Одна функция, которая заменила аналитика
Алексей — финансовый директор. Умный, занятой, не любящий ждать. Каждый понедельник он открывает Excel с продажами за прошлую неделю и задаёт вопросы.Но Excel — не собеседник. Алексей идёт к аналитику.Аналитик строит сводную, ищет причины, пишет письмо. Иногда это занимает полдня. Иногда — до вторника.Я посчитал: среднее время от вопроса Алексея до ответа было 2 часа 17 минут. Сейчас — 4 минуты 30 секунд. Алексей пишет вопрос в чат, получает ответ с цифрами и объяснением.Расскажу, как это работает. Без BI-систем, без баз данных, без аналитика в цепочке — просто Python и Claude API.Что за задача
Как ИИ меняет отношения к документам в работе
Помните момент, когда вы впервые попробовали ChatGPT или GitHub Copilot? У меня это было похоже на взрыв: привычные процессы рухнули, а на их месте начала формироваться новая реальность.У меня был похожий опыт. Ещё в 2022‑м (как только был выход из бета‑тестирования и запуск по подписке), поставив эксперимент с GitHub Copilot среди сотрудников, я увидел, как меняется скорость разработки и как опытным разработчикам помогает а джунов ставит только в тупик. Но главное открытие ждало впереди: ИИ не просто ускоряет работу — он заставляет переосмыслить сам подход к хранению и обработке информации.
Дешевле Perplexity, но локально — и с любым агентом: Agent Browser Workspace
Agent Browser WorkspaceКто пользовался Perplexity Deep Research, наверняка ловил два чувства сразу:"Ого, он реально копает.""Жаль, что нельзя посмотреть, что происходит внутри, вмешаться, перезапустить шаг или расширить сбор — это чёрный ящик."Agent Browser Workspace
Как мы сделали AI code review через Ollama без облака?
TL;DR: Собрали CLI, который гоняет ревью кода на локальной LLM (Ollama): никаких API-ключей в облаке, код не уходит из машины, один diff - одна команда. В статье - зачем это нужно, как устроено и как попробовать за пять минут.ПроблемаРевью кода вручную отнимает время, а статический анализ (линтеры, SAST) ловит только то, что зашито в правила. Контекст проекта, типичные баги и «запахи» кода они не видят. Облачные AI-ревью (типа CodeRabbit) удобны, но код уходит в чужое API - для внутренних репозиториев или строгого комплаенса это не всегда ок.Хотелось чего-то среднего: умное ревью с контекстом, но полностью локально
От пилотов к миллиардам: как российский BigTech зарабатывает на ИИ и меняет структуру занятости
Ещё три года назад искусственный интеллект в российских корпорациях чаще выглядел как эксперимент: пилоты, лаборатории, отдельные команды, демонстрации на конференциях. В 2026 году ситуация принципиально иная. ИИ перестал быть витриной технологий и стал частью финансовых отчётов, инвестиционных стратегий и операционной модели крупнейших компаний.Сбер, Яндекс и VK уже не просто внедряют AI-решения — они масштабируют их на уровне инфраструктуры
ИИ‑агент внутри 1С
1C AI Agent — продукт, который не “поговорить”, а “сделать”Привет. Это первая публикация про наш новый продукт — 1C AI Agent.Если коротко: LLM — это уже нормальный рабочий инструмент, и с ним всё ок. Но нам хотелось сделать следующий шаг: чтобы в 1С можно было не только “спросить и получить текст”, а попросить и получить результат в базе — с понятным планом, проверками и ограничениями.Мы сделали иначе: агент внутри 1С получает задачу человеческими словами, раскладывает её на шаги и исполняет
От Vibe Coding к Agentic Engineering: что изменилось в ИИ-разработке за 1 год
Год назад Андрей Карпатый, один из основателей OpenAI и бывший глава ИИ в Tesla, забросил в Твиттер (он же X) термин "vibe coding
Инструкция для человека vs инструкция для LLM-агента
Классическая ситуация.Приходит заказчик: «У нас есть регламент согласования договоров. Страничка текста. Сделайте AI-агента, который будет по нему работать».Звучит просто. Регламент есть, логика понятна. Осталось «написать промпт».Через месяц — провал. Агент делает ерунду, сотрудники его игнорируют, деньги потрачены.Почему? Потому что инструкция для человека и инструкция для LLM-агента — два совершенно разных документа. Разница не в формате. Разница в том, что человек додумывает, а машина — нет.Пример: 6 пунктов для менеджераВозьмём типичный процесс — согласование договора с контрагентом.
Клиент заказал AI-бота. Но помог не он
Полгода назад ко мне пришёл владелец интернет-магазина электроники — 200-300 обращений в поддержку каждый день, четыре оператора, вечная текучка. Запрос конкретный: «Хотим AI-чатбота. Чтобы отвечал клиентам автоматически, давайте делать».Ну ок.Мы взяли выгрузку из их хелпдеска — 12 тысяч тикетов за последние два месяца. И первое, что мы сделали — прежде чем писать хоть строчку кода — просто сели и прочитали 500 случайных обращений. Глазами. Руками. Без всякого AI.Скучно? Да. Но именно это чтение потом определило весь ход проекта.500 тикетов глазами — что мы увидели
Notion запустила Custom Agents. Почему это важный сигнал для рынка ИИ-агентов
Notion представила Custom Agents
