Kurgan-Telecom Ru | Информационные технологии

Генеративный ИИ всё активнее проникает в корпоративные процессы, но во многих компаниях его продолжают внедрять по-старому — точечными решениями под каждый отдельный кейс. Почему такой подход упирается в потолок и что приходит ему на смену, рассказывает Илья Радченко, директор по платформенным продуктам SimpleOne.

«Люди понимают то, что им дают понять», — говорил Фрэнк Абигнейл. Модели — тоже. Статья о том, как jailbreak обходит защиту LLM не силой, а формой: легендой, стилем, поддельной ролью.

О гиперавтоматизации обычно говорят как о способе быстро сократить издержки и избавиться от рутины. Это подход к автоматизации, сочетающий в себе набор технологий, включая RPA и AI. На презентациях все выглядит просто: выбрали процесс, настроили робота c ИИ, получили экономический эффект.

На практике все оказывается сложнее — многие проекты заканчиваются успешным пилотом, но дальше автоматизация не масштабируется. Меня зовут Мирза, я руководитель проектов ROBIN компании SL Soft и за время работы я сопровождал десятки инициатив, в которых RPA использовалась вместе с ИИ, поэтому сегодня я поделюсь с вами самыми распространенными ошибками внедрения, из‑за которых гиперавтоматизация не оправдывает ожиданий.

Привет, Хабр! Еще 5 лет назад интеллектуальные функции камер в переговорных комнатах в основном ограничивались автоматической регулировкой экспозиции и простым шумоподавлением. Сейчас к этому добавились нейросетевые детекторы людей, отслеживание по голосу и видео, режим мультикадра и режиссерские сценарии переключения. Но даже самая продвинутая камера будет бесполезна, если ее тип и расположение не соответствуют размеру комнаты и сценариям встреч, а свет настроен неправильно.

Меня зовут Дмитрий Белозеров — я работают в МТС Линк и моя команда отвечает за ПО и оборудование для переговорных комнат. На основе своего опыта и опыта коллег составил гид по основным типам камер, ИИ-функциям и сценариям для разных помещений. Материал пригодится новичкам и тем, кто хочет быстро погрузиться в тему.

Если вы работаете с системами для управления корпоративным контентом, то понимаете, что главная их проблема — это недостаточный уровень производительности. То, что прекрасно работает на 20 документах, тормозит и выдает ошибки на 2 млн. Как узнать об этой проблеме до того, как система сдана клиенту в промышленную эксплуатацию? Ответ: провести нагрузочное тестирование.

Привет! Мы — Владимир Семенов, старший системный архитектор LDM (входит в холдинг LANSOFT), и Олеся Панкова, инженер по нагрузочному тестированию. В нашей статье — не сухие цифры из отчета, а экспертиза инженеров команды.

По всей Северной Америке дата-центры растут как грибы и превратились из второстепенного элемента экономики в критическую инфраструктуру. Они обслуживают облачные вычисления, онлайн-банкинг, стриминг, электронную коммерцию, блокчейн, государственные системы и самое главное — искусственный интеллект.

В США действует более 5 400 дата-центров, ещё 1 500+ находятся на разных стадиях строительства. Согласно анализу Pew Research Center, картина меняется радикально: если сейчас 87% действующих объектов расположены в городах, то 67% запланированных — уже в сельской местности. Строительство смещается на Юг и Средний Запад — эти два региона получат три четверти всех новых объектов. Лидеры по числу запланированных строек: Вирджиния (287), Техас (170), Джорджия (141), Иллинойс (123), Аризона (86).

Уже сегодня 38% американцев живут в пяти милях от хотя бы одного действующего дата-центра. Ещё 4% — вблизи запланированного. Итого 42% населения уже стали соседями этой индустрии — и это ещё до завершения большей части запланированных строек.

На этом фоне растёт недовольство у простых американцев, которые испытывают нехватку электроэнергии, чистой воды и страдают от шума дата-центров. Они пытаются всеми силами остановить строительство новых объектов.

Масштабирование – это всегда стресс для компании. То, что работало в небольшой команде, перестает быть эффективным, когда сотрудников становится в разы больше. И чаще всего бизнес спотыкается не о внешние обстоятельства, а о собственную неготовность управлять знаниями и процессами.

Первого января 1864 года из Иркутска ушла телеграмма. По содержанию — ничего особенного: поздравление императору с Новым годом, дежурный верноподданнический жест. Интересно другое. Ответ из Петербурга пришел через 17 часов.

Семнадцать часов. Вроде много, да? Но вдумайтесь.

Еще лет за десять до этого депеша из Иркутска в столицу ехала с фельдъегерем. Хороший фельдъегерь покрывал шесть тысяч верст недели за три (Транссиба еще не было). Благодаря строгому документированию таких пересылок мы знаем примерные нормативы доставок: три недели считались отличным результатом. Обычная же почта шла месяц-полтора.

А тут — ответ через 17 часов. Вместе с очередями на промежуточных станциях и переписыванием депеши на узлах. Отличный результат.

Власти этой экономией времени были впечатлены настолько, что к 1870 году телеграф Российской империи стал самым протяженным в Европе — 91 тысяча километров.

Давайте проследим его историю и посмотрим, через что ходили депеши в нашей стране в XIX веке. Начнем с того, как провод вообще дополз до Иркутска. А закончим тем, как телеграмма из Лондона стала доходить до Владивостока — и кто по дороге пытался ее читать.

AI уже умеет быстро писать отдельные функции, но в большой системе перед изменением нескольких строк агенту приходится читать сотни файлов и заново восстанавливать архитектурный замысел. Увеличение контекста и подробные спецификации помогают, но на масштабе рядом с горой кода может появиться гора документации, которую тоже нужно анализировать и синхронизировать.

В статье я рассматриваю другую возможность: формальное архитектурное представление между намерением и кодом. Типизированный исполняемый граф может одновременно задавать границы для AI, валидировать архитектурные изменения, генерировать сервис и локальные SDD-задачи, а в runtime служить картой наблюдаемости. Это инженерная гипотеза о том, каким может стать интерфейс совместной работы человека и AI.

Вы держите личный и рабочий аккаунты на одном сервисе — просто чтобы не путать переписку и не смешивать процессы. Или ведете пару разных аккаунтов для фриланс-клиентов. А потом сервис ограничивает сразу оба аккаунта, потому что решил, что за ними один и тот же человек.

VPN меняет ваш адрес, но не меняет того, кем вас считает сайт. Большинству из нас не нужно исчезнуть из сети. Вместо этого нужна изоляция сфер интересов, чтобы они перестали склеиваться в один поведенческий профиль. Сегодня мы разберемся, как сайты узнают вас по железу.

Мировой кризис взвинтил цены на память и комплектующие. В такой ситуации лучшая стратегия — рационально относиться к старому железу. Например, у Meta* в новых DDR5-серверах работает старая память DDR4 через кастомную ASIC-микросхему Vistara без потери производительности. То есть ребята разработали собственный чип, карту-переходник для CXL и драйверы для ядра Linux — лишь бы использовать старую память.

Если пойти ещё дальше, то в качестве серверов подходят старые смартфоны, ноутбуки, игровые приставки и даже одноразовые вейпы. Эта тема поднималась и раньше, но сейчас всплыло несколько интересных примеров.

Как построить гибкий реактивный граф обработки данных, где узлы изолированы друг от друга, а связи между ними строятся автоматически на основе их возможностей? Рассказываю о разработке Transferum — легковесной TypeScript-библиотеки для реактивных потоков. Внутри: разбор системы вычислимых типов для проверки контрактов в compile-time, управление маршрутизацией данных в графе и примеры построения динамических пайплайнов для IoT-датчиков и панелей управления.

Лет десять назад я сконструировал и изготовил пару анемометр и флюгер, которые описал тогда вот в этой статье. Сейчас устройства, конечно, износились: если флюгер еще в общем работает, то анемометр практически дохлый. Сказывается еще то, что на зиму их приходится убирать: под снегом они отказали бы гораздо быстрее, а периодический монтаж-демонтаж сказывается на их состоянии не лучшим образом. Поэтому вплотную встал вопрос замены на более долговечную конструкцию.

Об ультразвуковом принципе работы измерителей различных потоков (морских и речных течений, ветра, жидкостей и газов в трубопроводах) я осведомлен издавна, так как в 80-90-е годы вплотную занимался измерителями морских течений. Ультразвуковой датчик ветра хорош тем, что объединяет функции анемометра (измерителя скорости) и флюгера (измерителя направления) в одном приборе. При этом датчик не имеет никаких движущихся частей, максимально изолирован от непогоды, следовательно, гораздо долговечнее, чем любая механическая конструкция. Измерение скорости производится на основе эффекта Допплера в двух взаимно перпендикулярных направлениях, так что значение направления получается автоматически из двух измеренных векторов. В некоторых конструкциях используется также принцип измерения составляющих вектора в трех направлениях по периметру треугольника.

Попытки десять лет назад найти что-то из этой области по части ветра натолкнулись на ценовой порог: в продаже имелись лишь ультразвуковые измерители профессионального класса, как импортные, так и отечественные (или, правильней сказать, под отечественным лейблом), с соответствующей ценой с тремя нулями в долларах. Но в прошлом году решил проверить новинки по этой теме, и с изумлением обнаружил большое количество моделей бытового уровня ценой от единиц до десятков тысяч обычных рублей.

На периферии двух гигантов инженеры Weichai vs инженеры Yuchai. Интересно кто умней? Ответ на этот вопрос я не знаю. Но когда разбираешь логи j1939 ты понимаешь, перед тобой две школы инженерии.

Доступен Firefox 153.

( читать дальше... )

 firefox, mozilla

В детстве одним из моих любимых боевиков был "Хищник" с Арнольдом Шварцнеггером, в котором больше всего мне нравилась маска пришельца, позволявшая ему переключаться между спектрами и видеть тепло, самому оставаясь невидимкой. На невидимость пока не замахиваюсь, а вот сделать подобие маски Хищника – почему бы и да?

Всем привет!

У вас было такое, когда заканчиваются недельные или часовые лимиты в Codex или Claude Code, а потом вы внезапно обнаруживаете, что лимиты уже сбросили?

Приятно, да? Особенно Codex этим часто радует :)

Так вот, я хотел получать уведомления о таких сбросах. Но при этом не хотел самостоятельно мониторить X — бывший Twitter — или постоянно проверять другие источники.

В июле появились признаки улучшения ситуации по Automation QA и Senior QA - число нанимающих компаний по этим ролям за месяц уменьшилось всего на 0.2%. Это минимальное падение за последние три месяца, и оно в рамках погрешности измерений.

Совершенно другая ситуация с ролью Manual QA - здесь уверенное падение продолжается. Процент нанимающих компаний в очередной раз снизился и достиг 21.6%. Для сравнения: в феврале нанимающих компаний было 40.7%. То есть меньше чем за полгода произошло двукратное падение!
Что интересно, с приходом AI это никак не связано - на американском рынке, где масштабное внедрение AI идет уже давно, в июле число вакансий Manual QA выросло.

По ролям AI QA / ML Evaluation ситуация продолжает оставаться непонятной - некоторый рост есть, но на фоне изначально низкого числа вакансий он очень незначителен.

Приветсвую всех читателей Хабра. В этой статье я хочу рассказать о том, как я пытаюсь сделать современный ИИ свободнее, через свою copyleft Лицензию. Она носит имя FMLL (Free Machine Learning License). Ее цель — сделать copyleft не только код LLM, датасеты, RAG и другие инструменты. Лицензия первой версии уже доступна на GitHub.

Я Анастасия, ведущий SRE-инженер РСХБ.Цифра. В этой статье я расскажу о том, как мы в App.Farm, PaaS-платформе Россельхозбанка, перешли от одной «большой» Kafka до реализации услуги «Kafka as a Service» c индивидуальными кластерами под ключ. Звучит просто, но за этим кроется сложный путь проб и ошибок.