Что ИИ уже умеет делать за проджект-менеджера
Тема искусственного интеллекта сегодня звучит в двух крайностях: либо «скоро он заменит всех», либо обсуждаются сложные мультиагентные системы. Меня зовут Евгений, я руководитель отдела проектов ЮMoney. Недавно я выступал с этой темой на нашем митапе, где рассказал о третьем пути, который мне показался интересным: что проектный менеджер может делегировать ИИ прямо сейчас? Просто взять конкретную операцию и проверить, справится ли машина быстрее.
ЮKassa запустила MCP‑сервер для подключения ИИ‑агентов к платежам
ЮKassa запустила MCP‑сервер, который позволяет подключать ИИ‑агентов к платёжной инфраструктуре. Теперь агент может создавать счета и ссылки на оплату, получать информацию о платежах и возвратах, а также отображать статус операции прямо в диалоге.Как это устроеноВ основе решения — Model Context Protocol (MCP): открытый протокол для взаимодействия ИИ‑моделей с внешними инструментами и сервисами. Упрощённо архитектура выглядит так: Пользователь → ИИ‑агент → MCP‑сервер ЮKassa → платёжная инфраструктура
ИИ в тестировании: разбираем падения автотестов, оцениваем LLM и строим обвязку агентов
В августе прошёл Bugs Busters — митап для QA-специалистов от ЮMoney. Спикеры компании рассказали, как применяют ИИ для анализа причин падения e2e-автотестов, как устроен инструмент для подбора оптимальной LLM-модели под конкретную задачу и как строить обвязку вокруг агентов. Пропустили митап? Собрали главное из докладов и приложили записи выступлений.Разбираем падения автотестов с помощью ИИ
Как продуктовые команды используют AI: три практических кейса
Как перевести интерфейс на китайский и не получить «Телефон псу под хвост два ядра»? Как заставить AI-агентов считать за аналитиков? И почему одного RAG недостаточно для поддержки?Разберёмся на Fintech Product Meetup — бесплатном митапе от ЮMoney для продактов, аналитиков и всех, кто работает с продуктом. В программе:Как переводить интерфейсы на китайский с помощью AI и не терять смысл. Покажем, как ЮMoney подходит к локализации и что делать, чтобы вместо нормального перевода не получить набор буквальных фраз.
Как использовать LLM в тестировании: разбираем harness, автотесты и LLM-судью
Поговорим об этом на Bugs Busters — бесплатном митапе ЮMoney для QA-специалистов. В программе — три доклада о задачах, с которыми тестировщики уже сталкиваются при работе с LLM:как устроен LLM-harness и зачем агенту нужна обвязка;как собрать помощника на базе ИИ для разбора падений автотестов;как понять, подходит ли конкретная LLM для вашей задачи, и сравнивать модели с помощью LLM-судьи.Покажем не только идеи, но и практические подходы с инструментами, которые используем в работе.Когда:
Как мы проверяем до 1 000 cайтов в час: рассказываем про ЮScan — сервис оценки рисков в сегменте e-commerce
1000 сайтов в час вместо нескольких часов на каждый — так работает ЮScan, сервис автоматизированного аудита от ЮMoney. Его основная задача — помочь банкам и платёжным организациям не допустить подключения сайтов, которые маскируют запрещённую или рискованную деятельность под легальный бизнес. Сервис автоматически проверяет ресурс и выявляет подобные случаи ещё до начала сотрудничества.С 2020 года через ЮScan проверено более 550 тысяч заявок. За это время ЮKassa не получила штрафов за обслуживание запрещённых видов деятельности.Кому это нужно?
Как ИИ помог автоматизировать контент с помощью Pandoc, bash и пары утилит
Привет, на связи Влада, веб-специалист ЮMoney. Год назад я рассказывала на Хабре, как контент-менеджеру пригодятся терминал, Git и несколько десятков строк кода.С тех пор многое изменилось. В работе появился ИИ — инструмент, снизивший порог входа в автоматизацию. Не потому, что пишет код вместо нас, а потому, что ускорил создание небольших утилит под наши процессы.Расскажу, как из одного bash-скрипта вырос набор внутренних инструментов для контент-команды. Идеи пригодятся техническим писателям, контент-менеджерам и всем, кто регулярно работает с Markdown, XML и CMS.
Безопасность, оценка LLM и SQL-агенты: главное с митапа «ИИшная»
«ИИшная» — митап ЮMoney, посвящённый практическому применению генеративного ИИ. Вместо обсуждения абстрактных возможностей LLM спикеры сосредоточились на реальных инженерных задачах: безопасной работе с моделями, автоматизации их оценки и построении инструментов для аналитики. Если вы пропустили событие, собрали основные идеи из докладов и записи выступлений. Локальная база знаний для работы с ИИ
Как мы создали внутреннего ИИ-помощника на базе RAG и перестали искать ответы по корпоративной Wiki
Компании со временем накапливают тысячи страниц документации, и найти нужную информацию становится всё сложнее. Обычный поиск перестаёт справляться, сотрудники тратят время на навигацию по Wiki и повторяют одни и те же вопросы коллегам.Как решили эту проблему: когда большие языковые модели стали рабочим инструментом, мы объединили корпоративные знания с возможностями LLM. Так появился Юджин — AI-ассистент, который понимает смысл запроса, а не просто ищет совпадения по словам.
Генеративный ИИ: угроза для бизнеса или его главный помощник?
Теневая сторона искусственного интеллекта — галлюцинации, многословие и риски для конфиденциальности — ставит доверие к ИИ-инструментам под вопрос.Действительно ли бизнес не доверяет нейросетям? Об этом в новом выпуске подкаста «Цифра в деле» от СберПро рассказывает Женя, директор департамента аналитических решений ЮMoney.В выпуске обсудили:какие задачи бизнес делегирует ИИ;насколько пользователи удовлетворены работой ИИ-агентов;как найти баланс между автоматизацией процессов и качеством результата.
