Как мы мигрировали с MongoDB на Cassandra за квартал: опыт использования АI-агентов
Что делать, если критически важное хранилище с миллиардами записей требует слишком много дорогого железа, а на миграцию силами инженеров уйдет целый год? Меня зовут Александр Моргунов, я инженер Авито, в этой статье я расскажу как мы провели эту миграцию всего за один квартал силами одного архитектора, не написав руками ни одной строчки продакшн-кода, лишь с помощью ИИ-агентов.
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.
Кто нашёл больше багов — агент или человек? Мои замеры 11 недель работы с AI-тестировщиком
Одиннадцать недель я вёл дневник каждой рабочей сессии с Claude Code: сколько часов работал агент, сколько я был рядом, кто нашёл каждый дефект и что случилось с каждым кандидатом — подтверждён, снят или ушёл вопросом. Вместо впечатлений — таблица: 277 агентских часов, 213 моих, 94 подтверждённые находки. Первая версия этого счёта оказалась завышенной почти вдвое — куда делась половина, тоже расскажу.Это четвёртая статья про paranoid-qa — опенсорсный пак скиллов, который заставляет Claude Code тестировать с доказательной дисциплиной. В первых трёх я показывал методику: вердикты только с пруфами,
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.
Как будет развиваться ИИ до 2050 года: деньги, регионы, сценарии
Привет, Хабр! В искусственный интеллект вливают все больше денег и в обозримом будущем конца-края этому не видно. Так, до 2050 года сумма вложений составит 31,6$ трлн, а в случае взрывного роста индустрии инвестиции достигнут 50$ трлн. Для сравнения: ВВП США сегодня — около $30 трлн. Куда именно пойдут эти деньжищи, кто будет ими распоряжаться и как это повлияет на рынок ИИ в целом – читайте ниже.Такого у человечества ещё не былоЦифры выше – из отчёта аудиторского гиганта PricewaterhouseCoopers под громким названием «Global Data Centre Outlook 2026–50»
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
Почему MVP и тесты гипотез — это плохо: адаптация lean startup под бигтехи
В любой компании нужно решать, над чем и как работать. Одна из широко распространённых методологий для принятия таких решений в IT — lean startup, то есть небольшие итерации с тестированием гипотез. Этот подход настолько привычен для индустрии, что многие команды даже не отдают себе отчёт, что используют его.Проблема в том, что lean startup не работает «в лоб», если вы не стартап:: я знаю много команд, чье использование MVP и тестов гипотез обернулось впустую потраченным ресурсом и привело к разочарованию в подходе.
Инженер устал от работы Enter-ом, где Claude Code создаёт спецификации, код, тесты, задачи, решения этих задач и отчёты
Разработчик под ником v0xium устроился
Искусственным интеллектом должен владеть естественный: кто отвечает за ошибки ИИ
ИИ уже забрал на себя маршрутизацию заявок, типовые ответы и добрую половину работы первой линии — там, где раньше сидел человек и вручную разбирал, кому отправить обращение по сломанному принтеру, а кому по доступу в CRM, теперь справляется алгоритм, который не устаёт к вечеру пятницы и не путает приоритеты. Логичный вопрос: если рутину забрал ИИ, зачем вообще нужен ITSM?Зона ответственности Service Desk перераспределяется. Давайте обсудим, кто отвечает за ИИ-сервисы и что будет, если пустить их на самотёк.
