Что за новая профессия такая — ИИ-репетитор?
ИИ-репетитор обучает очень занятого бизнесмена, как использовать ИИНедавно на почве создания ИИ-копий личности («
SIEM на двух ядрах для 150 хостов и 9B модель на триаже: как устроен самописный AI SOC
Представьте SOC, где языковая модель разбирает каждое сработавшее правило. В идеальных условиях она верно обрабатывает около 60% событий второй линии. Оставшиеся 40% — ложные срабатывания и пропуски, и автоматически реагировать на такой выход нельзя. Команда Александра Кельчина, CTO и CISO Medici Lab, пришла к этой цифре на собственных экспериментах. Потом они перестроили SIEM так, что модель на 9 миллиардов параметров стала давать 96–97% хороших ответов, а вся система держала 150 хостов на двух ядрах CPU.
Yelp научили звонить в рестораны от имени пользователя
Создатели приложения Yelp внедрили функцию, позволяющую пользователям задействовать голосового агента, чтобы позвонить в ресторан и узнать, сколько времени придётся ждать в очереди.
Траблшутинг ИИ‑багхантинга: ошибки, которые убивают ваши репорты
В августе мы с моим товарищем Даниилом (t.me/LanyacBug) выступали на OFFZONE — это текстовая версия нашего доклада, для тех кто любит больше почитатьИИ в багхантинге перестал быть экзотикой. Сегодня агент помогает искать уязвимости почти у всех, и вопрос давно не в том, пользоваться им или нет, а в том, как пользоваться так, чтобы это приносило валидные находки, а не поток мусора.
ИИ для аналитиков и руководителей проектов: 28 выступлений на A&PM EVENT 2 026
ИИ уже пишет черновики ТЗ, ищет противоречия в требованиях, прикидывает трудозатраты и разбирает номенклатуру в 1 С, но каждый, кто пробовал это на живом проекте, знает, что между удачным экспериментом и рабочим инструментом лежит большое расстояние. О том, как его пройти, на
SEO-комбайн на AI-агентах
Как заменить Screaming Frog, Semrush и Ahrefs связкой LLM и API-шлюзов
Из хаоса закладок — в галерею визуализаций: история создания DataDrops
Если вы работаете с данными или просто любите графики и карты, то наверняка знаете то самое чувство. Увидели классную визуализацию, захотели сохранить, кинули в закладки или переслали себе в чат. А через пару недель она либо потерялась, либо вы уже не помните, зачем вообще её сохраняли.У меня было ровно так же. Моя личная коллекция датавиза выглядела как хаос из закладок в браузере, сохранённых постов в LinkedIn и случайных ссылок в Notion Obsidian. Найти что-то конкретное спустя время было почти невозможно.Поэтому в какой-то момент из всего этого хаоса появился DataDrops
Свой ИИ‑агент по спецификации: пошагово от цели до прода
Агента сегодня можно собрать за вечер: длинный промпт, пара инструментов — и он что‑то делает. Сложности начинаются потом: поведение нельзя проверить, любая правка промпта что‑то ломает, а на вопрос «почему он так сделал?» ответа нет.В этой статье разберём, как спроектировать агента как инженерный объект: со спецификацией, тестами, ограничениями и метриками. Подход собран из Spec‑Driven Development (SDD), моделей зрелости и автономности агентов и практики команд, которые уже внедряли агентов в разработку.Для кого:
Как внедрить ИИ в бизнес: 5 уровней ИИтизации процессов и AI-Native-подход
Вы внедрили ИИ-агента в свою работу. Он показывает информацию по счетам, формирует сводки, разбирает входящие сообщения и делает ещё много полезного. Но на каком уровне автоматизации вы находитесь? И что делать дальше?

