Как мы сделали универсальный ИИ-инструмент, который может создавать сам себя
Когда в компании заходит речь об ИИ-ассистенте для сотрудников, чаще всего выбирают из двух не очень удачных вариантов. Либо сотрудники уходят на личные подписки вроде ChatGPT — и рабочие данные утекают за периметр компании. Либо заводят корпоративного ассистента, который безопасен, но умеет только отвечать текстом: в отличие от прогрессивных моделей в веб-интерфейсе, он не может залезть в данные системы и внести в них реальные изменения.На GenAI-платформе SimpleOne
Как я сделал OpenClaw (ИИ) на 5000 сотрудников
Прошлый декабрь показал нам всем, что ИИ‑агент действительно может делать буквально все, если ему дать умную нейронку, ReAct паттерн и полные доступы.Я сам активно начал пользоваться OpenClaw в феврале‑марте этого года. Сейчас у меня два личных бота (R2D2 и C3PO) и набор специальных ботов (для landings, для маркетинга, для бухгалтерии).Я мог бы впихнуть функционал всех этих ботов в один OpenClaw, дальше опишу, почему пока не сделал.
Агент пишет код. Что тогда остаётся инженеру данных?
Здравый смыслВ работе инженера данных хватает повторяющихся задач: забрать данные из API, проверить структуру, преобразовать поля, записать результат в хранилище. Вокруг этого — настройки, тесты, сообщения об ошибках и документация.Такую работу удобно поручать Агенту. Например:
Отель, ферма и полигон ТКО автоматизируются одинаково?
«Мы под эти параметры не подходим — в связи с особенностью своих предприятий».Так главбух холдинга объясняет, почему типовые правила в 1С не ложатся на их учёт. Та же уверенность у гостиницы, у фермы, у мусорного оператора из того же холдинга: свой бизнес не похож на соседний, готовое решение не подойдёт. Когда мы разложили работу всех этих предприятий на автоматизацию, уникальности в ней оказалось процентов десять. Остальное — пять повторяющихся паттернов, одинаковых что для коровника, что для полигона ТКО.Это выводы с аудита того самого холдинга
Разработчик оставил Claude проводить исследование. Вернулся — и обнаружил, что ИИ запустил себе 16 виртуальных машин
Разработчик дал Claude задачу самостоятельно провести исследование небольшой модели для настольной игры и оставил агента работать. Когда он вернулся, оказалось, что за это время ИИ успел запустить 16 GitHub Actions runners — виртуальных машин, на которых можно параллельно выполнять вычисления.
Что российские BI‑вендоры называют AI‑агентом? Мы проверили 11 решений и собрали целый зоопарк
Чем отличается настоящий аналитический агент от генератора SQL, почему семантический слой важнее размера языковой модели и почему локальная LLM ещё не означает технологическую независимость?В 2026 году AI‑ассистент или AI‑агент появился едва ли не у каждого российского BI‑вендора. Проблема в том, что одинаковая наклейка «AI» скрывает совершенно разные механизмы: где‑то это чат к данным, где‑то генератор SQL, где‑то помощник разработчика дашбордов, а где‑то — мультиагентная система с оркестратором, отдельными ролями и проверкой результата.
Как мы обучаем обычных сотрудников использовать ИИ (и зачем)
Примерно полтора года назад мы в компании начали проводить еженедельные воркшопы по ИИ. Или, как мы сами их называем, ИИ‑кружки. Сначала для разработчиков, а позже — для «чайников» не‑разработчиков тоже. Как, зачем, и к чему это в итоге привело — в статье.
С чего начать автоматизацию бизнеса: как выбрать первый процесс для AI и не слить на нём пилот
Большинство компаний заваливают первое внедрение AI не потому, что технология плохая, а потому что выбрали не тот процесс. Разбираем фреймворк, по которому руководитель без технического бэкграунда может сам определить, что автоматизировать первым.Около 80% компаний, начавших внедрять AI, застревают на одном-двух пилотах и не доходят до промышленного использования. Технологии тут почти ни при чем - модели давно рабочие. Разваливается все обычно задолго до внедрения, на этапе выбора процесса, который будет автоматизироваться.
Что такое n8n и как с ним работать
Как использовать ИИ в бизнесе?Представьте гипотетический запрос клиента: «Где мой заказ и когда он будет доставлен?». Чтобы ответить на него, одной ИИ-модели мало. Сначала нужно найти клиента в базе, получить информацию о заказе, при необходимости обратиться к другому сервису, и только затем сгенерировать и отправить ответ. Приходится задействовать множество систем, которые как-то должны работать в унисон, и всей системе желательно быть гибкой и легко масштабируемой. Обычный чат-бот тут не справится. Дело для серьезного дяди n8n.
