Genpact опубликовал исследование Autonomy by design: Scaling AI for enterprise value — опрос 500+ топ‑менеджеров в 13 странах. Фокус — как перейти от экспериментов к автономному предприятию, где agentic ИИ встраивается в операционные потоки и учится рядом с людьми.

Инсайт: лидеры (топ‑12%) уже проектируют автономию по умолчанию, но массовый прогресс тормозят governance и скилл‑гапы: у большинства нет адекватных моделей управления; лишь 45% обучают всех сотрудников; только 3% внедряют оркестрацию агентов. Парадокс: автоматизировать внедрение автоматизации нельзя — решения принимают люди 🧠

4 энэйблера: «симфония» агентов для сквозных процессов; универсальный AI‑практик и демократизация AI‑грамотности; data‑центристская enterprise‑архитектура; управление со скоростью ИИ — быстро и ответственно.

Рамка рабочая: ставит процессы, данные и контроль на равных с моделями — ключ к выходу из пилотов в измеримую ценность. 🚀

#искусственныйинтеллект #агентныйИИ #автономноепредприятие #архитектураданных #управлениеИИ

Источник: https://ai-techpark.com/genpact-research-12-of-enterprises-lead-the-autonomous-future/

Wharton и GBK Collective: 58% enterprise‑ИТ лидеров пилотируют AI‑агентов для автоматизации и поддержки. Материал с участием Sophos, McKinsey и DoiT объясняет, почему пилоты не переходят в прод и как выстроить «человек+агент».

Ключ — IT+HR: управление изменениями, новые роли (автоматизаторы, кураторы данных, «коучи агентов»), прозрачные коммуникации и обучение «человек‑в‑контуре». У Sophos: агенты в оргструктуре, онбординг как для сотрудников и лидерборд сервис‑деска — меньше трения, быстрее принятие 🤝

Агентный ИИ как операционная модель: сотни ботов под «бот‑менеджером». Нужна настройка автономии — чек‑пойнты, валидации, чистые данные и явные цели. Без единого источника истины ошибки масштабируются по 15+ системам. Выиграют те, кто раньше выстроит модель, метрики и управление автономией ⚙️

#агентныйИИ #ИТиHR #управлениеизменениями #автоматизацияпроцессов #генеративныйИИ

Источник: https://www.cio.com/article/4113999/your-agentic-ai-strategys-missing-link-human-resources.html

Tredence представила пакет Agentic Commerce accelerators — конфигурируемые enterprise‑решения для агент‑дривен шопинга с первым запуском на Google Cloud. Показ на NRF 2026 (Booth #5507). Параллельно Thorne запустила Taia — AI‑советника по wellness, созданного с Tredence, чтобы снизить перегрузку и масштабировать персонализацию.

“Система агентов” закрывает путь покупателя: от Cosmos Customer Intelligence до Shopper Concierge и оркестрации вовлечения. Ключевая выгода — персонализация в реальном времени, time‑to‑value до 60% 🚀. Как по мне — зрелый шаг от точечных виджетов к архитектуре с интеллектом в омниканал; при выстроенных данных и управлении согласием увидишь рост конверсии и LTV 🛍️. #ритейл #персонализация #GoogleCloud

Источник: https://ai-techpark.com/tredence-unveils-agentic-commerce-solution-accelerators/

Крупные сети США — Lowe’s, Kroger и Papa Johns — тестируют ИИ‑агентов в приложениях и на сайтах. Многие используют Google; ритейлеры параллельно пробуют OpenAI и Instacart. Цель — сохранить контроль над витриной и рекомендациями 🛒🤖

Выгоды: собственный интерфейс, персонализация на first‑party данных и рост выручки — у Lowe’s конверсия при обращении к Mylow более чем вдвое. Это не «ещё чатбот», а агентная логика в каналах и диверсификация вендоров.

Прагматично: данные в периметре, модульная архитектура. Рынок останется гибридным — часть транзакций уйдёт в крупные чат‑платформы, основная ценность — в собственных приложениях. Смотрите метрики: конверсия, средний чек, удержание.

#ритейл #онлайнторговля #искусственныйинтеллект #персонализация #клиентскийопыт

Источник: https://www.artificialintelligence-news.com/news/kroger-and-lowe-test-ai-agents-without-handing-control-to-google/

В недавнем отраслевом материале описан 5‑ступенчатый путь наблюдаемости — от порогового мониторинга к частично автономным операциям. Модель основана на интервью с Pacvue, SpotOn и Oracle и комментарии аналитика Forrester Карлоса Казановы о размытости термина. 🔭

Ключ — переход к бизнес‑наблюдаемости: SLI→SLO→SLA, приоритизация инцидентов по выручке, CX и риску. Дальше — AIOps: ИИ связывает логи, метрики, трейсы и зависимости, ускоряя обнаружение причин и восстановление; появляется наблюдаемость моделей (дрейф, свежесть данных, вариативность, галлюцинации). Финал — частично автономная ремедиация: обмен контекстом агент‑к‑агенту и автоматические действия с гардрейлами. 🤖

Это значит меньше шума и эскалаций, ниже MTTR и отток, выше удержание и доверие; инженеры перестают «сидеть на логах» и возвращаются к оптимизации стоимости и архитектуры.

#наблюдаемость #DevOps #AIOps #SRE #CIO

Источник: https://www.cio.com/article/4110550/5-stages-to-observability-maturity.html

Meta покупает сингапурский AI‑стартап Manus за более $2 млрд (WSJ), компании объявили в понедельник. Manus стал вирусным в марте благодаря демо AI‑агента для автономного скрининга резюме и сток‑аналитики; стартап переехал в Сингапур в середине 2025. Meta продолжит продавать Manus отдельно и интегрирует технологии в Facebook, Instagram и WhatsApp; ход дополняет июньские $14 млрд в Scale AI 🚀

Главная ценность — моментальная выручка и масштаб: «миллионы» пользователей, 147 трлн токенов и >$100 млн ARR за 8 месяцев — Meta получает продукт с product‑market fit и проверенной инфраструктурой 🤝. Ставка на AI‑агентов усиливает application layer поверх коммодитизирующихся моделей — если ты строишь продукты, ценность уходит туда. Мой вывод: это ускорит прямую монетизацию ИИ у Meta и сдвинет рынок от «гонки параметров» к рабочим кейсам, хотя риски интеграции и зависимости от сторонних языковых моделей остаются.

#ИИ #AIагенты #продуктоваястратегия #монетизация #M&A

Источник: https://www.businessinsider.com/meta-manus-acquisition-ai-boost-agents-2025-12

В 2025 ИИ окончательно в повестке CIO — восемь руководителей из LIUNA, Zillow, Casey’s, Ensono, VLS, Wolters Kluwer, HBS и Cognizant подвели итоги года. Месседж: генеративный ИИ перестал быть игрушкой и стал рабочим инструментом; прыжок LLM за 12–24 мес открыл неожиданные сценарии.

Выигрыши: продуктивность и персонализация с human‑in‑the‑loop; переход от оргструктур к "work charts" и навыкам; приоритет data governance и leading indicators; дисциплина портфеля ИИ‑проектов и явная ценность.

Новое — agentic AI и координация мультиагентов через функции: без оркестрации и интероперабельности упадёт продуктивность. Дорожная карта = взросление: меньше PoC, больше операционализации, метрик и заботы о людях и данных. 🚀⚙️

#CIO #генеративныйИИ #управлениеданными

Источник: https://www.cio.com/article/4109167/cios-top-10-takeaways-from-the-year-ai-got-practical.html

Обзор за неделю

На прошлой неделе ИТ-пространство оформилось вокруг двух ключевых тем: управлением ИИ в enterprise и новой архитектурой систем, где агенты и потоки данных работают без трения. IBM запустила платформу Bob для регулируемого SDLC, Fingerprint внедрил адаптивный скоринг фрода, а исследование Alteryx подтвердило, что успех пилотов ИИ зависит от качества данных и доверия, а не от мощности моделей. Одновременно выросли угрозы от госакторов, использующих ИИ для разведки и социинжиниринга — и вся картина складывается в понимание: простая автоматизация ничего не даст без архитектуры, прозрачности и управления рисками.


IBM Bob переопределяет SDLC: платформа встраивается во весь цикл разработки с динамической маршрутизацией задач между моделями, встроенными guardrails и полной аудиторской трассировкой — внутри компании это дало +45% продуктивности, клиентам (Blue Pearl) сократило Java-upgrade с 30 до 3 дней

Адаптивный ИИ в безопасности: Fingerprint запустил самообучающийся Suspect Score на собственных данных клиента, что снижает ложные срабатывания и повышает контроль над решениями системы — это удачный баланс между автоматизацией и видимостью

Госакторы масштабируют ИИ-атаки: Google опубликовала квартальный Threat Tracker, фиксируя использование ИИ (включая Gemini) в фишинге, разработке вредоносов и извлечении моделей — скорость и масштаб выросли, моделям угроз нужен апдейт прямо сейчас

Менее 25% ИИ-пилотов доходят до продакшена: исследование Alteryx показало, что причины — недоверие к результатам, слабое качество данных и легаси-инфраструктура; ответственность за ИИ-воркфлоу смещается к линиям бизнеса (+11% за 3 года)

Echo-2 снижает стоимость обучения на 80%: распределённая система от Gradient позволяет обучать модели на разнородном железе вместо гипермасштабных центров — прорыв для НИОКР и агентов под давлением энергокризиса

Архитектура потока вместо изолированного интеллекта: публикация Foundry показывает, что будущее за системами с открытым контекстом (MCP) и безопасной координацией агентов (A2A) — это убирает «налог трения» и повышает реальный ROI

Генеративный ИИ в платежах предотвращает потери: адаптивная аутентификация на основе ИИ может снизить ложные отказы, которые стоят индустрии $50+ млрд ежегодно в крупнейших западных экономиках


Итог недели такой: простой ИИ мёртв. Выигрывают те, кто встраивает управление рисками, прозрачность и управление данными на уровне архитектуры — будь то Bob в SDLC, Suspect Score в безопасности или архитектура потока для CIO. Вопрос не в том, использовать ли ИИ, а в том, как спроектировать системы, где ИИ работает контролируемо и приносит реальный результат. Готова ли твоя инфраструктура к такому сдвигу, или ты всё ещё собираешь разрозненные инструменты в stack?

Ключевые ссылки:

• https://www.artificialintelligence-news.com/news/ibm-launches-ai-platform-bob-to-regulate-sdlc-costs/

• https://ai-techpark.com/fingerprint-unveils-ai-enhanced-suspect-score/

• https://www.cio.com/article/4129620/agentic-ai-fails-without-an-architecture-of-flow-to-eliminate-the-friction-tax.html

#IBM #ИИ #Enterprise #безопасность #MLOps #архитектура
```

IBM запустила Bob — AI-платформу для enterprise-разработки: ИИ ускоряет код, но без контроля несёт риски.

Суть

Bob встраивается во весь SDLC: аудит, безопасность, трассировка. Платформа подбирает модель под задачу, включает нужные проверки и сохраняет историю действий для аудиторов — это важно для legacy-модернизации, где нельзя «скормить код чату».

Цифры

В IBM: +45% к продуктивности; Maximo — минус 69% времени на рефакторинг, Instana — минус 70% на части задач.

У клиентов: Blue Pearl сократила Java-upgrade с 30 дней до 3, без дефектов после деплоя.

Итог

Bob — не «умный автокомплит», а управляемый ИИ для зарегулированных организаций, где безопасность и комплаенс важнее скорости.

#IBM #AI #Enterprise #SDLC #LegacyModernization

Источник: https://www.artificialintelligence-news.com/news/ibm-launches-ai-platform-bob-to-regulate-sdlc-costs/

Fingerprint запустил AI-рекомендации для адаптивного скоринга фрода

Статические модели антифрода уже не успевают за новыми схемами атак. Fingerprint предлагает обучать Suspect Score на данных клиента, чтобы веса сигналов подстраивались под реальные паттерны мошенничества в компании.

Как это работает:
• Загружаете размеченные фрод-данные
• AI анализирует их вместе со Smart Signals
• Получаете оптимальные веса под ваш трафик
• Перед применением видите рекомендации и включаете их в один клик
• При смене угроз переобучаете модель новыми данными

В итоге команда безопасности получает автоматизацию без потери прозрачности: меньше ложных срабатываний и понятный score для каждого пользователя.

#antifraud #ai #security #enterprise

Источник: https://ai-techpark.com/fingerprint-unveils-ai-enhanced-suspect-score/

Свежий отчёт по железным дорогам Великобритании прогнозирует +1 млрд поездок к середине 2030‑х. Идея: ИИ — «операционная система» сети не как единый центр, а слоями прогнозирования, оптимизации и мониторинга от инфраструктуры до станций. Примеры: Network Rail и европейские R&D‑проекты.
От «find & fix» к «predict & prevent»: датчики, LiDAR и компьютерное зрение заранее находят деградацию; цифровые двойники и AI‑traffic management повышают пропускную способность без новых путей; подсказки машинистам дают 10–15% экономии энергии 🚆. Нужны единые данные, проверенные модели и киберустойчивость наряду с физбезопасностью — шанс ускорить модернизацию и повод пересмотреть дорожные карты данных, эксплуатации и киберрисков.
#ИИ #железныедороги #прогнозноетехобслуживание #цифровойдубль #кибербезопасность

Источник: https://www.artificialintelligence-news.com/news/rail-ai-in-the-uk-beyond-predictive-maintenance/

В свежей статье отраслевых медиа разбирают, где агентный ИИ — реальность, а где хайп. По опросу McKinsey 39% компаний экспериментируют с агентами, но лишь 23% масштабируют в одной функции; IDC прогнозирует: к 2026 до 40% ролей в Global 2000 будут работать с агентами. В материале мнения Nancy Gohring (IDC), Ken Grady (Cengage) и Bryan O’Sullivan (Voxel) — от барьеров до кейсов.

Агенты — не просто чат: они держат контекст, ставят цели, сотрудничают и уже встроены в продукты Salesforce, Workday и Microsoft. Выгода — автоматизация workflow и освобождение людей для стратегии. Ограничения: мультиагентная сложность, вендорные «сады», утечки данных и отсутствие устойчивой памяти агента 🧩

Что делать: запускать короткие пилоты, строить абстракционный слой и базовую оркестрацию, сразу добавлять наблюдаемость, контроль и управление рисками; валидировать гипотезы и масштабировать по метрикам. Мой вывод: выиграют те, кто проектирует интероперабельность и память (short/medium/long), а не гонится за демо ✨

#агентныйИИ #LLM #архитектура #интероперабельность #ИТлидерство

Источник: https://www.cio.com/article/4107315/agentic-ai-in-2026-more-mixed-than-mainstream.html

Пока кто-то ждёт AGI, нормальные ребята починили RAG — жить стало легче. 😎

В статье показали, как собрать Retrieval‑Augmented Generation без боли и галлюцинаций: hybrid search (BM25+вектора), query rewriting, reranking и цитирование источников — как IKEA‑инструкция, но без лишнего шестигранника.

Режем документы, индексируем по ключевым словам и эмбеддингам. Переформулируем запрос, ищем кандидатов, reranker, склеиваем контекст с ссылками и отдаём LLM — ответ с источниками, а не «мне так кажется». Guardrails и лимит контекста — меньше токенов, больше пользы. 🤖

Плюс: гибридный поиск и reranking снижают галлюцинации. Минус: много компонентов и мониторинга. В РФ удобно на open‑source: pgvector/Milvus, ColBERT, tei‑rerankers и локалки — юридически спокойнее и latency нормальный.

Вывод: RAG — не серебряная пуля, но понятная инженерия. 🧂

#RAG #LLM #Поиск #MLOps #NLP

Источник: https://www.forbes.com/sites/ronschmelzer/2025/12/19/the-secret-to-holiday-content-with-ai-and-without-burnout/?ss=ai

Всем трям!

Мне написал DevRel. Попросил передать телегу другому DevRel'у. Я почувствовал себя физиком на Большом адронном коллайдере, случайно попавшим в чужой эксперимент с запутанными фотонами ;)

Закончился эксперимент мастер-классом на митапе Ви.Tech в Нижнем Новгороде. Тема: аналитик между бизнесом и разработкой, как не стать крайним, когда все хотят разного.

Коротко о том, что оказалось самым живым. Я готовил переговорный инструментарий: BATNA, ZOPA, гарвардский метод, техника «Если, то», фиксация договорённостей. Всё это зал схватил за полтора часа, отработал в тройках и попросил добавки.

А в обратной связи прилетел запрос, которого я не ждал. Люди попросили разобрать лайфхаки по Jira и Confluence: сбор отчётов, трекинг процесса и куда во всё это честно встраивается ИИ.

На заметку: связь тут прямее, чем кажется. Половина инструментов из мастер-класса упирается в фиксацию. Проговорить итог встречи вслух легко. А дальше нужно записать сроки, объём, ресурсы, отложенные задачи и принятые риски так, чтобы через месяц это можно было найти и предъявить. Ровно здесь люди и тонут в ручной работе, потому что никто не любит писать протоколы.

И вот тут ИИ реально полезен, без всякого волшебства. Собрать саммари встречи, разложить его по задачам, подтянуть оценки, сформировать отчёт по спринту без ручного копипаста. Скучная автоматизация, которая экономит часы каждую неделю.

Минутка честности про агентов. Как только часть решений начинает принимать агент, появляется новый спор. Раньше выясняли, кто прав, человек или человек. Теперь выясняют, можно ли доверять решению агента и кто отвечает, если он ошибся. Принятый риск нужно фиксировать точно так же, с фамилией рядом. Регламентов под это почти ни у кого нет, а решения уже принимаются.

Собираю разбор по связке Jira, Confluence и ИИ. Напишите в комментариях, что болит сильнее: отчётность, трекинг или разграничение ответственности между человеком и агентом. С этого и начну.

ЗЫ. Ещё узнал, что я топ-2 спикер по работе с конфликтами в ИТ по версии LLM. Кина не будет, рейтинг составила нейросеть, а не жюри с медалями. Но приятно о_О

Всем трям!

Мне написал DevRel. Попросил передать телегу другому DevRel'у. Я почувствовал себя физиком на Большом адронном коллайдере, случайно попавшим в чужой эксперимент с запутанными фотонами ;)

Закончился эксперимент мастер-классом на митапе Ви.Tech в Нижнем Новгороде. Тема: аналитик между бизнесом и разработкой, как не стать крайним, когда все хотят разного.

Коротко о том, что оказалось самым живым. Я готовил переговорный инструментарий: BATNA, ZOPA, гарвардский метод, техника «Если, то», фиксация договорённостей. Всё это зал схватил за полтора часа, отработал в тройках и попросил добавки.

А в обратной связи прилетел запрос, которого я не ждал. Люди попросили разобрать лайфхаки по Jira и Confluence: сбор отчётов, трекинг процесса и куда во всё это честно встраивается ИИ.

На заметку: связь тут прямее, чем кажется. Половина инструментов из мастер-класса упирается в фиксацию. Проговорить итог встречи вслух легко. А дальше нужно записать сроки, объём, ресурсы, отложенные задачи и принятые риски так, чтобы через месяц это можно было найти и предъявить. Ровно здесь люди и тонут в ручной работе, потому что никто не любит писать протоколы.

И вот тут ИИ реально полезен, без всякого волшебства. Собрать саммари встречи, разложить его по задачам, подтянуть оценки, сформировать отчёт по спринту без ручного копипаста. Скучная автоматизация, которая экономит часы каждую неделю.

Минутка честности про агентов. Как только часть решений начинает принимать агент, появляется новый спор. Раньше выясняли, кто прав, человек или человек. Теперь выясняют, можно ли доверять решению агента и кто отвечает, если он ошибся. Принятый риск нужно фиксировать точно так же, с фамилией рядом. Регламентов под это почти ни у кого нет, а решения уже принимаются.

Собираю разбор по связке Jira, Confluence и ИИ. Напишите в комментариях, что болит сильнее: отчётность, трекинг или разграничение ответственности между человеком и агентом. С этого и начну.

ЗЫ. Ещё узнал, что я топ-2 спикер по работе с конфликтами в ИТ по версии LLM. Кина не будет, рейтинг составила нейросеть, а не жюри с медалями. Но приятно о_О