86% крупнейшего рынка гуманоидов уже у Китая — США отвечают барьерами

Пять крупнейших производителей гуманоидов по поставкам в первом полугодии 2026 года — китайские; вместе они заняли 86% рынка, по данным Counterpoint.
США ограничивают иностранные роботы и повышают тарифы на дроны.
Но запрет не отменяет производственную математику: Китай выигрывает масштабом, цепочками поставок и ценой.

https://techcrunch.com/2026/08/30/the-u-s-is-building-barriers-around-drones-and-robots-china-still-has-scale/

ИИ-секретарь для встреч стал бесплатным — рынок начинает отдавать транскрипцию за ноль

Circleback открыл бесплатный тариф: неограниченное число встреч, AI-поиск по расшифровкам, мобильное приложение, Apple Watch и интеграции со Slack и Linear. Ограничение — история только за 30 дней.
Команда из восьми человек заявляет примерно $8 млн годового run-rate.
Показательный сдвиг: сама запись встречи становится бесплатной приманкой, а деньги — в памяти, интеграциях и действиях ИИ после разговора.

https://techcrunch.com/2026/08/31/meeting-notetaker-circleback-adds-a-free-tier-to-attract-more-customers/

Европа боится не отстать от ИИ — а потерять над ним контроль

На TechBBQ в Копенгагене разговоры возвращались к AI sovereignty: кто владеет моделями, вычислениями и инфраструктурой.
Для европейского бизнеса зависимость от американского или китайского ИИ становится не только технологическим, но и стратегическим риском.

Что произойдёт, если чужая платформа завтра Европе изменит правила доступа.
Не тем они сейчас озадачены.
Все текущие решения работают против.

https://techcrunch.com/2026/08/29/at-techbbq-europes-ai-conversations-kept-coming-back-to-whos-actually-in-control/

«Harvey для полицейских»: ИИ подсказывает офицеру правила прямо во время работы

Blue Voice привлёк $6 млн на AI-систему, которая даёт полицейским доступ к правилам и процедурам непосредственно в поле.
Компания утверждает, что сервис используют сотрудники 225 ведомств в 25 штатах.
Это новый класс ИИ: не универсальный советчик, а профессиональная память, выдающая нужное правило в момент принятия решения.

https://techcrunch.com/2026/08/31/harvard-law-dropout-raises-6m-for-blue-voice-to-build-a-harvey-for-police-officers/

Instagram начинает резать охваты виртуальным людям, которые скрывают, что они ИИ

Instagram вводит метку AI-generated profile и будет снижать охваты аккаунтам с созданными ИИ персонажами, если владельцы не раскрывают их искусственное происхождение.
Обычная AI-обработка фото под правило не попадает.
Соцсети проводят новую границу: использовать ИИ можно, а выдавать синтетического человека за настоящего становится всё рискованнее.

https://techcrunch.com/2026/08/31/instagram-puts-new-limits-on-undisclosed-ai-profiles/

У Пентагона теперь свой ChatGPT и Grok — доступ получат 3 миллиона человек

Пентагон добавил ChatGPT Mil и Grok for Government в защищённый портал GenAI.mil, где уже доступен Gemini.
Системы предназначены примерно для 3 млн военных и гражданских сотрудников.
Генеративный ИИ переходит из экспериментов в государственную инфраструктуру.

https://techcrunch.com/2026/08/31/the-pentagon-now-has-its-own-version-of-chatgpt-and-grok/

ИИ уже используют примерно 1 050 муниципалитетов Японии

Polimill построила QommonsAI на технологиях OpenAI для работы с административными знаниями.
Платформой пользуются около 1 050 муниципалитетов, а компания заявляет сокращение времени разработки в 3–5 раз благодаря Codex и поддержке OpenAI.
ИИ в государстве становится интересным не тогда, когда отвечает гражданину, а когда снимает рутину с самой бюрократии.

https://openai.com/index/polimill

У семьи появился «ИИ-начальник штаба» — он сам собирает расписание из школьных писем

Fambot предлагает AI Chief of Staff для семьи: сервис разбирает письма, школьные объявления и расписания, вытаскивает события и задачи и собирает их в общий календарь.
Это хороший пример бытового агента: не ещё один чат, которому надо всё объяснять, а ИИ, который забирает хаос из почты и превращает его в конкретные дела семьи.

https://techcrunch.com/2026/09/01/fambot-introduces-an-ai-chief-of-staff-for-families/

Alexa научилась сама напоминать, что вам пора что-нибудь купить

Amazon добавляет в Alexa+ уведомления о новых товарах и предложениях, которые могут заинтересовать пользователя.
Это уже не поиск по запросу: ИИ сам решает, когда показать потенциальную покупку.
Голосовой помощник постепенно превращается в продавца, который живёт дома и знает контекст владельца.
Для Amazon это почти идеальная точка между рекомендацией и кассой.

https://techcrunch.com/2026/09/01/amazon-alexa-can-now-alert-you-when-something-new-might-tempt-you-to-shop/

Gemini научился сам решать, что смотреть в видео — и пересматривать нужный момент

Раньше ИИ анализировал видео почти как человек, которому включили запись на фиксированной скорости: кадр за кадром, независимо от того, где происходит что-то важное.

Google DeepMind меняет этот подход. В Gemini появился agentic video understanding — режим, в котором модель сама решает, какой участок видео изучить, с какой частотой кадров его пересмотреть и что использовать: изображение, звук или расшифровку.

🧠 Что изменилось?

Gemini больше не обязан «смотреть» весь ролик одинаково внимательно. Он может быстро пройти многочасовую запись, найти подозрительный эпизод, вернуться к нему и изучить уже покадрово.

Например:
➡️ найти событие длительностью меньше секунды;
➡️ заметить аномалию на записи;
➡️ точно посчитать повторяющиеся действия или объекты;
➡️ найти нужный момент в многочасовом видео без обработки каждого кадра.

📊 Ключевые цифры

По данным Google DeepMind, новый режим на тестах:
➡️ сокращает расход токенов до 88%;
➡️ снижает стоимость анализа до 66%;
➡️ повышает точность до 7%.

И вот здесь становится интересно. Видео постепенно превращается не просто в контент для анализа, а в сенсор для ИИ-агента.

Камера на производстве может стать источником для поиска отклонений. Запись встречи — базой, где агент сам находит нужный эпизод. Часовое обучение — материалом, из которого ИИ вытаскивает конкретное действие или ошибку.

😰 Но есть нюанс

Пока речь не о Gemini, который увидел событие на камере и самостоятельно заказал ремонт или остановил станок. В опубликованной версии «агентность» относится прежде всего к самому анализу видео: модель использует внутренние инструменты, чтобы выбирать, что и как смотреть.

🛠 Что можно попробовать уже сейчас?

Функция доступна через Gemini API в Google AI Studio и Gemini Enterprise Agent Platform для Gemini 3.7 Flash, 3.6 Flash и 3.5 Flash-Lite.

Следующий большой шаг ИИ — не научиться видеть ещё лучше. А научиться самому решать, куда смотреть и что делать с увиденным.

Подписывайтесь

Не внедряйте ИИ в старые процессы. Пересоберите сами процессы

Менеджер получает заявку. Открывает CRM, ищет данные о клиенте, читает переписку, готовит предложение, ставит задачу, пишет письмо — а через три дня вспоминает, что нужно перезвонить.

А потом компания «внедряет ИИ» и просто добавляет нейросеть между этими шагами.

Быстрее? Да. Но процесс всё равно остаётся старым.

🧠 AI-native подход устроен иначе

Нужно спрашивать не «куда здесь добавить ИИ?», а:

если бы этот процесс создавали сегодня с нуля, сколько ручных действий в нём вообще осталось бы?

Например, приходит новая заявка.

➡️ ИИ читает обращение
➡️ определяет задачу клиента
➡️ собирает данные из CRM и переписки
➡️ готовит карточку и предложение
➡️ предлагает следующий шаг

Человеку передаётся только то, где действительно нужна его оценка.

После подтверждения система сама отправляет письмо, ставит задачи и контролирует следующий контакт.

Менеджер не исчезает. Исчезает работа секретаря вокруг менеджера.

🤯 В этом и есть главное отличие.

Добавить ИИ в старый процесс — как поставить электромотор на телегу: ехать будет быстрее, но телега останется телегой.

🛠 Что можно сделать уже сейчас

Возьмите один повторяющийся процесс: обработку заявки, подготовку КП, проверку договора, закупку или еженедельный отчёт.

Запишите всю цепочку и пометьте каждый шаг:

ИИ делает сам → ИИ готовит, человек подтверждает → человек делает сам.

Начинать лучше не с полной автономности. Практичная схема: ИИ готовит действие, а критические решения подтверждает сотрудник.

Попробуйте такой запрос:

Я опишу рабочий процесс от входящего запроса до результата. Разбери каждый этап. Укажи, что можно полностью передать ИИ, что ИИ должен готовить для подтверждения человеком, а что оставить человеку. Затем спроектируй новый процесс с минимальным количеством ручных операций. Не автоматизируй старую схему механически — пересобери её так, будто ИИ был доступен с самого начала.

Главный эффект ИИ для бизнеса может оказаться не в том, чтобы сделать сотрудника на 20% быстрее.

А в том, чтобы обнаружить: часть его ежедневной работы вообще больше не нужна.

Подписывайтесь

Android превращает Gemini в бытовую память и «зрение»

«Где я убрал паспорт?» — скоро это можно будет спросить не у себя, а у телефона.

Google добавляет в Android сразу две функции, которые хорошо показывают, куда движется бытовой ИИ: он начинает не просто отвечать на вопросы, а помогать помнить и видеть окружающий мир.

🧠 Gemini запомнит, куда вы положили вещь

Можно будет сказать: «Запомни в Find Hub, что паспорт лежит в ящике спальни» — и при желании добавить фотографию.

Позже достаточно спросить Gemini, где паспорт, запасные ключи или другая важная вещь. Информация сохранится в отдельном разделе Find Hub.

Функция заявлена для устройств с Android 16+ в странах, где доступны Gemini и Find Hub.

👁 А Guided Vision помогает пользоваться камерой

Функция создана вместе с сообществами незрячих и слабовидящих пользователей.

Человек показывает окружающий мир через камеру Gemini Live, а ИИ может:
➡️ прочитать мелкий текст на упаковке;
➡️ помочь разобрать меню в тёмном ресторане;
➡️ определить предмет дома;
➡️ голосом подсказать: поверните телефон, проведите камерой в сторону или поместите объект в центр кадра.

Guided Vision появится на устройствах с Android 9+ там, где доступен Gemini.

🤯 Почему это важнее очередной функции Android

Мы привыкли считать ИИ отдельным сервисом: открыл приложение → написал запрос → получил ответ.

Здесь модель другая.

Телефон постепенно становится внешней памятью и дополнительным слоем восприятия: увидел → понял → запомнил → помог человеку действовать дальше.

И это уже очень бытовой сценарий: не писать промпты про стратегию компании, а найти паспорт, прочитать этикетку или понять, что находится перед камерой.

😰 Но есть ограничение: Google отдельно предупреждает, что Guided Vision может ошибаться и не предназначен для навигации или обнаружения препятствий.

Самый интересный ИИ может оказаться не тем, который пишет лучший текст.

А тем, который незаметно убирает маленькие проблемы из обычного дня.

Подписывайтесь

OpenAI признала Astra первой ИИ-моделью критического уровня по кибербезопасности

Это уже не «ИИ помогает программисту найти баг». По оценке самой OpenAI, Astra способна с подходящими инструментами самостоятельно находить ранее неизвестные уязвимости и превращать их в рабочие цепочки эксплуатации — в том числе в хорошо защищённых системах.

И это первая модель OpenAI, которой официально присвоен уровень Critical по кибербезопасности.

🧠 Что она уже показала

➡️ 100% на ExploitBench — тесте на разработку эксплойтов для известных уязвимостей.

➡️ Во внутреннем тесте Astra сама обнаружила и использовала два zero-day в цепочке атаки. OpenAI передаёт информацию разработчикам затронутых систем.

➡️ В экспертном тестировании модель нашла неизвестные уязвимости в защищённом браузере, вышла из sandbox и получила возможность выполнять команды на хосте.

➡️ В другом тесте она собрала цепочку повышения привилегий в защищённой ОС — от обычного пользователя до root.

🤯 Почему это важная граница

До сих пор сильные ИИ-модели в кибербезопасности в основном воспринимались как ускорители работы специалиста: написать код, проанализировать лог, найти подозрительное место.

Astra приближается к другой модели: человеку достаточно поставить цель, а ИИ способен самостоятельно искать слабое место, проверять гипотезы и строить эксплуатацию без постоянного управления каждым шагом.

😰 Поэтому OpenAI даже задержала часть разработки и релиза

Компания усиливала защиту от злоупотреблений и несанкционированных действий модели. Доступ к наиболее продвинутым кибервозможностям Astra на старте будет ограничен.

При этом есть интересный парадокс: Astra стала опаснее по возможностям — и одновременно лучше обучена отказываться от вредоносных запросов. В тестах отказов она показала 91,5% против 59% у GPT-5.6 Sol.

Самая важная перемена здесь не в новом рекорде бенчмарка.

ИИ начинает переходить от «помоги найти уязвимость» к «сам найди способ взломать систему». И теперь вопрос безопасности таких моделей становится частью самой разработки.

Подписывайтесь

Как юрфирме сократить проверку клиента с 8 часов до 5 минут

Юрист получает нового клиента — и вместо работы по существу начинает собирать сведения, сверять документы, искать совпадения, проверять списки и переносить всё это в заключение.

Именно здесь ИИ часто полезнее, чем в написании юридических текстов.

Австралийская юрфирма Gilbert + Tobin вместе с OpenAI перестроила часть conflict, KYC, AML и PEP-проверок. По данным опубликованного OpenAI кейса, отдельные проверки сократились с 3–8 часов до примерно 5 минут.

Важно: это данные компании и вендора, а не независимый аудит. Но сам принцип легко перенести на другие юридические процессы.

🧠 Как устроить такую проверку

➡️ 1. Сбор данных. ИИ получает анкету, реквизиты, документы и сведения из разрешённых источников.

➡️ 2. Извлечение. Находит ФИО, компании, адреса, регистрационные данные, участников и связанные стороны.

➡️ 3. Сверка. Сопоставляет документы и отмечает расхождения: разные адреса, даты, написание фамилий, компании.

➡️ 4. Проверка по правилам. Прогоняет информацию через заранее заданный внутренний чек-лист.

➡️ 5. Карточка для юриста. Вместо десятков страниц специалист получает: что совпало, где риск, что требует ручной проверки и какие документы нужно открыть.

😰 Ключевое ограничение

ИИ здесь не принимает юридическое решение. В кейсе Gilbert + Tobin система выполняет исследование и обработку, а результат проходит обязательную проверку и утверждение человеком.

🛠 Как попробовать без большого IT-проекта

Возьмите 20–30 завершённых однотипных проверок, обезличьте данные и выпишите действия, которые юристы повторяют каждый раз.

Затем пометьте каждый шаг:

ИИ делает сам → ИИ готовит, юрист подтверждает → юрист делает сам.

И отдельно определите, какие сведения вообще нельзя отправлять во внешние сервисы. Для клиентских данных это должно быть правилом до начала автоматизации, а не после.

Цель здесь не «заменить юриста».

Цель — перестать тратить время квалифицированного специалиста на работу, которую ИИ может выполнить ещё до того, как документ попадёт ему на стол.

Подписывайтесь

Почему AI-агент ломается не из-за плохого промпта

Можно идеально написать инструкцию для агента — и всё равно получить систему, которая тратит миллионы токенов, конфликтует сама с собой и в какой-то момент делает опасное действие.

Есть описанные пять проблем, на которые наткнулся при создании AI-агентов внутри компании. Главный вывод важнее конкретных багов:

Рабочий агент — это уже не промпт.
Это инженерная система.

🧠 1. Память быстро превращается в свалку

Если агент тащит за собой логи, историю браузера, старые решения и сотни инструментов, стоимость взлетает.

В одном кейсе фоновая задача стартовала уже примерно с 50 000 токенов, а простой вопрос о расходах однажды потребовал около 1,35 млн токенов.

После разделения памяти и ограничения инструментов сократили фоновое потребление примерно на 4,6 млн токенов в день.

⚠️ 2. Опасные действия требуют подтверждения

Например, force-push в Git может стереть чужую работу. Поэтому необратимые действия нельзя оставлять полностью на усмотрение агента.

🖥 3. Браузер — плохой фундамент

Автоматизация через интерфейс ломается на авторизации, CAPTCHA, 2FA, изменениях кнопок и параллельных сессиях.

Если есть API, CLI или прямой доступ к системе — лучше начинать с них. Браузер оставлять запасным вариантом.

🔂 4. Параллельные агенты начинают мешать друг другу

Два процесса могут одновременно изменить одну ветку, занять один профиль или перехватить очередь задач.

Здесь нужны обычные инженерные механизмы: блокировки, очередь, база состояния и правила повторного запуска.

🛠 5. Длинная задача должна переживать сбой

Если агент работает час, он должен знать: что уже сделал, где остановился, что можно повторить и что делать дальше.

Иначе после любой ошибки начинается самое дорогое: «запустим всё заново».

Главный урок: чем автономнее становится ИИ, тем важнее не дать ему больше свободы, а правильно ограничить её.

Хороший промпт запускает агента.
Хорошая инженерия не даёт ему развалиться в реальной работе.

Подписывайтесь

Adobe купила стартап из шести человек — и это важный сигнал для маркетинга

Adobe приобрела индийский стартап Rilo. Команда — всего 6 человек.

Сделка интересна не размером компании, а тем, что именно Adobe решила купить: не очередной генератор картинок или текстов, а технологию, которая автоматизирует целые маркетинговые процессы.

🤖 Что делал Rilo?

Стартап позволял go-to-market командам собирать собственные AI-workflows:

➡️ анализировать конкурентов;
➡️ перерабатывать один материал под разные каналы;
➡️ анализировать продажи и звонки;
➡️ автоматизировать распространение контента;
➡️ работать над видимостью бренда в ChatGPT, Gemini и Claude.

По данным TechCrunch, Rilo появился в 2025 году, привлёк $1 млн при оценке $10 млн, а продукт успели попробовать более 10 000 человек.

После сделки сервис закроется, а Adobe заберёт часть технологий и всю шестичленную команду.

🤯 Почему это интересно

Несколько лет главная гонка в маркетинговом ИИ шла вокруг генерации: кто быстрее напишет текст, нарисует баннер или сделает видео.

Теперь ценность начинает смещаться на уровень выше.

Не «создай мне рекламный пост», а:

изучи конкурентов → найди тему → подготовь контент → адаптируй его под каналы → запусти работу → собери результаты.

То есть продаётся уже не отдельная способность модели, а рабочий процесс вокруг неё.

💰 И Adobe движется именно туда. Компания развивает агентные инструменты для маркетинга, где ИИ должен не ждать каждого следующего промпта, а планировать и выполнять цепочки задач.

Для бизнеса здесь есть практический вывод.

Если вы внедряете ИИ в маркетинг, не начинайте со списка «какие тексты он может нам писать».

Возьмите один повторяющийся процесс — мониторинг конкурентов, производство контента, подготовку кампании или разбор звонков — и спросите:

какую часть этой цепочки ИИ может выполнять целиком?

Шесть человек построили технологию, которая стала интересна Adobe.

В эпоху ИИ размер команды становится менее важен. Гораздо важнее, какой кусок работы она сумела превратить в автономную систему.

Подписывайтесь

Перед внедрением ИИ сначала разберите собственный IT-хаос

Можно купить лучшие модели, подключить агентов и автоматизировать десятки задач. Но если данные живут в разных системах, процессы отличаются от площадки к площадке, а критическая информация до сих пор ходит по Excel — ИИ просто начнёт масштабировать этот хаос быстрее.

Именно к такому выводу пришли в Jabil — глобальной производственной компании с более чем 100 площадками.

simplify first, then innovate — сначала упростить, потом внедрять новое.

🧠 В чём проблема?

За годы роста у крупного бизнеса накапливаются:
➡️ локальные системы;
➡️ таблицы и ручные обходные процессы;
➡️ разные правила работы подразделений;
➡️ изолированные данные;
➡️ старые интеграции.

На таком фундаменте сложно не только внедрять ИИ. Даже понять, какие данные правильные, бывает непросто.

Поэтому Jabil сначала стандартизирует процессы, объединяет интеграции и старается создать единый слой данных. И только после этого масштабирует автоматизацию и AI-сценарии.

🤯 Почему это важно

Модель может идеально анализировать информацию — но если один завод называет показатель одним способом, второй другим, а третий хранит его в таблице у сотрудника на компьютере, никакая «умная» надстройка проблему не устранит.

Она лишь сделает ошибки быстрее и масштабнее.

🛠 Что проверить у себя перед внедрением ИИ

Возьмите один процесс и задайте четыре вопроса:

➡️ откуда берутся данные;
➡️ сколько систем участвует;
➡️ где информацию переносят руками;
➡️ существует ли единый стандарт результата.

Если ответы выглядят как схема метро, возможно, первый AI-проект вам пока не нужен.

Сначала уберите лишние станции.

ИИ действительно ускоряет процессы. Поэтому особенно важно убедиться, что вы ускоряете именно тот процесс, который хотите сохранить.

Подписывайтесь

МТС первой в России запустила для всех абонентов функцию отображения ключевых тезисов телефонных разговоров в истории звонков.

Функция стала доступна в приложении «Мой МТС» при подключении сервиса «Интеллектуальная запись». ИИ-модели сервиса в реальном времени обрабатывают разговор и формируют краткое содержание беседы, которое отображается прямо в истории вызовов.

При необходимости пользователь может открыть расширенные выводы, полную расшифровку разговора и его аудиозапись в приложении «Мой МТС».

⚡️По всему миру зафиксированы сбои в работе ChatGPT, Claude и Grok