Вебпрактик AI | Корпоративный ИИ
Відкрити в Telegram
Рынок корпоративного ИИ глазами системного интегратора. Новости, кейсы и аналитика через фильтр реального опыта. ai@webpractik.ru
Показати більшеКраїна не вказанаКатегорія не вказана
532
Підписники
-124 години
+17 днів
+4230 днів
Завантажуємо дані
Схожі канали
Немає даних
Виникли проблеми? Будь ласка, оновіть сторінку або зверніться до нашого support-менеджера.
Хмара тегів
Немає даних
Виникли проблеми? Будь ласка, оновіть сторінку або зверніться до нашого support-менеджера.
Вхідні та вихідні згадування
---
---
---
---
---
---
Залучення підписників
жовтень '26жовт '26
жовтень '26
+63
в 1 каналах
вересень '26
+134
в 29 каналах
Get PRO
серпень '26
+511
в 26 каналах
Get PRO
липень '260
в 0 каналах
Get PRO
червень '26
+17
в 6 каналах
| Дата | Залучення підписників | Згадування | Канали | |
| 21 жовтня | 0 | |||
| 20 жовтня | 0 | |||
| 19 жовтня | +40 | |||
| 18 жовтня | 0 | |||
| 17 жовтня | 0 | |||
| 16 жовтня | 0 | |||
| 15 жовтня | 0 | |||
| 14 жовтня | 0 | |||
| 13 жовтня | 0 | |||
| 12 жовтня | +1 | |||
| 11 жовтня | 0 | |||
| 10 жовтня | 0 | |||
| 09 жовтня | 0 | |||
| 08 жовтня | +5 | |||
| 07 жовтня | +6 | |||
| 06 жовтня | 0 | |||
| 05 жовтня | +1 | |||
| 04 жовтня | +1 | |||
| 03 жовтня | +1 | |||
| 02 жовтня | +1 | |||
| 01 жовтня | +7 |
Дописи каналу
💬 #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 | Немає тексту... | 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 | Немає тексту... | 136 |
| 6 | Немає тексту... | 128 |
| 7 | Немає тексту... | 144 |
| 8 | Немає тексту... | 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 | Немає тексту... | 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 | Немає тексту... | 257 |
| 13 | Немає тексту... | 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 | Немає тексту... | 261 |
| 17 | Немає тексту... | 261 |
| 18 | Немає тексту... | 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 | Немає тексту... | 215 |
