Kurgan-Telecom Ru | Информационные технологии

В прошлой статье я говорил, что конвейерная модель производства софта несовместима с AI, и что вместо конвейера нужен дирижёр — сильный инженер с продуктовым мышлением, управляющий оркестром агентов.

Ту статью многие прочитали как «вот и хорошо, нанимаем нескольких сеньоров, увольняем середину, экономим на FTE». Это понятно с точки зрения CFO — но это полупонимание.

Дирижёр без мотивации — это не дирижёр. Это дорогой пассивный наблюдатель. AI рядом с ним даст ровно ноль ускорения.

Сегодня — про вторую половину. Кто реально получает 10× от AI и почему это вопрос лояльности, а не технологии.

Представьте семинар у физиков или математиков. Идёт автоматическая запись лекции, а затем распознавание речи в аккуратный текст. В большинстве мест современные ASR-системы справятся неплохо. Но значительная часть такой записи будет состоять из фраз вроде «интеграл от икс в квадрате до бесконечности», «сумма по i от единицы до n» или «производная по t от функции f».

Формально голос может быть распознан правильно. В расшифровке даже могут появляться отдельные символы вроде +, π или x. Но если человек произносит длинную формулу, результат почти всегда превращается в линейную фразу, читать которую физически больно. Хочется другого: чтобы система сразу понимала, где обычный текст, где математическое выражение, и выдавала не «один делить на икс плюс два», а корректный LaTeX-код, например, \frac{1}{x+2} или \frac{1}{x}+2, в зависимости от смысла.

Эта задача называется Speech-to-LaTeX или S2L: преобразование озвученных математических выражений и предложений в формальную LaTeX-запись. В отличие от обычного speech-to-text, здесь нужно распознать не только слова, но и структуру: дроби, индексы, степени, пределы, суммы, интегралы, скобки, вложенные выражения и границы формул.

Например, фраза «два делить на пи» в обычной расшифровке может остаться как «2 делить на π». Но в LaTeX она должна стать \frac{2}{\pi}. Именно такой формат нужен для статей, учебников, конспектов, Overleaf и других LaTeX-редакторов.

Несмотря на прогресс в automatic speech recognition (ASR), задача прямого преобразования озвученной математики в LaTeX долго оставалась почти неразработанной. Более того, нормальных открытых датасетов с человеческими аудиозаписями для такой задачи практически не было. В нашей работе мы попытались закрыть этот пробел: собрали открытый двуязычный датасет и сравнили несколько подходов к Speech-to-LaTeX. В статье, которую мы представили на ICLR 2026, описан датасет из более чем 66 тысяч человеческих аудиозаписей и 571 тысячи синтетических аудиозаписей на английском и русском языках. 

Проанализировал более 200 портфелей. Показываю фишки, слабые места, структура, самые необычные решения и портфели на века

Два года назад я уже делал разбор портфолио. В этот раз я вернулся, чтобы узнать что происходит с портфолио дизайнеров. Во-первых, как дизайнеру мне самому важно. Во-вторых, важно не советовать менти по памяти из 2024 года, а понимать, что работает сейчас: как дизайнеры показывают кейсы, как обходят NDA, как рассказывают про маленькие фичи, как используют метрики, анимации, шоурилы и личный бренд.

В выборке — портфолио продуктовых и UX/UI-дизайнеров из Т-Банка, Додо, Figma, Альфы, Revolut и других сильных компаний.

Всем привет! Я Ольга Матушевич, преподаватель курса «Нейросети для бизнеса», а в прошлом наставница на курсе «Аналитик данных». В этой статье расскажу, какие отечественные аналоги редакторов электронных таблиц появились в России, на что именно можно заменить Excel и Google Таблицы в 2026 году и нужно ли это делать.

Я пишу FFI-код на Rust уже несколько лет и за это время понял одну неприятную вещь: на FFI-границе всё, что может сломаться, ломается молча. Компилятор не предупреждает, тесты проходят, а данные на C-стороне оказываются просто мусором. Или, что хуже, оказываются почти правильными, первые три поля совпадают, а четвёртое сдвинуто на два байта, и ошибка всплывает через недели.

Большинство этих проблем связано с двумя вещами: как структура лежит в памяти (layout) и как данные передаются при вызове функции (ABI). В чистом Rust-коде об этом можно не думать, компилятор всё решает за вас. Но на границе с C эти детали становятся вашей ответственностью.

Плохую презентацию видно еще до первого графика: немного о компании, немного о рынке, немного о продукте, потом три слайда преимуществ, финальное «спасибо за внимание». И ничего не понятно. Формально все на месте, а смысла мало.

Нейросети ускоряют и облегчают эту работу. Если попросить ИИ не просто нагенерить случайных слайдов, а использовать ИИ как команду из редактора, стратега, дизайнера и тренера спикера — нейросеть соберет логику, визуал и аргументацию.

Мы подготовили 5 рабочих промтов, которые помогают подготовить презентацию без ощущения, что это нейросетевой шаблон.

С нашего последнего разговора прошло пять недель. Вы, дорогой читатель, наверняка подумали, что ваш покорный слуга всё это время бездельничал. Но это не так.Сразу после публикации прошлой статьи ко мне обратился подписчик по имени Сергей. Он занимается лазерной резкой металла и после прочтения материала решил, что я смогу проапгрейдить его алгоритмы расчёта. Очевидно, после прочтения моих статей вы уже поняли: как охотничий пёс при виде зайца не может остановиться, так и я при виде интересной задачи просто не могу пройти мимо. Получив задачу, я вник в суть и сделал то, что мы с вами так любим, — полноценный веб-сервис. Написан он в лучших традициях хакерского стиля: с динамическим обновлением и, конечно же, «заряженным» движком под капотом.

За пять лет ФНС России сократила штат на 46 тысяч человек — треть от всей численности. И при этом запустила больше 20 новых функций: единый налоговый счет, единый реестр МСП и населения, национальную систему прослеживаемости товаров, реестры майнеров, администрирование туристического налога.

История знакомая любой инженерной команде, которая мигрировала с легаси-монолита на data-driven архитектуру. Только здесь «монолит» — это огромная сеть инспекций и разрозненных региональных баз из девяностых, а новая архитектура — это единые федеральные центры обработки данных и непрерывный автоматический сбор информации от маркетплейсов, банков, перевозчиков и государственных реестров с агрегацией на стороне ФНС.

29 апреля 2026 года руководитель ФНС Даниил Егоров выступил на пленарном заседании Совета Федерации в рамках «правительственного часа». В докладе — итоги перехода и план следующего этапа: система СПОТ с QR-кодами для импорта из ЕАЭС с 1 июня, формализация роли маркетплейсов в налоговом администрировании, расчет имущественных налогов на стороне ФНС без участия налогоплательщика. Разбираем, что это значит для ИТ-компаний с аккредитацией Минцифры, селлеров на маркетплейсах и собственников бизнеса в целом.

При проектировании REST-интеграций часто возникает конфликт заголовков, когда и целевая система, и шина данных требуют дефолтный Authorization. В этой статье мы пошагово разберем, как перенастроить FESB на анализ кастомного заголовка для отдельной группы методов. Вы узнаете, как отключить стандартную проверку, распарсить Base64 с помощью Groovy и вернуть корректный HTTP-ответ.

Большинство CISO готовятся к прошлой атаке. После громкой утечки компании срочно закупают новый EDR, донастраивают SIEM и усиливают антифишинг, хотя следующая проблема почти наверняка придёт совсем с другой стороны — через подрядчика, старый API или уязвимость, про которую никто ещё не написал в отчётах.

В статье разбираем, почему ИБ‑команды часто защищаются «по зеркалу заднего вида», как это ломает стратегию безопасности и что делать, чтобы бюджет ИБ работал не только против вчерашних угроз.

ИИ уже меняет рынок разработки — но не так, как многие ожидали. Пока Anthropic говорит о «90% AI-кода», Klarna вынуждена возвращать сотрудников после эксперимента с массовым AI-замещением. Разбираем, почему AI-native сотрудники становятся новой нормой, что такое пересборка ролей и как компаниям адаптировать команды к эпохе LLM.

В 2026 году уже никто не спорит, что искусственный интеллект радикально меняет тестирование, как и все сферы бизнеса. Вопрос только в том, кого он заменит и кого сделает значительно ценнее как эксперта.

По данным World Quality Report 2025, 89% компаний пилотируют или внедряют Generative AI в процессы Quality Engineering. При этом только 15% сделали это на уровне всей организации. Остальные находятся в стадии осторожного эксперимента.

Я болею не часто, но видимо из-за того что редко - получается "очень метко".

В прошлый раз это был ковид: тогда я плохо понимал, что со мной происходит, и ситуация едва не закончилась совсем плохо. В этот раз всё выглядело банальнее — высокая температура, которая долго не сбивалась.

Обычный градусник показывал 38–39 °C. И вроде бы все мы понимаем: если температура высокая, долго держится и стандартные средства не помогают, это уже повод как минимум связываться с врачом. Но есть нюанс: чтобы принимать решения не на ощущениях, а на данных, температуру нужно измерять регулярно.

А вот тут начинается бытовая инженерия.

Недавно я вспомнил о игре Star Wars Jedi Knight: Jedi Academy, на которую подростком потратил больше десяти тысяч часов. Изучая материалы о ней, я наткнулся на любопытную историю.

Оказывается в 2013 году, сразу после покупки Lucasfilm компанией Disney и закрытия LucasArts, разработчики Raven Software запаниковали, что их работа будет навсегда положена под сукно, поэтому они в спешке выложили весь исходный код Jedi Outcast и Jedi Academy онлайн.

Этот дамп был таким внезапным, что они даже не подчистили внутренние комментарии разработчиков. Весь код превратился в капсулу времени, прочитав которую, можно узнать о том, как вымотанные программисты сходят с ума, пытаясь реализовать физику светового меча на движке Quake 3.

Заглянув в основной файл боёв (bg_saber.c), можно увидеть, что вся система схваток на световых мечах представляет собой огромную спагетти-конструкцию switch из пяти тысяч строк.

Я прошерстил кодовую базу и нашёл потрясающие комментарии...

В первой части мы рассказали об удивительно умных аппаратах, которые люди мастерили еще со времен фараонов и до дней позднего СССР. В продолжении нам удалось найти не менее впечатляющие проблески технического гения, заставляющего неживое казаться живым.

Ещё пять-шесть лет назад полки детских магазинов и каталоги краудфандинговых платформ пестрели проектами с маркировками STEM, «логика», «программирование без экрана» и «научно-обоснованно». Аналитики предрекали категории устойчивый рост, а издатели один за другим запускали отдельные импринты для «умных» настолок. К 2026 году картина радикально изменилась: сегмент не просто перестал расти — он последовательно сокращается. Новинок от крупных игроков почти нет, краудфандинг-кампании проваливаются, а в России направление фактически вернулось в состояние маргинальной ниши или ушло в бюрократические отчёты. Разберём, почему так произошло на глобальном и локальном рынках.

По количеству увеличенных релизов с качеством на приемлемом уровне? Звучит логично. Но знаете ли вы, какой ценой это достигается - сколько денег было потрачено на разработку фичи, и почему, например, было потрачено $1,000 в месяц вместо $500?

И как вы понимаете, что в случаях, связанных с:

Привет, Хабр. Меня зовут Дмитрий, я IT-специалист, полтора года назад переехал в Израиль и довольно быстро понял неприятную вещь: английский здесь помогает, но не спасает.

На работе его часто достаточно. В кафе, банке, поликлинике, государственных письмах и школьных чатах — уже не всегда. В какой-то момент ты открываешь очередное уведомление на иврите, переводишь его через приложение, получаешь странный машинный текст и понимаешь: пора учить язык нормально.

Сначала я подошёл к ивриту как к обычному иностранному языку. Алфавит, базовые слова, карточки, приложения, ролики на YouTube. Но довольно быстро стало понятно, что проблема не только в новом письме справа налево. Иврит требует другого способа мышления.

Я начал с requests.get() к Hysteria2 API, а через месяц получил рабочий VPN-сервис: FastAPI, React, PostgreSQL, JWT, Docker Compose, несколько VPS-нод, сбор трафика и автодеплой. А ещё выводы о работе с ИИ: где он ускоряет разработку, как улучшить качество кода и почему без собственного понимания проект быстро превращается в месиво.

Когда мы пытаемся в одном бэкенде совместить и строгую бизнес-логику, и все «рюшечки» для фронта — получается монстр Франкенштейна. Это потому, что стабильная по своей природе бизнес-логика начинает дёргаться от каждой «косметической» правки в интерфейсе.

А если у нас не один, а несколько фронтендов: веб-сайт для клиентов, админка для сотрудников, мобильное приложение... А далее, у каждого свои пользователи, свои сценарии и свои «хотелки». Чтобы угодить всем, бэкенд-разработчикам приходится плодить десятки почти одинаковых методов, которые раздувают кодовую базу и усложняют тестирование.

Рассказываю о том, что делать со всем этим безобразием...