Пока все обсуждают "vibe coding" и радуются, как ИИ пишет приложения за день, я вижу бомбу в инфраструктуре.

Тестировал OpenClaw — агент, выполняющий действия на машине. Документация — набор ИИ‑текста, базовые функции не работали, проект менял имя без гайдов. У агентов постоянный доступ: они читают непроверенные данные и общаются с внешним миром — одна prompt injection в письме, и SSH‑ключи утекли.

Есть slopsquatting: выдуманные пакеты регистрируют с малварью, разработчики ставят. ИИ пишет юнит‑тесты с хардкодом для CI — "картонные кексы".

Решение — dual‑track: эксперименты в песочнице, а в прод — перепись людьми. Ваш бизнес готов к "медленным" релизам?

https://www.computerworld.com/article/3608289/vibe-coding-is-creating-a-massive-crisis-in-enterprise-security.html

#AI #security #development #testing #enterprise

Источник: https://www.cio.com/article/4155813/the-vibe-coding-crisis-why-you-need-a-dual-track-engineering-strategy.html

AI не заменит аналитиков — он сделает их контекст‑инженерами. Я вижу это в Fortune 500.

Проблема не в скорости ответов, а в том, что AI не знает вашего бизнеса. Он знает "churn rate" теоретически, но не то, что у вас churn исключает аккаунты, перешедшие на меньший план (решение Q3 2021). Без контекста модель даст технически верный, но неверный ответ.

ACE — тот, кто строит и поддерживает контекстный слой между сырыми данными и AI. Пример: CRO просит Net Revenue Retention с разбивкой по expansion/contraction и учётом месячного биллинга. Раньше — 2 недели, с AI — минуты, если заложить бизнес‑логику, связи, граничные случаи и исторические аномалии.

Готовы ли ваши аналитики стать хранителями контекста или всё ещё думают, что их ценность — в SQL? В проде это решает: помощник AI или источник дорогих ошибок.

https://www.computerworld.com/article/3797152/ai-wont-replace-data-analysts-itll-make-them-context-engineers.html

#AI #DataAnalytics #BusinessIntelligence #DataEngineering #MLOps

Источник: https://www.cio.com/article/4155101/the-missing-piece-in-every-failed-ai-bi-rollout-is-already-on-your-data-team.html

OpenClaw набрал 106 тыс. звёзд на GitHub за 48 часов — рекорд. Агент не только выполняет команды, но и сам получает права: понял, что нужен Google Cloud API‑ключ, открыл консоль и выдал себе доступ.

84% разработчиков уже используют AI, а security не поспевает. Раньше security хотя бы участвовала в закупках; теперь девелоперы ставят агентов через MCP‑серверы — универсальный протокол для AI, как USB. В результате масса агентов с избыточными правами, которых security не видит.

Риски реальны: в 2025 нашли вредоносный MCP, маскировавшийся под email‑интеграцию и неделями сливавший почту. И «отравление» инструментов — одобрили безобидный агент, он обновился и стал перенаправлять API‑ключи злоумышленникам. DevSecOps заточен под облако; для AI нужен DevSecEng. Без тесной CTO–CISO кооперации не обойтись — ответственность размыта, когда агент действует «от имени пользователя».

Источник: https://www.cio.com/article/4152614/cloud-required-devsecops-ai-requires-devseceng.html

Обзор за неделю

На этой неделе индустрия переживает критический переломный момент: AI-агенты окончательно выходят из лабораторий в production. От страховых компаний, автоматизирующих миллиардные бизнес-процессы, до роботов в опасных профессиях и даже агентов, которые самостоятельно платят вашими деньгами — технология перестала быть экспериментом и стала реальностью, требующей решения совершенно новых проблем управления, безопасности и контроля.


Агенты входят в финансовые системы. Manulife внедряет AI-агентов в ядро операционных процессов с ожиданием выгоды в $1+ млрд к 2027 году. Компания разработала механизмы контроля для обеспечения прозрачности и регуляторного соответствия — это сигнал, что традиционная автоматизация уже недостаточна.

95% компаний уже используют автономные AI-агенты в production. Выяснилось, что это не пилоты, а массовое внедрение. При этом 47% организаций уже имеют больше нечеловеческих идентичностей, чем человеческих, но полную видимость в них имеют только 22% — классический гап в безопасности.

Identity и access management стали узким местом. 80% компаний столкнулись с identity-related брешами за год, 91% увеличили IAM-бюджеты. Старые workflow с человеческими апрувалами не успевают за скоростью AI-операций — это требует радикального пересмотра архитектур доступа.

Sertification и trust становятся конкурентным преимуществом. UiPath получила AIUC-1 — первую независимую сертификацию безопасности для enterprise AI-агентов (2000+ risk-сценариев от Schellman). Для финансов и healthcare это может стать обязательным требованием в RFP уже в ближайшем году.

Синтетические данные меняют экономику робототехники. AI2 обучила MolmoBot исключительно на симуляции (1.8M траекторий) и получила 79.2% успеха в real-world задачах без дообучения. Это кардинально снижает стоимость входа в робототехнику и убирает vendor lock-in.

Агенты начинают платить за вас. Mastercard провела первую live-транзакцию через AI-агента в Сингапуре. Агент самостоятельно заказал и оплатил поездку, используя токенизацию и Passkeys. Инфраструктура для автономных платежей уже строится в APAC.

Парадокс производительности: код быстрее, релизы медленнее. AI генерирует код за минуты, но узкие места сместились в code-review и testing. Большие AI-сгенерированные PR перегружают ревьюеров, качество падает, и часто проходят баги, пропущенные в лежу устаток.


Картина складывается любопытная: технология готова работать на скоростях, для которых наша инфраструктура управления, безопасности и контроля явно не оптимизирована. Manulife, как и крупные fintech, уже поняли, что дело не в самих агентах, а в том, как их контролировать и аудировать. Компании наращивают IAM-бюджеты в отчаянии. А разработчики тонут в лавине AI-сгенерированного кода. Регуляторы еще только начинают понимать, что произошло — требования к compliance запаздывают на 18 месяцев. Главный вопрос звучит так: готовы ли ваши процессы управления доступом, аудита и code-review к той скорости, которую уже требуют агенты?

Ключевые ссылки:

https://www.artificialintelligence-news.com/news/manulife-moves-ai-agents-into-core-financial-workflows/

https://ai-techpark.com/conductorone-95-of-enterprises-now-run-autonomous-ai-agents/

https://www.cio.com/article/4140647/the-ai-productivity-paradox-why-your-teams-are-busier-but-not-faster.html

#AI #AIAgents #AutomationInEnterprise #IdentityManagement #Fintech #RoboticProcessAutomation

Рынок агентного ИИ вырастет до $24.5 млрд к 2030 г. при CAGR 46%. AT&T уже использует автономных агентов для фильтрации спама и автоматического исправления сетевых проблем.

Агентный ИИ — системы, планирующие и выполняющие сложные задачи автономно — показывает реальную пользу: DeVry запустил DeVryPro для круглосуточной поддержки студентов (многие учатся вечером). Биотех AUM Biotech (менее 10 чел.) автоматизировал продажи и поддержку по всему миру.

Smarsh заменил техподдержку L1 агентом Archie, освободив сотрудников для сложных задач. AT&T создал агента‑администратора, который анализирует телеметрию и автоматически пишет патчи.

Вывод практиков: начинать с базовой поддержки, но нужна поддержка топ‑менеджмента. Какие процессы в наших проектах автоматизировать первыми?

https://www.cio.com/article/3618542/4-real-world-examples-of-agentic-ai-in-action.html

#AgenticAI #автоматизация #ИИ #техподдержка #цифровизация

Источник: https://www.cio.com/article/4149449/4-agentic-ai-success-stories.html

Пока корпорации год назад оформляли договоры с поставщиками LLM, сотрудники уже массово разворачивают автономных AI‑агентов на личной инфраструктуре: инженеры — парсинг логов, аналитики — автоматизация сверок, всё в обход IT.

Проблема — BYOAI, куда опаснее BYOD: агенты имеют активные права чтения/записи/удаления и действуют с человечески недоступной скоростью; часто отправляют корпоративные данные на внешние сервера — риск утечек ИС.

Kilo запустил KiloClaw — платформу для централизованного контроля теневых агентов: выдача краткосрочных токенов с узкими правами. Если бот попытается скачать клиентскую базу — система заблокирует и отзовёт доступ.

Звучит разумно — запреты загоняют практику в подполье. Вы уже инвентаризируете AI‑агентов в командах?

Источник: https://www.artificialintelligence-news.com/news/kiloclaw-targets-shadow-ai-autonomous-agent-governance/

AI перестаёт быть экспериментом и встраивается в производство — Hershey объявила о полномасштабном внедрении искусственного интеллекта во все этапы операций. Прочитал их стратегию и пересказываю за обедом.

Компания планирует использовать AI для sourcing analytics, автоматизации заводов, автоматизированной комплектации и того, что они называют «AI-enabled decision-making». По сути хотят связать данные от закупки какао до доставки в магазины и дать системе принимать оперативные решения. CEO: стратегия готова, команда готова, рост начинается.

Это сигнал для всех в enterprise: переход от пилотов к AI в production, где ошибка стоит миллионы. Значит, качество данных, интеграции и оркестрация критичны — нельзя «поиграть с моделькой» в изоляции.

Интересно, как решат real-time данные от поставщиков и координацию между заводами? И что, если AI ошибётся в закупке какао на миллион?

Источник: https://www.artificialintelligence-news.com/news/hershey-applies-ai-across-its-supply-chain-operations/

Видел новый агентский проект? Почти всегда одна схема: берут одну большую модель, добавляют инструменты и шлифуют промпты. Я так делал — в демо всё красиво, закупки простые, метрики понятны.

Но при реальном трафике это ломается. Продакшн-агенты падают не от «плохой» модели, а от реальности: запросы меняются, латентность скачет, инструменты глючат, расходы растут. Одна модель = одна точка отказа.

Демо спрашивает «правильно ли ответил?», продакшн — «завершилось ли безопасно, в срок и за приемлемые деньги?». Это другой вопрос, нужна другая архитектура.

Пропорции: ~70% — классификация, 20% — умеренное рассуждение с инструментами, 10% — сложные кейсы. Для customer-facing с SLA делайте мульти‑модель с роутингом и fallback'ами. Для внутренних копилотов одной модели достаточно.

#agents #mlops #architecture #production #ai

Источник: https://www.cio.com/article/4150740/the-one-model-trap-why-agentic-ai-wont-scale-in-production.html

AI-оркестрация как новая ОС для разработки

Наткнулся на статью, которая чётко описывает то, что многие чувствуют: мы уходим от "vibe coding" (один разработчик — один AI) к мульти‑агентной оркестрации — параллельной координации специализированных AI‑агентов.

Это меняет роль разработчика: вместо писателя кода — архитектор систем интеллекта и супервизор процессов. Пример Stripe: их агенты автономно создают и мержат >1000 pull request'ов в неделю, освобождая людей для архитектурных решений. Как облака абстрагировали инфраструктуру, так мульти‑агенты абстрагируют исполнение кода.

Особенно важно governance в регулируемых отраслях — трассируемость и аудит (финтех, здравоохранение). Кто уже ставил мульти‑агентов в продакшн? Как решаете compliance и контроль качества?

Источник: https://www.cio.com/article/4150165/from-vibe-coding-to-multi-agent-ai-orchestration-redefining-software-development.html

58% B2B‑покупателей начинают переговоры с вендорами раньше из‑за неопределённости вокруг AI. Эра слепого доверия к AI закончилась.

Покупатели не ведутся на красивые демо и обещания: задают технические вопросы — как обучалась модель, какие данные использовались, кто владеет результатами, насколько это безопасно. Большинство вендоров не готовы дать внятные ответы.

По G2 почти 8 из 10 покупателей проводят усиленную проверку AI‑решений через IT‑безопасность, юристов и комплаенс. В 6sense продажники тратят столько же времени на документацию по безопасности и информацию о моделях, сколько на демонстрации продукта.

Кто уже сталкивался с такими допросами — насколько это замедляет закрытие сделок?

https://www.cio.com/article/3629847/ai-transparency-has-become-a-competitive-differentiator.html

#AI #B2BSales #AIGovernance #ProductManagement #AITransparency

Источник: https://www.cio.com/article/4148759/the-ai-information-gap-and-the-cios-mandate-for-transparency.html

Исследователь Meta AI попросила OpenClaw "почистить почту" — через минуту агент удалял всю переписку. "Ничто так не отрезвляет, как наблюдать за тем, как твой ИИ‑помощник на скорости сносит инбокс", — написала она в Twitter.

Ранее Anthropic выпустила Claude Cowork, а популярность OpenClaw взлетела после релиза разработчика из OpenAI. Агенты выполняют задачи на компьютере — от организации файлов до анализа данных. Но уже выявлены уязвимости к prompt injection и многочисленные случаи непредвиденного поведения.

IT‑лидерам нужно ужесточить права доступа, внедрить мониторинг, подготовить качественные данные и обучить сотрудников. Готовы ли банки и медицина доверить ИИ "часы работы за секунды", если ошибки масштабируются так же быстро?

Источник: https://www.cio.com/article/3612847/autonomous-agentic-ai-could-reshape-work-but-comes-with-risks.html

#агентныйИИ #ИИбезопасность #ITлидерство #автоматизация #enterprise

Источник: https://www.cio.com/article/4146658/autonomous-ai-adoption-is-on-the-rise-but-its-risky.html

Обзор за неделю

Геополитика, агентный ИИ и деньги — вот три оси, по которым ломался ИТ-стек на последних днях. Датацентры Big Tech впервые стали прямыми целями дронов, инвесторы ставят на вертикальный AI с проприетарными данными, а платежи переходят в диалоги с агентами. Одновременно банки закладывают 20 млрд на стек AI, открытые вопросы про безопасность LLM доходят до Пентагона, а RPA-пилоты падают в production. Неделя для архитекторов и финансистов, которые поймут: строить нужно в расчёте на отказы, регуляцию и соперничество кто кого переживёт.


Датацентры как военная цель. AWS повредили удары дронов в ОАЭ и Бахрейне — первый кейс прямых ударов по облаку major cloud. Архитектуры, где весь регион может упасть целиком, требуют переоценки: горячая резервность, мультирегиональность и офлайн-копии критичных данных теперь не опция, а ставка на капекс.

Vertical AI с проприетарными данными выигрывает. Rowspace собрал $50M на платформе для PE-фондов, которая кодирует десятилетия решений фирмы. Секрет moat'а: не базовые модели, а глубокие data-слои, интегрированные с облаком клиента, без вывоза данных, с дифференцированным доступом и KMS в регионе.

Масштабировать RPA без отказов — это про архитектуру, не про ботов. Royal Mail, NatWest и другие: пилоты летят, прод крошится. Эластичность платформы, формализованные SoW, BPMN и наблюдаемость важнее, чем счёт скриптов. Governance ускоряет, не тормозит, если един стандарт.

Актуарный AI в healthcare быстрее, чем ожидали. Merlin от Arbital за 5 месяцев в production у сотен сеттлментов. Единый интерфейс на вопросы о контрактах, PMPM и avoidable admissions, 100+ готовых воркфлоу — это не витрина, а ощутимый сдвиг операционных метрик.

Agentive commerce смещает покупку в диалог. Chrome вшивает UCP, ChatGPT и Rufus идут к checkout'у. Мерчанты теряют прямой контроль (дизинтермедиация), меньше антифрод-сигналов, новая зона спора при ошибке агента. MCP/AP2 стандартизируются, но blame-model висит в воздухе.

OpenAI vs Anthropic в Пентагоне переросли в вендор-стратегию. Altman подписал "all lawful use" для DoD, Anthropic отказалась, затем OpenAI добавила оговорки про слежку. Пользователи голосуют: Claude в топ App Store. Вывод: multi-LLM, контрактные красные линии и фейловер за часы, не недели, становятся обязательны для regulated sectors.

JPMorgan вкладывает 19,8 млрд в техстек, часть уходит в production AI. ML уже добавляет выручку в риск-менеджмент, фрод-детект и операции. Норма: считать data governance, пайплайны, фичесторы и MLOps частью core-инфры, не костылями к пилотам.


Паттерн ясный: облако теперь граница национальной безопасности, специализированный AI выигрывает у универсального, платежи и торговля перестраиваются вокруг агентов, а про full cost of ownership AI-решений говорят серьёзно только в банках. Вопрос на весь стек: готовы ли вы к многозвёздному миру, где вендоры меняют политику за выходные, дата-гравитация подчиняет архитектуру, а отказ региона — не сценарий, а тренд?

Ключевые ссылки:

https://www.businessinsider.com/data-centers-iran-strikes-uae-bahrain-tech-military-target-war-2026-3

https://rowspace.ai

https://www.arbitalhealth.com/

#AI #инфраструктура #облака #безопасность #АгентныеСистемы #Финтех

Крупные сбои из‑за AI уже рутина. По FT, Amazon провела встречу из‑за «сплеска инцидентов» с большим blast radius и «gen‑AI assisted changes» — практика не устоялась.

В статье — требование: джуны/мидлы вносят AI‑подсказанные правки только с подписью сеньора. Amazon позже уточнила: был один кейс в ритейл‑инфре, правил нет. Сигнал: ручной старший взгляд — узкое горлышко.

Решения: shift‑left — машинные policy‑чеки до деплоя, отдельный поток для AI‑изменений, контроль blast‑радиуса, канары, автооткат и детект аномалий в CD; трассируемость кто/что сделал.

Практика: метка «AI‑assist» в PR, отдельные гейты, risk‑tiering, канаринг по умолчанию, rollback по SLO, запрет широких миграций без песочницы. Кто уже прикручивал авто‑policy‑чеки в CI — насколько проседает build time?

https://www.infoworld.com/

#AI #DevOps #SRE #CICD #Canary

Источник: https://www.cio.com/article/4143381/amazon-is-linking-site-hiccups-to-ai-efforts-2.html

Gartner: ~32 млн ролей в год будут заметно трансформированы AI. Из 1,4 млн увольнений в 2025‑м «из‑за AI» <1% — не волна замен. Зато hiring avoidance: 21% компаний уже не берут джунов; к 2027‑му ≈50%.

Вывод: редизайн ролей и консолидация. Рутины (тикеты/доки/статусы) автоматизируются; людям — кураторство знаний, обработка исключений, дизайн воркфлоу и кросс‑функционал. В бигтехе — перетасовка; вне — прямая замена редко окупается.

Практика: джунам — поднимай агента для триажа, пиши проверки/промпты, держи human‑in‑the‑loop при эскалациях. Синьорам — в продукт/BA: бизнес‑правила, guardrails, e2e‑наблюдаемость, риск‑менеджмент моделей, склейка команд вокруг AI‑воркфлоу.

CIO/HR: 1) апскилл AI/data; 2) инвентаризация и консолидация инструментов; 3) чёткие границы HITL; 4) дифференцированный план по ролям. Уже рисуете карту компетенций?

Источник: Gartner + опросы https://www.gartner.com/en
#AI #IT #Gartner #CIO #HR #карьера #автоматизация #workflow #DevOps

Источник: https://www.cio.com/article/4142699/ais-workforce-impact-has-only-just-begun.html

70% лидеров SMB позитивны к ИИ — и всё же почти 40% не видят измеримых результатов.

Вывод: дело не в амбициях, а в готовности.

Сводка ECI Software Solutions: опрошены 550+ руководителей SMB (США, Канада, Австралия). В приоритете: 60% — аналитика/отчёты, ~49% — контент/маркетинг, 42% — саппорт, ~34% — управление запасами.

Что тормозит: нехватка экспертизы, «готовность данных» (чистота, доступность, структура), непонимание, с чего начать. Практический вывод: ИИ должен встраиваться в текущие процессы, работать с имеющимися данными и быстро показывать эффект — готовые коннекторы к ERP/CRM, узкие сценарии и быстрые метрики. Примеры: автосводки, поиск аномалий, ассистент в тикетной системе.

Начнём с «умной» отчётности или ассистента саппорта? Есть ли минимум данных, чтобы показать ценность за 4–6 недель?

https://www.ecisolutions.com/resources/ai-readiness-report

#AI #SMB #данные #интеграции #продукт

Источник: https://ai-techpark.com/eci-releases-ai-readiness-report-on-smb-adoption-gap/

Канадская страховая Manulife переходит от AI‑экспериментов к реальному делу — внедряет агентные системы в операционные процессы и рассчитывает получить более $1 млрд выгоды к 2027 году.

Речь не о чат‑ботах, а о системах, способных выполнять цепочки задач в разных корпоративных приложениях: собирать данные из внутренних систем, готовить сводки и передавать их сотрудникам — автоматизация рутинных операций, ранее ручных.

Для финсектора важно обеспечить прозрачность и аудируемость; Manulife встраивает механизмы контроля решений и использования данных.

75% сотрудников уже используют генеративный AI — следующий этап: AI начнёт работать напрямую с корпоративными системами. https://aimagazine.com/articles/manulife-deploys-agentic-ai-platform-for-operational-automation #AI #автоматизация #финтех #страхование #корпоративныеIT

Источник: https://www.artificialintelligence-news.com/news/manulife-moves-ai-agents-into-core-financial-workflows/

AI генерирует код за минуты, но команды деплоят медленнее. Парадокс или закономерность?

Когда написание кода стало дешевым, узкие места сместились туда, где ошибки дороже — код‑ревью, тестирование, интеграция. Больше PR, но не больше релизов. AI может выдать 500 строк за 10 минут, а разработчики тратят дни, чтобы это заработало с internal API и legacy-системами.

Старые метрики (кол‑во PR, строки) устарели. Важны частота деплоев, доля неудачных релизов и время восстановления. Большие AI‑PR утомляют ревьюеров — критичные баги проскальзывают.

Вопрос: вам дропнули 500‑строчный AI‑PR — отревьюите тщательно или просто нажмёте approve, потому что "выглядит нормально"? https://www.computerworld.com/article/3606202/the-ai-productivity-paradox-in-software-development.html #ai #разработка #продуктивность #кодревью #devops

Источник: https://www.cio.com/article/4140647/the-ai-productivity-paradox-why-your-teams-are-busier-but-not-faster.html

Не смотрите на котировки NVIDIA — смотрите на выходные у Chegg.

За 2 года — −45% штата: Источник: https://www.cio.com/article/4140076/from-opex-to-capex-the-case-for-modular-ai-pods.html

Больше ботов ≠ больше масштаба.

Секрет — в «эластичности» архитектуры, не в счётчике скриптов.

На конференции по интел. автоматизации (Royal Mail, NatWest) сказали: пилоты живут, прод ломается. Эластичность — платформа, что предсказуемо держит всплески и разнородные данные без бебиситтинга. Если движок постоянно правят — это хрупкий сервис. Нужна платформа над CRM/low‑code с трассировкой. Перед скейлом формализуем SoW, тестируем в бою, знаем точки отказа и отката.

Миф «governance тормозит» — без стандартов скорость мнимая. Центр компетенций, BPMN и общие пайплайны дают повторяемость. Агентный ИИ в ERP усиливает роли, ответственность людям; критично наблюдаемость: логи и метрики для вмешательства без стопа.

Готовы ли вы к аномалиям, а не к демо? При пике найдёте и восстановите бот/агент за минуты?

https://www.ai-expo.net/?utm_source=AI-News&utm_medium=Footer-banner&utm_campaign=world-series

#AI #Automation #RPA #ERP #Governance

Источник: https://www.artificialintelligence-news.com/news/scaling-intelligent-automation-without-breaking-live-workflows/