Битубитех от Яндекса
Разбираемся, как технологии делают компании и их сотрудников более продуктивными https://b2btech.yandex.ru 💬 Наш чат https://t.me/+wTccheNAgMpmYzZi
Show more📈 Analytical overview of Telegram channel Битубитех от Яндекса
Channel Битубитех от Яндекса (@yab2btech) in the Russian language segment is an active participant. Currently, the community unites 12 979 subscribers, ranking 9 478 in the Technologies & Applications category and 50 004 in the Russia region.
📊 Audience metrics and dynamics
Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 12 979 subscribers.
According to the latest data from 08 September, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by 2 141 over the last 30 days and by 36 over the last 24 hours, overall reach remains high.
- Verification status: Verified (Officially confirmed by Telegram)
- Engagement rate (ER): The average audience engagement rate is 12.42%. Within the first 24 hours after publication, content typically collects 4.21% reactions from the total number of subscribers.
- Post reach: On average, each post receives 1 612 views. Within the first day, a publication typically gains 547 views.
- Reactions and interaction: The audience actively supports content: the average number of reactions per post is 16.
- Thematic interests: Content is focused on key topics such as yandex, b2b, microsoft, чип, аналитика.
📝 Description and content policy
The author describes the resource as a platform for expressing subjective opinions:
“Разбираемся, как технологии делают компании и их сотрудников более продуктивными
https://b2btech.yandex.ru
💬 Наш чат https://t.me/+wTccheNAgMpmYzZi”
Thanks to the high frequency of updates (latest data received on 09 September, 2026), the channel maintains relevance and a high level of publication reach. Analytics show that the audience actively interacts with content, making it an important point of influence in the Technologies & Applications category.
Алиса AI для бизнеса — это готовое решение: сразу приступить к работе с ней может любой человек. Обращаться к ней можно так же, как к коллеге. Не потребуются ни навыки программирования, ни умение писать сложные запросы. 〰️ Для типовых задач есть готовые плагины. Например, Алиса AI для бизнеса готова простым языком объяснить суть сложного юридического документа или запланировать встречу команды и создать событие в календаре. 〰️ В режиме Задачи возможности ассистента шире. ИИ-ассистент может выполнять цепочки действий и взаимодействовать со сторонними сервисами. К примеру, Алиса AI для бизнеса может анализировать запись встречи, извлекать ключевые детали и ставить задачи ответственным. Также ИИ-ассистент может помочь собрать финансовые документы воедино по разрозненным счетам и договорам или найти повторяющиеся проблемы в обращениях клиентов. Чтобы познакомить его с внутренними инструкциями и научить понимать специфику бизнеса, достаточно показать базу знаний. Её можно создать с нуля или использовать готовую, например на Диске.🌀 Безопасность ИИ-ассистент работает в полностью контролируемой среде, где администраторы управляют разрешениями на использование данных. Алиса AI для бизнеса может самостоятельно запрашивать информацию, нужную для решения задачи, в сторонних источниках, например других корпоративных сервисах. Но она делает это только с согласия пользователя — после того, как ей выдадут разрешение. ➡️ Планы на будущее В дополнение к готовому решению Алиса AI для бизнеса в ближайшем будущем в Yandex Cloud появится настраиваемое. Оно пригодится компаниям с дополнительными требованиями к безопасности и хранению данных. Они смогут использовать ассистента по гибридной модели или развернуть его во внутренней инфраструктуре организации. Также в этой версии можно будет создавать собственные навыки и плагины. Подписывайтесь 👉 @yab2btech и поддержите наш канал по ссылке.
Трём агентам на базе Claude дали доступ к одному и тому же проекту, но с несовместимыми инструкциями («мигрировать» один и тот же Python-бэкенд на свой язык программирования) и без предупреждения о существовании друг друга. Каждый из агентов решил, что другие намеренно мешают его работе, и начал саботаж — вплоть до всё более вредоносного кода и отключения аккаунтов друг друга. Самой миролюбивой оказалась модель Mythos 5: в 98% случаев она писала извиняющиеся commit-сообщения и пыталась договориться о перемирии, а также просила человека вмешаться. Тогда как Sonnet 4.6 и Opus 4.6 предпочитали решать конфликт силой. Не обошлось без подковёрных интриг. Например, Mythos 5 предложила провести турнир, чтобы определить победителя, при этом критерии оценки были выгодны ей самой.👓 Эксперимент № 2: провалы из-за конформизма
Затем ИИ-агентам дали роль конкурирующих продавцов на условном рынке и поставили задачу максимизировать прибыль своей «компании». При этом они могли общаться друг с другом в «общем чате», чтобы договариваться об условиях. В итоге агенты сразу сговорились о минимальной цене и держали её, даже когда канал связи отключили, подглядывая в прайс-листы «конкурентов».👀 Эксперимент № 3: доверие и обман
Исследователи протестировали способность агентов распознавать ложь и правильно взвешивать чужую информацию. Когда агент получал противоречивые сведения от нескольких «коллег», Mythos 5 принимала правильные решения в 85% случаев, а Sonnet — в 62%. Затем информацию перераспределили: у всех агентов была общая информация, которая подталкивала к неверному решению, а важный инсайт знал только один. В итоге модели поверили мнению большинства: групповая точность была всего 17–36%, тогда как «в одиночку» и со всеми нужными данными агент справлялся почти со 100% точностью. Авторы пришли к выводу: агентам не хватает социальных инструментов (репутации, доверия, механизмов проверки). У людей они вырабатывались тысячелетиями и помогают скептичнее относиться к разным источникам.✏️ Какие выводы стоит сделать бизнесу 1️⃣ Тестировать агентов нужно не только по одному, но и в группах. Иначе конфликтующие или похожие настройки могут привести к неожиданным результатам. 2️⃣ В мультиагентных сценариях (закупки, ценообразование, HR) стоит закладывать защиту от случайного сговора — по аналогии с антимонопольными рисками в законодательстве. 3️⃣ Чем больше агентов взаимодействует между собой, тем важнее человеческий контроль и чёткие протоколы на случай эскалации и системных сбоев. Подписывайтесь 👉 @yab2btech и поддержите наш канал по ссылке.
🔴 Использование токенов в мире, по прогнозу Goldman Sachs, вырастет с 6 до 120 квадриллионов за три года, то есть в 20 раз. 🔴 Google в 2026 году обрабатывает 3,2 квадриллиона токенов в месяц — это в 330 раз больше, чем два года назад. 🔴 Anthropic за I квартал 2026 года вместо запланированного 10-кратного роста использования токенов получил 80-кратный, что перегрузило собственные вычислительные мощности компании. 🔴 Расходы на ИИ в 2026 году превысят $800 млрд. При этом лишь 23% руководителей видят в нём устойчивую бизнес-ценность в масштабах всей компании. Некоторые компании сжигают годовой ИИ-бюджет за один квартал.📖 Как токеномика может помочь? Как управленческая бизнес-дисциплина, она позволяет: 〰️ отслеживать потребление токенов на уровне конкретных задач и рабочих процессов 〰️ определять пороги ROI, которые нужно преодолеть, прежде чем запускать новую ИИ-инициативу 〰️ выявлять и контролировать «теневой ИИ» — несанкционированное использование сотрудниками сторонних инструментов. 📌 Есть простой пример? В Oracle приводят такой: компания внедрила HR-чат-бота для сотрудников, который на каждый простой вопрос (например, «сколько у меня осталось отпускных дней?») подтягивает весь 50-страничный кадровый регламент целиком. В итоге расходы на токены многократно выросли, сливая бюджеты на ИИ впустую. Проблему можно решить, настроив бот так, чтобы он доставал только релевантный фрагмент документа. ✏️ Что делать бизнесу прямо сейчас? Перестать считать ИИ фиксированной статьёй расходов по аналогии с лицензиями на софт, а рассматривать его как систему с переменными издержками, требующую регулярного контроля. Подписывайтесь 👉 @yab2btech и поддержите наш канал по ссылке.
🔴 ИИ-инфраструктура постепенно переходит в разряд капитальных затрат. Её стоит закладывать как стратегическую инвестицию для перевода ИИ из пилотных проектов в промышленную эксплуатацию. 🔴 Растущий инференс более требователен к инфраструктуре, чем обучение: нужны более высокая производительность и масштабируемость, а также более низкие задержки. Традиционные облака не всегда рассчитаны на это, поэтому стоит обратить внимание на специализированных провайдеров. 🔴 На фоне роста спроса компании всё активнее переходят к гибридным моделям: когда публичное облако дополняется частным, а также локальной и edge-инфраструктурой. Такой подход помогает эффективнее управлять затратами, задержками и требованиями к размещению данных. 🔴 Чем активнее агентные системы встраиваются в рабочие процессы, тем больше внимания требуют вычислительные мощности, управление данными, безопасность и контроль расходов. Это становится важнейшим фактором для скорости масштабирования ИИ в компании.Подписывайтесь 👉 @yab2btech и поддержите наш канал по ссылке.
