Когда нейросети заменят живых продавцов? Тест 10 LLM на умение продавать для русского рынка
Собрал бенчмарк, который меряет не «кто умнее», а «кто лучше продаёт» по-русски: тестируемая модель — продавец, жёсткий клиент — Opus, судья — тоже Opus. Прогнал первую десятку на живом B2B-диалоге.Враньё ради сделки штрафуется жёстче, чем незакрытая сделка: −15…−30 к баллу. Qwen3-235B дважды выдумал клиентские кейсы с цифрами под торгом — и потерял сделку (52 из 100, клиент ушёл).Тест выдал сенсацию: DeepSeek и GLM «обошли» эталонный Gemini, MiniMax получил 96 из 100 и S-tier. Я не поверил: под более жёстким клиентом баллы не могут вырасти. Это дрейф параллельных судей.
PMBOK Guide 8: в 2 раза меньше принципов и больше свободы
Привет, Хабр! На связи Наталья Воронько из РТЛабс. Я RTE Аналитической Платформы и ЕЛК, а в прошлом — руководитель проектов и функциональный руководитель. Сегодня хочу поделиться своим взглядом на новую редакцию
Что не вошло в концепцию прикладного решения «1С:ERP Управление предприятием» 2026 года от УЦ №1 фирмы «1С»
Как мы остановились на процессном подходе — и почему предметный слой пришлось вынести отдельноУ концепций есть неприятное свойство: в финальную версию попадает не всё, что хотелось.Когда в 2025 году мы работали над концепцией прикладного решения «1С:ERP Управление предприятием», а в 2026 году она была вынесена в учебный курс УЦ №1 фирмы «1С», у нас довольно быстро возникла простая развилка.Можно объяснять ERP через подсистемы, документы и кнопки. Это привычно, понятно, методически безопасно.
Как пользоваться Claude AI в России в 2026 году: официальный сайт Клод ИИ, возможности нейросети и доступ без VPN
За последние полтора года Claude AI из инструмента «для программистов» превратился в универсального рабочего помощника. Сначала его хвалили разработчики — лучше пишет код, аккуратнее ловит баги, дольше держит контекст. Потом подтянулись редакторы, маркетологи, студенты, юристы, аналитики и предприниматели. Причина проста: Claude вчитывается в задачу, спокойно работает с длинными документами и не сбивается на канцелярит к середине ответа.
Процессы vs инструменты: как Авито Sales строит QA с нулевыми сдвигами сроков
Привет, Хабр! На связи Екатерина Серикова и Глеб Дмитриев, мы QA-инженеры в команде Авито Sales. В этой статье мы расскажем, как выстроили процесс обеспечения качества в Распродаже, где сроки нельзя сдвигать, а нагрузка на корчасть почти 2 млн RPM, а цена бага очень высока.Это не история про «идеальный процесс». Она скорее про рабочую систему, которая помогает не сгореть команде и не терять качество, когда QA в проекте один, а разработчиков восемь.
Секрет устойчивых платформ для умного города: SOLID, GRASP и Clean Architecture в деле
Запускаем большой проект? Значит, берём SOLID. Мы не раз слышали это от CPO и менеджеров продукта. О нём, кажется, знают все — и все хотят применить. Но он не спасёт масштабные проекты. Например, устойчивый умный город с решениями на основе машинного зрения на одном SOLID не построить. По канонам SOLID можно писать аккуратный код, но это не создаст архитектуру всей системы. Что на самом деле работает — подобранный под бизнес-цели набор инструментов, направленный на защиту ядра приложения.
Как мы перестраивали работу аналитиков под разработку с ИИ-агентами и SDD
Всем привет! Я Светлана Забирова, лид аналитики в Центре разработки и машинного обучения компании «Инфосистемы Джет». В ИТ работаю уже больше десяти лет, из них половину – в заказной разработке.
Графовые нейросети для прогноза дефолта физических лиц: как мы попробовали новый подход и не прогадали
Всем привет! С вами снова команда прикладных исследований Альфа-банка. В этой статье мы продолжим рассказ про наши подходы к моделированию вероятности дефолта (PD) физических лиц и расскажем об экспериментах с графовыми нейронными сетями на социальных связях клиентов.Интересующийся читатель может также предварительно прочитать про нейросетевые подходы к построению PD-моделей на последовательных данных.Описание данных
ИИ-детектор утечек: как работает DLP нового поколения
Средняя утечка обнаруживается через 197 дней после первого инцидента, а её цена для бизнеса — 366 млн рублей. Более 95% таких утечек в России — умышленные, и больше 60% инцидентов инициируются внутри компании. И классический DLP здесь часто бессилен: он ищет ключевые слова, заранее заданные шаблоны, расширения файлов. Сотруднику достаточно изменить имя файла на более нейтральное, вместо «передачи баз данных» написать «отправка рабочих материалов» или скопировать текст в публичный LLM — и триггер не сработает.К этому добавился новый канал риска: Shadow AI
