Вебпрактик AI | Корпоративный ИИ
رفتن به کانال در Telegram
Рынок корпоративного ИИ глазами системного интегратора. Новости, кейсы и аналитика через фильтр реального опыта. ai@webpractik.ru
نمایش بیشترکشور مشخص نشده استدسته بندی مشخص نشده است
532
مشترکین
-124 ساعت
+17 روز
+4230 روز
در حال بارگذاری داده‌ها
کانال‌های مشابه
هیچ داده‌ای
مشکلی وجود دارد؟ لطفاً صفحه را تازه کنید یا با مدیر پشتیبانی ما تماس بگیرید.
ابر برچسب‌ها
هیچ داده‌ای
مشکلی وجود دارد؟ لطفاً صفحه را تازه کنید یا با مدیر پشتیبانی ما تماس بگیرید.
اشارات ورودی و خروجی
---
---
---
---
---
---
جذب مشترکین
اکتبر '26اکتبر '26
اکتبر '26
+63
در 1 کانال‌ها
سپتامبر '26
+134
در 29 کانال‌ها
Get PRO
اوت '26
+511
در 26 کانال‌ها
Get PRO
ژوئیه '260
در 0 کانال‌ها
Get PRO
ژوئن '26
+17
در 6 کانال‌ها
| تاریخ | رشد مشترکین | اشارات | کانال‌ها | |
| 21 اکتبر | 0 | |||
| 20 اکتبر | 0 | |||
| 19 اکتبر | +40 | |||
| 18 اکتبر | 0 | |||
| 17 اکتبر | 0 | |||
| 16 اکتبر | 0 | |||
| 15 اکتبر | 0 | |||
| 14 اکتبر | 0 | |||
| 13 اکتبر | 0 | |||
| 12 اکتبر | +1 | |||
| 11 اکتبر | 0 | |||
| 10 اکتبر | 0 | |||
| 09 اکتبر | 0 | |||
| 08 اکتبر | +5 | |||
| 07 اکتبر | +6 | |||
| 06 اکتبر | 0 | |||
| 05 اکتبر | +1 | |||
| 04 اکتبر | +1 | |||
| 03 اکتبر | +1 | |||
| 02 اکتبر | +1 | |||
| 01 اکتبر | +7 |
پست‌های کانال
💬 #БизнесСреда с Александром Букуровым, основателем и директором Вебпрактик
Anthropic учит ИИ работать с «железом»: представлен стандарт MHS
Anthropic выпустила исследовательскую версию Model Hardware Standard (MHS). Это единый протокол, через который ИИ-модели смогут напрямую управлять физическим оборудованием: роботами, камерами, микроскопами, лазерами. Об этом пишет SecurityLab со ссылкой на анонс компании.
Проблема, которую решает стандарт, знакома любому, кто собирал сложную установку из устройств разных производителей: каждое требует своего «переходника» и отдельного кода. MHS вводит общий формат команд и обмена данными по сети. По оценке Anthropic, настройка экспериментальных систем, которая занимала недели и месяцы, в ряде случаев сократится до часов.
Важная деталь: ИИ для работы MHS не обязателен, оборудованием можно управлять через командную строку или API. Но при подключении модели через MCP появляется управление на естественном языке. В демонстрациях Claude калибровал лазер, проверяя результат через камеру, фокусировал микроскоп и выбирал участок для исследования. Роботизированная рука по его командам подняла банку без предварительного обучения этому действию.
Отдельно продуман вопрос безопасности: каждое устройство передаёт модели свои характеристики — массу, рабочий диапазон, доступные настройки и ограничения. Сейчас стандарт тестируют с первыми партнёрами, среди них AWS, Hugging Face, Raspberry Pi и Universal Robots. После предварительного этапа MHS планируют сделать открытым и не привязанным к конкретной модели.
Корпоративному сектору пока рано ждать готовых решений. Но уже сейчас стоит провести инвентаризацию оборудования: какие устройства имеют API или сетевой интерфейс, а какие управляются только вручную или через закрытое ПО. Логичные первые кандидаты — повторяющиеся операции с понятными критериями результата: калибровка, контроль качества по камере, лабораторные замеры. Если планируете закупки, закладывайте в требования открытые интерфейсы управления. Через год-два это может решить, подключите вы агента за неделю или будете полгода писать интеграции.💜 Telegram 🔴 MAX 🔴 Дзен
| 2 | ИИ в госсекторе: чат-боты создают видимость цифровизации, но процессы пока не меняются
Правительства по всему миру активно осваивают искусственный интеллект, однако большинство проектов пока не идут дальше внедрения чат-ботов. Как пишет «Эконс» со ссылкой на исследование Всемирного банка, охватившее ведомства в 60 странах, в 44% случаев внутреннее применение ИИ сводится к персональным ассистентам для рутинных поручений, а две трети организаций (66%) ограничились диалоговыми окнами для справок гражданам.
Госсектор повторяет классическую корпоративную ошибку. Чат-бот на портале облегчает навигацию и отвечает на простые вопросы пользователей, а генеративный сервис на компьютере чиновника ускоряет подготовку отчетов. При этом сама логика оказания госуслуг остается прежней: между ведомствами данные переносят вручную, весь путь от запроса гражданина до готового решения не становится быстрее.
Проблема не только в выборе инструментов, но и в готовности инфраструктуры.
- Разобщенность информации. 70% ведомств называют качество и фрагментированность баз данных ключевым препятствием для работы алгоритмов.
- Регламенты отстают. 75% госорганизаций оплачивают сотрудникам доступ к ИИ-инструментам, но правила работы с ним утвердили лишь 39%.
- Интеграции нет. Если ИИ не соединен с внутренними базами, сотрудникам приходится вручную копировать сведения из одной программы в другую.
Исключением стала налоговая сфера: почти в половине стран для нее создают специализированные ИИ-системы под конкретные задачи ведомства. Здесь алгоритмы могут работать не только с запросами пользователей, но и с большими массивами финансовых данных — например, помогать выявлять закономерности и проверять сведения.
Один из любопытных выводов исследования: госорганы чаще применяют ИИ-технологии для внутренней работы, чем для улучшения услуг гражданам.
💜 Telegram 🔴 MAX 🔴 Дзен | 54 |
| 3 | بدون متن... | 69 |
| 4 | Publicis отдает четверть офисной рутины ИИ-агентам
Французский рекламный гигант Publicis Groupe (114 тысяч сотрудников) рассчитывает автоматизировать 25% однотипных операций с помощью автономных агентов. Заявление главы холдинга Артура Садуна приводит Sostav.
План разбили на два понятных шага. Сначала базовым инструментам обучили свыше 90% штата, запустив образовательные программы вместе с Microsoft. Следующий шаг — агентный: передать алгоритмам механическую работу, чтобы люди сосредоточились на клиентах.
Сокращать команду холдинг не собирается: автоматизация окупается ростом выручки на сотрудника, а сэкономленный ресурс идет на масштабирование бизнеса.
Показательный пример для крупного бизнеса: внедрение ИИ начинается с массовой цифровой грамотности сотрудников, а агентные сценарии усиливают растущую команду, а не заменяют её.
💜 Telegram 🔴 MAX 🔴 Дзен | 134 |
| 5 | بدون متن... | 136 |
| 6 | بدون متن... | 128 |
| 7 | بدون متن... | 144 |
| 8 | بدون متن... | 116 |
| 9 | 2,8% против 9,8% ВВП: почему отдача от генеративного ИИ упирается в перестройку процессов
Внедрение генеративного ИИ способно добавить к российскому ВВП от 2,8% до 9,8% к 2030 году в зависимости от сценария интеграции. К такому выводу пришли аналитики Центра макроэкономических исследований «Сбера» в исследовании трансформации рынка труда и производительности.
Разница между сценариями — более чем в три раза — определяется не качеством базовых нейросетей, а глубиной их внедрения в операционную деятельность компаний:
- Первый режим (2,8% ВВП) — локальное применение: сотрудники используют ассистентов для ускорения персональной рутины, но архитектура процессов и цепочки взаимодействия не меняются. При таком подходе прирост производительности труда остается ниже 1,5% в год.
- Второй режим (до 9,8% ВВП) — процессная перестройка: компании пересобирают сквозные производственные и бизнес-процессы, передавая функции координации, валидации и выполнения задач автономным системам.
Как отмечают авторы исследования, эффект от использования генеративного ИИ упирается в границу персональной эффективности. Чтобы выйти на верхнюю планку отдачи, бизнесу необходим переход от точечных экспериментов к системной интеграции — пересмотру ролей сотрудников, подготовке закрытых корпоративных данных и объединению ИИ-агентов с существующими ИТ-контурами предприятий.
💜 Telegram 🔴 MAX 🔴 Дзен | 259 |
| 10 | بدون متن... | 255 |
| 11 | 💬 #БизнесСреда с Александром Букуровым, основателем и директором Вебпрактик
Главный барьер для ИИ в компании — не модели, а мышление сотрудников
На этой неделе прочитал серию постов эксперта, который изнутри ведёт трансформацию в крупном банке. Главная мысль серии совпадает с тем, что мы видим почти в каждом проекте внедрения: GenAI-революция упирается не в технологии, а в людей.
Он опирается на идею fixed и growth mindset. Человек с фиксированным мышлением «хочет знать, но не хочет узнавать». Он ищет волшебную кнопку: просит инструкцию, потом видеоурок, потом ещё один курс, и в итоге время на обучение просто заканчивается.
Самое неудобное в этих постах — признание, что такое мышление годами выращивали сами компании. Повышали за накопленную экспертизу и знание «как здесь принято». За «я не знаю» наказывали, за уверенность премировали.
ИИ этот контракт разрывает: всё стандартизированное автоматизируется, а ценными становятся умение пересобирать свои представления и готовность терпеть дискомфорт от того, что «я пока не понимаю».
Что я вижу как интегратор:
1. Две компании покупают одно и то же решение, а результаты отличаются в разы. Разница почти всегда в людях, а не в технологии.
2. Агент, которому сотрудники не доверяют и который им неинтересен, через три месяца тихо перестают использовать, и проект записывают в «неудачные».
3. Хорошо идут те внедрения, где у заказчика есть хотя бы несколько любопытных людей, которые сами разбираются в инструменте, ошибаются и учат остальных.
Есть и обратная сторона. Недавно мы писали о кейсе Valon: там новичкам запретили пользоваться ИИ, пока они не освоят работу. Противоречия нет. LLM снижает стоимость входа в любую тему почти до нуля, но проверить ответ модели может только тот, кто готов разобраться сам, а не просто получить результат.
Мне близок вывод эксперта: сеньорность теперь определяется не объёмом накопленного опыта, а готовностью его переписать.
Мы в Вебпрактик пошли дальше и сделали под эту задачу отдельный HR-продукт — TalentMind. Он с помощью ИИ анализирует интервью и уже на входе помогает найти людей с высоким потенциалом к развитию, которые органично впишутся в культуру компании. Продукт активно развивается на российском и международном рынках (talentmind.app).
Поэтому, если вы планируете внедрять ИИ, начните с вопроса не «какую модель выбрать», а «кто в команде будет с интересом с ней разбираться». А ещё лучше — заранее нанимайте таких людей.
Как у вас: сотрудники сами осваивают ИИ-инструменты или ждут, когда им всё объяснят? 👇
💜 Telegram 🔴 MAX 🔴 Дзен | 261 |
| 12 | بدون متن... | 257 |
| 13 | بدون متن... | 238 |
| 14 | Гонка за числом параметров в фундаментальных моделях постепенно уступает место борьбе за экономику вычислений.
В колонке для «Известий» исполнительный директор Ассоциации больших данных Алексей Нейман разбирает, почему масштабирование «в лоб» упирается в бюджеты и как меняется технологический стек.
В центре внимания — архитектура Mixture of Experts, где модель хранит сотни миллиардов параметров, но на каждый запрос активирует лишь малую часть. На примерах решений от Google, Z.ai и недавнего релиза от «Яндекса» автор показывает общий сдвиг: критичным становится не номинальный размер сети, а объем активных вычислений на один токен.
Для корпоративного сектора этот переход принципиален в сложных сценариях. В длинных цепочках и мультиагентных пайплайнах, где одна бизнес-задача требует десятков обращений к модели и внешним инструментам, разница в стоимости запроса начинает напрямую определять окупаемость внедрения. Полный разбор смены парадигмы — в первоисточнике.
💜 Telegram 🔴 MAX 🔴 Дзен | 268 |
| 15 |  Нормативно-правовое регулирование стало главным препятствием для масштабирования проектов в области ИИ: на него указали 40% участников международного исследования консалтинговой компании BearingPoint. Об этом сообщает Reuters. Вторым по значимости барьером топ-менеджеры назвали интеграцию с устаревшими ИТ-системами — эту проблему отметили 34% опрошенных.
В опросе приняли участие 1050 руководителей высшего звена из 13 стран Европы, США и Китая. При этом почти три четверти компаний, внедривших ИИ, заявили о получении ощутимой финансовой отдачи за счет роста выручки или сокращения расходов.
Несмотря на положительный финансовый результат, масштабировать проекты удается единицам: лишь 13% участников смогли развернуть свои решения в полном соответствии с исходным бизнес-планом. Большинство организаций либо скорректировали первоначальные планы, либо внедрили технологии в меньшем объеме, а менее трети опрошенных смогли выйти за пределы стадии пилотов.
Здесь регулирование и интеграция связаны на практике. Чтобы ИИ работал с корпоративными данными и участвовал в принятии решений, недостаточно проверить качество ответов модели. Нужно определить, к каким данным у неё есть доступ, как фиксируются действия системы, кто проверяет результат и как он попадает в существующий процесс. Именно на этом этапе требования к управлению рисками становятся частью архитектуры внедрения, а не отдельной формальностью после запуска.
💜 Telegram 🔴 MAX 🔴 Дзен | 275 |
| 16 | بدون متن... | 261 |
| 17 | بدون متن... | 261 |
| 18 | بدون متن... | 280 |
| 19 | ИИ-стартап запретил сотрудникам-новичкам пользоваться ИИ
Интересный кейс американского ИИ-стартапа Valon. Компания разрабатывает программное обеспечение для обслуживания ипотеки с помощью ИИ-агентов. Но большинству новых сотрудников предлагает сначала освоить работу без ИИ. Ограничение касается и опытных специалистов, которые только пришли в компанию, пишет Business Insider.
Глава Valon Эндрю Ван ввёл правило после того, как заметил: сотрудники обращались к самым дорогим моделям даже с простыми задачами. Когда он спрашивал зачем, ему отвечали, что ИИ «почти всегда прав». Вана беспокоили не только расходы, но и то, смогут ли сотрудники разобраться в своей работе и заметить ошибку модели.
Новые сотрудники смогут пользоваться ИИ, когда руководитель убедится, что они разбираются в своей работе настолько, чтобы заметить ошибку модели. Инженеров правило не касается: их код перед выпуском проверяют коллеги, поэтому результат ИИ в любом случае не остаётся без дополнительного контроля. В финансах и HR, по словам главы Valon, аналогичной процедуры проверки нет.
Руководитель ожидает, что такая стратегия приведет сокращению годовых расходов компании на токены примерно с $15–20 млн до $4–5 млн.
💜 Telegram 🔴 MAX 🔴 Дзен | 239 |
| 20 | بدون متن... | 215 |
