Kurgan-Telecom Ru | Информационные технологии

О чем эта статья: В данной статье я хочу сравнить TCO старых добрых ETL как например Informatica, ODI, MarkitEDM и подобных им vs DBT + AirFlow и подобных им

Очень легко проанализировать стоимость лицензий или вычислений и хранения в случае облачной БД, но очень сложно — TCO. Стоимость разработки одной фичи, стоимость поддержки, стоимость сопровождения, стоимость изменений. Очень заманчиво учитывать только расходы на лицензии и вычисления и предполагать, что все остальные расходы одинаковы, хотя это не так.

По умолчанию облачные MPP-базы обычно дешевле по хранению и вычислениям и не имеют лицензионной платы, и возникает соблазн использовать такой же безлицензионный подход в ETL, но есть недостатки:

23 марта 2026 года правительственная комиссия по законопроектной деятельности, одобрила пакет поправок, который расширяет обмен информацией между ФНС и Банком России. Речь идет о том, что государство хочет вытащить из серой зоны доходы граждан, которые маскируются под обычные переводы между физлицами.

Если раньше налоговая могла добраться до банковских выписок физлица только при наличии формальных оснований, предусмотренных статьей 86 НК РФ (в рамках проверки, при взыскании задолженности или при наличии специального согласования), то теперь предлагается выстроить постоянный, автоматизированный обмен данными между ФНС и Центробанком, который больше не будет привязан к контрольным мероприятиям и процедурам истребования выписок.

Другими словами, ФНС теперь будет добираться до подозрительных переводов физлиц быстрее, проще и без прежней жесткой привязки к классическим проверочным процедурам. Доступ операциям будет происходить через постоянный обмен данными с Банком России.

Если вы читаете меня впервые: еще совсем недавно я сам работал в налоговой системе, за плечами у меня 12 лет службы в ИФНС и Управлении ФНС по субъекту. О налоговом контроле и о тех реальных методах, которые применяются на практике, я знаю не понаслышке. Поэтому и такие новости разбираю не как сторонний наблюдатель, а через призму реального опыта работы внутри налоговых органов.

Сейчас в IT забавная ситуация. Одни компании отчитываются о кратном ускорении с ИИ и экономии миллионов рублей. Другие потратили бюджет на лицензии, обучение и евангелизм — и получили команду, которая тихо ненавидит Copilot и пишет код руками, как в 2019-м. Разница между первыми и вторыми не в технологии. Технология одна и та же. Разница — в людях и в том, как с их сопротивлением работают. Или не работают.

Привет, Хабр. Мы — Сергей Калинов и Андрей Макар-Уваров, руководители бизнес-анализа и фронтенд-разработки в Surf. Несколько лет внедряем ИИ на реальных проектах и видим, что сопротивление ему проходит по вполне узнаваемым стадиям Кюблер–Росса. Разберём, почему разработчики так реагируют.

Собрал данные с двух докладов на маркетинговой конференции. Первый — про экономику SMM для МСБ (Ульяна Кузнецова, Good Day Marketing). Второй — про A/B-тест UGC vs студийного контента с цифрами за год (Евгения Дмитриева, "Медиадоктор"). Ниже — выжимка без мотивационной части.

О проблемах с ИИ-кодингом на Хабре написано уже много. Но хочется перейти к конструктивному подходу: да, наломать дров с ИИ легко, а вот как работать с ним наиболее профессионально?

Известные разработчики вроде Митчелла Хашимото (создателя Terraform и Ghostty) всё чаще говорят что-то в духе «вот тут уже ни строчки кода не написал вручную». При этом Хашимото — противник слопа, и он подчёркивает, что добился от ИИ качественного кода. А что помогает добиваться?

Мы в проекте Kodik подобные вопросы ощущаем особенно остро, потому что в редакторе кода с ИИ делаем… собственно, сам этот редактор кода с ИИ. Так что для нас все проблемы особенно наглядны, а их решения — особенно важны.

Поэтому мы собрали вместе идеи и из опыта мировой IT-индустрии, и из нашего собственного. Это не какая-то «окончательная истина»: сейчас вся планета только разбирается, ни у кого ещё нет полных ответов, и полезно обмениваться опытом. Так что смело дополняйте в комментариях: интересно узнать, что помогает вам, и собрать «общехабровую кладезь знаний». Если кто-то захочет конструктивно возразить, такое обсуждение тоже полезно.

Вместе с коллегами мы проанализировали, в какую сторону будет направлен вектор развития искусственного интеллекта в наступившем году. Особенное внимание уделили IT-инфраструктуре, организации корпоративной среды и будущему AI-агентов.

Программисты много пользуются библиотеками. Но спроектировать библиотеку сложно. В этой статье я изложу некоторые соображения по поводу того, как создавать библиотеки.

Для начала разграничим, чем нам приходится заниматься при программировании. Попробуем представить акты программирования как беседы. Далее разберём, какие основные виды деятельности складываются в «программирование», как его принято понимать. Всё это послужит нам основой для разработки более качественных программных библиотек.

Когда-то APT-группировками считались прогосударственные хакеры со сложными инструментами и стратегическими целями, а хактивистами — те, кто выражал цифровой протест. Сегодня определить границу между первыми и вторыми становится все сложнее. Некогда идеологически мотивированные хакеры все чаще выполняют задачи в интересах государств и аффилированных с ними структур, а ущерб от их атак уже достигает уровня APT-группировок. 

Мы, группа международной аналитики PT Cyber Analytics, проанализировали деятельность сотен группировок за год — получилось большое исследование. В статье расскажем о самом важном: как меняется ландшафт глобальных киберугроз, какие методы чаще всего используют атакующие и что нас ждет в будущем. А еще покажем топ интересных атак за 2025 год. 

Привет, Хабр! На связи Лиза Плюснина — лингвист-разработчик чат-ботов. Я работаю с платформой JAICP — одним из продуктов Just AI для создания голосовых и текстовых ботов. Мы с командой регулярно сталкиваемся с необходимостью написания и тестирования паттернов на специфичном языке JAICP DSL — процесс регулярный, довольно монотонный и отнимает много времени.

Когда в компании проходило обучение по AI-агентам, мы воспользовались моментом и решили: хватит это терпеть, пора автоматизировать!

Так родилась идея создать AI-агента, который бы взял на себя написание паттернов и автотестов к ним. Рассказываем, как мы это сделали, с какими трудностями столкнулись и что из этого вышло.

Большинство кандидатов теряют шанс на оффер не из-за опыта и просадки по хардам, а из-за того, как отвечают на простые вопросы.

«Расскажите о себе», «Какие у вас слабые стороны?», «Почему мы должны выбрать именно вас« — казалось бы, элементарные вопросы, но именно на них рушится впечатление о кандидате. И чаще всего виноват не недостаток знаний или навыков, а банальные ошибки в формулировках, тоне и структуре ответа.

Я разобрал топовые вопросы, которые встречаются почти на каждом собеседовании, и показал, как отвечать так, чтобы сразу захватить внимание HR или менеджера; какие формулировки лучше использовать и почему; проверенные ответы, которые можно брать за основу.

Представьте ситуацию: к вам приходит инвестор или партнер с горящими глазами. Он предлагает масштабировать бизнес по добыче нерудных материалов, выйти в новый регион или вложить пару десятков миллионов в покупку земли с собственным железнодорожным тупиком. Инфраструктура строится, дороги прокладываются, жилые комплексы растут как грибы. Кажется, спрос обеспечен на десятилетия вперед. Звучит логично? Абсолютно.

Но в тяжелом B2B-сегменте «звучит логично» — это самый верный способ заморозить капитал. Когда на кону стоят десятки и сотни миллионов рублей, интуиция становится вашим злейшим врагом.

Многие компании принимают стратегические решения вслепую, ориентируясь на поверхностные тренды. В итоге покупаются активы, которые не приносят прибыли, а отделы продаж месяцами стучатся в закрытые двери не той целевой аудитории.

Чтобы не играть в рулетку с бюджетом, нужен инструмент, который переводит хаос разрозненных данных в конкретные управленческие шаги. Кабинетное исследование рынка — это не просто талмуд с графиками, который будет пылиться на полке. Это фильтр для инвестиций. Я регулярно делаю такие исследования, чтобы отвечать бизнесу на самые болезненные вопросы: заходить ли в нишу, куда переориентировать сбыт и где на самом деле в цепочке спрятана маржа.

Давайте разберем на примере рынка щебня, как глубокая аналитика переворачивает первоначальное представление о бизнесе и спасает от фатальных ошибок.

В 2019 году я получил диплом металлурга и был уверен, что впереди стабильная инженерная карьера. В феврале 2021-го сидел на первом собеседование в IT на позицию мануального тестировщика. В 2026 я работаю Fullstack QA Engineer в Альфа-Банке: тестирую аналитическую HTAP-систему, пишу автотесты на Java, разбираю Kafka-потоки и трассирую запросы через микросервисную архитектуру.

Путь был непростым и тернистым. Но если бы в 2026 я пытался перейти из инженера в QA, то сразу бы перескочил ручное тестирование. Привет, меня зовут Королев Павел, я ведущий специалист по тестированию в Альфа-Банке. Расскажу историю перехода в QA из других профессий и что бы я делал сейчас, если бы думал о переходе в QA сегодня.

Сегодня случился важный апдейт от Сбера, вышел релиз нового ГигаЧата.
Рассказываю, что нового добавили в GigaChat Ultra.

Все ошибаются. Ничего не поделаешь, shit happens, это нестрашно. Намного хуже, когда сильные, умные люди начинают сомневаться в себе из-за косяков. 

Причём не из-за каких-то критичных провалов, а из-за мелочей: где-то опоздали на пару минут на созвон, где-то пришлось переделывать задачу, где-то что-то не то сказали на встрече. И переживают потом: «Боже, зачем я это сказал вчера? Теперь все думают, что я дурак».

Привет, Хабр. На связи Саша Сергеев, CTO в Профи.ру. Я сам через это проходил. И часто вижу подобный страх ошибок в других. 

Хочу поговорить о том, как разработчикам жить с этим страхом и как в нормальных командах относятся к ошибкам. 

Личный опыт и разбор первой тактики перехода для уровня дохода 9+ млн/год

Многие мои коллеги и знакомые, достигая определенного карьерного потолка, совершают одну и ту же ошибку. Когда встает вопрос о смене работы, они действуют по накатанной схеме: «упаковать резюме, обзвонить агентства, разместиться на hh.ru». Это работает, пока ваш годовой доход не превышает 3–4 миллионов рублей.

Но когда мы говорим об уровне 9–10 миллионов рублей в год и выше, законы рынка меняются кардинально. Это «неструктурированный рынок», где публичных инструментов просто не существует. 

В этой статье я поделюсь личным опытом и опытом моего недавнего клиента — топ-менеджера IT-блока компании «Газпром». Разберем, почему на этом уровне наниматели покупают не просто навыки, а «сборку» из опыта, связей и репутации. И расскажу о четырех тактиках перехода, которые работают в реальности. Их я проверил на себе за годы работы в энергетике, госслужбе, мебельном холдинге и на производстве. Сегодня поговорим о первой, базовой тактике.

Почему ко мне пришел топ-менеджер из «Газпрома»

Ко мне обратился руководитель из IT-блока «Газпрома». Компания сейчас в активной фазе трансформации. Мой клиент, будучи стратегом, решил действовать на опережение: не ждать, когда изменения внутри компании начнут диктовать ему условия, а самому подготовить почву для перехода.

При его текущем уровне дохода (9–10 млн/год) просто откликнуться на вакансию — значит потерять время. Мы провели серию консультаций, наметили стратегию, и, как результат, он получил офферы сразу по нескольким каналам. Но обо всем по порядку.

Перенес консольного приложения в формат, удобный к показу по ссылке:

переписал логику на Rust,

собрал в WebAssembly и завернул в статичную страницу с терминальным интерфейсом на чистом HTML/CSS/JS.

В статье разбираю практический пайплайн: экспорт функции из Rust в WASM (wasm_bindgen), инициализацию модуля в браузере через JS, вывод результата в DOM и публикацию через GitLab Pages. Отдельно показываю, как встроил .wasm в base64, чтобы страница работала даже без отдельной загрузки бинарного файла.

Это кейс про то, как быстро превратить небольшую CLI-логику без системных API в наглядное web-демо, которое открывается с любого устройства без установки.

Репозиторий: gitlab.com/Evgene-Kopylov/iching_wasm
Демо: i-ching-wasm-c50914.gitlab.io

В ноябре мы выложили в open source preview-версии GigaChat-3-Ultra (702B MoE) и GigaChat-3-Lightning (10B MoE). С тех пор мы провели большую работу над нашими моделями, и сегодня выпускаем обновлённые GigaChat-3.1-Ultra и GigaChat-3.1-Lightning. По нашим замерам, Ultra обходит non-reasoning Qwen3-235B-A22B и DeepSeek-V3-0324 в математике и general reasoning, а Lightning на аренах с судьёй GPT-4.1 играет на уровне GPT-4o — при 1,8 млрд активных параметров. Модели, как и раньше, лежат на HuggingFace и GitVerse под MIT.

Но этот пост — не только про числа в таблицах. Переезд на новую архитектуру дался нам нелегко: переход от Dense-моделей к MoE вскрыл несколько проблем, о которых мы раньше не думали. По дороге к релизу мы полностью победили проблему зацикливания генераций (и придумали для этого метрику на основе BPE-сжатия хвоста), перевели DPO-этап в нативный FP8, получив качество выше bf16 при вдвое меньшем потреблении памяти, нашли критичный баг в SGLang при dp > 1, который роняет качество, и выяснили, что GPT-OSS-120b — неожиданно хорошая замена проприетарным судьям на аренах. Под катом — подробности о каждом из этих сюжетов: что ломалось, какие гипотезы не сработали, и что в итоге помогло.

Кейс полностью автономного траблшутинга нетривиальной системной проблемы с неработоспособностью NVENC в Docker-контейнере на Jetson Orin NX с помощью Claude Opus 4.6, как пример выхода больших языковых моделей за пределы квалификации middle-grade инженера. Около 40 минут заняло расследование проблемы, по мотивам которого, я попросил сеть написать статью, которую и предлагаю вашему вниманию как пример того, на что я мог потратить целый день, а большинство middle-grade инженеров бы не справилось вообще. Весь траблшутинг и статья сделаны в полностью автоматическом режиме без участия человека.

Собрала актуальный маршрут обучения Claude Code: с чего начать, какие доки и курсы пройти, и как перейти от просто попробовать к автоматизациям (skills/hooks/sub-agents/MCP).

Все ресурсы разложила в правильном порядке и коротко объяснила, как именно их проходить, чтобы не утонуть в ссылках и сразу получить результат.

На связи Сергей Скирдин, технический директор компании «Белый код». Поставил себе цель — сделать обзоры на шины данных из реестра отечественного ПО. Сегодня в обзоре продукт «Аметум ESB». 

С 2024 года я встречаюсь с вендорами и делаю обзоры продуктов, которые относятся к классу ESB. За это время удалось пообщаться с разработчиками 20+ разных решений. Для всех, кто интересуется шинами данных, я также создал сообщество в Телеграме «Шины не для машины». Это площадка для диалога между российскими разработчиками ESB и компаниями, которым нужна интеграционная шина.