💭Яндекс показал, куда движется корпоративный ИИ: в сторону узких моделей под конкретные задачи.

Alice AI LLM Flash — хороший пример этого сдвига. Вместо попытки сделать «одну модель на все случаи» рынок идет к более практичной логике: отдельные ИИ-решения для текстов, документов, клиентских запросов, поиска по знаниям и других повторяющихся процессов.

❗️Почему это важно для бизнеса:
✅ниже стоимость внедрения и эксплуатации
✅быстрее запуск пилотов
✅проще контролировать качество
✅выше точность на конкретных задачах
✅лучше считается ROI
потому что эффект виден в операционных метриках, а не только в красивых демо.

Для руководителей и владельцев бизнеса здесь главный вывод простой: следующий этап ИИ-трансформации — это не ставка на одну «супермодель», а построение ИИ-архитектуры из нескольких узких решений, каждое из которых дает измеримую бизнес-ценность.

На мой взгляд, именно такой подход делает ИИ не экспериментом, а частью операционной эффективности

А теперь серьезно!
Каждый день вы читаете тексты, смотрите лекции, участвуете в проектах, решаете сложные задачи, ведёте переписку и встречи. Но через пару недель всё это превращается в смутные воспоминания: «где‑то видел», «о чём‑то говорили», «надо найти ту статью».

ИИ может стать системой, которая "не забывает":
✅автоматически фиксирует, какие темы вы изучали;
✅ вытаскивает из ваших заметок, писем и документов ключевые понятия и связи;
✅ превращает хаос информации в аккуратную карту: «вот здесь у тебя сильная аналитика, вот здесь системное мышление, а вот тут — только первые шаги».

❗️По-сути, в условиях утечки знаний ИИ — это ваша личная гидроэлектростанция

Карта личных знаний: не красивая схема, а рабочий инструмент. А ИИ станет эффективным помощником.

Что может делать ИИ‑ассистент:
✅ разбирать ваши проекты и задачи, выделяя "компетенции", которые вы реально применяли;
✅ показывать траектории роста: «ты уже третий проект подряд используешь навыки X и Y — пора оформить это в чёткую компетенцию и усилить её»;
✅ честно подсвечивать пробелы: «вот область, где ты только собираешь ссылки, но ещё ни разу не пробовал применять».

Это уже не список пройденных курсов, это "живая карта", где каждая компетенция привязана к реальным действиям

❗️ИИ становится личным онтологом и отвечает на вопрос - кто ты на самом деле в мире работы?

В профессиональных системах используют онтологии — формальные модели, чтобы описывать связи между ролями, задачами и знаниями. ИИ может делать то же самое для вашей личной жизни и карьеры.

Пример:
✅ вы ведёте проекты — ИИ видит навыки управления требованиями, рисками, коммуникацией;
✅ вы пишете тексты — добавляются компетенции структурирования знаний, сторителлинга, критического мышления;
✅ вы разбираетесь в ИИ — фиксируются навыки работы с моделями, данных, этики и безопасности.

ИИ строит "вашу личную онтологию":
не «менеджер/аналитик/эксперт», а конкретное сочетание компетенций, ролей и типов задач, в которых вы сильны. Это и есть ваш настоящий профессиональный «гороскоп» — но основанный не на звёздах, а на данных.

Вместо резюме — динамический профиль компетенций

Почему это важно? Потому что мир уже движется от статических резюме к динамическим профилям компетенций. Организации, описанные в отчёте, используют карты компетенций, чтобы собирать команды под уникальные задачи, а не закрывать «ячейки» в оргструктуре.

❗️ИИ‑ассистент может:
✅ собирать вашу историю действий и проектов;
✅ периодически пересчитывать вашу «карту компетенций»;
✅ готовить под каждую задачу или собеседование "релевантный срез", а не универсальное резюме.

В итоге вы приходите не как «ещё один кандидат с опытом 10+ лет», а как "конкретный набор компетенций", который идеально ложится на будущую роль или проект.

❗️Самая сильная точка в концепции картирования компетенций — опора на реальные действия, а не на самоощущения. ИИ помогает сделать это без боли:

- он не обесценивает вас, но и не даёт себя обмануть: «ты называешь это стратегией, но в данных видно, что ты действовал как пожарный, а не как архитектор»;
- он показывает, где вы уже стали экспертом, а где пока просто любопытный наблюдатель;
- он предлагает осмысленные шаги развития, исходя из того, что вы реально делали, а не из модных списков «10 навыков будущего».

ИИ в теме компетенций — это не «игрушка для HR» и не «ещё один сервис заметок». Это шанс, наконец, увидеть свою жизнь и карьеру не как набор случайных эпизодов, а как систему знания, навыков и смыслов, которая может расти осознанно.

И вопрос к вам не «какой курс пройти в 2026‑м», а такой:

Готовы ли вы позволить ИИ стать не просто помощником, а картографом вашей внутренней Вселенной знаний — с честной, глубокой и живой картой, по которой можно идти дальше?

Хотите научу как построить личную карту знаний с помощью нехитрой методологии и ИИ?

Размышления перед выходными…
Конкурс на новый факультет искусственного интеллекта МГУ составил 127 человек на место, сообщили РИА Новости в пресс-службе вуза.
Но до актеров еще далеко…

Друзья, в субботу весь день с семьей провел на ИТ-Пикнике в Коломенском. Помимо хорошей погоды, чудесного вайба, концерта принял участие в дискуссии с коллегами.
Зацепились с руководителем обработки естественного языка Т-банка Артемом Бондарем об элементе, без которого машинное обучение в компании остаётся красивой презентацией, пилотом и очередной строкой в стратегии.
❗️О ML-культуре❗️

И я поймал себя на мысли: именно здесь проходит настоящий водораздел между теми, кто использует ML, и теми, кто действительно строит бизнес с помощью ML.

🫡ML-культура — это не «у нас есть data science-команда». И не десяток моделей в корпоративном контуре.
Это привычка компании принимать решения на данных, быстро проверять гипотезы, не бояться признавать ошибку модели — и отвечать за результат после её запуска.

🤝Финтех и бигтех давно живут в этой логике.
Там модель — не музейный экспонат и не финальный отчёт по пилоту. Она ежедневно влияет на клиентский опыт: кому показать предложение, где предотвратить мошенничество, как ускорить решение, какой следующий шаг сделать в продукте.
Результат виден быстро — в конверсии, риске, удержании, выручке. А значит, у ML есть право быть частью операционной ткани бизнеса.

🤔В промышленности всё иначе. Длиннее циклы. Выше цена ошибки. Данные часто живут в разрозненных АСУ ТП, MES, ERP, исторических архивах и головах опытных специалистов. Здесь нельзя просто «взять модель из финтеха» и ожидать чуда.

❗️Но именно поэтому промышленности ML-культура нужна, возможно, ещё сильнее.

Потому что предиктивная модель без доверия инженера — не влияет на ремонт.
Модель контроля качества без интеграции в процесс — не снижает брак.
Прогноз без понятного владельца решения — остаётся графиком на дашборде.

Внедрять ML-культуру нужно не тогда, когда «данные будут идеальными» или появится огромный бюджет на корпоративную ИИ-платформу.
А тогда, когда у бизнеса появилась повторяющаяся, дорогая и измеримая проблема — и есть готовность изменить процесс, если данные покажут другой путь.

С чего начать?

✅Выбирать не самую модную, а самую болезненную бизнес-задачу.
✅Сразу договориться, какая бизнес-метрика докажет успех.
✅Собрать в одной команде бизнес, технологов, владельцев данных, ML-специалистов и эксплуатацию.
✅Сделать пилот, но с первого дня думать: кто будет пользоваться решением, что произойдёт при ошибке и как модель будет обновляться.
✅Учить руководителей и сотрудников говорить на языке данных, а не ждать «магии от нейросети».
✅Создавать пространство, где удачные эксперименты масштабируются, а неудачные — становятся знанием, а не поводом скрыть проблему.

ML-культура начинается в тот момент, когда компания перестаёт спрашивать:
«А можем ли мы внедрить искусственный интеллект?»

Вот тогда ML перестаёт быть технологией.
И становится новой управленческой культурой.

А в вашей практике ML стала частью менеджмента?

Друзья, вчера опубликован пакет поручений по цифровизации, и это не рутинная бюрократия — это сигнал: отечественная разработка становится не благотворительностью, а выгодной сделкой.
Главное, от чего должно ёкнуть сердце любого, кто делает российский софт:
▶️ Гранты — до 80%, а не до 50%. Если раньше государство закрывало половину сметы особо значимых промышленных ИТ-проектов, теперь речь о четырёх пятых. Это меняет саму экономику решения «делать самим или ждать».
▶️ Регионы получают карт-бланш на льготы. До 1 декабря главам регионов рекомендовано расширить УСН для ИТ-компаний — 3% на «доходах» и 8% на «доходы минус расходы». Разработка вне Москвы и Петербурга наконец получает шанс не задыхаться от налогов.
▶️ Российский ИИ — в приоритет госзакупок. Минцифры и Минфин должны подготовить поправки до 15 декабря, а через 10 дней появится конкретный перечень нужных ИИ-сервисов для энергетики, транспорта, промышленности. Это не абстрактная поддержка — это реальный госзаказ на отечественные LLM.
▶️ КИИ переходит на отечественное ПО по правилам, а не в хаосе. Появится порядок замены иностранного софта с учётом непрерывности производства — то, чего давно просил рынок.
▶️ Российские САПР проходят проверку боем. До 1 октября промышленность даст обратную связь по функциональности отечественных систем 3D-моделирования и PLM — включая совместимость с иностранными платформами. Момент истины для тех, кто годами говорил «наши САПР ещё не готовы».
▶️ Данные и стратегии — в единый контур. Отраслевые модели данных, единая платформа доступа к промышленным датасетам, синхронизация цифровой трансформации со стратегиями отраслей — всё это до 15 декабря.
❗️Почему это важно именно сейчас: финансовые стимулы перестраиваются так, чтобы российское ПО и ИИ стали выгоднее иностранных альтернатив, а не просто «единственным доступным вариантом».
🙏Для тех, кто в САПР, промышленном ИИ и цифровизации производства — это буквально момент, когда рынок и госполитика синхронизируются.

Следующие полгода определят, кто успеет встроиться в эту волну грантов и приоритетных закупок, а кто останется наблюдателем.

Важная новость для понимания вектора развития генеративного ИИ. Claude теперь «подписывает» всё, что пишет. И это меняет правила игры.
С 2 августа Anthropic начала вшивать в тексты Claude невидимые водяные знаки — метки, которые не видны глазу, не портят смысл, но могут пережить копирование и правки.
Для картинок и файлов — отдельная история: метаданные по стандарту C2PA, которые покажут, трогал ли Claude файл и что с ним делали потом.
Формально это ответ на европейский AI Act — с 2 августа 2026 новые модели в ЕС обязаны маркировать сгенерированный контент. Но Anthropic пошла дальше требований и включила метки глобально — не только в вебе, но и в API, Claude Code, Claude Cowork, Claude Tag, а также в облачных интеграциях через AWS, Google Cloud и Microsoft Foundry.
❗️Что это значит на практике:
• Дипломные работы, книги, статьи, написанные Claude «под ключ» — рискуют получить незаметную метку, которая всплывёт, когда меньше всего этого ждёшь
• Метка не железобетонна: сильный рефакторинг, перевод, смешивание с другим текстом — и след теряется
• Но и отсутствие метки не доказывает, что текст писал человек. Юридической опоры здесь пока нет — есть лишь техническая тень
🤔Моё мнение: это не про “поймать читеров”, это про создание инфраструктуры доверия к контенту в мире, где невозможно на глаз отличить человека от модели. Европа продавила регуляторную рамку — и крупный игрок предпочёл применить её везде, а не делить пользователей на “европейских” и “остальных”. ✊Это важный сигнал: комплаенс становится глобальным дефолтом, а не локальной костью, которую бросают одному рынку.
А что в России?
У нас регуляторной рамки, аналогичной AI Act, пока нет — а значит, и требования к маркировке ИИ-контента не оформлены как юридическая обязанность. Хотя движения в эту сторону есть…Российские модели (YandexGPT, GigaChat и другие) сейчас не обязаны внедрять подобные скрытые водяные знаки на уровне текста.
Это создаёт странный разрыв: пока западные модели постепенно встраиваются в систему “прозрачности происхождения контента”, российский рынок остаётся зоной, где ИИ-текст неотличим от человеческого — ни технически, ни юридически.
Для образования, науки, издательского дела и корпоративной среды в России это означает: проблему подмены авторства “решают” пока только внутренними регламентами и честностью, а не технологией. Если тренд глобализации маркировки (как у Anthropic) продолжится, у российских регуляторов и разработчиков ИИ появится развилка — либо создавать свои механизмы происхождения контента, либо оставаться в серой зоне, где доверие к тексту держится на словах, а не на метаданных.
А для вас было бы ценна подобная маркировка контента?

Получил комментарий от генерального директора группы компаний «Алмаз», игротехника и психолога Глеба Смирнова https://t.me/almazgk
❗️Когда человек узнаёт, что эмоционально значимый текст создан ИИ, срабатывает когнитивный диссонанс, корни которого — в эвристике усилия: мы бессознательно приписываем ценность сообщению пропорционально вложенному в него труду. Обнаружение обратного запускает не рациональный, а аффективный механизм — ощущение фальши и обмана, даже если фактические смыслы не искажены.

Водяные знаки Claude — технология, делающая происхождение явным, но они не решают проблему доверия, а лишь обнажают разрыв между переживанием и источником. Исследования в области взаимодействия человека и ИИ показывают: доверие восстанавливается не скрытой маркировкой, а открытым признанием степени участия автора — например, «сгенерировано ИИ, но лично отредактировано». Это превращает технологию из инструмента контроля в элемент честного социального контракта. Без него любая метка остаётся формальностью, а не гарантией искренности.
Согласны?

Проверять ИИ на духовность — звучит почти как заголовок из антиутопии. Но отмахиваться от этой идеи я бы не стал.

Появилась новость: большие модели ИИ, которые хотят получить статус национальных или суверенных, смогут проходить испытания на соответствие традиционным духовно-нравственным ценностям. Критерии предполагается разрабатывать с участием Минцифры, ФСБ и ФСТЭК. https://www.vedomosti.ru/technology/articles/2026/08/13/1220778-ispitatelnie-laboratorii-proveryat-duhovnost-i-nravstvennost-ii

❗️Первая реакция, конечно:
«А как именно будут измерять духовность нейросети? Попросим написать эссе о смысле жизни?»

Но за немного пугающей формулировкой скрывается абсолютно серьёзный — и давно назревший — вопрос.🤔

ИИ уже не просто инструмент для генерации текста или картинок. Он постепенно становится посредником между человеком и знанием: отвечает детям, помогает принимать кадровые решения, формирует информационную повестку, участвует в управлении сложными системами.
В промышленности — особенно в критических отраслях — цена его ошибки измеряется не только деньгами.

Поэтому нейтральным ИИ быть не может.
В каждой модели уже зашиты чьи-то представления о допустимом, важном, опасном, справедливом. Через данные, правила обучения, системные промпты, фильтры, механизмы отказа, приоритеты разработчика.

И здесь я поддерживаю сам принцип независимой проверки.
Доверие к ИИ не должно строиться на словах разработчика: «у нас всё безопасно, этично и ответственно».
❗️Оно должно подтверждаться тестами, красными командами, прозрачными критериями, журналированием решений и ответственностью на всём жизненном цикле модели.

Но есть принципиальное «но».

Если ценности останутся набором красивых и слишком общих слов, лаборатории рискуют превратить экспертизу в ритуал: модель проверили — галочку поставили — сертификат получили.

Нам нужны не абстрактные разговоры о «нравственности алгоритма», а проверяемые сценарии:

➡️как модель отвечает на манипулятивные и провокационные запросы;
➡️ умеет ли она признавать неопределённость, а не уверенно галлюцинировать;
➡️ можно ли обойти её защитные ограничения;
➡️ как защищены данные и кто отвечает за последствия её применения;
➡️ способен ли человек остановить или скорректировать решение модели.

Закон уже закрепляет для больших фундаментальных моделей принцип учёта традиционных ценностей — включая жизнь, достоинство, права и свободы человека, патриотизм, гражданственность и ответственность за судьбу Отечества.
Теперь наступает самая трудная фаза: превратить ценностный язык в работающую инженерную систему оценки.

Для меня это не история про «моральную нейросеть».
Это история про зрелость государства, бизнеса и общества в обращении с технологией, которая начинает влиять на человеческие решения.

А вы как считаете: возможно ли вообще измерить ценностную совместимость ИИ — или любая такая проверка неизбежно останется формальностью?

Друзья, недавно принял участие в подкасте моего друга Эдуарда Ашрафьяна www.ashrafyan.com Go4AI. И дискуссия оставила у меня одну мысль, которая звучит почти как вызов привычной управленческой логике:

в модели DIKW W - лишняя

Не потому, что мудрость стала не нужна.
Наоборот — потому, что она слишком важна, чтобы притворяться ещё одним уровнем внутри системы.

DIKW обычно расшифровывают так:

Data → Information → Knowledge → Wisdom
Данные → Информация → Знания → Мудрость

Эта конструкция удобна. Она показывает путь: из цифрового следа рождается факт, из фактов — понимание, из понимания — действие.

Но именно в точке W появляется принципиальная ошибка.

Мудрость нельзя «получить» из данных.
Её нельзя накопить в хранилище.
Её нельзя корректно задать в промпте, описать регламентом или купить вместе с корпоративной лицензией на LLM.

Мудрость — не финальная ступень пирамиды.
‼️Она находится вне пирамиды.

Это пространство ответственности, ценностей, выбора и готовности принять последствия решения.

ИИ способен стремительно усиливать первые три уровня:

- собирать и очищать данные;
- превращать их в связанную информацию;
- извлекать, упаковывать и масштабировать знания;
- предлагать сценарии, обнаруживать риски, моделировать последствия.

И он будет делать это всё лучше.

Но ответ на вопрос:
«Какое решение мы имеем право принять?»
— не появляется автоматически даже в самой совершенной модели.

Сегодня задача лидера — не соревноваться с ИИ в скорости обработки информации.
Задача — выстроить организацию, где данные становятся знаниями, а знания проходят через человеческий контур: стратегию, профессиональную этику, культуру, понимание цены ошибки.

Особенно там, где ошибка измеряется не только деньгами: в промышленности, энергетике, инфраструктуре, медицине, обороне.

Поэтому я бы предложил новую формулу:

DIK + W outside
Данные, информация и знания — внутри системы.
Мудрость — над системой и ответственна за неё.

Не стоит пытаться «встроить мудрость» в искусственный интеллект.
Стоит вернуть её туда, где ей и место: в позицию человека, который принимает решение и отвечает за будущее.

Друзья, уверен, что все вы читали «Золотого теленка» Ильфа и Петрова.
Я читал этот роман несколько раз: в детстве, когда не было мобильников.
В школе, когда не было интернета.
В институте, когда не было нейросетей.

А сегодня особенно интересно перечитывать его в эпоху, когда почти у каждого есть персональная фабрика текстов, картинок, презентаций, советов и убедительных формулировок.

Остап Бендер, кажется, быстро освоил бы промпт-инжиниринг. Но главный вопрос остался бы прежним: помогает ли инструмент создавать ценность — или лишь делает комбинации масштабируемыми?

Нейросеть за минуты может написать стратегию, подготовить питч, нарисовать айдентику, собрать «экспертный» пост. Она прекрасно работает с формой: знает ритм убедительного текста, структуру презентации, интонацию делового письма, узнаваемые признаки хорошего дизайна.

Но форма — ещё не вкус.

Вкус — это не способность сказать: «сделай красиво». И даже не умение распознать красивое.
Вкус начинается там, где человек способен отказаться от вполне удачного. Убрать лишний слайд. Не использовать эффектную, но фальшивую метафору. Не публиковать гладкий текст, в котором нет ни одной своей мысли. Не превращать сложную проблему в картинку с тремя стрелками только потому, что это хорошо выглядит в ленте.

ИИ умеет предлагать. Но он не проживает последствия выбора. Он не чувствует репутационный риск, не знает контекста конкретной организации, не несёт ответственности перед аудиторией и не отличает живую мысль от её убедительной имитации, если оба варианта статистически похожи на хороший текст.

Поэтому в мире генерации дефицитом становится не контент. Контента будет столько, что он потеряет самостоятельную ценность. Дефицитом становится отбор.

Способность сказать: это точно, а это — правдоподобно.
Это полезно, а это — просто эффектно.
Это соответствует нашей задаче и культуре, а это выглядит как заимствованная маска.
Это можно выпускать, а это лучше не выпускать вовсе.

Вкус — не декоративная надстройка над компетентностью. Это управленческая способность: видеть меру, удерживать контекст, понимать цену упрощения и выбирать не самое быстрое или громкое, а самое уместное.

Возможно, именно это и будет одним из главных человеческих преимуществ рядом с ИИ. Не способность генерировать больше. А способность не производить лишнего.

Друзья, сегодня у моей старшей дочери день рожденья и я в контексте очередного года размышляю об образовании в будущем. Особенно это актуально для моей младшей дочери
А школа через 17 лет какая она? Или может быть какой должен быть ученик/ученица в школе будущего?
Тем не менее, мы привычно обсуждаем, каким станет образование поколения альфа: цифровые платформы, персональные траектории, ИИ-репетиторы, виртуальные лаборатории, обучение «в любое время и в любом месте».

Но главный вопрос, на мой взгляд, другой.

Кого должна выпускать школа в 2043 году?

Не человека, который быстрее всех находит готовый ответ. Это уже прекрасно делает ИИ.

Не человека, который механически воспроизводит информацию. Её можно получить за секунды.

И даже не просто «пользователя технологий». Это слишком низкая планка.

Школа будущего должна выпускать человека, который умеет поставить перед ИИ правильную задачу, проверить результат, увидеть ошибку, соотнести решение с реальностью — и взять на себя ответственность за последствия.

❗️То есть человека с субъектностью.

В международной образовательной повестке это называют "student agency": способность самому ставить цели, осмыслять действия и влиять на свою жизнь и окружающий мир.
OECD прямо связывает образование будущего с тремя качествами: создавать новую ценность, удерживать противоречия и дилеммы, брать ответственность.

Именно здесь проходит водораздел.

Можно построить школу, где ребёнок получит идеального цифрового помощника: тот объяснит тему в удобном темпе, составит упражнения, напишет текст, решит задачу, подготовит презентацию. Формально успеваемость вырастет.

Но есть риск вырастить поколение, которое умеет получать ответы, но не умеет ставить вопросы и думать;
умеет создавать убедительный текст, но не может отличить правду от правдоподобия;
умеет пользоваться инструментом, но не понимает, для чего и во имя чего он используется.

Это будет самая опасная форма «цифрового образования»: технологически совершенная, но человечески пустая.

Поэтому роль школы не исчезнет. Наоборот — станет сложнее и важнее.

Учитель перестанет быть единственным носителем знания. Но останется тем, кто учит видеть причинно-следственные связи, сомневаться в слишком гладком ответе, спорить уважительно, выдерживать сложность и работать с ошибкой.

ИИ может помочь ребёнку освоить дроби, иностранный язык или основы программирования. Но он не заменит взрослого, который заметит потерю интереса, тревогу, конфликт в группе или скрытый талант.

Мне кажется, сильная модель образования для поколения альфа — это не «ребёнок и нейросеть».

Это "ребёнок + ИИ + наставник + команда + реальная задача".

Например, не выучить отдельно физику, биологию и программирование, а сделать проект мониторинга качества воды в своём городе.
Не просто пройти курс по истории, а собрать цифровую выставку семейных архивов. Не решить абстрактную инженерную задачу, а создать прототип, защитить его перед экспертами и честно разобрать, почему он не сработал с первого раза.

В такой школе оценкой становится не только контрольная.

Оценкой становится портфолио человека: что он исследовал, что создал, какие ошибки исправил, в каких командах работал, какую ответственность принял.

Тогда поколение альфа придёт во взрослую жизнь не просто с набором цифровых навыков.

Оно придёт с опытом создавать, проверять, сомневаться и отвечать.

И, возможно, это и будет главным образовательным результатом эпохи ИИ.

Согласны?

Друзья, на прошедшей неделе дали старт акселератору «Нейрофест - 2026»

Проект «Нейрофест» реализуется при поддержке Президентского фонда культурных инициатив.

10 команд представили решения, которые следующие три месяца будут развивать вместе с экспертами, менторами и партнёрами программы. В основе проектов одна общая задача: найти новые способы применения искусственного интеллекта и цифровых технологий в культуре и креативных индустриях.

Путь к этому этапу был большим: на конкурс поступило более 1000 проектов. После нескольких этапов отбора в финал прошли 23 проекта, которые объединились в 10 команд.

И особенно приятно, что география финалистов «Нейрофеста» охватывает 9 регионов России: Москву, Московскую область, Санкт-Петербург, Нижегородскую и Новгородскую области, Республику Татарстан, Красноярский край, Республику Крым и Иркутскую область. 🌍

Что создают команды?

🎬 Кино и анимация
AI Studio OS для видео- и анимационного продакшена, инструменты для театра и креативных индустрий, цифровые решения для кадровых и управленческих задач.

🏛 Культурное наследие
AI-диагностика музейных предметов и живописи, цифровые двойники памятников, реконструкция утраченного наследия и технологии сохранения культурных и литературных голосов.

🏛 Управление культурой
AI-операционные системы, автоматизация контента и аналитические инструменты для руководителей культурных учреждений.

📚 Литература и образование
Платформы для работы с литературным наследием, образовательными программами и новые форматы взаимодействия с книгой.

🎙 Аудиоконтент
ИИ-конвейер для производства многоголосной озвучки аудиокниг.

Так как я участвовал в отборе проектов могу сказать, что широта применения ИИ поражает: от восстановления забытых языков народов России до операционной сети музеев…

С августа по октябрь команды будут работать с менторами, участвовать в мастер-классах, консультациях и разборе кейсов.

А в ноябре команды представят результаты трёхмесячной работы на финальном этапе и фестивале «Нейрофест-2026».

Вчера был в батутном центре, где отмечал ДР ребенка. И этот центр, который позиционирует себя как детский, и где всё ярко, шумно, много активности — но для родителей с грудными детьми как будто места не предусмотрено вовсе.

Нет лифта, чтобы поднять коляску. Нет детской комнаты. Нет спокойной зоны, где можно покормить или переодеть ребёнка.
❗️Нет очевидной логики: если вы зовёте семьи с детьми, то думайте не только о ребёнке, который уже прыгает, но и о всей семье вокруг него.

И ведь это не какая-то сложная консалтинговая задача. Сегодня достаточно на 15 минут сесть с ChatGPT и спросить: «Какие критерии делают детское пространство удобным для семей с детьми разного возраста?» Получишь базовый чек-лист: доступность для колясок, лифт или пандус, комната матери и ребёнка, безопасные туалеты, зона ожидания, понятная навигация, место для кормления, хранение вещей, возрастное зонирование.

Но многие молодые собственники, особенно без жизненного опыта и цифровой зрелости работы с сервисом, почему-то этого не делают. Они вкладываются в интерьер, яркие вывески и таргетированную рекламу — но не проходят путь клиента целиком.

И дело, кажется, уже не в отсутствии информации. Информации слишком много. Дело в отсутствии привычки задавать правильные вопросы — клиентам, сотрудникам, себе и, да, искусственному интеллекту.

ИИ не заменит эмпатию предпринимателя. Но он может быстро подсветить слепые зоны: тех, кого собственник не заметил, потому что сам не приходил в центр с коляской, не пытался покормить младенца в шумном зале и не искал место, чтобы спокойно переодеть ребёнка.

Может быть, главный дефицит в малом бизнесе сегодня — не технологии, а способность посмотреть на свой продукт глазами другого человека?

А как вы думаете: почему предприниматели, имея доступ к таким простым инструментам, всё ещё так редко используют ИИ для улучшения клиентского опыта?

Друзья, а кто-нибудь уже покупал детям игрушки с ИИ?
Я — да. И каждый раз ловлю себя на двойственном ощущении: с одной стороны, это реально впечатляет. Игрушка слышит ребёнка, отвечает, подстраивает игру, может объяснить, поддержать разговор. С другой — перед тобой уже не просто игрушка. Это цифровой сервис, который живёт в детской комнате.

Осталась неделя до вступления в силу первого ГОСТа для игрушек с искусственным интеллектом. Он охватывает интерактивных кукол и фигурки с распознаванием речи, роботов, умные устройства, игровые консоли и аксессуары — для детей от 1 до 14 лет.

❗️И это, на мой взгляд, важный сигнал: ИИ окончательно выходит из офисов, презентаций и корпоративных пилотов в повседневную жизнь семьи.

Что меняется?

Новый стандарт говорит не только о привычной физической и пожарной безопасности. В нём появляются цифровая, информационная и психоэмоциональная безопасность: игрушка не должна провоцировать тревожность, страх, агрессию или чрезмерную эмоциональную привязанность.

Отдельный блок — персональные данные ребёнка: минимизация сбора информации, согласие родителей, ограничение передачи данных третьим лицам, защита хранения и передачи данных, особые требования к биометрии.

То есть регулятор впервые прямо признаёт: детская ИИ-игрушка — это не «милый гаджет». Это интерфейс, который может слушать, запоминать, влиять на поведение и формировать привычку к общению с машиной.

Где риск?

Главный риск даже не в том, что игрушка ошибётся в ответе. С этим мы уже научились жить в генеративном ИИ.

Сложнее другое: ребёнок ещё не умеет отличать дружелюбный интерфейс от настоящих отношений, рекламу — от совета, а «память» игрушки — от сбора данных. Для него робот, который помнит любимую сказку и говорит: «Я скучал», может стать не устройством, а значимой фигурой.

И здесь возникает неудобный вопрос для родителей и производителей: где заканчивается игра и начинается незаметное проектирование детского поведения?

Что дальше?

Я бы смотрел на такие игрушки не как на угрозу, а как на новую среду, которую нужно научиться проектировать ответственно.

Хорошая ИИ-игрушка может развивать речь, воображение, любознательность, помогать ребёнку задавать вопросы и учиться взаимодействовать с технологиями. Но она не должна заменять внимание взрослых, дружбу, совместную игру и живой диалог.

В ближайшие годы мы будем всё чаще выбирать не просто игрушки. Мы будем выбирать, "какие алгоритмы разговаривают с нашими детьми, что они запоминают и какие нормы общения формируют".

ГОСТ — необходимое начало. Но настоящая безопасность начнётся тогда, когда родители перестанут покупать «игрушку с ИИ», не задав три простых вопроса: что она собирает, кому передаёт данные и чему учит ребёнка.

Друзья, хочу поделиться утренними размышлениями
Ведь на самом деле ИИ не увольняет людей. ИИ увольняет иллюзию, что можно годами работать по-старому — и оставаться незаменимым.

Самая неприятная правда ближайших лет звучит не так:
«вас заменит нейросеть».

Она звучит иначе:

Вас заменит человек, который умеет работать с нейросетью.

Тот же специалист.
С тем же образованием.
С примерно тем же опытом.

Но он за два часа делает то, на что у вас уходит два дня.

Он быстрее собирает аналитику.
Быстрее готовит документы и презентации.
Быстрее разбирается в информации.
Быстрее формулирует решения.
И — что важнее всего — не просто генерирует тексты, а умеет проверять, думать, отвечать за результат.

Когда руководитель смотрит на такую разницу, он не говорит: «Давайте уволим людей, потому что у нас появился ИИ».

Он говорит:
«Почему на эту функцию нам теперь нужно десять человек, если пятеро делают тот же результат?»

И вот здесь заканчивается разговор про технологию.
Начинается разговор про вашу профессиональную ценность.

Да, ИИ пока ошибается.
Да, он не понимает контекст бизнеса так, как сильный эксперт.
Да, он не несёт ответственности за решение.

Но он уже стал усилителем.

Сильного специалиста он делает в несколько раз сильнее.
Слабого — в несколько раз заметнее.

Поэтому осваивать ИИ стоит не из моды.
Не потому что «все уже пишут промпты».
И даже не потому, что хочется быть в тренде.

А потому что скоро навык работать с ИИ будет восприниматься так же естественно, как умение пользоваться поиском, Excel или корпоративными системами. ИИ стал софт-скиллом!

Не умеешь — это не преступление.
Но рынок всё реже будет готов платить за то, что можно сделать быстрее, дешевле и качественнее.

ИИ не заберёт вашу работу в один день.

Сначала он изменит стандарт работы.
А потом рынок начнёт увольнять тех, кто этому стандарту не соответствует

Друзья, сегодня поговорим про науку. Ведь математика только что перестала быть исключительно человеческой профессией.

OpenAI заявила, что её внутренняя модель Astra получила новые результаты сразу по 10 задачам математики и теоретической информатики, над которыми не было прогресса десятилетиями. Среди них — геометрия высоких размерностей, теория кодирования, квантовые вычисления, криптография и задачи Эрдёша.

Но главное даже не это.

Раньше мы говорили: ИИ помогает исследователю — ищет статьи, строит гипотезы, считает быстрее, пишет код. Теперь появляется иной контур:
ИИ способен сам предложить ход мысли, довести его до доказательства и выдать результат в форме, которую машина может независимо проверить.

Каждое из десяти доказательств сопровождается формализацией в Lean 4. То есть это не «поверьте красивому ответу нейросети», а цифровой артефакт, где логические шаги можно воспроизвести и проверить.

Это важный водораздел.

Мы подходим к эпохе, когда конкурировать будут не отдельные модели и даже не отдельные учёные, а исследовательские системы: данные, вычисления, агентные контуры, доменная экспертиза, экспериментальная инфраструктура и способность быстро превращать гипотезу в проверенное знание.

Для промышленности вывод ещё жёстче: преимущество получит не тот, кто «внедрил чат-бота», а тот, кто построил замкнутый цикл:

данные → гипотеза → моделирование → проверка → инженерное решение → новое знание.

Именно так ИИ перестаёт быть автоматизацией рутины и становится новым средством производства — производства знаний, технологий и, в конечном счёте, конкурентоспособности.

Конечно, научная экспертиза и независимая оценка результатов остаются необходимыми. Но сам факт публикации машинно проверяемых доказательств меняет планку: теперь ИИ можно оценивать не только по убедительности текста, а по способности создавать проверяемый научный результат.

#ИИ #Наука #OpenAI #Математика #ИИагенты #ПромышленныйИИ #ЦифроваяТрансформация

⚡️Владимиру Путину представили российские технологии конкурса «Знай наших»
28 августа перед пленарным заседанием форума «Сильные идеи для нового времени» Президент России Владимир Путин осмотрел на Нижегородской ярмарке выставку технологических компаний конкурса «Знай наших». Экспозиция объединила девять отечественных разработок для промышленности, энергетики, медицины, образования и городской инфраструктуры.

На фото Президент Российской Федерации Владимир Владимирович Путин и ЧСД АЛРИИ, Предприниматель в сфере ИИ, Алексей Фролов
Подписываемся на Алексея.
Мы с Сергеем Ложкиным проложили этот путь, три года назад.
Поздравляю всех, кто идет к успеху вопреки всему!

Зная немного изнутри как происходит подготовка таких визитов с гордостью констатирую, что мои товарищи по Ассоциации лабораторий по развитию искусственного интеллекта (АЛРИИ) проделали колоссальную работу. Алексей (@frolovtech), поздравляю!