Что происходит после обучения модели: обзор книги Inference Engineering
Насколько хорошо новая модель ИИ справляется с задачами — первый вопрос, который обычно задают при ее обсуждении. В техническом сообществе разговор обычно идет о бенчмарках, количестве параметров и гонке рейтингов.
Генеративный ИИ в бизнес‑процессах: мышление, развитие и будущее
Привет, Хабр! Меня зовут Николай Бажанов, я руководитель отдела бизнес‑процессов в Sminex. Недавно в подкасте «Цифра в деле» я поделился нашим подходом к использованию нейросетей. Обсудить успели не всё, поэтому в этой статье расскажу подробнее, как мы в компании решаем, где ставить ИИ‑агента, где растить компетенции у людей, и как поддерживаем ИИ‑энтузиастов. Спойлер: единого рецепта нет, часть выводов мы сами продолжаем проверять на практике.Смотреть подкастЧто мы называем ИИ‑агентом
ИИ всё лучше водит киберпреступников за нос
Мошенники давно используют автоматизацию: массовые рассылки, подмену номеров, шаблоны диалогов и системы обзвона помогают им работать сразу с тысячами потенциальных жертв. Генеративный ИИ добавил к этому убедительные тексты, синтез речи и возможность быстро менять легенду под собеседника. Но тот же принцип начинают применять защитники: вместо того чтобы только блокировать подозрительный звонок, они дают мошеннику «жертву», с которой можно разговаривать часами и которая никогда не переведёт деньги.
Генеративный ИИ и коммерческий GEO в России
От сервиса к инфраструктуре рынкаВ 2023–2024 гг. генеративный ИИ в российской публичной дискуссии чаще описывался как новый класс сервисов: чат-ботов, генераторов изображений и помощников для текстов. К 2026 году рамка уже тесна. Пользователь может контактировать с языковой моделью не открывая отдельное приложение: через нейроответ в поиске, встроенного помощника в браузере, корпоративный интерфейс, IDE, образовательную платформу, голосовое устройство или агент, который выполняет действие за пользователя. Поэтому вопрос "какая доля россиян пользуется нейросетями" уже не описывает весь масштаб проникновения.
Google открыла разработчикам доступ к Gemini 4 Argon через API и инструменты разработки
Google объявила о расширении доступа к Gemini 4 Argon — своей новой ИИ-модели, рассчитанной на сложные многоэтапные задачи. Разработчики теперь могут использовать её через Gemini API, в Google AI Studio, Android Studio и среде разработки Google Antigravity.Модель представили ещё в начале октября, но первоначально доступ к ней был ограничен. С 13 октября Gemini 4 Argon стала доступна более широкому кругу разработчиков и корпоративных пользователей. Рассмотрим немного подробнее.Что умеет Gemini 4 Argon
А что, если ИИ-слоп не ошибка, а бизнес-модель?
Изначально я хотел написать про узкую тему: ИИ-слоп на таких платформах, как Хабр. Есть ли он, какую долю занимает, как быстро растёт. Пока писал, пересматривал «Прослушку», и в рекламной паузе попался ролик, после которого я представил скорее промпт на 30 слов, чем работу опытного 3D-аниматора. По одному просмотру не поймёшь, как его делали, но впечатление было именно такое.
От промпта до продакшена: бесплатные уроки октября про LLM, агентов и MLOps
Привет, Хабр. В этом дайджесте собраны бесплатные уроки октября для тех, кто работает с искусственным интеллектом, машинным обучением и данными или внедряет ИИ в разработку и рабочие процессы. В подборке — LLM и генеративный ИИ, агентные системы, MCP и Tool Calling, MLOps и AgentOps, качество данных, Data Drift, безопасность и эксплуатация AI-систем.
Как найти причину ошибок AI-фичи и проверить её с помощью тестового оракула
Материал подготовлен в рамках нового курса Otus «ИИ в тестировании: ускорение процессов и проверка ИИ-функций»Предположим, в CRM появилась кнопка «Составить резюме обращения». Она передаёт переписку языковой модели и возвращает короткий текст для следующего оператора. QA нужно проверить функцию перед релизом, но уже на первом сценарии возникает вопрос: что записывать в expected result?Возьмём учебный диалог. Все ответы ниже составлены для разбора, это не результаты эксперимента с конкретной моделью.
Как тестировать AI-фичу, если у неё нет одного правильного ответа
Материал подготовлен в рамках нового курса Otus «ИИ в тестировании: ускорение процессов и проверка ИИ-функций»Предположим, в CRM появилась кнопка «Составить резюме обращения». Она передаёт переписку языковой модели и возвращает короткий текст для следующего оператора. QA нужно проверить функцию перед релизом, но уже на первом сценарии возникает вопрос: что записывать в expected result?Возьмём учебный диалог. Все ответы ниже составлены для разбора, это не результаты эксперимента с конкретной моделью.
AI-native организация начинается с неопределенности: что меняется в структуре, ролях и управлении
Привет, Хабр! Летом у нас была закрытая рабочая сессия технологических руководителей C-Level клуба Онтико. Сессию помогали вести топ-менеджеры из Сloud.ru Анастасия Тафеенко, директор блока разработки платформы Cloud.ru Evolution, и Алексей Молчанов, директор блока разработки облачной платформы. Участники обсуждали, как генеративный ИИ и агенты меняют организационный дизайн, роли, компетенции и работу руководителя на горизонте до 2027 года.
