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/

Обзор за неделю

На этой неделе ИИ-экосистема расслаивается на две траектории: корпоративная автоматизация западных платформ и физический ИИ как конвергенция моделей, железа и производства. Google консолидирует робототехнику под Intrinsic, Salesforce вводит метрику для агентов, а AWS переделывает консалтинг изнутри. Одновременно Китай доминирует в установках гуманоидов, и даже ИИ-агенты учатся иначе считать деньги. Это не фрагментация — это архитектурный сдвиг, где каждый слой требует новых навыков и решений.


Физический ИИ вошёл в момент конвергенции: 80% гуманоидов в 2025 установлены в Китае, Alibaba контролирует ~70% рынка лидаров. На Западе идёт платформа-гонка: Google встроила Intrinsic в core, Nvidia выкатила Cosmos/GR00T, Siemens+Nvidia пилят Industrial AI OS. Вопрос для пилотов в 2026 — опираться на западный стек с быстрым онбордингом или восточную механику с локализуемым BOM.

Google упаковывает промышленных роботов под одну крышу: Intrinsic + Flowstate + покупка Open Source Robotics Corp = попытка снизить стоимость внедрения и убрать кастомный код. Ставка на доступность: «собрал и поехал» для цеха без армии специалистов. Ключевой вопрос — как это лежит на требованиях безопасности и сертификации там, где один сбой стоит простоев целой линии.

ИИ-агенты сами переучиваются на крипто-финансы: 48,3% выбирают Биткоин, фиат ни разу не №1. Долгосрок — 79,1% BTC, повседневные платежи — 53,2% стейблкоины. Для ИТ-архитектуры это значит: легаси-банковские API добавляют трение, нужны пилоты по стейблкоин-расчётам, self-custody и Lightning-интеграция. Готовы ли бухгалтерия и дата-процессы оценивать стоимость GPU-часами или кВт·ч?

94% CIO хотят ИИ, но две трети не верят в масштаб: PoC летят, но половина считает внедрение слишком быстрым, 89% учатся по ходу. Узкое место — навыки и governance: 62% пошли на компромиссы из-за нехватки знаний, риски понимают меньше половины. Только 39% уверены, что управляют экоследом ИИ. Роль CIO смещается к оркестрации через MSP.

LILT встроил переводы прямо в чат-ассистентов: MCP-сервер + A2A-интеграция закрывает «quality gap»: скорость GenAI с реальным governance. Критичные тексты идут на проверку лингвистам одним промптом. Выстрелит в регулируемых отраслях и локализации, но вендор-лок и зависимость от MCP остаются рисками.

Salesforce ввёл AWU — метрику для работы агентов, но со звёздочкой: Agentic Work Unit меряет исполнение (обновил запись, запустил API), а не точность. Любой триггер считается, даже если ошибка. Полезна только с валидацией попыток/успеха/принятия и привязкой к KPI, иначе это про throughput, а не про доверие.

Amazon ProServe перекраивает консалтинг через ИИ: Внутренний консалтинг AWS влияет на выручку более чем на 10 млрд в год. ИИ давит на две вещи: как доставлять ценность и как за это брать деньги. Меньше «человеко-часов», больше стандартизации. McKinsey, Accenture, PwC притормаживают, EY набирает джунов — ставка на более «продуктовый» консалтинг с фикс-прайсом вместо time-and-material.


Картина недели: запад строит платформы для быстрого онбординга (роботы, агенты, консалтинг), восток копирует железо с контролем цепочек поставок, а финтех-слой агентов уже переписывает себя под крипто. Это не отдельные тренды — это архитектурный сдвиг, где старые метрики (человеко-часы, токены, временные рамки) теряют смысл. Главный риск для enterprise: выбрать платформу сейчас означает лок-ин на годы.

Самая неожиданная деталь из кейса Arbital Health: за 5 месяцев после запуска Merlin AI уже в проде у enterprise‑клиентов (Arkos, CommuniCare, Complete Health). Для VBC и риск‑контрактов такая скорость редкость — честно, не ожидал.

Merlin — актуарный AI‑ассистент для value‑based care и риск‑контрактов: объединяет данные, применяет актуарные правила и даёт прозрачные, аудируемые ответы. Влияет на MLR и PMPM — точнее прогнозы, быстрее решения по драйверам затрат.

Единый разговорный интерфейс отвечает на «какие контракты в дефиците», «PMPM/MLR по рынкам/годам», «какие пациенты под риском avoidable admissions». 80 актуарных starter‑prompts и >100 воркфлоу; масштаб — сотни сеттлментов и миллионы покрытых жизней.

Команды заменяют разрозненные пайплайны одной платформой, сокращая time‑to‑insight и устраняя «чёрные ящики». Для PM/аналитиков/тимлидов — редкий кейс, где AI двигает операционные метрики.

https://www.arbitalhealth.com/

#AI #healthtech #product #analytics #VBC

Источник: https://ai-techpark.com/arbital-health-sees-rapid-adoption-of-actuarial-ai/

Altman заключил контракт с Пентагоном,

юзеры массово ушли к Claude

Таймлайн: Пентагон дал Anthropic ультиматум «all lawful use» или блок в госцепочке. Anthropic отметила красные линии — ни полностью автономного оружия, ни массовой дом. слежки — отказ. OpenAI вошёл в переговоры и к пятнице подписал доступ моделей в закрытую сеть DoD; поднялась критика. На выходных Claude взлетел в App Store — часть юзеров ушла кошельком.

OpenAI дописал стоп‑клаузы против массовой слежки, но опирается на действующее право, которое Anthropic считает устаревшим. Пентагон пометил Anthropic как риск цепочки — компания готовится судиться. История перекочевала в политику и комплаенс.

Практика: 1) снижайте вендор‑локин — multi‑LLM, унифицированные интерфейсы, быстрый фейловер; 2) в договорах — запретные use‑cases, право выхода при изменении регуляторики, аудит логов и переносимость данных; 3) готовьте репутационные планы — месседжи и переключение провайдера за часы.

Вы уже пересматриваете критерии и добавляете «красные линии» и escape‑hatch в SOW?

Источник: https://www.businessinsider.com/sam-altman-openai-pentagon-government-deal-controversy-explained-2026-3

12–24 месяца и $40M — средняя цена «пересадки» агентной инфраструктуры при выделении бизнеса. В M&A понял: не LLM — проблема, а «скелет» вокруг: агенты привязаны к одному IdP, озеру данных и внутренним API, и любая сделка делает их монолитом.

Портируемость = работать под другим юрлицом без наследования IAM/контрактов. Самые дорогие допущения: knowledge graph, observability, метаданные/владение событиями и границы авторизаций.

Рецепт: делимость по умолчанию — отделимые домены с внешней совместимостью; policy-as-data; явная атрибуция событий; манифест источников/тренировок/правил; юрисдикционная осведомлённость как свойство данных.

Тест перед инвестициями: сможет ли система жить под другим корпоративным идентификатором завтра? https://www.cio.com/article/agentic-ai-portability-crisis.html

#AI #EnterpriseArchitecture #MergersAndAcquisitions #DataGovernance

Источник: https://www.cio.com/article/4138732/the-transplantable-skeleton-why-agentic-ai-infrastructure-must-survive-corporate-surgery.html

94% CIO: аппетит к ИИ растёт, но две трети не верят, что удастся масштабировать PoC.

Перечитал CIO Report Logicalis за обедом. PoC множатся — треть ускорила проекты после пилотов, 50% считают внедрение слишком быстрым, 89% «учимся по ходу». Узкое место — навыки: внутренней техники большинству не хватает. На governance 62% шли на компромиссы; риски понимают меньше половины.

Только 39% управляют экоследом ИИ и ставят энергоэффективность в приоритет. Почти все хотят опереться на MSP — роль CIO смещается к оркестрации. Масштаб возможен там, где есть навыки, SRE/ML‑практики и прозрачный risk‑governance. Интересно, как это пойдёт в сильно регулируемых отраслях.

https://www.logicalis.com/cio-report

#технологии #AI #CIO #governance #sustainability

Источник: https://ai-techpark.com/logicalis-report-cios-boost-ai-spending-amid-governance-concerns/

«Внутренний консалтинг» Amazon — ProServe — уже влияет на выручку AWS > $10 млрд в год, и ИИ радикально перекраивает его. Это окно в будущее консалтинга (Business Insider).
ИИ бьёт по двум вещам: как доставлять ценность и как за неё брать деньги. У Amazon — меньше человеко-часов, больше стандартных шаблонов и автоматизации. Для Big Four Polly Thompson отмечает диверсификацию (аудит, налоги, риск, стратегия), что даёт устойчивость; спрос на сложный риск‑консалтинг растёт.
Найм: McKinsey, Accenture, PwC притормаживают; EY набирает джунов; KPMG стабильна — ставка на продуктовый консалтинг.
Вопрос: как в регулируемых отраслях переводят проекты с time&materials на фикс‑прайс с ИИ и сохраняют маржу?
https://www.businessinsider.com
#AI #Consulting #AWS #Cloud #BigFour

Источник: https://www.businessinsider.com/amazon-cloud-reboot-future-consulting-ai-era-2026-3

89,47% точности на 19 графовых задачах и 4B‑параметрный LOM — цифровой мозг для предприятия.

Yonyou шагнул от «плоских» таблиц к онтографу: узлы — сущности, ребра — связи. Модель не просто хранит данные, а делает многошаговое рассуждение.

LOM строит и выравнивает онтологию, склеивая БД, документы и логи в единое знание. Через construct‑align‑reason данные становятся исполнимым активом, непрерывные потоки синхронизируются с онтологией. Решения рождаются в связях и контексте, а не в строке Excel.

Практика: в закупках — раннее предупреждение до PO через Tier‑2/3; в производстве — трассировка брака по BOM до партии сырья; в финансах — проверка владельцев до концбенефициара и блокировка выплат при риске.

Эпоха «данные как граф» уже началась. С какой цепочки вы бы начали онтограф — «заказ‑поставка‑оплата» или «план‑производство‑качество»?

https://www.yonyou.com

#ИТ #онтологии #KnowledgeGraph #EnterpriseAI #цифроваятрансформация

Источник: https://ai-techpark.com/yonyou-unveils-the-large-ontology-model-lom/

70% — так упала стоимость обработки счетов в некоторых компаниях с AI, но финансы всё равно нажимают «Approve» сами.

Главный риск — не «злой ИИ», а потеря продуктивности, когда модели живут отдельно от людей.

Datatonic: следующий шаг — Human‑in‑the‑Loop с чётким говернансом. Без встройки в процессы — вечные пилоты, низкое доверие и ROI не растёт.

Практика: люди задают требования, агенты собирают подсказки; ИИ парсит документы, финансы подтверждают. Нужны чекпоинты, метрики, роли и журналирование — иначе автономы натыкаются на дыры комплаенса.

Вывод: проектируйте совместную работу — ИИ делает подготовку и валидацию, люди задают цели и несут ответственность. Где у вас approvals, какие метрики/SLA и кто владелец оценки? Что сильнее тормозит — недоверие, безопасность или процессная инерция?

https://www.ai-expo.net/

#ИИ #HiTL #MLOps #DataGovernance #Продуктивность

Источник: https://www.artificialintelligence-news.com/news/ai-workflows-need-human-in-the-loop-say-datatonic/