AI для бизнеса

«Яндекс» запускает «Алису AI для бизнеса» В сентябре компания планирует вывести на рынок «Алису AI для бизнеса» — корпоративное ИИ-решение, которое сможет работать не только как чат, но и подключаться к рабочим системам компании: CRM, бухгалтерии, документообороту, почте и дискам. 🔴Будет два варианта продукта. Первый — облачный, по модели ChatGPT Work или Claude Cowork, для МСБ и компаний, которым подходит SaaS. Второй — для крупного бизнеса: с кастомизацией, запуском на собственном железе или в гибридном контуре и созданием специализированных агентов. 🔴Монетизация тоже будет многоуровневой. Базовые функции — по подписке, более активное использование — через расширенный тариф, а для крупных клиентов предусмотрена токенная модель pay-as-you-go. 🔴Главная их идея в том, чтобы дать ИИ доступ к реальному рабочему контексту. Например, предприниматель сможет спросить, прошла ли поставка, есть ли проблемы на складе, что происходит с документами, и сразу запустить нужное действие. Пилоты уже идут в ретейле, потребительском секторе, юридическом бизнесе и охранных компаниях. При этом рынок корпоративного ИИ ещё далёк от зрелости. По приведённым в Forbes данным, ИИ используют 88% российских компаний, но измеримый эффект видят менее 10%. 🦾 AI для бизнеса в Telegram | в MAX

ИИ ломает привычную карьерную лестницу Посмотрели интервью «HRБюро» с Асей Кучай, вице-президентом по персоналу и образовательным проектам VK. В нем подняли довольно злободневный вопрос – сейчас компании активно автоматизируют работу джунов с помощью ИИ, от сотрудников ожидают роста продуктивности в 5-10 раз. Но тогда остается непонятно, откуда будут браться мидлы и сеньоры. Без джунов не будет следующего поколения специалистов, а карьерные ветки действительно могут начать ломаться. ▶️Кучай рассказала, как VK работает с этой проблемой. Во-первых, компания не отказывается от найма стажеров, а старается раньше начинать готовить будущих сотрудников. Сейчас у VK 32 партнерские программы в вузах, где студентов знакомят с реальными задачами и необходимыми практическими навыками. Задача – сократить путь от стажера до мидла уже внутри компании. ▶️Во-вторых, в VK активно развивают сотрудников внутри компании. Есть рескиллинг, в том числе обучение переходу на новый технологический стек, и апскиллинг, который помогает становиться M-shape специалистами – например, разработчику дополнительно освоить дизайн. Плюс работает P2P-обучение, когда сотрудники сами записывают курсы для коллег, в том числе по работе с ИИ. ▶️Еще один способ работать с кадровым дефицитом – заходить в образование как можно раньше. Более 2 тыс. сотрудников VK преподают в университетах, причем увеличение их числа было одним из KPI компании для HR на предыдущий год. Свои образовательные программы VK проводит бесплатно, а в школах обучает педагогов проводить «Урок цифры». Еще несколько любопытных практик VK для сотрудников: ⏺️Каждые полгода проходят окна пересмотра зарплат. А ежегодно компания сверяет свои вилки с рынком, чтобы сохранять их конкурентоспособными. ⏺️VK тестирует возвращение бывших сотрудников. После ухода компания связывалась с ними через несколько месяцев – несколько таких разговоров закончились возвращением человека в компанию. Масштабировать практику пока сложно из-за низкого отклика. ⏺️Вместо стандартного набора льгот VK запустила «Код заботы» – сотруднику начисляют лимит раз в квартал, а он сам решает, на что его потратить. Можно выбрать спорт, образование, хобби, услуги для детей и семьи и программы сторонних компаний. Еще обсудили, что от HR в бигтехе ждут такой же скорости и гибкости, как от самого бизнеса, умения говорить с технологическими командами на одном языке и относиться к HR-проектам как к продукту. В VK автоматизируют HR-процессы и сокращают ручной труд, конкретно сейчас запускают цифровой профиль сотрудника на базе ИИ, который должен помогать прогнозировать возможное выгорание или карьерный рывок и давать руководителю сигналы для принятия решений. 🗂️ Кадры в Telegram | в MAX

Путин оценил уровень российского ИИ На пленарной сессии ВЭФ Владимир Путин несколько раз высказался об искусственном интеллекте. Главный тезис — Россия должна одновременно развивать собственные технологии и не отказываться от международного сотрудничества. 🔴ИИ уже проник во все сферы жизни, а страны, которые быстрее осваивают технологию, получают серьёзные преимущества в развитии. При этом, по его словам, эти же преимущества создают и новые риски, поэтому важно параллельно заниматься вопросами безопасности и координации. 🔴Отдельно президент подчеркнул необходимость технологического суверенитета в ИИ, но не в формате полной изоляции. Формула звучит так: суверенитет в критически важных сегментах + развитие сотрудничества с другими странами. 🔴Российские ИИ-разработки уже находятся на достаточно продвинутом уровне. В качестве примеров он назвал «Яндекс» и крупные промышленные компании, включая машиностроение. 🔴ИИ уже используют и внутри государства. Президент рассказал, что администрация президента и правительство активно применяют такие технологии в работе. ⬛️Российская ИИ-политика всё заметнее строится не по модели «только своё», а вокруг сочетания суверенной технологической базы, практического внедрения и доступа к внешней кооперации. 🦾 AI для бизнеса в Telegram | в MAX

Работодатели придумывают новые способы проверять использование ИИ на собеседовании The Wall Street Journal пишет, что компании всё активнее перестраивают онлайн-интервью из-за ChatGPT, ИИ-подсказок и дипфейк-аватаров. Доходит до довольно необычных методов. 🔴Кандидатов просят держать руки в кадре. Например, помахать перед камерой или держать руки поднятыми во время вопроса, чтобы исключить набор ответа на клавиатуре. 🔴Просят отключать виртуальный фон и показывать комнату. Так рекрутеры пытаются убедиться, что рядом нет второго человека или дополнительного устройства с подсказками. 🔴Используют трекинг взгляда. Некоторые компании внедряют системы, которые помогают заметить, когда кандидат читает ответ с другого экрана. 🔴Следят за активностью в браузере. Например, отслеживают переключения между вкладками во время ответа. 🔴Домашние задания постепенно заменяют проверками в реальном времени. В том числе общими Google-документами, где видно, пишет человек сам или вставляет готовый текст. 🔴Для технических ролей возвращаются очные собеседования. Тестовые задания всё чаще проводят в офисе на компьютерах работодателя. Получается любопытный парадокс: ИИ должен был упростить найм, а в итоге сделал сам процесс проверки кандидата заметно сложнее. 🦾 AI для бизнеса в Telegram | в MAX

«СофтМолл» и «Салют для бизнеса» будут внедрять ИИ-агентов в промышленности Компании на ВЭФ заключили партнерство по совместной разработке и внедрению генеративного ИИ и агентов для промышленных предприятий. В основе — корпоративная платформа GigaCowork для создания и управления агентами. 🔴Основной фокус — машиностроение, металлургия и нефтегазовая отрасль. Компании планируют искать сценарии, где ИИ-агенты могут снижать нагрузку на сотрудников и ускорять производственные и административные процессы. 🔴Отдельный акцент — на экономике внедрения. Партнеры хотят не просто тестировать технологию, а оценивать, где ИИ действительно дает измеримый эффект и может быть масштабирован в промышленную эксплуатацию. 🔴Стороны также объединят экспертизу в ИТ, кибербезопасности и анализе данных. Промышленность сейчас всё чаще смотрит не на отдельные LLM, а на платформенные агентные решения, которые можно встроить сразу в несколько процессов компании. 🦾 AI для бизнеса в Telegram | в MAX

«Яндекс»: без открытых ИИ-моделей Россия может сильно отстать Член правления «Яндекс рус» Тигран Худавердян заявил на ВЭФ, что ставка только на собственные модели может оказаться ошибочной. По его мнению, в будущем будет не одна «главная» нейросеть, а множество моделей для разных задач - и значительная часть из них будет открытой. 🔴Россия должна развивать собственные ИИ-модели, но не отказываться от open source. Если открытая модель даёт технологическое преимущество, её нужно использовать, а не исключать только потому, что она разработана за пределами страны. 🔴Худавердян считает, что противопоставлять суверенные и открытые модели нельзя. Иначе можно потерять доступ к важной части технологического прогресса и замедлить развитие всей ИИ-экосистемы. ⬛️Видно, что речь идёт о балансе между технологическим суверенитетом и доступом к глобальному open-source стеку. Собственные модели нужны там, где критичны контроль, безопасность и независимость. Но попытка закрыться от открытых решений может, наоборот, сделать развитие ИИ медленнее и дороже. 🦾 AI для бизнеса в Telegram | в MAX

В «Т-Технологиях» объяснили, почему посчитать вклад конкретного автора в обучение ИИ пока невозможно Директор по развитию технологий ИИ «Т-Технологий» Алексей Шпильман заявил, что сегодня технически нельзя достоверно определить, на произведениях каких именно авторов обучалась конкретная модель. Причина в самой цепочке обучения. 🔴Современные модели часто обучаются не только на исходных датасетах, но и на данных, сгенерированных или подготовленных другими моделями. Поэтому происхождение конкретного фрагмента знаний может теряться уже на промежуточных этапах. По словам Шпильмана, разработчик в такой ситуации не всегда знает, на каких именно материалах обучалась модель, которую он использовал как основу. 🔴Это напрямую осложняет идею индивидуальных выплат правообладателям за обучение ИИ. 🔴Чтобы платить конкретному автору, нужно доказать, что его произведение действительно использовалось и в какой степени повлияло на модель. Сегодня такой механизм, по оценке «Т-Технологий», технически отсутствует. Шпильман допускает, что в будущем могут появиться новые математические методы атрибуции, но пока это нерешённая задача. И это важный аргумент в споре об авторском праве и ИИ. ⬛️Проблема не только юридическая — даже если государство решит платить авторам за обучение моделей, сначала нужно придумать технический способ доказать сам факт и объём использования конкретного произведения. Пока этого нет, индивидуальная модель компенсаций выглядит гораздо сложнее, чем централизованные реестры, фиксированные отчисления или opt-out. 🦾 AI для бизнеса в Telegram | в MAX

ИИ умеет писать код. Зачем бизнесу тогда no-code? 17 сентября в Москве пройдёт No-Code Conf 2026 — вторая флагманская конференция «Лукоморья» и itSMF России. Главная тема в этом году — «Эпоха ИИ: зачем нам no-code?». За последний год ИИ сильно изменил подход к разработке. Теперь приложение или автоматизацию действительно можно собрать за несколько часов, просто описав задачу нейросети. Но для бизнеса скорость создания решения — далеко не единственный критерий. 🔴Вайбкодинг хорошо работает для быстрого старта, но не решает вопросы корпоративной эксплуатации. Безопасность, интеграции, поддержка, масштабирование и управление созданными решениями никуда не исчезают. 🔴ИИ не отменяет необходимость платформ. Если компания собирается создавать сотни цифровых решений, ей нужны единые правила, инфраструктура, контроль доступа и инструменты для их дальнейшего развития. 🔴No-code тоже меняется. Когда ИИ становится частью повседневной работы, платформа становится средой, в которой можно быстрее создавать и безопаснее эксплуатировать решения, в том числе с использованием ИИ. 🔴No-code, low-code и ИИ скорее дополняют друг друга, чем конкурируют. ИИ ускоряет создание решений, а платформенный подход помогает превратить отдельный прототип в управляемый корпоративный продукт. Об этом поговорят участники пленарной сессии No-Code Conf 2026 — о том, что происходит с no-code, когда код уже умеет писать искусственный интеллект. ⬛️В программе также — практические кейсы и доклады об автоматизации и ИИ. Отдельной частью конференции станет «Аколакатон #2»: команды будут создавать прототипы на отечественной no-code-платформе «Акола» и представят результаты экспертному жюри. Когда: 17 сентября Где: Москва БЦ «Академик» Бесплатно зарегистрироваться можно тут. #реклама ООО «РТК ИТ ПЛЮС»

ПО в порядке, а ИИ «пробивает потолок» Рейтинг Рунета выпустил исследование объемов и динамики рынка услуг в заказной разработке, диджитале и маркетинге в 2025 году. Вот ключевые выводы: Сегменты ⚡️ Выручка сегмента разработки и поддержки корпоративных решений, куда входят ИИ, заказное ПО и техническая поддержка, выросла на 15% со 186 до 214 млрд руб. ⚡️ Если разбить сегмент на подсегменты, то наибольший объем роста продолжают давать ПО (+14,1% со 141,2 до 161,1 млрд руб.) и техподдержка (+11,9% с 39,6 до 44,3 млрд руб.) ⚡️ При этом рост направления ИИ идет грандиозными темпами — за год направление добавило 65,1% с 5,1 до 8,4 млрд руб. Это самый быстрый рост среди всех 26 охваченных категорий услуг в разработке, диджитале и маркетинге. ⚡️ Если говорить про другие актуальные сегменты, то нужно выделить аутстаффинг разработчиков — направление не только не выросло, но и незначительно снизилось — -1% с 34,3 до 34,0 млрд руб. против роста на 43% годом ранее. Потребители ⚡️ IT-отрасль — второй по величине потребитель заказных услуг: 9,2% всех затрат за 2024–2025 годы, больше только у торговли (10,7%). ⚡️ Государственные структуры и сервисы, наоборот, сократили расходы на подрядчиков на 23% за год. ⚡️ Ожидается, что в 2026 году рынок в номинальном выражении сохранит объем 2025 года или снизится на 1-3%. Это заметное сокращение в реальном выражении. ⚡️ Причина такой динамики — в налоговой нагрузке и фонде оплаты труда. Необходимость инвестиций в инфраструктуру растет, поэтому те же деньги означают для подрядчиков меньше ресурсов📌 💻 СофтТех в Telegram | в MAX

#интервью «LLM — это угроза кодерам, а не программистам»: почему no-code не исчезнет из-за Claude Code и Codex Кажется, что генеративный ИИ должен был убить no-code: зачем собирать приложение из готовых блоков, если теперь можно просто описать его словами и получить код? Мы поговорили с Антоном Симуни, руководителем разработки no-code платформы «Акола», (ИТ-экосистема «Лукоморье», Ростелеком) о том, почему он считает такое противопоставление ошибочным, где заканчивается магия вайб-кодинга и каким в итоге станет корпоративный ИИ. 🔴Зачем сегодня вообще нужен no-code, если LLM уже умеют писать приложения по описанию? Противопоставлять эти технологии неправильно. Они скорее будут срастаться. Главная проблема разработки напрямую через LLM — предсказуемость. Один и тот же запрос может дать разные результаты. Если речь идёт о настоящем enterprise, нужно понимать, насколько решение безопасно, как оно будет поддерживаться, кто найдёт ошибку, когда что-то сломается, и сколько всё это будет стоить. Чтобы сделать LLM-разработку действительно промышленной, вокруг модели придётся построить целый конвейер: контролировать доступы, результаты генерации, инфраструктуру, интеграции, безопасность. В итоге экономия на программистах может просто перетечь в расходы на специалистов, которые обслуживают инфраструктуру вокруг LLM. LLM — это угроза прежде всего кодерам. Но не инженерам. Программист — это не человек, который набирает код. Это инженер, который понимает архитектуру, базы данных, операционные системы, инфраструктуру и умеет соединить всё это в работающую систему. Теперь у него просто появился очень мощный генератор кода. В no-code значительная часть инженерных решений уже спрятана внутри платформы. Пользователь описывает бизнес-функциональность, а платформа сама отвечает за то, как компоненты взаимодействуют между собой. И вот здесь агент становится очень логичным следующим слоем. 🔴То есть будущее no-code — когда приложение вообще собирает ИИ? Именно. No-code — прекрасная посадочная площадка для агентов. Представьте, что пользователь говорит системе: «Мне нужен вот такой процесс». Агент собирает его не произвольным кодом, а инструментами уже существующей платформы. Получается гораздо более предсказуемая конструкция. Есть устоявшийся технологический стек, известные ограничения, понятная стоимость и возможность быстро откатить изменения. То есть агент делает no-code ещё более no-code. Сегодня человеку всё ещё нужно знать платформу и самостоятельно собирать бизнес-логику. Завтра он сможет просто разговаривать с системой, а она будет перестраиваться под его запрос. При этом контролировать результат проще, чем тысячи строк сгенерированного кода: можно открыть схему процесса и посмотреть, что именно сделал агент. 🔴А как быть малому и среднему бизнесу? Малому бизнесу вообще не нужны токены, модели и агентская инфраструктура. Ему нужна готовая функция. Например, в бухгалтерской системе появляется помощник, который разбирает документы или помогает с налогами. Но всё это должна заранее собрать команда профессионалов. Сценарий «вот тебе ChatGPT, собери себе автоматизацию самостоятельно» для малого бизнеса практически не работает. Поэтому здесь, вероятно, повторится история облаков. Малый и средний бизнес не будет строить собственную ИИ-инфраструктуру. Он будет покупать готовые AI-функции как услугу, а крупные платформы распределят стоимость моделей и вычислений между тысячами клиентов. 🔴Сейчас вокруг LLM огромный хайп. Нас ждёт откат? Не откат. Технология останется. Но люди начнут считать деньги. Мы уже проходили это с интернетом, облаками, блокчейном. На пике хайпа любую новую технологию объявляют инструментом, который полностью изменит всё. Потом оказывается, что у неё есть конкретные области применимости. Где-то LLM действительно будет дешевле и эффективнее обычной автоматизации — и там она останется навсегда. Где-то получится быстрее, но дороже. Где-то быстрее, но менее надёжно. А где-то никакого экономического смысла использовать модель вообще не будет. 🦾 AI для бизнеса в Telegram | в MAX

В России обсуждают налоговые льготы для разработчиков крупных ИИ-моделей Власти прорабатывают отдельный пакет поддержки для создателей национальных и суверенных фундаментальных моделей ИИ. Среди предложений — налоговые вычеты, пониженные страховые взносы и повышающие коэффициенты на расходы, связанные с разработкой и дообучением моделей. 🔴Ключевая мера — инвестиционный налоговый вычет по налогу на прибыль. Его предлагают привязать к расходам на создание модели и покупку оборудования. Лимит — до 20 млрд рублей на одну организацию до 2030 года. 🔴Расходы на разработку могут разрешить учитывать в трёхкратном размере. По оценке авторов инициативы, это потенциально позволит компенсировать до 50% вложений через экономию на налоге на прибыль. 🔴Отдельно обсуждаются льготы на ФОТ. Для организаций, участвующих в разработке и распространении ИИ-моделей, предлагается снизить ставку страховых взносов до 7,6%. 🔴Поддержка, вероятно, будет ориентирована прежде всего на разработчиков больших фундаментальных моделей с более чем 1 млрд параметров. В числе потенциальных получателей называют «Сбер», «Яндекс», Т-Банк, MWS, «Норникель», «Авито» и других крупных игроков. При этом финальные параметры пока не утверждены. ⬛️Логика поддержки понятна: государство пытается компенсировать две самые тяжёлые статьи расходов в разработке ИИ — вычислительную инфраструктуру и инженерные команды. Но есть и ограничение: крупный налоговый вычет лучше работает для компаний с большой налоговой базой. Поэтому небольшие команды с сильным R&D, но меньшими оборотами, могут получить от такой конструкции заметно меньше пользы. Если меры примут, конкуренция между российскими ИИ-разработчиками будет зависеть уже не только от качества моделей, но и от того, кто сможет получить доступ к льготам на обучение, оборудование и ФОТ. 🦾 AI для бизнеса в Telegram | в MAX

86% крупного российского бизнеса уже используют LLM, но бума ИИ-агентов не произошло «Инфосистемы Джет» и Smart Ranking опросили 52 крупные компании с общей численностью около 450 тыс. сотрудников и оценили, насколько далеко бизнес продвинулся во внедрении генеративного ИИ. Вывод: LLM уже стали массовой технологией, а ИИ-агенты — пока нет. 🔴86% компаний уже используют или тестируют LLM. При этом 53% прошли стадию пилотов и перевели решения на базе генеративного ИИ в промышленную эксплуатацию. 🔴С агентами всё заметно сложнее. Полуавтономные системы используют или тестируют 59% компаний, но в промышленной эксплуатации они работают только у 15%. Полностью автономные агенты есть у 25% компаний, мультиагентные системы — у 23%, однако до промышленного использования дошли лишь по 8% в каждой категории. 🔴44% компаний вообще отказываются от внедрения агентов. Главные причины — незрелые процессы, неподготовленные данные и сложности интеграции с корпоративными системами. Отдельно бизнес упирается в стоимость инфраструктуры: 58% называют барьером стоимость серверов, 56% — юридические риски, 42% — ограниченные инвестиционные бюджеты, 40% — нехватку специалистов. 🔴46% компаний пока не видят устойчивого финансового эффекта от внедрения ИИ, а 40% не могут масштабировать успешные пилоты. Лучше всего ИИ работает там, где процесс уже цифровизирован, повторяется и результат легко проверить: контакт-центры и поддержка, аналитика, ITSM и корпоративные базы знаний. ⬛️Исследование хорошо показывает разрыв между «у нас есть доступ к модели» и «ИИ реально встроен в бизнес». 🦾 AI для бизнеса в Telegram | в MAX

Берлинский эксперимент: узор, стирающий человека из поля зрения ИИ ▶️ Немецкий художник Саймон Веккерт выпустил гавайскую рубашку, которая «прячет» владельца от искусственного интеллекта. Её узор специально сбивает с толку детекторы объектов: система не может связать голову, торс и руки в единый человеческий силуэт. Как добились такого эффекта? 🔽 Разные версии узора многократно прогонялись через популярную модель YOLO. Алгоритм оценивал, насколько уверенно он распознаёт человека, и если распознавание срабатывало, рисунок корректировали и тест повторяли. По сути, ИИ сам себе «подсказал», как его обмануть. Но эффективность камуфляжа не гарантируется против всех существующих нейросетей, поскольку тестирование проводилось исключительно на YOLO. ™️ МашТех в Telegram | в MAX

Selectel встроил ИИ-агента прямо в серверную ОС Компания запустила aish — ИИ-агента внутри серверной операционной системы SELECTOS. Он помогает администраторам диагностировать проблемы, настраивать серверы и выполнять рутинные операции через команды на естественном языке. Главная особенность — агент работает внутри инфраструктуры Selectel, а нейросетевая модель развернута локально. Контекст сессии не уходит внешним провайдерам. 🔴aish понимает состояние самой системы: анализирует сервисы, логи и конфигурацию, ищет причины сбоев и предлагает варианты исправления. 🔴Работа идёт по принципу согласованного исполнения. Агент формирует команду и объясняет, что именно она сделает, но запуск подтверждает оператор. 🔴Selectel отдельно делает ставку на безопасность. Решение рассчитано в том числе на команды, которые по внутренним политикам не могут использовать зарубежные облачные LLM. В планах — дать клиентам возможность разворачивать aish уже на собственном оборудовании. ⬛️Здесь интересен сам уровень интеграции. ИИ тут не отдельный чат-бот поверх инфраструктуры, а часть самой операционной системы. То есть следующий слой корпоративных агентов — это уже не только помощники для сотрудников, а агенты, которые понимают состояние серверов, работают с логами и конфигурацией и помогают управлять инфраструктурой изнутри. 🦾 AI для бизнеса в Telegram | в MAX

«МегаМикс» и Сбер делают ИИ-контроль качества сырья для агропрома Компании начали разрабатывать систему, которая должна автоматически проверять качество кормового сырья и выявлять риск фальсификации. Главное здесь — архитектура из двух уровней ИИ. 🔴На первом уровне работает ML. Система анализирует NIR-спектр образца и за секунды оценивает его физико-химические показатели и аминокислотный профиль, а затем ищет отклонения от эталонных значений. 🔴На втором подключается GigaChat. Генеративный ИИ не принимает решение сам, а переводит результаты ML в понятный структурированный отчет: что именно отклоняется, насколько это критично и на какие источники опирается вывод. Причём каждый вывод должен сопровождаться ссылкой на источник из базы знаний. Свободного чата и рекомендаций по кормлению в системе не будет — модель работает только по заранее заданным сценариям. На выходе предприятие получает один из пяти статусов: соответствует, не соответствует, подозрение на фальсификацию, требуется повторная проверка или недостаточно данных. 🔴Заявленный экономический эффект — снижение кормовой себестоимости на 5–15% за счёт более быстрого входного контроля, меньшей зависимости от лабораторных испытаний и более объективной работы с поставщиками. ⬛️Интересен здесь не столько сам GigaChat, сколько разделение ролей. ML отвечает за измерение и поиск отклонений, генеративный ИИ — за объяснение результата человеку. Для промышленного ИИ это, пожалуй, один из наиболее реалистичных сценариев: LLM не заменяет специализированную модель и не принимает решение «из головы», а становится интерпретационным слоем поверх уже проверяемой аналитики. 🦾 AI для бизнеса в Telegram | в MAX

#Дайджест одной строкой, ну почти Несколько кейсов и продуктовых обновлений в ИИ за последние часы и дни. 🔴MWS TeamStream научился превращать запись экрана в готовые рабочие документы. ИИ из видео с голосовым комментарием автоматически собирает задачи для Jira, баг-репорты, инструкции, саммари, письма и страницы для Confluence. Главный эффект — меньше ручного переноса информации между встречами и рабочими системами. 🔴Использование ИИ-функций в «МТС Линк» выросло в 2,6 раза. Бизнес активнее использует ассистента для поиска информации в чатах и базе знаний, расшифровки встреч и подготовки кратких итогов. 🔴ИИ уже встроен в 366 госуслуг Подмосковья. Он проверяет документы в заявлениях, помогает жителям через «Добробот», а ИИ-агенты внутри органов власти ускоряют подготовку нормативных документов и ответов на обращения. Например, «Нейроюрист» сокращает согласование документов с трех дней до 30 минут. 🔴90% российских регионов используют ИИ-решения Сбера. В 2025 году в рамках программы «ИИ-трансформация регионов России» было реализовано 120 проектов в здравоохранении, образовании, логистике, транспорте и других сферах. 🔴В Москве запустили серийное производство УЗ-сканеров со встроенным ИИ. «РуСкан 80» помогает врачам анализировать исследования и автоматизировать часть рутинных операций. Первые 11 аппаратов уже работают в медучреждениях нескольких регионов. 🔴Selectel встроил ИИ-агента прямо в серверную ОС. aish работает внутри SELECTOS, понимает команды на естественном языке, анализирует логи и конфигурации, помогает искать причины сбоев и предлагает исправления. 🦾 AI для бизнеса в Telegram | в MAX

Вступил в силу базовый закон об ИИ С 1 сентября начали действовать положения закона, которые впервые закрепляют в российском праве ключевые понятия, связанные с искусственным интеллектом, и создают основу для господдержки отрасли. Напомним основные детали. 🔴В законе появилось официальное понятие ИИ, а также отдельная категория больших фундаментальных моделей — систем с не менее чем 1 млрд параметров. 🔴Вводятся понятия суверенных и национальных ИИ-моделей. Суверенные должны полностью разрабатываться российскими компаниями, а национальные смогут использовать зарубежные компоненты и открытые решения. 🔴Правительство сможет определять меры поддержки разработчиков таких моделей, а также устанавливать случаи, когда организациям потребуется использовать именно суверенные или национальные ИИ-решения. Это важно не столько из-за самих определений, сколько потому, что они становятся юридической базой для следующих решений: субсидий, налоговых льгот, требований к инфраструктуре и ограничений на использование иностранных моделей. Отдельный блок начнет действовать с марта 2027 года — он касается маркировки ИИ-контента и использования произведений при обучении моделей. 🦾 AI для бизнеса в Telegram | в MAX

«ЦОД перестаёт быть складом серверов»: как ИИ меняет инфраструктуру бизнеса Мы поговорили с Владиславом Шершульским, советником генерального директора Группы Rubytech по вопросам ИИ. Обсудили, почему при внедрении ИИ компании начинают считать не терафлопсы, а стоимость результата, зачем ЦОДу баланс между GPU, памятью, сетью и охлаждением и почему главная нагрузка постепенно переезжает с обучения моделей на их ежедневную эксплуатацию. 🔴Что в инфраструктуре меняется первым, когда компания начинает внедрять ИИ? Меняется сама логика инвестиций. Раньше при проектировании ЦОД главным было соотношение цены и базовой мощности: сколько операций в секунду можно получить за вложенный рубль. Теперь этого недостаточно. Заказчик начинает смотреть на то, насколько быстро система выдаёт полезный результат, сколько этот результат стоит и насколько стабильно инфраструктура работает под реальной нагрузкой. То есть компания покупает уже не абстрактную вычислительную мощность. Она хочет сократить обработку клиентского запроса с минут до секунд, автоматизировать десятки операций или увеличить производительность сотрудников без пропорционального роста штата. 🔴Получается, просто поставить больше GPU уже недостаточно? Конечно. Ускорители — только один слой. Для ИИ критичны память, скорость передачи данных, сеть, системы хранения, питание, охлаждение и программное управление инфраструктурой. Можно купить очень дорогие GPU, но если сеть не успевает передавать данные или система хранения становится узким местом, эти ускорители будут использоваться неэффективно. Поэтому ИИ-инфраструктура всё меньше похожа на набор отдельных серверов и всё больше — на единый сбалансированный комплекс. 🔴Почему вокруг ИИ сейчас всё чаще говорят не про обучение моделей, а про инференс? Потому что основная бизнес-ценность возникает уже после обучения. Модель можно обучить один раз, а использовать потом миллионы раз. Именно ежедневная работа ИИ-сервисов постепенно становится основной статьёй вычислительных расходов. Особенно это видно с ИИ-агентами. Один пользовательский запрос может запустить целую цепочку: обратиться к нескольким системам, обработать документы, выполнить расчёт, сформировать ответ. То есть нагрузку создаёт уже не сама модель, а постоянное выполнение большого количества реальных задач. 🔴Что это меняет для бизнеса с точки зрения экономики? Главной метрикой становится стоимость полезной работы. Не сколько у компании GPU и не сколько операций они способны выполнить теоретически, а сколько стоит конкретный запрос, решение или автоматизированный процесс. Поэтому всё важнее инструменты управления ресурсами. Они позволяют дать каждой задаче именно столько вычислительной мощности, сколько ей нужно, и не держать дорогое оборудование без нагрузки. В итоге компания платит не за простаивающие серверы, а за реально выполненную работу. 🔴А данные становятся такой же частью инфраструктуры, как вычисления? Да. И их ценность сильно растёт. Информация, которую раньше могли считать второстепенной - история обращений клиентов, телеметрия, внутренние документы, действия пользователей. Теперь может использоваться для поиска закономерностей, прогнозирования и принятия решений. Но просто накопить данные недостаточно. Их нужно уметь хранить, объединять и быстро передавать туда, где они нужны модели. Если этого слоя нет, даже самая мощная ИИ-инфраструктура не даст ожидаемого результата. 🔴Если свести всё к одному тезису - как ИИ меняет инфраструктуру? Он превращает ее из «склада серверов» в производственную систему. Раньше инфраструктуру оценивали в гигабайтах, процессорах и вычислительной мощности. Теперь - в секундах, стоимости операции, качестве сервиса и росте производительности. Именно поэтому главная трансформация происходит не на уровне отдельного GPU, а происходит в самой логике инфраструктуры. 🦾 AI для бизнеса в Telegram | в MAX

Каждый второй россиянин уже тратит деньги на ИИ-сервисы По данным финтех-сервиса «Плати по всему миру», в июле 2026 года за ИИ-сервисы платили 51,6% пользователей, которые вообще совершали карточные платежи. При этом типичные траты пока довольно умеренные — около 2,1 тыс. рублей в месяц. 🔴Большинство выбирает один сервис. 74,3% пользователей платят только за одну ИИ-подписку, ещё 23,9% — за два-три сервиса. В среднем на человека приходится 1,35 ИИ-сервиса. 🔴Средний чек одной оплаты — 1 905 рублей. По сути, это уровень базовой подписки на крупный чат-бот. 🔴Но есть и отдельная категория heavy users. 15,2% пользователей тратят на ИИ больше 10 тыс. рублей в месяц, и именно на них приходится 57% всех денег. Чаще всего это уже не обычные подписки, а оплата моделей по фактическому использованию. 🔴Рынок растёт за счёт новых пользователей, а не роста среднего чека. С марта по июль оборот ИИ-платежей вырос в 3,85 раза, число платящих — в 3,45 раза, а средние траты на человека почти не изменились: 2 178 рублей в марте против 2 097 рублей в июле. ⬛️Похоже, ИИ действительно начинает превращаться в обычную ежемесячную подписку. Причём рынок пока развивается не по модели «у каждого по пять нейросетей», а скорее по логике стримингов: один основной сервис для большинства и небольшая группа профессиональных пользователей, которая генерирует основную выручку. 🦾 AI для бизнеса в Telegram | в MAX

Очень динамично в 🦾 AI для бизнеса нас стало в два раза больше, и уже перевалило за 10 000. Спасибо, что остаетесь с нами.