GlowByte Journal

GlowByte и «Дикси»🛒: миграция на Sigla Vision ускорила аналитику в 2 раза 📈 В РБК рассказали, как федеральная сеть «Дикси» при поддержке GlowByte провела миграцию бизнес-отчетности с Power BI на российскую платформу Sigla Vision. Результат – сокращение цикла разработки дашбордов с 210 до 112 дней (ускорение на 47%). 🧮 Что было: 🟠558 активных пользователей в месяц; 🟠155 дашбордов; 🟠средний TTM (time‑to‑market) – 210 дней; 🟠показатель удобства использования (CES) – 3,5 из 5. 💻 Результаты к середине 2026 года⤵️ ➡️ Более 20 дашбордов перенесено силами заказчика. ➡️ TTM сократился с 210 до 112 дней. ➡️ Показатель удобства использования вырос до 3,8. ➡️ В системе – 2 871 магазин. ➡️ Завершение миграции всех объектов – к концу 2026 года. Параллельно «Дикси» тестирует применение искусственного интеллекта поверх Sigla Vision – помощника, который формирует готовые инсайты и рекомендации по запросу руководителя в формате диалога. 💬 🔗 Читать кейс

💡 От человека-энциклопедии ➡️ к человеку, который решает. Разбор новой роли лидера в эпоху ИИ Модель уже знает больше вас, считает быстрее и пишет глаже с первого раза. Если ваша ценность как руководителя держалась на эрудиции и скорости – эта ставка проиграна. 📝 Ваша работа теперь — спроектировать, где суждение остается за человеком, а где исполнение, координацию и сбор фактов можно и нужно передать агентам.

Вот портрет когнитивного лидера новой формации: меньше всезнания, больше суждения, готовности к управляемому риску и постоянного обучения

Ниже – разметка новой роли: что обесценилось, что подорожало и где проходит граница, которую нельзя делегировать. ⬇️ 📉 Что подешевело: 🟠эрудиция и память на факты; 🟠скорость рутинного анализа; 🟠гладкость формулировок; 🟠«диспетчерская» координация ⤵️

(по данным HBS, доступ разработчиков к Copilot сместил работу от управления проектами к содержательным задачам – доля кодинга выросла на 5%, доля проектной координации упала на 10%)📊

📈Что подорожало: 🟠суждение: решить, чему верить, а что оспорить; 🟠ответственность за необратимое – ИИ «знает почти все о прошлом и ничего о будущем» (HBR); 🟠умение задать правильный вопрос, а не получить гладкий ответ; 🟠оркестрация агентных команд. ⚠️ Главная ловушка – не делегирование задач, а делегирование суждения WEF называет это «парадоксом надзора»: частые проверки незаметно вырождаются в формальное одобрение, а человек по инерции кивает на рекомендацию агента (automation bias). Простой тест: если согласующий не может вспомнить, когда в последний раз отклонил рекомендацию ИИ — контроля уже нет. 📌 Что сделать в понедельник Час времени, без больших трансформаций: выписать решения, которые не делегируются ИИ – необратимые, ценностные, репутационные, меняющие судьбу конкретного человека. Все остальное – можно отдавать агентам по мере накопления статистики качества. ✔️ Назовите одно решение, суждение по которому вы не отдадите ИИ, даже если он справится быстрее – и сформулируйте почему. Это и есть граница вашей новой роли. 🔗 Подробнее — в статье по ссылке #иинапальцах

📣«Мы начали принимать стратегические решения на основе данных»: интервью c АО «Полиэкс» и GlowByte о внедрении PIX BI Недавно мы рассказали о совместном проекте с компаниями «Полиэкс» и PIX BI о построении аналитической платформы (почитать можно тут 📰). Однако любое описание внедрения неизбежно остается обобщенным: за этапами и сроками теряются мотивы решений, организационные нюансы и живая обратная связь от бизнеса. Поэтому мы решили перевести деловой язык на человеческий и записали живое интервью с участниками проекта по внедрению PIX BI в АО «Полиэкс». 🎙 Герои выпуска: 👨‍💻Роман Прохоров, руководитель проектов, GlowByte. 👩‍💻 Арина Бортникова, ведущий аналитик службы стратегического развития, АО «Полиэкс». О чем говорили: ✅ Как база знаний выросла в полноценную аналитическую платформу❓ ✅ Что случилось, когда генеральный директор случайно зашел в переговорную и увидел дашборды❓ ✅ Почему выбрали именно PIX BI — и при чем тут импортозамещение❓ ✅ Как визуализация помогла увидеть новые точки роста там, где раньше были просто таблицы❓ ✅ Почему руководители теперь просят не «дайте таблицу», а «давайте посмотрим дашборд»❓ 🔗 Читать интервью

🚀 GlowByte, Data Sapience и СК «Гелиос»: новый уровень автострахования Страховая компания «Гелиос» совместно с интегратором GlowByte завершила внедрение интеллектуальной системы принятия решений для андеррайтинга КАСКО и ОСАГО на базе продукта TALYS.SDE вендора Data Sapience. 📊Что изменилось? ✅ Бизнес-пользователи самостоятельно формируют и запускают стратегии андеррайтинга в едином интерфейсе – без привлечения разработчиков. Изменения, которые раньше занимали недели, теперь реализуются за часы. ✅ Запущена ML-модель для персональной тарификации ОСАГО на Python. В отличие от табличного подхода, она анализирует весь доступный массив данных по клиенту и автомобилю, формируя справедливый индивидуальный тариф. 🎮 Что это дает клиентам? ➡️ Более быстрое рассмотрение заявок; ➡️ Гибкий и персонализированный подход к расчету стоимости полиса; ➡️ Аккуратные водители получают точную индивидуальную оценку риска и справедливую цену. 💡 Почему это важно Проект стал одним из первых в сегменте небольших страховых компаний, где система принятия решений промышленного класса внедрена в полном объеме. В планах – масштабирование инструментов на другие виды страхования, а также расширение числа ML-моделей для повышения конверсии и улучшения работы с оттоком клиентов.

Андрей Педоренко, заместитель генерального директора по информационным технологиям, СК «Гелиос»: «Внедрение системы принятия решений — это не просто автоматизация процесса. Прежде всего, это инвестиция в качество клиентского сервиса. Это переход к управляемой, прозрачной и масштабируемой логике андеррайтинга, где каждое решение можно объяснить, изменить и проверить. Для нас это фундамент для роста: теперь мы можем запускать новые стратегии в разы быстрее и точнее реагировать на изменения рынка».

Карен Амбарцумов, исполнительный директор практики решений для страховых компаний и НПФ, GlowByte: «Особенность этого проекта в том, что мы решали сразу две задачи: автоматизировали процесс принятия решений и дополнили классическую тарификацию персонализированной моделью машинного обучения (ML). Теперь в компании развернут полноценный интеллектуальный контур андеррайтинга, где для решения используется вся доступная информация, а процесс становится прозрачным и управляемым . Крупные страховщики инвестируют в системы принятия решений уже несколько лет. «Гелиос» доказал, что небольшая компания способна быстро и качественно выстроить андеррайтинг того же технологического уровня. Такой подход меняет расстановку сил на рынке автострахования».

🔗 Читать новость

⚖️ Госдума приняла закон об ИИ. Теперь главное – прочитать его правильно 📌 8 июля Госдума приняла первый в истории страны базовый закон об искусственном интеллекте. С 1 сентября 2026 года в российском праве появятся категории «суверенной» и «национальной» модели, требование хранить данные внутри страны и меры поддержки для отечественных разработок. 📖 Читать это стоит не как финал, а как начало: в российской правовой традиции норма обретает реальную силу в порядке ее применения. Многое намеренно оставлено рамочным – критерии статусов, реестры, уровни риска уехали в подзаконные акты. Это не недоработка, а пространство, где бизнес может участвовать в настройке правил. И место в этом диалоге разумно занимать заранее. ❗️Но за юридической рамкой – вопрос глубже: зачем вообще суверенитет в ИИ. Языковая модель – не калькулятор, а носитель картины мира, и она незаметно сдвигает взгляды тех, кто с ней работает. Суверенитет компании – это знание, на чьих слоях стоит ее ИИ. Слои суверенитета: честная карта⬇️ 1️⃣ Вычисления – где мы отстаем

Говоря прямо: Россия не в первом эшелоне. США и Китай вместе держат 90% передовых вычислительных мощностей мира. Внутри страны стоимость GPU-вычислений за год выросла на 64%, и лишь 9% компаний довели долю отечественного «железа» хотя бы до половины. Слой самый капиталоемкий – трезвая стратегия для большинства – аренда с диверсификацией, а не стройка.

2️⃣ Модели и данные – где мы сильны

Россия – одна из немногих стран с собственными моделями полного цикла, и в корпоративном сегменте они нередко лидируют. Данные – единственный слой, который нельзя арендовать, а у крупного бизнеса здесь давняя дисциплина. Плюс недооцененная ниша – языки народов России, которые глобальные модели покрывают слабо.

3️⃣ Бизнес-слой – где наибольший потенциал

Обвязка, агенты, архитектуры, процессы. Наименее заметный слой – и самый перспективный. Свежие работы показывают: улучшение одной лишь обвязки вокруг модели, при неизменной самой модели, поднимает результат в полтора раза и больше. Интеллект системы все меньше живет в весах и все больше – в том, что вокруг них. Этот слой не требует триллионов, не зависит от санкций на чипы и не регулируется реестрами. Чужой может быть модель, но обвязка, агенты и процессы всегда ваши.

🔖 Три спокойных шага до 1 сентября: 1️⃣ Сверить портфель с категориями закона – какие системы опираются на модели, которым понадобится статус. 2️⃣ Составить карту зависимостей по слоям (данные, контур, веса, обвязка, качество). По ролям: статусы и подзаконные акты – юристы и GR (взаимодействие с госорганами), карта – CIO (ИТ-директор), данные и копирайт-окно – CDO (директор по данным), сценарии замены – риски и ИБ. 3️⃣ Вписать ИИ в планы непрерывности – у критичного процесса должен быть свой контур или горячий сценарий перехода. 💡Главное Закон стоит встретить без придыхания и без скепсиса – как продуманный шаг долгой государственной линии; его настоящее содержание сложится в порядке применения, и у бизнеса есть время участвовать в этой настройке. 🔗 Подробнее – в статье по ссылке #иинапальцах

💻 Вебинар: Как объединять данные с партнерами без риска для бизнеса? Часто самые ценные инсайты лежат на стыке наших данных и данных партнеров (например, для совместного скоринга, кросс-маркетинга, антифрода или построения общих моделей). Но передавать друг другу чувствительную информацию напрямую – это всегда компромисс: регуляторные риски, угроза утечки и потеря коммерческой тайны. 🔥 Появились технологии, которые позволяют «анализировать данные вместе, не видя самих данных». Звучит как магия, но это уже реальность. Однако главный барьер сейчас – не IT, а ответы на бизнес-вопросы: ➡️ Как правильно оценить риски такого объединения? ➡️ Кто отвечает за сохранность данных: мы, партнер или вендор? ➡️ Как встроить этот подход в правовое поле компании? 🔴 15 июля в 16:00 (МСК) мы собираем экспертный онлайн-разговор, чтобы обсудить именно эти практические, организационные и юридические аспекты. Коллеги из Ассоциации больших данных поделятся опытом и реальными подходами, а затем мы проведем широкую дискуссию. Это будет полезно и data science специалистам, и тем, кто отвечает за развитие бизнеса, данные, комплаенс и юридическую безопасность. 🗓 Дата: 15 июля 2026, 16:00 МСК 📍 Где: Яндекс Телемост 🚩 Сохраняйте в календари и пересылайте коллегам, кому эта тема может быть важна. Будем рады видеть вас на встрече!

🛡 Технологии под защитой: в GlowByte состоялась встреча экспертного сообщества BGP Litigation 30 июня в офисе GlowByte прошла встреча резидентов IP-клуба BGP Litigation ⚖️ – профессионального сообщества, объединяющего экспертов в области интеллектуальной собственности. Кто участвовал: руководители юридических подразделений, ведущие юристы и признанные эксперты из системообразующих компаний ритейла, фармацевтики, IT и финансов. В центре обсуждения: ➡️ управление нематериальными активами, ➡️ специфика разработки и вывода на рынок коробочных программно-аппаратных комплексов, ➡️ правовые нюансы ИТ-отрасли. Эксперты GlowByte Мария Исупова (руководитель направления юридического сопровождения бизнеса ГК GlowByte) и Юлия Пинчук (юрисконсульт ГК GlowByte) представили доклад «ИТ-аккредитация по новым правилам». 🔈 Спикеры рассказали о требованиях к аккредитации, ключевых льготах и условиях программы в рамках инициативы Минцифры по вовлечению бизнеса в развитие ИТ-образования. 🏢 Завершилась встреча экскурсией по офису GlowByte. Гостям показали функциональные зоны и дизайн-концепцию пространства. 🔗 Читать новость

Конец “структурного одиночества”: зачем ритейлу ИИ-напарники Категорийный менеджер в крупной сети – это человек-оркестр. Ассортимент, цены, промо, переговоры с поставщиками, план по марже – и все это в режиме 24/7. При этом данных вокруг море: хранилища, дашборды, ERP, WMS, BI… А толку? Менеджер все равно превращается в «человеческий API»: вручную собирает метрики из 15 вкладок и принимает решения в условиях жесткого дефицита времени. 📝 Эксперт GlowByte Алексей Чванов в новой статье для РБК разбирает, почему классическая автоматизация больше не спасает и как ритейл переходит в четвертую эпоху – эпоху ИИ-напарников. ℹ️ ИИ-напарник — персональный цифровой ассистент, который знает ваш контекст, KPI, историю решений и даже помнит, почему вы отказали поставщику X в прошлом квартале. В чём магия❓ Напарник работает в корпоративном мессенджере, на естественном языке. Вы спрашиваете: «Почему упала маржинальность по молочке в Сибири?» — а он уже собирает фактуру, проверяет гипотезы и приносит готовый ответ. И да, любые критические действия — только после вашего подтверждения.💬 Бизнес-эффекты: 🔘 Время реакции на аномалию – с дней до минут. 🔘 Лучшие практики топ-менеджеров оцифровываются и масштабируются на всю команду. 🔘 Переговорные досье формируются автоматически, с подсветкой всех слабостей контрагента. 🔘"Лишние" доли процента скидки на оборотах в сотни миллиардов – это десятки и сотни миллионов чистой прибыли. ✅ Корпоративная мультиагентная платформа – это легальная альтернатива "теневому ИИ" (Shadow AI). Никаких ChatGPT на личных устройствах, все безопасно и под контролем.🛡 В 2026 году это уже не футурология, а инженерная задача. Менеджер наконец перестает быть диспетчером ИТ-систем и возвращается к стратегии и управлению бизнесом. 🔗 Читать статью полностью

🤖 Агентный ИИ буксует не из-за модели, а из-за трех нерешенных управленческих вопросов По данным Bain, 80% пилотов генеративного ИИ технически работают: модель отвечает, документы находятся, сводка готова. Но только 23% компаний связывают их с измеримым эффектом в деньгах. Разрыв между этими показателями и есть главная проблема – и она не про качество модели, а про автономность. Но❗️ Автономность не делает ответы лучше. Она делает ошибки дороже: агент поддержки с целью «быстрее закрывать обращения» находит кратчайший путь к метрике – раздает компенсации без лимита. Метрика зеленеет, а через квартал финансы видят рост выплат. ➡️В реальном процессе автономность необходимо проектировать. Поэтому начинать нужно не с выбора модели, а с трех управленческих решений ⬇️ 1️⃣ Полномочия – что агент делает сам

Простая матрица на одну страницу: что ИИ делает сам, что только предлагает человеку, что требует согласования. На примере клиентской претензии: агент сам собирает историю и готовит черновик, предлагает вариант компенсации с обоснованием, но сама выплата – только после подтверждения сотрудника. Если такую матрицу нельзя собрать за одну сессию с юристом и безопасником – вы обнаружили не бюрократию, а нерешенный вопрос ответственности.

2️⃣ Контроль – где стоит человек

Чем выше цена ошибки, тем раньше в процессе точка подтверждения. Универсального уровня автономности нет: 1% ошибок терпим в черновике письма и недопустим в медицине, финансах, юридическом процессе или в коде (Palantir). Один и тот же агент может иметь разные права в разных областях бизнеса: в одном контуре он самостоятельно готовит аналитическую справку, в другом — только предлагает действие, в третьем — не двигается дальше без подтверждения человека. Это способ согласовать скорость с ответственностью.

3️⃣ Ответственность – кто владелец

У каждого агента, который совершает или готовит действие, должен быть владелец процесса – руководитель, отвечающий за результат, границы применения и разбор инцидентов. Без него агент в серой зоне: уже влияет на процесс, но никому не принадлежит.

ℹ️ Рынок уже движется к агентам, но осторожно. По данным Forrester, агентный ИИ внедряют 75% компаний – но больше половины признают пробелы в управлении даже при наличии формальных рамок. И на практике никто не спешит с автономией: 69% используют одиночного агента и лишь 16% – несколько скоординированных (Stack Overflow). В презентациях рынок живет в мире сложных многоагентных систем, а в проде выбирает простой и контролируемый режим – им проще управлять с точки зрения риска и ответственности. 🔖 Показателен и масштаб зрелых игроков: у Microsoft под управлением более 500 000 ИИ-агентов, через ИИ-поддержку Cisco прошло больше миллиона обращений (Bain). Вывод один: таким масштабом невозможно управлять набором промптов и энтузиазмом проектной команды – за ним всегда стоит дисциплина прав, ролей, наблюдаемости и владельцев процессов. ❓Главный вопрос корпоративного ИИ сегодня – не «какую модель купить», а «какой процесс готов к контролируемой автономности». Именно там ИИ перестает быть демо и начинает приносить деньги. 🚀 🔗 Читать статью полностью #иинапальцах

🏆GlowByte – в топ-3 поставщиков решений для анализа данных🏆 GlowByte подтвердила статус одного из ключевых игроков российского рынка больших данных и аналитики, заняв второе место 🥈 в ежегодном рейтинге агентства CNews Analytics по итогам 2025 года. На протяжении длительного периода GlowByte удерживает позиции в первой тройке, демонстрируя устойчивость бизнес-модели и высокий уровень доверия со стороны корпоративных заказчиков. ℹ️ Рынок в целом показывает позитивную динамику: совокупная выручка топ-15 участников исследования за 2025 год составила 56 млрд руб., при этом на первую пятерку приходится 43 млрд руб. (77% от общего показателя). Заказчики продолжают миграцию с зарубежных решений на отечественные, и этот процесс пока далек от завершения. При сохранении общего тренда показатели перешли в фазу более умеренного роста. Юлий Гольдберг, руководитель направления в GlowByte, связывает это с комплексом макроэкономических и инвестиционных факторов:

«Рынок рос на трендах импортозамещения и миграции крупных хранилищ данных на новые архитектуры (например, на LakeHouse), но сегодня динамика приобретает более плавный характер в силу общего замедления экономического роста в стране и сокращения инвестиций. ИИ становится дополнительным драйвером как в части развития аналитических хранилищ, так и в области бизнес-аналитики, где активно тестируются технологии генеративной бизнес-аналитики (GenBI). Прогнозы на следующие несколько лет будут всецело зависеть от геополитики и макроэкономики. Очевидно, что для ускорения разработки и продвижения отечественных аналитических технологий понадобятся значительные инвестиции», — поясняет Юлий Гольдберг.

⌛ Ключевые технологические тренды, которые мы наблюдаем: ✅ Искусственный интеллект и GenBI, ✅ Архитектура LakeHouse, ✅ S3-хранилища и Kubernetes, ✅ Аварийное восстановление (DR). 🔗 Читать новость на РБК

❓Почему документация FineBI не научит вас FineBI❓ Потому что справочник — это не учебник. Он хорош, когда вы уже знаете, что искать. А если нет — вы тонете в поиске и теряете время, вместо того чтобы работать. Александр Ларин, руководитель центра обучения и технической поддержки GlowByte, собрал для вас навигатор по миру FineBI: ✅ Официальные мануалы и Learning Center, ✅ Бесплатные видео-курсы, ✅ Русскоязычные Telegram-чаты (где отвечают быстрее поддержки), ✅ Ретриты с кейсами компаний Tele2, Циан и Уралсиб. 🖥 В статье – готовый маршрут для новичка: с чего начать, куда идти за ответом на конкретный вопрос и как не мониторить десяток площадок вручную. 🔗 Читать статью на Habr

🤖 Ассистент, агент, команда: почему корпоративный ИИ буксует не из-за модели Многие компании уже запустили корпоративный чат на топовой модели. А эффекта – нет. И причина почти всегда не в модели. Автономность сама по себе не повышает качество ответа. Она повышает цену ошибки – если процесс, данные и права к ней не готовы. Отсюда простое правило: начинать не с выбора большой языковой модели (LLM), а с классификации кейса. Уровней всего три ⬇️ 1️⃣ Ассистент – ускоряет человека Отвечает, обобщает и резюмирует, пишет черновик. Инициатива и ответственность – у сотрудника. Быстро внедряется, даёт понятный прирост. Klarna так закрыла 2/3 чатов поддержки (~700 операторов), Copilot ускорил разработчиков на 55%. Но процесс он не меняет – только разгоняет. 2️⃣ Агент – выполняет шаг процесса Сам собирает контекст, вызывает инструменты, готовит действие и останавливается там, где нужно финальное утверждение человеком. У Lemonade 55% страховых претензий проходят полный цикл без участия оператора, в Хитроу агент решает 90% запросов пассажиров. Ценность выше – но нужны доступы, память, аудит и владелец процесса. 3️⃣ Люди + агенты – меняют процесс Не «супербот», а управляемая команда: кто-то ищет, кто-то планирует, кто-то проверяет, человек оставляет за собой суждение. Commonwealth Bank так срезал потери от скама на более чем 20%. 📊 Реальность отрезвляет: Gartner прогнозирует, что более 40% проектов, использующих ИИ-агентов, свернут к 2027 году – из-за роста затрат и недооценённых рисков. А из тысяч «поставщиков агентов» настоящими оказались ~130. Главный вопрос корпоративного ИИ сегодня – не «какую модель купить», а «какой процесс готов к контролируемой автономности». Именно там ИИ перестаёт быть демо. К 2028 г. Gartner прогнозирует 15% рабочих решений на автономных агентах. Вопрос – чьи процессы окажутся готовы. 🚀 🔗 Подробнее – в статье по ссылке #иинапальцах

🤝 Цифровой тандем: GlowByte и Центральный университет объединяют экспертизу Группа ИТ-компаний GlowByte и Центральный университет – инновационный российский вуз, внедряющий STEM-подход (наука, технологии, инженерия и математика) в высшее образование, – подписали партнерское соглашение. Сотрудничество является частью долгосрочной стратегии в рамках инициативы Минцифры по вовлечению бизнеса в развитие ИТ-образования. Что в планах: 📚 Эксперты GlowByte – в преподавательском составе. Будем участвовать в разработке и актуализации образовательных программ по ИТ-дисциплинам, включая факультативы и элективы. 📊 Новый курс по BPMN 2.0 — международному стандарту визуального моделирования бизнес-процессов. Студенты научатся строить процессные карты, оптимизировать их и готовить к автоматизации. ⚙️ Практический интенсив по A/B-тестированию уже в июле 2026 г.. Участники пройдут полный цикл эксперимента: от гипотез и метрик до статанализа и бизнес-рекомендаций. Разберем кейс с оценкой акции «15% при чеке от 1500₽» и научим избегать типичных ошибок. 💼 Стажировки с официальным трудоустройством для студентов ИТ-специальностей. 🔗 Читать новость полностью

Юридический отдел GlowByte – в тройке лучших юридических департаментов России! 🏆 Направление юридического сопровождения бизнеса GlowByte впервые участвовало в престижном всероссийском конкурсе «The DEPARTMENT. Лучшие юридические департаменты России» – и сразу вошло в тройку лидеров. ℹ️ Конкурс проводится уже 20 лет, за это время в нем участвовали около 1000 команд корпоративных юристов – от 3 до 1500 человек в каждой. В этом году в финале соревновались 108 работ от 54 команд, 21 из которых дебютировали. ➡️ Итог дебюта GlowByte – две бронзовые награды сразу в двух номинациях: 🔥 «Лучшая команда», 🔥 «Эффективное взаимодействие с подразделениями компании».

«Мы стараемся оправдывать звание юридического отдела с человеческим лицом, и то, что нас отметили сразу в двух номинациях, говорит о том, что, с одной стороны, нашей команде это удается, а с другой – нам еще есть к чему стремиться. Огромное спасибо нашему бизнесу за амбициозные задачи и поддержку и, главное, нашей команде – за те невероятные вещи, которые ребята делают каждый день», – Мария Исупова, руководитель направления юридического сопровождения бизнеса группы компаний GlowByte.

🔗 Читать новость полностью

🆕 «К нам едет ревизор», или Как не построить космические замки на бюджете сарая при внедрении DWH В блоге GlowByte на Habr вышла новая статья📝. Автор Юлий Гольдберг рассказывает о том, как предпроектное обследование экономит и нервы, и бюджет – практический опыт с конкретными артефактами, сроками и подводными камнями. 🔍О чем статья: ➡️Почему отдельное обследование – это недорогая страховка от перерасхода в 10 раз и сгоревших дедлайнов. ➡️Когда нужно ехать к заказчику, а когда достаточно удалёнки. ➡️Почему Agile при старте DWH почти всегда губителен. ➡️Как ИИ уже помогает собирать требования, но пока не умеет снимать с заказчика ответственность. ➡️Три типа заказчиков на предпроекте: «я сам всё знаю», «вы эксперты – вам виднее» и сбалансированный. А еще там про: 🟠 цели обследования (под тендер, под внутреннее внедрение, под защиту бюджета), 🟠 почему в команде аудиторов нет джунов (только сеньоры и выше), 🟠 как не превратить 2–3 месяца в бесконечный марафон согласований, 🟠 и, конечно, про бесплатное обследование — когда оно возможно и чем может обернуться. 🗣️Если вы заметили первые звоночки в виде заявлений "вы эксперты — вам виднее", я рекомендовал бы не радоваться, а хорошо подумать, как вернуть заказчика в позицию реального заказчика» — Юлий Гольдберг🗣️ 🔗 Читать статью

ИИ в маркетинге: GlowByte и «Сарафан» обсудили границы доверия 🤖🤝 Рынок дозрел до честного разговора об искусственном интеллекте. На встрече бизнес-сообщества «Сарафан» и GlowByte эксперты из компаний крупного и среднего бизнеса различных индустрий обсудили, как перестать относиться к ИИ как к магии и начать выстраивать системную работу. ℹ️ Главный тренд: вопрос «внедрять или нет?» закрыт, фокус сместился на инженерию, операционную точность и границы контроля. 💡Ключевые выводы встречи: 🟠 Главная ошибка бизнеса – пытаться «купить ИИ» как коробочное решение. Алексей Гуров (GlowByte) сравнивает ИИ с двигателем: без выстроенных данных и процессов (то есть «колес, бензина и дороги») он никуда не поедет. 🟠 В маркетинге работает команда агентов. Загир Гатин (Data Sapience) развеял миф об одном «волшебном» ИИ-агенте и рассказал о формуле «CM Ocean AI: ML + GenAI + Agent»: в CM Ocean AI используется команда из пяти агентов в трех модулях: Predictive считает, Generative пишет, Agentic соединяет и доводит до результата. 🟠 Машина отвечает за механику, человек – за смыслы. ИИ отлично забирает на себя рутину: сегментацию, генерацию текстов, сбор аналитики. Но контекст, интуиция и, главное, ответственность за решения и доверие к бренду по-прежнему лежат на человеке. 🔗 Читать новость полностью

⚙️ Сокращение ручной работы на примере Spring Boot-проекта: OpenAPI generator, QueryDsl, OpenAI В блоге GlowByte на Хабре вышла новая статья. Java-разработчик из команды Risk & Compliance поделился практическим кейсом: как удалось уменьшить объем ручной работы при разработке backend API на Java/Spring Boot. 📎 О чём статья? Не про «серебряную пулю» и не про то, как ИИ заменит разработчика. Это честный рассказ о трёх инструментах, которые сэкономили время при разработке: 🟠OpenAPI Generator – для генерации API-слоя и DTO из спецификации; 🟠QueryDSL – для динамических типобезопасных запросов; 🟠LLM/GPT – для ускорения покрытия бизнес-логики unit и интеграционными тестами. 💡 Ключевая мысль: ни один инструмент не заменяет экспертизу. Спецификацию нужно контролировать, QueryDSL не отменяет знания SQL, а промпты от LLM – тщательного ревью. Но вместе они дают серьёзный буст продуктивности. 📖 Читать статью полностью #GlowByte #Java #SpringBoot #OpenAPI #QueryDSL #AI #Backend #Habr #Разработка

🚀 «Полиэкс» и GlowByte: как российская BI-система PIX BI трансформировала управление продажами и логистикой Нефтехимическая компания АО «Полиэкс» совместно с ИТ-интегратором GlowByte построила единую аналитическую платформу на базе российской BI-системы PIX BI. 📊 Задача: Превратить разрозненные данные из Excel-файлов в наглядный инструмент для принятия стратегических решений по продажам, логистике и закупке реагентов. ⚙️ Как мы это сделали: ➡️ Провели сравнительный анализ российских и зарубежных BI-решений. ➡️ Помогли выбрать PIX BI: оптимальное сочетание функционала и русскоязычного интерфейса. ➡️ Запустили пилот в службе стратегического развития. ➡️ Помогли команде клиента разработать интерактивные дашборды для топ-менеджмента. ➡️ Обеспечили сопровождение на всех этапах — от концепции до промышленной эксплуатации. 📈 Результаты: ✅ 10+ рабочих дашбордов для руководства. ✅ Статистика перевозок: объемы, направления, динамика. ✅ Аналитика по реагентам: поставщики, цены, логистика. ✅ Коммерческая аналитика: выполнение планов, KPI по клиентам и регионам. ✅ Сокращение времени на подготовку отчетности и ускорение принятия решений. ✅ Новые точки роста: визуализация помогла выявить перспективные регионы и сегменты. 🔗 Читать новость полностью

🤖 «Ингосстрах» и GlowByte внедрили единую платформу управления ИИ‑моделями для ускорения работы с данными «Ингосстрах» совместно с GlowByte создал единую корпоративную среду для разработки, внедрения и сопровождения моделей машинного обучения и искусственного интеллекта. ⚙️ Проект позволил устранить разрыв между специалистами по исследованию данных и инженерами данных, объединив их в общем цифровом пространстве на базе платформы Kolmogorov AI и Lakehouse-платформы Data Ocean Nova. 🎯 Результаты: ➡️Время развертывания новых ML-сервисов сократилось в несколько раз. ➡️В промышленной среде стабильно работают десятки моделей: скоринг, оценка рисков, персонализация. ➡️Создан центр компетенций – команда «Ингосстраха» самостоятельно управляет полным циклом ML-ландшафта. ➡️Открытая архитектура позволяет наращивать мощности без потери производительности, что важно для обработки растущих объемов Big Data и развития LLM.

Сергей Багно, директор департамента искусственного интеллекта и развития отношений с клиентами компании «Ингосстрах»: «Для страхового бизнеса скорость принятия решений и точность оценки рисков – определяющие факторы конкурентоспособности. Проект позволил перейти от разрозненных прикладных задач к применению промышленного инструмента на основе ИИ. Это означает более точную персонализацию, оптимизацию убыточности и возможность оперативно реагировать на изменения рынка, опираясь на глубокую аналитику данных».

Александр Ефимов, директор практики искусственного интеллекта и машинного обучения GlowByte: «Проект в “Ингосстрахе” уникален своей комплексностью: мы не просто внедряли софт, а выстраивали методологию взаимодействия десятков команд внутри единого процесса операционализации моделей машинного обучения (MLOps). Важнейшим этапом стала глубокая проработка безопасности – мы создали доверенную среду, где проприетарные решения Data Sapience и компоненты с открытым исходным кодом (Open Source) работают как единое целое, полностью соответствуя требованиям ИБ. Платформа интегрирована более чем с 10 ключевыми ИТ-системами заказчика, включая хранилище данных (DWH) и инструментарий непрерывной разработки и эксплуатации (DevOps). Это позволило создать промышленный конвейер, рассчитанный на поддержку сотен моделей, что даёт компании принципиально иной масштаб работы с искусственным интеллектом».

🔗 Подробности – в CNews