Почему решения на планерках не превращаются в задачи: протокол совещания и диффузия ответственности
Привет, Хабр! Меня зовут Георгий, руковожу продажами и маркетингом в Аспро.Cloud. За плечами больше пятнадцати лет в B2B-продажах — TELE2, Samsung, Whirlpool, команды до полусотни человек.Планерка заканчивается вовремя. Все кивают, расходятся с ощущением, что договорились. Через неделю выясняется — клиенту так никто и не позвонил. Пятеро услышали задачу в моменте, и каждый в глубине души решил, что ей займется кто-то другой.
Нейросеть написала PR, тесты зелёные, а поведение изменилось. Как я научил CI это ловить
Отчёт confidence‑scorer: найден контрпример, score 35/100
Как мы 3+ года пытались подружить AI с разработкой: от провалов к Spec-Driven
Привет, Хабр! Меня зовут Родион, я руковожу отделом по анализу данных в Лаборатории данных компании «Синимекс». В этой статье хочу поделиться нашим практическим опытом и эволюцией подходов применения различных сценариев использования LLM в нашей работе. Спойлер — не обошлось без набитых шишек)В настоящий момент айтишечка переживает очевидный хайп вайб-кодинга и агентской разработки, термин “вайб-кодинг” появился в 2025, а наш первый основательный “подход к снаряду” датируется 2023 годом.2023: пробуем метрикиКейс 1. CDTУ нашей компании есть продукт CDT aka Cinimex Development Tool
Зачем нейросети «обвязка»: как превратить LLM в рабочий AI-сервис
Большую языковую модель можно скачать с Hugging Face, развернуть на сервере с GPU и отправить ей первый запрос. Технически LLM уже работает: получает текст на вход и генерирует ответ. Но до готового бизнес-сервиса еще далеко.
McDonald’s использует искусственный интеллект для динамического ценообразования в ресторанах США
McDonald's использует искусственный интеллект для динамического ценообразования в ресторанах США. По
664 тысячи книг, десятки агентов — и ни одной метрике нельзя верить
Мне нужны собственные каноники книг. Каноник — это одна устойчивая запись «вот этот текст», к которой привязывается всё остальное: файлы в разных форматах, аудиокниги, издания, дубли.
Зарубежные нейросети для транскрибации аудио
Итак, наша основная задача такая - быстро забрать буквы из звука и получить внятный текст. Сразу подчеркнем. Это не топ, не рейтинг и не раздача медалей. Никого не рекламируем, ничего не навязываем и не выясняем, какой сервис лучше. Девяносто процентов рынка - это одинаковые обертки над Whisper с наценкой за свои фирменные надстройки. Лучший сервис для себя вы выберете сами.Но руками расшифровывать многочасовые записи в 2026 году будут только мазохисты.
Глаз стрекозы
Таксоно-онтологическая методология многопредметного инженерного исследования с управляемым межпредметным переносомКак собирать исследовательскую оптику, переносить конструкции между предметными областями и проверять новое с помощью ИИАннотацияПубликую Часть I книги "Глаз стрекозы" о том, как собирать исследовательскую оптику, переносить конструкции между предметными областями и проверять новое с помощью ИИ.Полный текст книги состоит из пяти частей, 15 глав, 29 иллюстраций.Полный текст книги бесплатно прочитать и скачать на Литнет
Год назад мы обсуждали, смогут ли ИИ-агенты взламывать сайты. Теперь считаем инциденты
За несколько месяцев агенты OpenAI и Anthropic вышли за пределы тестовых сред, скомпрометировали инфраструктуру Hugging Face, получили доступ к production-системам реальных компаний и засветились на государственных сайтах США и Австралии. Проблема оказалась интереснее сценария «ИИ решил стать хакером»: иногда агент просто продолжает выполнять поставленную задачу и не воспринимает технический барьер как границу допустимого.
Битва поколений: сравниваем Qwen3.5 и Qwen3.6 в локальном инференсе. Новое не всегда лучше
ВведениеЯ не планировал писать эту статью, я делал исследования для себя. Но в какой-то момент я понял, что это может показаться интересным и даже полезным кому-то еще. И вот вы читаете эти строки.Это статья про исследование разных поколений больших языковых MoE моделей Qwen, применяемых для локального инференса.Я рассчитываю, что читатель уже знаком с ИИ и LLM и хотя бы ориентируется в терминологии. Пространные пояснения очевидного будут только раздражать искушенного читателя, поэтому не буду подробно объяснять, что такое MoE или как запускать модели локально.
