холле. Выбирай свой трек:

Алгоритмический трек Решай задачи, соревнуйся с лучшими и поднимайся в рейтинге.

Программирование роботов Собирай команду, программируй робособаку и робота-манипулятора, чтобы провести груз через полосу препятствий.

Общий призовой фонд — 10 250 000 рублей! Отборочный этап уже идёт: алгоритмический трек — с 8 июля по 27 сентября, программирование роботов — с 8 июля по 13 сентября. Регистрируйся и побеждай 🚀 #TrueTechEvents@truetechcommunity