Weekly Data News: Amazon обсуждает $10+ млрд для OpenAI, CatBoost от «Яндекса» лидирует по упоминаниям в Nature, 74% финтеха защищают ИИ на этапе данных и тестов
Amazon обсуждает инвестиции свыше $10 млрд в OpenAI и возможное расширение партнерства по ИИ-инфраструктуре, в т.ч. использование ИИ-чипов Amazon Trainium и аренду дополнительных дата-центров для работы моделей OpenAI (включая ChatGPT). Переговоры на ранней стадии и рассматриваются как дополнение к уже действующему соглашению OpenAI с Microsoft.
Аналитики изучили, как машинное обучение исследуется мировым научным сообществом.
MarkTechPost проанализировал около 5 тыс. научных статей о машинном обучении в журналах Nature и выделил ключевых «инноваторов», популярные инструменты и географию исследований. В список 30 организаций-инноваторов вошли российский «Яндекс», американские Intel, Microsoft и Google, немецкий Bosch, китайские Huawei, Baidu и южнокорейский Samsung. Алгоритм CatBoost (Categorical Boosting) от «Яндекса» оказался среди наиболее упоминаемых европейских ML-инструментов в научных статьях (188 упоминаний).
По числу публикаций лидируют Китай (43%), США (18%), Индия (11%), Саудовская Аравия (8%) и Великобритания (6%).
При этом аналитики отмечают перекос: несмотря на лидерство Китая по числу публикаций, у страны нет инструментов машинного обучения, которые использовались бы в академических исследованиях. При этом на США приходится 90% всех ML-инструментов, которые применялись исследователями.
Финтех активно усиливает AI Security. По данным исследования Ассоциации ФинТех и ГК Swordfish Security, 74% финтех-компаний концентрируют защитные меры на этапе подготовки данных и тестирования моделей, а 60% – уже внедряют комплексную защиту ИИ-систем.
В число наиболее распространенных практик входят регулярный мониторинг и аудит работы моделей, активное тестирование на уязвимости, обязательное обучение сотрудников основам AI Security, разработка внутренних стандартов и политик безопасности.
81% компаний считают ML и LLM ядром ИИ-стратегий. При этом более 25% респондентов уже сталкивались с инцидентами безопасности, связанными с атаками на ИИ-системы. 75% финтех-организаций выделяют утечку конфиденциальных данных в качестве ключевой угрозы безопасности при использовании ИИ, 62% — применяют гибридный подход к оценке результатов и выводов в работе с ИИ-решениями и только 12% респондентов внедряют системную оценку этических рисков ИИ.
Amazon обсуждает инвестиции свыше $10 млрд в OpenAI и возможное расширение партнерства по ИИ-инфраструктуре, в т.ч. использование ИИ-чипов Amazon Trainium и аренду дополнительных дата-центров для работы моделей OpenAI (включая ChatGPT). Переговоры на ранней стадии и рассматриваются как дополнение к уже действующему соглашению OpenAI с Microsoft.
Аналитики изучили, как машинное обучение исследуется мировым научным сообществом.
MarkTechPost проанализировал около 5 тыс. научных статей о машинном обучении в журналах Nature и выделил ключевых «инноваторов», популярные инструменты и географию исследований. В список 30 организаций-инноваторов вошли российский «Яндекс», американские Intel, Microsoft и Google, немецкий Bosch, китайские Huawei, Baidu и южнокорейский Samsung. Алгоритм CatBoost (Categorical Boosting) от «Яндекса» оказался среди наиболее упоминаемых европейских ML-инструментов в научных статьях (188 упоминаний).
По числу публикаций лидируют Китай (43%), США (18%), Индия (11%), Саудовская Аравия (8%) и Великобритания (6%).
При этом аналитики отмечают перекос: несмотря на лидерство Китая по числу публикаций, у страны нет инструментов машинного обучения, которые использовались бы в академических исследованиях. При этом на США приходится 90% всех ML-инструментов, которые применялись исследователями.
Финтех активно усиливает AI Security. По данным исследования Ассоциации ФинТех и ГК Swordfish Security, 74% финтех-компаний концентрируют защитные меры на этапе подготовки данных и тестирования моделей, а 60% – уже внедряют комплексную защиту ИИ-систем.
В число наиболее распространенных практик входят регулярный мониторинг и аудит работы моделей, активное тестирование на уязвимости, обязательное обучение сотрудников основам AI Security, разработка внутренних стандартов и политик безопасности.
81% компаний считают ML и LLM ядром ИИ-стратегий. При этом более 25% респондентов уже сталкивались с инцидентами безопасности, связанными с атаками на ИИ-системы. 75% финтех-организаций выделяют утечку конфиденциальных данных в качестве ключевой угрозы безопасности при использовании ИИ, 62% — применяют гибридный подход к оценке результатов и выводов в работе с ИИ-решениями и только 12% респондентов внедряют системную оценку этических рисков ИИ.
👍2❤1🔥1
This media is not supported in your browser
VIEW IN TELEGRAM
Меньше мнений — больше цифр: как управлять без иллюзий и чем может помочь BPMS
Об этом на Fintech Data Day рассказал независимый эксперт Николай Петелин.
Когда анализ «сверху» не работает
Ценность для клиента создают продуктовые команды. Службы, которые «сверху» анализируют их процессы, пишут отчеты и раздают рекомендации, командами с собственными метриками, клиентами и KPI воспринимаются как назойливые комары: требуют изменений, но не отвечают за результат.
Более зрелый подход — когда поиск узких мест и оптимизация происходят внутри продуктовой команды. Это и дает BPMS: команда опирается на аналитику высоконагруженного процесса и меняет его на основе данных о поведении реальных клиентов, а не мнений руководителей, завязанных на свои KPI.
При этом BPMS — не разовое внедрение. Если после первых улучшений перестать регулярно мониторить метрики, эффект быстро сходит на нет. В период хайпа цифровизации так бывало часто: вендоры показывали рост, уходили, а без устойчивого управления внутри компании показатели проседали на 10–15%, а иногда и до 30% от достигнутого.
Что меняется, когда процесс видно в цифрах
Пример из личного опыта: мы разбирали высоконагруженный процесс открытия расчетных счетов с большим потоком заявок. В нем участвовали минимум пять ключевых систем (фронт, CRM, процессинг и др.) и 3–4 подразделения с разными интересами. Продажи давили на скорость ради бонусов, а операционный блок, распределенный по разным хабам, из‑за разницы часовых поясов мог задерживать процесс до 4 часов.
В такой среде нельзя управлять «по ощущениям» — нужны данные: где узкое место, сколько длится каждый шаг и кто влияет на итоговую метрику. Без цифр побеждает тот, кто громче продавливает решения.
Первые полгода мы так и жили: делали изменения по указке крупнейшего подразделения, но счет по-прежнему открывался за сутки. Позже стало понятно, почему «срочные улучшения» не дают эффекта: часть задач продавливали из личной выгоды (например, отчет под 20% бонуса). Тогда я поддержал внедрение process mining — и началось осознанное управление.
Мы выгрузили логи, взяли данные за полгода, собрали end-to-end прохождение заявки по всем пяти системам и загрузили в инструмент. Вскрылась главная боль — возвраты заявок. В МСБ и выигрывает тот, кто быстрее.
Мы поставили цель на первый год: полностью рабочий расчетный счет должен открываться за 30 минут во всех системах. Данные показали: один возврат растягивает срок до 36 часов, два возврата — до 72. Клиент за это время уходит и не возвращается.
Выбрали два ключевых инструмента:
1) process mining — дал масштаб и ключевые инсайты. Мы разобрали все возвраты, декомпозировали причины, выбрали топ‑5 и прицельно начали устранять. Например, на исторических данных обнаружили не «понятный маршрут заявки», а около 8000 вариаций прохождения — паутину из возвратов;
2) Power BI. От цикла «квартал закончился → месяц делают PowerPoint → месяц согласовывают → показывают уже неактуальную картину» (с предположениями «виноваты вот эти факторы» вместо конкретных цифр) перешли к режиму «почти онлайн»: за ночь системы собирали и консолидировали данные, выгружали в хранилище, а скриптами строились дашборды.
Каждое утро на стендапе и дейли команда начинала с цифр: как изменился процесс, особенно после релизов. За трехнедельный спринт мы брали в бэклог те изменения, которые сильнее всего влияли на метрики, и через 3–4 дня после релиза уже видели эффект в дашборде. Это снимало вопросы разработчиков «как я влияю на NPS/ROI/выручку»: каждый потерянный клиент — прямой минус к деньгам, а в МСБ стоимость привлечения доходила до 50 тысяч рублей.
Power BI (и аналоги) позволял без ручных выгрузок держать 3–4 ключевых показателя и быстро перестраивать борды под разные срезы.
Продолжение в следующем посте
Об этом на Fintech Data Day рассказал независимый эксперт Николай Петелин.
Когда анализ «сверху» не работает
Ценность для клиента создают продуктовые команды. Службы, которые «сверху» анализируют их процессы, пишут отчеты и раздают рекомендации, командами с собственными метриками, клиентами и KPI воспринимаются как назойливые комары: требуют изменений, но не отвечают за результат.
Более зрелый подход — когда поиск узких мест и оптимизация происходят внутри продуктовой команды. Это и дает BPMS: команда опирается на аналитику высоконагруженного процесса и меняет его на основе данных о поведении реальных клиентов, а не мнений руководителей, завязанных на свои KPI.
При этом BPMS — не разовое внедрение. Если после первых улучшений перестать регулярно мониторить метрики, эффект быстро сходит на нет. В период хайпа цифровизации так бывало часто: вендоры показывали рост, уходили, а без устойчивого управления внутри компании показатели проседали на 10–15%, а иногда и до 30% от достигнутого.
Что меняется, когда процесс видно в цифрах
Пример из личного опыта: мы разбирали высоконагруженный процесс открытия расчетных счетов с большим потоком заявок. В нем участвовали минимум пять ключевых систем (фронт, CRM, процессинг и др.) и 3–4 подразделения с разными интересами. Продажи давили на скорость ради бонусов, а операционный блок, распределенный по разным хабам, из‑за разницы часовых поясов мог задерживать процесс до 4 часов.
В такой среде нельзя управлять «по ощущениям» — нужны данные: где узкое место, сколько длится каждый шаг и кто влияет на итоговую метрику. Без цифр побеждает тот, кто громче продавливает решения.
Первые полгода мы так и жили: делали изменения по указке крупнейшего подразделения, но счет по-прежнему открывался за сутки. Позже стало понятно, почему «срочные улучшения» не дают эффекта: часть задач продавливали из личной выгоды (например, отчет под 20% бонуса). Тогда я поддержал внедрение process mining — и началось осознанное управление.
Мы выгрузили логи, взяли данные за полгода, собрали end-to-end прохождение заявки по всем пяти системам и загрузили в инструмент. Вскрылась главная боль — возвраты заявок. В МСБ и выигрывает тот, кто быстрее.
Мы поставили цель на первый год: полностью рабочий расчетный счет должен открываться за 30 минут во всех системах. Данные показали: один возврат растягивает срок до 36 часов, два возврата — до 72. Клиент за это время уходит и не возвращается.
Выбрали два ключевых инструмента:
1) process mining — дал масштаб и ключевые инсайты. Мы разобрали все возвраты, декомпозировали причины, выбрали топ‑5 и прицельно начали устранять. Например, на исторических данных обнаружили не «понятный маршрут заявки», а около 8000 вариаций прохождения — паутину из возвратов;
2) Power BI. От цикла «квартал закончился → месяц делают PowerPoint → месяц согласовывают → показывают уже неактуальную картину» (с предположениями «виноваты вот эти факторы» вместо конкретных цифр) перешли к режиму «почти онлайн»: за ночь системы собирали и консолидировали данные, выгружали в хранилище, а скриптами строились дашборды.
Каждое утро на стендапе и дейли команда начинала с цифр: как изменился процесс, особенно после релизов. За трехнедельный спринт мы брали в бэклог те изменения, которые сильнее всего влияли на метрики, и через 3–4 дня после релиза уже видели эффект в дашборде. Это снимало вопросы разработчиков «как я влияю на NPS/ROI/выручку»: каждый потерянный клиент — прямой минус к деньгам, а в МСБ стоимость привлечения доходила до 50 тысяч рублей.
Power BI (и аналоги) позволял без ручных выгрузок держать 3–4 ключевых показателя и быстро перестраивать борды под разные срезы.
Продолжение в следующем посте
❤3👍3🔥1
Меньше мнений — больше цифр: как управлять без иллюзий и чем может помочь BPMS. Часть 2
Метрика «чистых» заявок: управляем скоростью через возвраты
После обновления процесса к базовым добавился еще один важный показатель — доля «чистых» заявок (без единого возврата). Логика простая: возвраты и есть главный убийца скорости. Мы отдельно посчитали время прохождения «чистой» заявки — около 30 минут — и начали управлять динамикой этой доли. За полгода доля «чистых» заявок выросла с 0,01 до 70%, и стало напрямую видно, как снижение возвратов ускоряет весь поток.
Отдельный инсайт: сила прозрачных данных — в управлении поведением сотрудников. Любая система управления (agile, холакратия, BPMS) работает лучше всего, когда «быть плохим» становится публично неудобно. В agile это видно на коротких спринтах и дейли: если нет результата, это сразу очевидно команде. С BPMS было так же: на митингах вместо абстрактного «где моя заявка?» мы выводили историю заявки на экран и быстро приходили к конкретике — регион, офис, сотрудник, где именно «рождаются» возвраты.
Когда возвраты стали видны в разрезе людей, обнаружилась огромная разница в качестве: при одной и той же системе у одних заявки проходят за минуты, у других — тянутся неделями из‑за ошибок и возвратов. В итоге мы точечно «дожимали» конкретные причины и конкретные команды/офисы, потому что слабое место почти всегда — человеческий фактор.
В терминах ТРИЗ идеал — процесс, который выполняет функцию без лишних элементов: чем меньше ручного участия, тем стабильнее качество и скорость. Если ставить цель «открывать счет за 30 минут», люди улучшают текущую схему. Если сформулировать как «без людей и моментально», появляются другие решения — ответ уже спрятан в вопросе. Но практика все равно упирается в человеческий фактор. Мы завели борд «лучшие/худшие» и на встречах прямо созванивались с участниками, чтобы понять, где ломается поток. Типичный паттерн: если у продажника не получается, формально виноват он, но в голове виноваты система и «айтишники». Нужна Poka-Yoke — «защита от ошибок», учитывающая реальное поведение пользователей. Это помогло выровнять работу всех участников: в рамках BPMS процесс стал прозрачным, лишних вопросов стало меньше.
Дальше — управленческий цикл: раз в 3 недели — общий митинг автоматизаторов и исполнителей, с заранее согласованными целевыми и локальными метриками, анализом проблем и предложениями. Тогда это разговор по цифрам, который приводит к улучшениям по всему процессу.
Кто масштабирует изменения: «инновации сверху» или ценность снизу
В какой-то момент встает вопрос: почему идти именно в данные и кто двигает изменения — «верх» или «низ»? Часто в компаниях старой школы топ-менеджер создает «отдел инноваций», сам не разбираясь в технологиях. Для продуктовых команд такой отдел не авторитет: он приходит «продавать» инициативы, а в ответ получает сопротивление — выглядит как лишний workflow без понятной пользы.
Инсайт в том, что «инновациям сверху» нельзя ходить по подразделениям и уговаривать. У них нет веса, пока нет доказанной ценности. Рабочая схема другая: ценность должен «продавать» тот, кому реально помогли. Я прихожу с цифрами и показываю, как инструменты улучшили метрики процесса, — и уже я рекомендую этот отдел и его решения. Тогда история масштабируется естественно: не команда инноваций доказывает, что она нужна, а внутренний клиент говорит: «Было так, стало так, вот кто помог».
То же самое работает для акционеров и топ-руководства: им нужны конкретные результаты, а не обещания. Когда мы внедряли BPMS, я пришел к председателю правления с измеримыми эффектами на живых клиентах и реальных процессах. После этого стало очевидно, что систему стоит масштабировать внутри банка.
Метрика «чистых» заявок: управляем скоростью через возвраты
После обновления процесса к базовым добавился еще один важный показатель — доля «чистых» заявок (без единого возврата). Логика простая: возвраты и есть главный убийца скорости. Мы отдельно посчитали время прохождения «чистой» заявки — около 30 минут — и начали управлять динамикой этой доли. За полгода доля «чистых» заявок выросла с 0,01 до 70%, и стало напрямую видно, как снижение возвратов ускоряет весь поток.
Отдельный инсайт: сила прозрачных данных — в управлении поведением сотрудников. Любая система управления (agile, холакратия, BPMS) работает лучше всего, когда «быть плохим» становится публично неудобно. В agile это видно на коротких спринтах и дейли: если нет результата, это сразу очевидно команде. С BPMS было так же: на митингах вместо абстрактного «где моя заявка?» мы выводили историю заявки на экран и быстро приходили к конкретике — регион, офис, сотрудник, где именно «рождаются» возвраты.
Когда возвраты стали видны в разрезе людей, обнаружилась огромная разница в качестве: при одной и той же системе у одних заявки проходят за минуты, у других — тянутся неделями из‑за ошибок и возвратов. В итоге мы точечно «дожимали» конкретные причины и конкретные команды/офисы, потому что слабое место почти всегда — человеческий фактор.
В терминах ТРИЗ идеал — процесс, который выполняет функцию без лишних элементов: чем меньше ручного участия, тем стабильнее качество и скорость. Если ставить цель «открывать счет за 30 минут», люди улучшают текущую схему. Если сформулировать как «без людей и моментально», появляются другие решения — ответ уже спрятан в вопросе. Но практика все равно упирается в человеческий фактор. Мы завели борд «лучшие/худшие» и на встречах прямо созванивались с участниками, чтобы понять, где ломается поток. Типичный паттерн: если у продажника не получается, формально виноват он, но в голове виноваты система и «айтишники». Нужна Poka-Yoke — «защита от ошибок», учитывающая реальное поведение пользователей. Это помогло выровнять работу всех участников: в рамках BPMS процесс стал прозрачным, лишних вопросов стало меньше.
Дальше — управленческий цикл: раз в 3 недели — общий митинг автоматизаторов и исполнителей, с заранее согласованными целевыми и локальными метриками, анализом проблем и предложениями. Тогда это разговор по цифрам, который приводит к улучшениям по всему процессу.
Кто масштабирует изменения: «инновации сверху» или ценность снизу
В какой-то момент встает вопрос: почему идти именно в данные и кто двигает изменения — «верх» или «низ»? Часто в компаниях старой школы топ-менеджер создает «отдел инноваций», сам не разбираясь в технологиях. Для продуктовых команд такой отдел не авторитет: он приходит «продавать» инициативы, а в ответ получает сопротивление — выглядит как лишний workflow без понятной пользы.
Инсайт в том, что «инновациям сверху» нельзя ходить по подразделениям и уговаривать. У них нет веса, пока нет доказанной ценности. Рабочая схема другая: ценность должен «продавать» тот, кому реально помогли. Я прихожу с цифрами и показываю, как инструменты улучшили метрики процесса, — и уже я рекомендую этот отдел и его решения. Тогда история масштабируется естественно: не команда инноваций доказывает, что она нужна, а внутренний клиент говорит: «Было так, стало так, вот кто помог».
То же самое работает для акционеров и топ-руководства: им нужны конкретные результаты, а не обещания. Когда мы внедряли BPMS, я пришел к председателю правления с измеримыми эффектами на живых клиентах и реальных процессах. После этого стало очевидно, что систему стоит масштабировать внутри банка.
👍5❤4🔥1
Biweekly Data News: прорыв в "квантовом хранении", инвестиции в OpenAI и удорожание ЦОД-тарифов
Японская корпорация SoftBank завершила инвестиции в OpenAI: общий объем финансирования достиг примерно $40 млрд. СМИ отмечали, что часть средств направят на Stargate — совместный проект OpenAI, Oracle и SoftBank для создания дата-центров в США. В результате SoftBank получила около 11% акций американского стартапа.
Из общей суммы $7,5 млрд SoftBank перевела OpenAI напрямую, а еще около $11 млрд вложила через совместные проекты с другими инвесторами. С учетом соинвестиций общий объем вложений оценивается примерно в $40 млрд.
Ученые из Университета Ватерлоо (Канада) предложили способ безопасно сохранять и дублировать информацию в квантовых компьютерах, обойдя фундаментальное ограничение - запрет на клонирование квантовой информации, известный как «no-cloning theorem». Метод основан на шифровании данных при создании дубликатов кубитов.
Технология предполагает, что каждая копия информации защищена одноразовым ключом. Как только пользователь расшифровывает один экземпляр, ключ автоматически аннулируется, предотвращая несанкционированное дублирование. Это позволяет создавать неограниченное количество зашифрованных копий без нарушения принципов квантовой механики.
Разработка открывает путь к созданию "квантового облака". По словам авторов исследования, технология позволит создавать аналоги Google Drive или Dropbox, но для квантовой информации, что критически важно для будущего квантовых вычислений и защищённых коммуникаций.
Стоимость размещения в ЦОДах продолжает расти при осторожности потребителей мощностей. Сдержанное поведение клиентов ЦОД и медленный ввод в эксплуатацию новых мощностей не привели к снижению цен на размещение в дата-центрах за прошлый год. В Московском регионе цены выросли на 11%, в Санкт-Петербурге и Ленобласти — на 19%. На динамику влияют рост стоимости электроэнергии и увеличение потребления из-за развития ИИ.
Средняя стоимость услуги в Москве на конец года составила 160,3 тыс. руб., в Санкт-Петербурге и Ленинградской области — 109 тыс. руб.
По оценке iKS Consulting, крупнейшими операторами дата-центров в России являются РТК-ЦОД (входит в структуры «Ростелекома»), IXcellerate, «Атомдата» («Росатом»), DataPro и Selectel. На них приходится 74% суммарной мощности по стойкам на рынке.
Японская корпорация SoftBank завершила инвестиции в OpenAI: общий объем финансирования достиг примерно $40 млрд. СМИ отмечали, что часть средств направят на Stargate — совместный проект OpenAI, Oracle и SoftBank для создания дата-центров в США. В результате SoftBank получила около 11% акций американского стартапа.
Из общей суммы $7,5 млрд SoftBank перевела OpenAI напрямую, а еще около $11 млрд вложила через совместные проекты с другими инвесторами. С учетом соинвестиций общий объем вложений оценивается примерно в $40 млрд.
Ученые из Университета Ватерлоо (Канада) предложили способ безопасно сохранять и дублировать информацию в квантовых компьютерах, обойдя фундаментальное ограничение - запрет на клонирование квантовой информации, известный как «no-cloning theorem». Метод основан на шифровании данных при создании дубликатов кубитов.
Технология предполагает, что каждая копия информации защищена одноразовым ключом. Как только пользователь расшифровывает один экземпляр, ключ автоматически аннулируется, предотвращая несанкционированное дублирование. Это позволяет создавать неограниченное количество зашифрованных копий без нарушения принципов квантовой механики.
Разработка открывает путь к созданию "квантового облака". По словам авторов исследования, технология позволит создавать аналоги Google Drive или Dropbox, но для квантовой информации, что критически важно для будущего квантовых вычислений и защищённых коммуникаций.
Стоимость размещения в ЦОДах продолжает расти при осторожности потребителей мощностей. Сдержанное поведение клиентов ЦОД и медленный ввод в эксплуатацию новых мощностей не привели к снижению цен на размещение в дата-центрах за прошлый год. В Московском регионе цены выросли на 11%, в Санкт-Петербурге и Ленобласти — на 19%. На динамику влияют рост стоимости электроэнергии и увеличение потребления из-за развития ИИ.
Средняя стоимость услуги в Москве на конец года составила 160,3 тыс. руб., в Санкт-Петербурге и Ленинградской области — 109 тыс. руб.
По оценке iKS Consulting, крупнейшими операторами дата-центров в России являются РТК-ЦОД (входит в структуры «Ростелекома»), IXcellerate, «Атомдата» («Росатом»), DataPro и Selectel. На них приходится 74% суммарной мощности по стойкам на рынке.
❤1👍1
Weekly Data News: Россия — в лидерах по условиям для ИИ, Anthropic запускает Labs, DuckDB ускоряет выполнение OLAP
Россия вошла в число стран с благоприятными условиями для развития нейросетей. По данным исследования "Технологии Доверия" (ТеДо) и АНО "Цифровая экономика", более чем в 70% юрисдикций, наиболее продвинутых в разработке генеративного ИИ, преобладают добровольные меры контроля и рамочное регулирование, способствующие устойчивому развитию сервисов.
По совокупности факторов - уровню развития сервисов и регуляторной среды - к числу стран с наиболее благоприятными условиями для развития ИИ относятся Россия, США, Южная Корея, Япония и Великобритания.
При этом в России применяется сбалансированный подход: создаются условия для развития национальных сервисов без формирования избыточных административных барьеров. Обязательные требования в основном закрепляются на уровне стратегических документов и актов высшего государственного управления.
Anthropic создала подразделение Anthropic Labs - продуктовую "песочницу" для быстрого тестирования идей и экспериментов с возможностями искусственного интеллекта. Ранее эти задачи выполняли стандартные продуктовые команды, но, по словам источника в компании, они больше не успевают за развитием моделей и не могут обрабатывать все идеи в рамках обычного планирования. Подразделение возглавит Майк Кригер, сооснователь Instagram и бывший руководитель по продуктам в Anthropic.
Alibaba представила open-source интеграцию DuckDB — AP-движок для аналитических запросов непосредственно в MySQL. Alibaba открыла исходный код глубокой интеграции аналитической СУБД DuckDB в AliSQL (форк MySQL). Это позволяет выполнять аналитические запросы (OLAP) в тысячи раз быстрее, чем на InnoDB, с полным сохранением MySQL-синтаксиса.
Интеграция доступна полностью как open source — разработчики и компании могут использовать, модифицировать и внедрять технологию самостоятельно, без привязки к облачным сервисам.
DuckDB встроен как плагинный storage-движок в архитектуру MySQL. Аналитические реплики синхронизируются через бинарный лог (binlog), что обеспечивает согласованность данных и отказоустойчивость.
Решение полностью открыто и доступно в репозитории AliSQL. Сообщество может изучать, использовать и развивать эту интеграцию.
Россия вошла в число стран с благоприятными условиями для развития нейросетей. По данным исследования "Технологии Доверия" (ТеДо) и АНО "Цифровая экономика", более чем в 70% юрисдикций, наиболее продвинутых в разработке генеративного ИИ, преобладают добровольные меры контроля и рамочное регулирование, способствующие устойчивому развитию сервисов.
По совокупности факторов - уровню развития сервисов и регуляторной среды - к числу стран с наиболее благоприятными условиями для развития ИИ относятся Россия, США, Южная Корея, Япония и Великобритания.
При этом в России применяется сбалансированный подход: создаются условия для развития национальных сервисов без формирования избыточных административных барьеров. Обязательные требования в основном закрепляются на уровне стратегических документов и актов высшего государственного управления.
Anthropic создала подразделение Anthropic Labs - продуктовую "песочницу" для быстрого тестирования идей и экспериментов с возможностями искусственного интеллекта. Ранее эти задачи выполняли стандартные продуктовые команды, но, по словам источника в компании, они больше не успевают за развитием моделей и не могут обрабатывать все идеи в рамках обычного планирования. Подразделение возглавит Майк Кригер, сооснователь Instagram и бывший руководитель по продуктам в Anthropic.
Alibaba представила open-source интеграцию DuckDB — AP-движок для аналитических запросов непосредственно в MySQL. Alibaba открыла исходный код глубокой интеграции аналитической СУБД DuckDB в AliSQL (форк MySQL). Это позволяет выполнять аналитические запросы (OLAP) в тысячи раз быстрее, чем на InnoDB, с полным сохранением MySQL-синтаксиса.
Интеграция доступна полностью как open source — разработчики и компании могут использовать, модифицировать и внедрять технологию самостоятельно, без привязки к облачным сервисам.
DuckDB встроен как плагинный storage-движок в архитектуру MySQL. Аналитические реплики синхронизируются через бинарный лог (binlog), что обеспечивает согласованность данных и отказоустойчивость.
Решение полностью открыто и доступно в репозитории AliSQL. Сообщество может изучать, использовать и развивать эту интеграцию.
Weekly Data News: китайские гИИ-модели наращивают присутствие, ИИ усиливает спрос на GPU, АФТ открывает наработки по ИИ-агентам
Nikkei: доля китайских ИИ-моделей на мировом рынке выросла с 1 до 15%. Модели генеративного ИИ от китайских компаний быстро наращивают присутствие: если в ноябре 2024 года их доля оценивались в 1%, то к ноябрю 2025 года — уже в 15%.
Исследование OpenRouter и a16z показывает, что средняя доля китайских моделей ИИ с открытым исходным кодом за год составила около 13%, а в отдельные недели поднималась до 30%. Около 40% использования приходится на сложные профессиональные задачи, такие как программирование и дизайн.
Китайские компании, включая Alibaba с моделями DeepSeek и Qwen, активно выпускают бесплатные решения с открытым исходным кодом, усиливая конкуренцию с американскими разработчиками.
В рейтинге Nikkei из 92 ключевых моделей DeepSeek занял 9-е место и стал лидером среди открытых моделей, обойдя продукты Google и OpenAI по производительности.
Рынок аренды выделенных GPU-серверов в России в 2025 году достиг 17 млрд руб.
По данным «Рег.облако», ожидается, что в 2026 году этот сегмент вырастет вдвое, до 34 млрд руб.
Структура спроса: около 60% — задачи машинного обучения и ИИ, 30% — инфраструктура виртуальных рабочих столов (VDI), рендеринг — 10%. Основными клиентами становятся компании из сферы ИТ (50%), а также предприятия торговли (17%) и сферы услуг (11%).
АФТ протестировала применение российских LLM для разработки ИИ-агентов для финансовых организаций. В пилоте приняли участие более 20 организаций (банки, страховые, финтех- и ИТ-компании), включая АльфаСтрахование, Сбер, ВТБ, Газпромбанк, Яндекс и другие. В кейсах применялись российские LLM от Яндекса, Сбера и MWS AI для клиентской поддержке, анализа документов, в комплаенсе и разработке программного обеспечения.
Итог — создано более 10 прототипов ИИ-агентов и мультиагентных систем, в их числе: помощник разработчиков в написании кода и оценке ИТ-архитектуры, система анализа обращений в колл-центре, инструмент для извлечения данных из договоров и платформа для создания персонализированных депозитных продуктов.
Из примеров-результатов:
— АльфаСтрахование создала прототип агента для автоматизации архитектурного контроля ПО;
— Банк ВБРР разработал ИИ-агента для анализа голосовых обращений в контакт-центре, который распознает речь, определяет тональность разговора и сокращает нагрузку на операторов до 70%.
Участники также предложили типовую архитектуру внедрения, чтобы ускорить дальнейшие проекты.
Nikkei: доля китайских ИИ-моделей на мировом рынке выросла с 1 до 15%. Модели генеративного ИИ от китайских компаний быстро наращивают присутствие: если в ноябре 2024 года их доля оценивались в 1%, то к ноябрю 2025 года — уже в 15%.
Исследование OpenRouter и a16z показывает, что средняя доля китайских моделей ИИ с открытым исходным кодом за год составила около 13%, а в отдельные недели поднималась до 30%. Около 40% использования приходится на сложные профессиональные задачи, такие как программирование и дизайн.
Китайские компании, включая Alibaba с моделями DeepSeek и Qwen, активно выпускают бесплатные решения с открытым исходным кодом, усиливая конкуренцию с американскими разработчиками.
В рейтинге Nikkei из 92 ключевых моделей DeepSeek занял 9-е место и стал лидером среди открытых моделей, обойдя продукты Google и OpenAI по производительности.
Рынок аренды выделенных GPU-серверов в России в 2025 году достиг 17 млрд руб.
По данным «Рег.облако», ожидается, что в 2026 году этот сегмент вырастет вдвое, до 34 млрд руб.
Структура спроса: около 60% — задачи машинного обучения и ИИ, 30% — инфраструктура виртуальных рабочих столов (VDI), рендеринг — 10%. Основными клиентами становятся компании из сферы ИТ (50%), а также предприятия торговли (17%) и сферы услуг (11%).
АФТ протестировала применение российских LLM для разработки ИИ-агентов для финансовых организаций. В пилоте приняли участие более 20 организаций (банки, страховые, финтех- и ИТ-компании), включая АльфаСтрахование, Сбер, ВТБ, Газпромбанк, Яндекс и другие. В кейсах применялись российские LLM от Яндекса, Сбера и MWS AI для клиентской поддержке, анализа документов, в комплаенсе и разработке программного обеспечения.
Итог — создано более 10 прототипов ИИ-агентов и мультиагентных систем, в их числе: помощник разработчиков в написании кода и оценке ИТ-архитектуры, система анализа обращений в колл-центре, инструмент для извлечения данных из договоров и платформа для создания персонализированных депозитных продуктов.
Из примеров-результатов:
— АльфаСтрахование создала прототип агента для автоматизации архитектурного контроля ПО;
— Банк ВБРР разработал ИИ-агента для анализа голосовых обращений в контакт-центре, который распознает речь, определяет тональность разговора и сокращает нагрузку на операторов до 70%.
Участники также предложили типовую архитектуру внедрения, чтобы ускорить дальнейшие проекты.
👍3🔥3
Weekly Data News: маркетплейс контента для ИИ, интерес Gemini к японскому стартапу, Deep Research в Альфа-банке
Microsoft запускает платформу лицензирования контента для обучения ИИ. Маркетплейс Publisher Content Marketplace (PCM) предназначен для лицензирования авторского контента компаниями, разрабатывающими ИИ. Правообладатели смогут выставлять условия использования своего контента, а ИИ-компании обучать на нем свои модели. В проектировании системы участвуют крупные игроки медиарынка, включая Vox Media, The Associated Press, Condé Nast, журнал People, в числе партнеров упоминается Yahoo.
Google инвестирует в Sakana AI, чтобы усилить присутствие Gemini в Японии.
Google вошел в числу инвесторов японского стартапа Sakana AI, после того Sakana AI привлекла 135 млн долл. в раунде финансирования серии B в прошлом году. Этот раунд оценил стартап почти в 2,6 миллиарда долларов, компания стала одной из самых дорогих и быстрорастущих компаний ИИ в Японии с момента ее запуска в 2023 году. Текущая сумма инвестиций не раскрывается.
В январе агент ALE-Agent от Sakana победил на Олимпиаде по кодингу, а их статья, представленная на ICLR, вызвала немалый интерес в научном сообществе. Теперь же Sakana AI собирается «плотнее» интегрировать разработки Google с собственными системами.
Альфа-Банк запустил ИИ-технологию для бизнес-аналитики. ИТ-разработчики Альфа-Банка интегрировали в платформу генеративного искусственного интеллекта AlfaGen функцию «Глубинное исследование» (Deep Research). Это цифровой аналитик, способный самостоятельно планировать, собирать, проверять и структурировать информацию из множества источников. Заявляется, что результатом работы системы становится структурированный аналитический документ.
OpenAI представила GPT-5.3-Codex. Новая агентная ИИ-модель для программирования примерно на 25% быстрее GPT-5.2-Codex, может выполнять задачи часами или днями, при этом пользователь может вмешиваться в процесс: уточнять требования, менять направление работы и получать промежуточные апдейты без перезапуска агента.
OpenAI также сообщила, что ранние версии GPT-5.3-Codex показали настолько хорошие результаты, что их использовали для улучшения обучения и поддержки развертывания более поздних версий модели.
Microsoft запускает платформу лицензирования контента для обучения ИИ. Маркетплейс Publisher Content Marketplace (PCM) предназначен для лицензирования авторского контента компаниями, разрабатывающими ИИ. Правообладатели смогут выставлять условия использования своего контента, а ИИ-компании обучать на нем свои модели. В проектировании системы участвуют крупные игроки медиарынка, включая Vox Media, The Associated Press, Condé Nast, журнал People, в числе партнеров упоминается Yahoo.
Google инвестирует в Sakana AI, чтобы усилить присутствие Gemini в Японии.
Google вошел в числу инвесторов японского стартапа Sakana AI, после того Sakana AI привлекла 135 млн долл. в раунде финансирования серии B в прошлом году. Этот раунд оценил стартап почти в 2,6 миллиарда долларов, компания стала одной из самых дорогих и быстрорастущих компаний ИИ в Японии с момента ее запуска в 2023 году. Текущая сумма инвестиций не раскрывается.
В январе агент ALE-Agent от Sakana победил на Олимпиаде по кодингу, а их статья, представленная на ICLR, вызвала немалый интерес в научном сообществе. Теперь же Sakana AI собирается «плотнее» интегрировать разработки Google с собственными системами.
Альфа-Банк запустил ИИ-технологию для бизнес-аналитики. ИТ-разработчики Альфа-Банка интегрировали в платформу генеративного искусственного интеллекта AlfaGen функцию «Глубинное исследование» (Deep Research). Это цифровой аналитик, способный самостоятельно планировать, собирать, проверять и структурировать информацию из множества источников. Заявляется, что результатом работы системы становится структурированный аналитический документ.
OpenAI представила GPT-5.3-Codex. Новая агентная ИИ-модель для программирования примерно на 25% быстрее GPT-5.2-Codex, может выполнять задачи часами или днями, при этом пользователь может вмешиваться в процесс: уточнять требования, менять направление работы и получать промежуточные апдейты без перезапуска агента.
OpenAI также сообщила, что ранние версии GPT-5.3-Codex показали настолько хорошие результаты, что их использовали для улучшения обучения и поддержки развертывания более поздних версий модели.
👍2
Если вы работаете с данными или отвечаете за data‑стратегию — приходите 26 февраля на FinCore 2026, который проводит команда Fintech Data Day.
Одна из ключевых тем программы — ИИ-трансформация, включая роль Data Governance и Big Data в этом процессе. В фокусе внимания - переход от точечных экспериментов к системным изменениям всей финплатформы: от данных и процессов до безопасности и культуры разработки.
👉 В первой панельной дискуссии примут участие:
— Максим Травин, директор по работе с данными Т‑Банка;
— Сергей Рябов, старший управляющий директор, директор по AI-трансформации Сбера. Один из ключевых вопросов дискуссии — использование ИИ‑агентов в банке.
👉 В числе спикеров второй сессии, где будут обсуждаться ядро финплатформы будущего: платформенный подход vs классические АБС, Open API, облака и LLM‑платформы — и как состыковать ИИ, платформы и открытый банкинг в одной архитектуре:
— Тигран Саркисов, директор по управлению данными X5, который расскажет о том, как эволюционировать от «склада данных» к «цифровому мозгу» компании и выстроить цепочку Data Governance → Big Data → AI.
— Адель Валиуллин, первый вице-президент, руководитель блока технологий искусственного интеллекта Газпромбанка, который расскажет о перестройке сквозных процессов и создании такой архитектуры, где ИИ становится частью ядра.
— Юрий Колошеин, руководитель центра компетенций развития озера данных и интеграционных решений РСХБ-Автоматизация, и Сергей Золотарёв, директор по коммерции и стратегическому развитию Группы Arenadata, которые выступят с интригующей темой "Философский путь одного озера».
👉 В заключительной дискуссии о регулировании ИИ в финансовых платформах примет участие:
— Антон Степанов, начальник Центра экспертизы искусственного интеллекта Департамента финансовых технологий Банка России. В числе ключевых вопросов: как финорганизациям подготовиться к предстоящим изменениям, а также сформулируют вопросы, ответы на которые им хотелось бы получить от регуляторов.
До Форума осталось всего две недели — поспешите зарегистрироваться!
Сайт и программа Форума
Одна из ключевых тем программы — ИИ-трансформация, включая роль Data Governance и Big Data в этом процессе. В фокусе внимания - переход от точечных экспериментов к системным изменениям всей финплатформы: от данных и процессов до безопасности и культуры разработки.
👉 В первой панельной дискуссии примут участие:
— Максим Травин, директор по работе с данными Т‑Банка;
— Сергей Рябов, старший управляющий директор, директор по AI-трансформации Сбера. Один из ключевых вопросов дискуссии — использование ИИ‑агентов в банке.
👉 В числе спикеров второй сессии, где будут обсуждаться ядро финплатформы будущего: платформенный подход vs классические АБС, Open API, облака и LLM‑платформы — и как состыковать ИИ, платформы и открытый банкинг в одной архитектуре:
— Тигран Саркисов, директор по управлению данными X5, который расскажет о том, как эволюционировать от «склада данных» к «цифровому мозгу» компании и выстроить цепочку Data Governance → Big Data → AI.
— Адель Валиуллин, первый вице-президент, руководитель блока технологий искусственного интеллекта Газпромбанка, который расскажет о перестройке сквозных процессов и создании такой архитектуры, где ИИ становится частью ядра.
— Юрий Колошеин, руководитель центра компетенций развития озера данных и интеграционных решений РСХБ-Автоматизация, и Сергей Золотарёв, директор по коммерции и стратегическому развитию Группы Arenadata, которые выступят с интригующей темой "Философский путь одного озера».
👉 В заключительной дискуссии о регулировании ИИ в финансовых платформах примет участие:
— Антон Степанов, начальник Центра экспертизы искусственного интеллекта Департамента финансовых технологий Банка России. В числе ключевых вопросов: как финорганизациям подготовиться к предстоящим изменениям, а также сформулируют вопросы, ответы на которые им хотелось бы получить от регуляторов.
До Форума осталось всего две недели — поспешите зарегистрироваться!
Сайт и программа Форума
👍2🔥1
Weekly Data News: персональный подбор LLM и стремительный рост российского рынка больших данных
Artificial Analysis выпустила инструмент для подбора LLM. Аналитическая платформа представила Model Recommender — сервис, который помогает выбрать модель под конкретные задачи. Пользователь может задать собственные ограничения и получить персональный список подходящих моделей. Алгоритм учитывает десятки параметров, включая скорость инференса через API, наличие мультимодальности, тип лицензии и другие характеристики. В сервисе также можно вручную расставить приоритеты — например, повысить вес метрик качества генерации кода, устойчивости к галлюцинациям или эффективности в агентных задачах.
Минцифры России: российский рынок больших данных к 2030 году может достигнуть 1,2 трлн руб. По данным министерства, рынок Big Data в России растет быстрее среднемировых темпов: 25–35% против 12%. По итогам 2025 года объём рынка может достигнуть 433 млрд руб., а к 2030 году — 1,2 трлн руб.
Около 35,5% компаний в стране уже используют технологии Big Data или планируют внедрение в ближайшие годы. При этом 23,4% готовы покупать данные у государства или корпоративного сектора, а 19,3% рассматривают возможность монетизации собственных данных.
DeepMind представил Gemini Deep Think — режим рассуждения, созданный для сложных задач в науке, математике и исследованиях. Главная идея — дать модели больше времени и вычислений на обдумывание, чтобы улучшить качество решений в задачах, где важна логика, а не скорость. Модель умеет выполнять глубокое многошаговое рассуждение, параллельно исследовать несколько вариантов решения, сравнивать гипотезы и выбрать лучший результат и неплохо справляется со сложной математикой и научными задачами.
Artificial Analysis выпустила инструмент для подбора LLM. Аналитическая платформа представила Model Recommender — сервис, который помогает выбрать модель под конкретные задачи. Пользователь может задать собственные ограничения и получить персональный список подходящих моделей. Алгоритм учитывает десятки параметров, включая скорость инференса через API, наличие мультимодальности, тип лицензии и другие характеристики. В сервисе также можно вручную расставить приоритеты — например, повысить вес метрик качества генерации кода, устойчивости к галлюцинациям или эффективности в агентных задачах.
Минцифры России: российский рынок больших данных к 2030 году может достигнуть 1,2 трлн руб. По данным министерства, рынок Big Data в России растет быстрее среднемировых темпов: 25–35% против 12%. По итогам 2025 года объём рынка может достигнуть 433 млрд руб., а к 2030 году — 1,2 трлн руб.
Около 35,5% компаний в стране уже используют технологии Big Data или планируют внедрение в ближайшие годы. При этом 23,4% готовы покупать данные у государства или корпоративного сектора, а 19,3% рассматривают возможность монетизации собственных данных.
DeepMind представил Gemini Deep Think — режим рассуждения, созданный для сложных задач в науке, математике и исследованиях. Главная идея — дать модели больше времени и вычислений на обдумывание, чтобы улучшить качество решений в задачах, где важна логика, а не скорость. Модель умеет выполнять глубокое многошаговое рассуждение, параллельно исследовать несколько вариантов решения, сравнивать гипотезы и выбрать лучший результат и неплохо справляется со сложной математикой и научными задачами.
🔥3👍1
Коллеги, хотим поделиться с читателями фрагментами выступлений с предстоящего форума FinCore 2026. Он будет посвящен ИТ- и ИИ-трансформации с участием Сбера, ГПБ, Банка России, Т-Банка, Альфа-Банка и др. и пройдет уже 26 февраля.
Хотим узнать, фрагменты каких дискуссий / обзоры каких тем вам интереснее всего получить в этом канале?
Голосуйте в опросе ниже 👇
Хотим узнать, фрагменты каких дискуссий / обзоры каких тем вам интереснее всего получить в этом канале?
Голосуйте в опросе ниже 👇
Какие записи выступлений с предстоящего 26 февраля форума FinCore или выжимки выступлений вам интереснее всего получить в нашем канале?
Anonymous Poll
36%
Инсайты по стратегиям топ-10 банков по внедрению ИИ в core banking на 2026 год
71%
Кейсы применения ИИ-агентов в финансовых организациях
29%
Выдержки из сессии про регулирование ИИ в финансовых платформах с участием ЦБ
14%
Все актуальное про цифровые валюты и стейблкоины
43%
Кейсы работы с данными в рамках ИИ-трансформации
Премия FINNEXT 2026: кто уже прислал кейсы?
На Премию FINNEXT уже поступило 70+ заявок – начинаем знакомить вас с первыми проектами.
Среди уже присланных кейсов:
• «Катюша» — первый банк для бизнеса в мессенджере Max (ПСБ)
• Накопительный счёт «Кешбокс» с управляемой процентной ставкой (МТС Банк)
• «Цифровое урегулирование ОСАГО» (Абсолют Страхование)
• «Конструктор привилегий» — сервис для клиентов, которые одновременно обслуживаются как физлица и предприниматели (Альфа-Банк)
• DQLA и автоматизированное управление качеством данных на уровне всей организации (ОТП Банк)
• Масштабирование клиентоцентричной модели сервисных услуг: от автострахования к страхованию имущества (Росгосстрах)
• Речевая аналитика и сквозное управление качеством коммуникаций (ВТБ)
• Пилот бесконтактной оплаты на iPhone и Apple Watch с баланса телефона (МТС)
и другие.
Если ваша команда разрабатывает инновационные решения для финансовой и смежных отраслей — присылайте кейс на Премию FINNEXT 2026!
Подать заявку можно в 10 направлениях (список см. на сайте) либо в спецноминации.
Спецноминация (участие во внеконкурсной программе) — это презентация вашего кейса на церемонии вручения Премии FINNEXT и внимание коллег и потенциальных партнеров.
Специальные номинации отмечают выдающиеся результаты в цифровой трансформации финансового рынка и подчеркивают специфику именно ваших решений и задач.
По первым заявкам видно, что присланные кейсы уже в корне меняют процессы, продукты и клиентский опыт. Ждем ваш проект на Премию! Будет интересно.
На Премию FINNEXT уже поступило 70+ заявок – начинаем знакомить вас с первыми проектами.
Среди уже присланных кейсов:
• «Катюша» — первый банк для бизнеса в мессенджере Max (ПСБ)
• Накопительный счёт «Кешбокс» с управляемой процентной ставкой (МТС Банк)
• «Цифровое урегулирование ОСАГО» (Абсолют Страхование)
• «Конструктор привилегий» — сервис для клиентов, которые одновременно обслуживаются как физлица и предприниматели (Альфа-Банк)
• DQLA и автоматизированное управление качеством данных на уровне всей организации (ОТП Банк)
• Масштабирование клиентоцентричной модели сервисных услуг: от автострахования к страхованию имущества (Росгосстрах)
• Речевая аналитика и сквозное управление качеством коммуникаций (ВТБ)
• Пилот бесконтактной оплаты на iPhone и Apple Watch с баланса телефона (МТС)
и другие.
👉 Прием кейсов продолжается!
Церемония награждения — 7 апреля, Центр событий РБК. Участие в Премии — БЕСПЛАТНОЕ.
Прислать кейс можно до 20 марта 2026 через официальный сайт Премии.
Если ваша команда разрабатывает инновационные решения для финансовой и смежных отраслей — присылайте кейс на Премию FINNEXT 2026!
Подать заявку можно в 10 направлениях (список см. на сайте) либо в спецноминации.
Спецноминация (участие во внеконкурсной программе) — это презентация вашего кейса на церемонии вручения Премии FINNEXT и внимание коллег и потенциальных партнеров.
Специальные номинации отмечают выдающиеся результаты в цифровой трансформации финансового рынка и подчеркивают специфику именно ваших решений и задач.
По первым заявкам видно, что присланные кейсы уже в корне меняют процессы, продукты и клиентский опыт. Ждем ваш проект на Премию! Будет интересно.
Если вы работаете с данными или отвечаете за data‑стратегию — приходите 7 апреля на FINNEXT 2026, который проводит команда Fintech Data Day.
Выбрали самые интересные для вас темы: где именно data и AI уже дают измеримый эффект, как его оценивать и какие модели реально «взлетают» в банках.
👉 Участники панельной дискуссии обсудят:
• Digital Workforce и переход к «жесткой эффективности»: готов ли рынок заменить дорогие роли алгоритмами? Как корректно измерять эффект и оптимизировать процессы на основе данных — без просадки качества сервиса.
• Азиатский опыт, где большие данные частично берут на себя роль кредитных бюро: альтернативный скоринг, новые риск‑модели и главный вопрос — что из этого переносимо на локальный рынок, а что работает только в конкретном контексте.
В числе спикеров: Алексей Щавелев (ПСБ), Алексей Назаров (Банк ВТБ), Сергей Паршиков (Альфа‑Банк) и др.
👉 На сессии «AI‑Economy: от цифровых помощников к автономному бизнесу» будет много практики:
✅ Переход от Co‑Pilot к Autopilot и то, как BPM вместе с AI‑агентами превращают банк в автономную операционную систему, разберет Муслим Сатыбалдиев, директор департамента развития цифрового бизнеса Ростелекома.
✅ Практиками повышения качества AI‑саппорта с помощью инструментов менеджмента — без бесконечных доработок кода — поделится Максим Лягушкин, Lead Product Manager, Yandex.
✅ Где GenAI и цифровые сервисы дают измеримый финансовый эффект, а где остаются «игрушкой», — про реальный ROI инноваций расскажет Uttaran Nayak, соучредитель и CEO одного из самых быстрорастущих стартапов Индии Alchemyst AI.
👉 На сессии BANKING AS A PLATFORM (BAAP) состоится разговор о том, как меняется сама логика банковских продуктов и платформ, в т.ч. будет рассмотрен тренд на разукрупнение и переход к модели ИИ‑консьержа, который предугадывает потребности клиента, а не навязывает услуги.
В числе спикеров сессии: Мария Зыбина (Газпромбанк), Ирина Жимерина (ПСБ), Буба Османов (Т‑Банк) и др.
Сайт и программа Форума
‼️Если вы умеете извлекать большую пользу из больших данных и у вас есть сильный кейс, о котором вам не терпится рассказать, подавайте заявку на Премию FINNEXT - в номинации "Большие данные" или даже "Инновация года"!
Выбрали самые интересные для вас темы: где именно data и AI уже дают измеримый эффект, как его оценивать и какие модели реально «взлетают» в банках.
👉 Участники панельной дискуссии обсудят:
• Digital Workforce и переход к «жесткой эффективности»: готов ли рынок заменить дорогие роли алгоритмами? Как корректно измерять эффект и оптимизировать процессы на основе данных — без просадки качества сервиса.
• Азиатский опыт, где большие данные частично берут на себя роль кредитных бюро: альтернативный скоринг, новые риск‑модели и главный вопрос — что из этого переносимо на локальный рынок, а что работает только в конкретном контексте.
В числе спикеров: Алексей Щавелев (ПСБ), Алексей Назаров (Банк ВТБ), Сергей Паршиков (Альфа‑Банк) и др.
👉 На сессии «AI‑Economy: от цифровых помощников к автономному бизнесу» будет много практики:
✅ Переход от Co‑Pilot к Autopilot и то, как BPM вместе с AI‑агентами превращают банк в автономную операционную систему, разберет Муслим Сатыбалдиев, директор департамента развития цифрового бизнеса Ростелекома.
✅ Практиками повышения качества AI‑саппорта с помощью инструментов менеджмента — без бесконечных доработок кода — поделится Максим Лягушкин, Lead Product Manager, Yandex.
✅ Где GenAI и цифровые сервисы дают измеримый финансовый эффект, а где остаются «игрушкой», — про реальный ROI инноваций расскажет Uttaran Nayak, соучредитель и CEO одного из самых быстрорастущих стартапов Индии Alchemyst AI.
👉 На сессии BANKING AS A PLATFORM (BAAP) состоится разговор о том, как меняется сама логика банковских продуктов и платформ, в т.ч. будет рассмотрен тренд на разукрупнение и переход к модели ИИ‑консьержа, который предугадывает потребности клиента, а не навязывает услуги.
В числе спикеров сессии: Мария Зыбина (Газпромбанк), Ирина Жимерина (ПСБ), Буба Османов (Т‑Банк) и др.
Сайт и программа Форума
‼️Если вы умеете извлекать большую пользу из больших данных и у вас есть сильный кейс, о котором вам не терпится рассказать, подавайте заявку на Премию FINNEXT - в номинации "Большие данные" или даже "Инновация года"!
finnext.ru
FINNEXT 2026. 15-й форум финансовых инноваций
7 апреля 2026 г., Москва, «Центр событий РБК»
👍1
Biweekly Data News: вайб-кодинг в Galaxy, ревью AI-кода в Amazon и новый законопроект об ИИ в России
Samsung планирует встроить вайб-кодинг на смартфоны Galaxy. Компания изучает возможность интеграции концепции вайб-кодинга в свои будущие устройства. По словам представителя Samsung, речь не только о персонализации интерфейса: ИИ сможет на лету менять логику UX и адаптировать приложения под конкретные задачи владельца. Технические детали пока не раскрываются.
Amazon обязал инженеров проверять код, сгенерированный ИИ. Теперь любые изменения, произведенные с помощью ИИ, должны проходить обязательное ревью у старших инженеров до деплоя. Решение приняли после череды критических инцидентов, которые в компании назвали сбоями с "большим радиусом поражения".
В РФ рассматривают возможность обучения нейросетей на произведениях без согласия авторов. Правительство может разрешить компаниям-разработчикам использовать защищенные авторским правом результаты интеллектуальной деятельности – статьи, книги, фильмы, изображения и др. – для обучения ИИ-моделей без разрешения правообладателей. Использовать произведения без согласия автора можно только в том случае, если пользователь сервиса не будет видеть их содержания.
Авторскими правами на ответ ИИ-модели, вне зависимости от того, на каких данных она обучалась, будет обладать пользователь, который ввел промпт, обработал полученный результат и внес творческий вклад.
Mistral AI запускает корпоративную платформу обучения ИИ-моделей полного цикла.
Платформа Forge позволяет компаниям разрабатывать и дообучать модели на собственных закрытых данных. Она поддерживает весь ML-пайплайн от претрейна до SFT, DPO и тонкой настройки через RL. Инструментарий работает как с плотными моделями, так и с архитектурой MoE, включая мультимодальный ввод.
Развертывание возможно как на мощностях Mistral, так и на локальных GPU-кластерах. В последнем случае компания платит только за лицензию на софт, а Mistral не имеет никакого доступа к обучающей выборке. В Forge также встроены конвейеры для сбора и генерации синтетических данных.
Samsung планирует встроить вайб-кодинг на смартфоны Galaxy. Компания изучает возможность интеграции концепции вайб-кодинга в свои будущие устройства. По словам представителя Samsung, речь не только о персонализации интерфейса: ИИ сможет на лету менять логику UX и адаптировать приложения под конкретные задачи владельца. Технические детали пока не раскрываются.
Amazon обязал инженеров проверять код, сгенерированный ИИ. Теперь любые изменения, произведенные с помощью ИИ, должны проходить обязательное ревью у старших инженеров до деплоя. Решение приняли после череды критических инцидентов, которые в компании назвали сбоями с "большим радиусом поражения".
В РФ рассматривают возможность обучения нейросетей на произведениях без согласия авторов. Правительство может разрешить компаниям-разработчикам использовать защищенные авторским правом результаты интеллектуальной деятельности – статьи, книги, фильмы, изображения и др. – для обучения ИИ-моделей без разрешения правообладателей. Использовать произведения без согласия автора можно только в том случае, если пользователь сервиса не будет видеть их содержания.
Авторскими правами на ответ ИИ-модели, вне зависимости от того, на каких данных она обучалась, будет обладать пользователь, который ввел промпт, обработал полученный результат и внес творческий вклад.
Mistral AI запускает корпоративную платформу обучения ИИ-моделей полного цикла.
Платформа Forge позволяет компаниям разрабатывать и дообучать модели на собственных закрытых данных. Она поддерживает весь ML-пайплайн от претрейна до SFT, DPO и тонкой настройки через RL. Инструментарий работает как с плотными моделями, так и с архитектурой MoE, включая мультимодальный ввод.
Развертывание возможно как на мощностях Mistral, так и на локальных GPU-кластерах. В последнем случае компания платит только за лицензию на софт, а Mistral не имеет никакого доступа к обучающей выборке. В Forge также встроены конвейеры для сбора и генерации синтетических данных.
👍1
В рамках 15-го Форума финансовых инноваций FINNEXT состоится выставка FINNEXT EXPO, на которой будут представлены ключевые решения для финансового рынка.
Что вас ждет на выставке:
— Живые демонстрации финтех-решений;
— Общение с лидерами рынка и технологическими командами и полезный нетворинг;
— Обзор актуальных ИТ-платформ и продуктов для банков и бизнеса.
‼️Важно: вход на выставку бесплатный после регистрации (без доступа к деловой программе Форума).
На выставке вы увидите:
— современные платформы автоматизации;
— готовые AI-решения для бизнеса;
— платежные и инфраструктурные технологии;
— инструменты для повышения эффективности и безопасности.
Среди участников выставки: Яндекс.Нейросаппорт, Диасофт, ФлексСофт, BSS, А7 и другие ведущие игроки рынка.
Приходите на EXPO, чтобы приобщиться к атмосфере FINNEXT. Здесь можно напрямую пообщаться с лидерами финтеха, получить реальную обратную связь по внедренным решениям, узнать, что рекомендуют и внедряют ведущие банки, и забрать с собой инсайды из практики — без маркетинговых фильтров.
Посетители выставки также смогут приобрести билет на деловую программу в день форума.
👉 Посетить выставку (бесплатно)
👉 Купить билет на FINNEXT и принять участие в деловой программе
Что вас ждет на выставке:
— Живые демонстрации финтех-решений;
— Общение с лидерами рынка и технологическими командами и полезный нетворинг;
— Обзор актуальных ИТ-платформ и продуктов для банков и бизнеса.
‼️Важно: вход на выставку бесплатный после регистрации (без доступа к деловой программе Форума).
На выставке вы увидите:
— современные платформы автоматизации;
— готовые AI-решения для бизнеса;
— платежные и инфраструктурные технологии;
— инструменты для повышения эффективности и безопасности.
Среди участников выставки: Яндекс.Нейросаппорт, Диасофт, ФлексСофт, BSS, А7 и другие ведущие игроки рынка.
Приходите на EXPO, чтобы приобщиться к атмосфере FINNEXT. Здесь можно напрямую пообщаться с лидерами финтеха, получить реальную обратную связь по внедренным решениям, узнать, что рекомендуют и внедряют ведущие банки, и забрать с собой инсайды из практики — без маркетинговых фильтров.
Посетители выставки также смогут приобрести билет на деловую программу в день форума.
👉 Посетить выставку (бесплатно)
👉 Купить билет на FINNEXT и принять участие в деловой программе
❤1
Weekly Data News: Минцифры режет сроки хранения данных, ChatGPT идет в визуальный шопинг, MWS запускает хаб LLM
Минцифры предложило банкам сократить срок хранения персональных данных в 2 600 раз. Речь идет о большинстве согласий граждан на обработку данных, которые банки получают через инфраструктуру «Цифрового профиля»: срок их хранения предлагается уменьшить с 50 лет до семи дней. Об этом говорится в опросе, который Банк России разослал кредитным организациям в середине марта 2026 года.
Согласно документу, согласия клиентов, например на выдачу кредитов и проведение операций с овердрафтом, предлагается хранить семь дней, а согласие на открытие счета цифрового рубля — полгода.
Участники банковского рынка называют инициативу спорной и нелогичной. По их мнению, такое предложение, вероятно, исходило от технических специалистов, которые предположили, что сокращение сроков хранения позволит снизить нагрузку на ИТ-инфраструктуру.
OpenAI внедряет визуальный поиск товаров в ChatGPT. Сервис становится инструментом для визуального шопинга: пользователь может загрузить изображение, найти похожие товары, сравнить цены и характеристики, а также уточнить результаты через диалог с моделью.
В основе решения лежит Agentic Commerce Protocol, который позволяет ритейлерам передавать в систему товарные фиды, акции и другие данные с поддержкой популярных e-commerce-платформ. При этом оформление заказа и оплата по-прежнему происходят на стороне продавца.
Для бизнеса это открывает прямой доступ к аудитории с высокой покупательской способностью, а также создает новые возможности для запуска торговых сценариев и приложений внутри ChatGPT.
Исследователи из R&D-центра «Т-Технологий» представили новые методы оценки и ускорения генерации модульных тестов с помощью LLM. Команда разработала два подхода, которые дополняют друг друга и позволяют быстро оценивать качество автоматически сгенерированных тестов без их запуска на реальном коде и без длительного процесса сборки. Это помогает сократить время тестирования и снизить нагрузку на инфраструктуру.
Обе разработки ориентированы на использование в реальных инженерных процессах. На практике такие инструменты могут упростить разработку, сократить время на написание тестов и повысить качество кода за счет более полного тестового покрытия.
MWS Cloud запустила сервис MWS GPT Model Hub в публичном облаке MWS Cloud Platform. Он дает компаниям доступ к большим языковым моделям через API и позволяет быстро подключать их к своим продуктам и системам без управления инфраструктурой.
Сервис работает на базе платформы MWS GPT. Сейчас в нем доступны 10 открытых LLM, включая модели DeepSeek, Google, Alibaba, Zhipu AI, Moonshot AI и BAAI. До конца года компания планирует добавить еще 10 моделей, в том числе для преобразования текста в речь и аудио в текст.
Минцифры предложило банкам сократить срок хранения персональных данных в 2 600 раз. Речь идет о большинстве согласий граждан на обработку данных, которые банки получают через инфраструктуру «Цифрового профиля»: срок их хранения предлагается уменьшить с 50 лет до семи дней. Об этом говорится в опросе, который Банк России разослал кредитным организациям в середине марта 2026 года.
Согласно документу, согласия клиентов, например на выдачу кредитов и проведение операций с овердрафтом, предлагается хранить семь дней, а согласие на открытие счета цифрового рубля — полгода.
Участники банковского рынка называют инициативу спорной и нелогичной. По их мнению, такое предложение, вероятно, исходило от технических специалистов, которые предположили, что сокращение сроков хранения позволит снизить нагрузку на ИТ-инфраструктуру.
OpenAI внедряет визуальный поиск товаров в ChatGPT. Сервис становится инструментом для визуального шопинга: пользователь может загрузить изображение, найти похожие товары, сравнить цены и характеристики, а также уточнить результаты через диалог с моделью.
В основе решения лежит Agentic Commerce Protocol, который позволяет ритейлерам передавать в систему товарные фиды, акции и другие данные с поддержкой популярных e-commerce-платформ. При этом оформление заказа и оплата по-прежнему происходят на стороне продавца.
Для бизнеса это открывает прямой доступ к аудитории с высокой покупательской способностью, а также создает новые возможности для запуска торговых сценариев и приложений внутри ChatGPT.
Исследователи из R&D-центра «Т-Технологий» представили новые методы оценки и ускорения генерации модульных тестов с помощью LLM. Команда разработала два подхода, которые дополняют друг друга и позволяют быстро оценивать качество автоматически сгенерированных тестов без их запуска на реальном коде и без длительного процесса сборки. Это помогает сократить время тестирования и снизить нагрузку на инфраструктуру.
Обе разработки ориентированы на использование в реальных инженерных процессах. На практике такие инструменты могут упростить разработку, сократить время на написание тестов и повысить качество кода за счет более полного тестового покрытия.
MWS Cloud запустила сервис MWS GPT Model Hub в публичном облаке MWS Cloud Platform. Он дает компаниям доступ к большим языковым моделям через API и позволяет быстро подключать их к своим продуктам и системам без управления инфраструктурой.
Сервис работает на базе платформы MWS GPT. Сейчас в нем доступны 10 открытых LLM, включая модели DeepSeek, Google, Alibaba, Zhipu AI, Moonshot AI и BAAI. До конца года компания планирует добавить еще 10 моделей, в том числе для преобразования текста в речь и аудио в текст.
💯1
Weekly Data News: сверхлегкие LFM, самопроверка Copilot, ставка на мультимодальность
Liquid AI представила обновленную сверхкомпактную модель LFM2.5-350M. — крошечная модель на 350 млн параметров. При объеме всего 350 млн параметров она обучена на 28 трлн токенов, дополнительно доработана с помощью обучения с подкреплением и в квантованном виде весит меньше 500 МБ.
Несмотря на размер, модель уверенно справляется с задачами агентных циклов, извлечением структурированных данных и вызовом внешних инструментов.
По словам разработчиков, по сравнению с прошлой версией она вдвое лучше понимает инструкции и работает с функциями. Модель можно запускать локально на CPU, видеокартах и мобильных чипах. Плюс из коробки нативно поддерживаются платформы AMD, Intel и Qualcomm.
Microsoft расширила возможности Copilot. В рамках обновления Microsoft 365 Copilot компания добавила новые инструменты для автоматизации рабочих процессов и глубокого поиска. Ключевое обновление — агент Researcher с функцией Critique: одна модель готовит черновик, вторая выступает в роли редактора и проверяет результат. Microsoft утверждает, что в таком режиме система опережает Perplexity на базе Claude Opus 4.6 на 7 пунктов
Еще одно нововведение — функция Model Council, которая выводит на один экран ответы разных ИИ-моделей, чтобы сравнивать выводы и быстрее находить расхождения. Кроме того, в рамках программы Frontier Microsoft расширила доступ к Copilot Cowork: система теперь может самостоятельно выполнять многоэтапные задачи, работать с файлами, планировать встречи в календаре и готовить ежедневные брифинги.
MWS AI представила мультимодальную модель на 9 млрд параметров, которая обрабатывает текст и изображения в едином контексте. Договоры, чертежи, формы и изображения можно анализировать без переключения между разными системами..
Ставка сделана на практичность: меньший размер модели снижает стоимость внедрения и упрощает запуск в корпоративной среде. При этом, по заявлению компании, по качеству она уже конкурирует с моделями класса 100B+.
Liquid AI представила обновленную сверхкомпактную модель LFM2.5-350M. — крошечная модель на 350 млн параметров. При объеме всего 350 млн параметров она обучена на 28 трлн токенов, дополнительно доработана с помощью обучения с подкреплением и в квантованном виде весит меньше 500 МБ.
Несмотря на размер, модель уверенно справляется с задачами агентных циклов, извлечением структурированных данных и вызовом внешних инструментов.
По словам разработчиков, по сравнению с прошлой версией она вдвое лучше понимает инструкции и работает с функциями. Модель можно запускать локально на CPU, видеокартах и мобильных чипах. Плюс из коробки нативно поддерживаются платформы AMD, Intel и Qualcomm.
Microsoft расширила возможности Copilot. В рамках обновления Microsoft 365 Copilot компания добавила новые инструменты для автоматизации рабочих процессов и глубокого поиска. Ключевое обновление — агент Researcher с функцией Critique: одна модель готовит черновик, вторая выступает в роли редактора и проверяет результат. Microsoft утверждает, что в таком режиме система опережает Perplexity на базе Claude Opus 4.6 на 7 пунктов
Еще одно нововведение — функция Model Council, которая выводит на один экран ответы разных ИИ-моделей, чтобы сравнивать выводы и быстрее находить расхождения. Кроме того, в рамках программы Frontier Microsoft расширила доступ к Copilot Cowork: система теперь может самостоятельно выполнять многоэтапные задачи, работать с файлами, планировать встречи в календаре и готовить ежедневные брифинги.
MWS AI представила мультимодальную модель на 9 млрд параметров, которая обрабатывает текст и изображения в едином контексте. Договоры, чертежи, формы и изображения можно анализировать без переключения между разными системами..
Ставка сделана на практичность: меньший размер модели снижает стоимость внедрения и упрощает запуск в корпоративной среде. При этом, по заявлению компании, по качеству она уже конкурирует с моделями класса 100B+.
👍1💯1
Weekly Data News: Anthropic выпускает ИИ-охотника за 0-day, бигтех объединяется против дистилляции, нейросимволический ИИ ускоряет обучение роботов
Anthropic запустила Project Glasswing для защиты критической программной инфраструктуры с помощью ИИ. Поводом стали возможности разрабатываемой модели Claude Mythos Preview, которая, по оценке самой компании, превосходит почти всех специалистов по поиску и эксплуатации уязвимостей в коде.
За несколько недель работы Mythos Preview обнаружила тысячи 0-day уязвимостей, в том числе во всех крупных операционных системах и браузерах. Среди раскрытых примеров: 27-летняя ошибка в OpenBSD, позволяющая удаленно обрушить систему через одно подключение; 16-летний баг в FFmpeg, который автотесты не замечали после 5 млн прогонов, а также автономно собранная цепочка эксплойтов в ядре Linux, поднимающая права обычного пользователя до полного контроля над машиной.
Поскольку ИИ-модель можно использовать не только для исправления уязвимостей, но и для их использования, доступ к ней пока будет только у компаний-партнеров. К проекту присоединились AWS, Apple, Broadcom, Cisco, CrowdStrike, Google, JPMorganChase, Linux Foundation, Microsoft, NVIDIA и Palo Alto Networks и др.
OpenAI, Google и Anthropic начали борьбу с китайской дистилляцией. По данным Bloomberg, компании обмениваются информацией о разработчиках, которые используют их модели для создания собственных продуктов. Взаимодействие идет через Frontier Model Forum, созданный при участии Microsoft. Речь о выявлении случаев дистилляции моделей — копирования возможностей ИИ без разрешения.
Американские компании считают, что такие практики позволяют конкурентам быстро создавать более дешевые аналоги и переманивать клиентов. При этом дистиллированные модели часто лишены защитных ограничений, что повышает риски их использования в кибератаках и других опасных сценариях.
Нейросимволический ИИ для робототехники снижает энергопотребление в 100 раз.
Университет Тафтса представил концепт гибридной VLA-модели для управления роботами. Метод использует архитектуру, объединяющую глубокое обучение с правилами символьной логики. Система заранее выстраивает абстрактный план, опираясь на свойства объектов, и не учится долгим путем проб и ошибок.
На тестах с «Ханойской башней» модель показала резкий рост эффективности. Время обучения сократилось с полутора суток до 34 минут, энергозатраты на тренировку — до 1% от стандартных VLA-систем. В инференсе потребление составило 5%. Точность выросла с 34% до 95%.
В усложненной версии теста нейросимволический ИИ добился успеха в 78% случаев, тогда как традиционные модели провалили все попытки. По мнению авторов, структурное мышление поможет решить проблему роста энергопотребления нейросетей.
Anthropic запустила Project Glasswing для защиты критической программной инфраструктуры с помощью ИИ. Поводом стали возможности разрабатываемой модели Claude Mythos Preview, которая, по оценке самой компании, превосходит почти всех специалистов по поиску и эксплуатации уязвимостей в коде.
За несколько недель работы Mythos Preview обнаружила тысячи 0-day уязвимостей, в том числе во всех крупных операционных системах и браузерах. Среди раскрытых примеров: 27-летняя ошибка в OpenBSD, позволяющая удаленно обрушить систему через одно подключение; 16-летний баг в FFmpeg, который автотесты не замечали после 5 млн прогонов, а также автономно собранная цепочка эксплойтов в ядре Linux, поднимающая права обычного пользователя до полного контроля над машиной.
Поскольку ИИ-модель можно использовать не только для исправления уязвимостей, но и для их использования, доступ к ней пока будет только у компаний-партнеров. К проекту присоединились AWS, Apple, Broadcom, Cisco, CrowdStrike, Google, JPMorganChase, Linux Foundation, Microsoft, NVIDIA и Palo Alto Networks и др.
OpenAI, Google и Anthropic начали борьбу с китайской дистилляцией. По данным Bloomberg, компании обмениваются информацией о разработчиках, которые используют их модели для создания собственных продуктов. Взаимодействие идет через Frontier Model Forum, созданный при участии Microsoft. Речь о выявлении случаев дистилляции моделей — копирования возможностей ИИ без разрешения.
Американские компании считают, что такие практики позволяют конкурентам быстро создавать более дешевые аналоги и переманивать клиентов. При этом дистиллированные модели часто лишены защитных ограничений, что повышает риски их использования в кибератаках и других опасных сценариях.
Нейросимволический ИИ для робототехники снижает энергопотребление в 100 раз.
Университет Тафтса представил концепт гибридной VLA-модели для управления роботами. Метод использует архитектуру, объединяющую глубокое обучение с правилами символьной логики. Система заранее выстраивает абстрактный план, опираясь на свойства объектов, и не учится долгим путем проб и ошибок.
На тестах с «Ханойской башней» модель показала резкий рост эффективности. Время обучения сократилось с полутора суток до 34 минут, энергозатраты на тренировку — до 1% от стандартных VLA-систем. В инференсе потребление составило 5%. Точность выросла с 34% до 95%.
В усложненной версии теста нейросимволический ИИ добился успеха в 78% случаев, тогда как традиционные модели провалили все попытки. По мнению авторов, структурное мышление поможет решить проблему роста энергопотребления нейросетей.
Приглашаем на конференцию «Распределенный финтех и Web3-инфраструктура России», которая состоится 22 апреля 2026 года в Москве.
До принятия нового законодательства о цифровых активах остается совсем мало времени. Ответ на главный вопрос — как подготовить инфраструктуру к вступлению в силу закона «О цифровой валюте и цифровых правах» — можно будет получить 22 апреля на конференции. Принять участие
В числе спикеров:
• Дмитрий Аксаков, вице-президент ВЭБ РФ, председатель совета директоров «Токеон»;
• Андрей Макаров, основатель криптобиржи XRuby;
• Мария Болобонова, адвокат, член ЭС ГД РФ по законодательному регулированию криптовалют;
• Ольга Гончарова, руководитель экспертного центра по ЦФА и цифровым валютам АБР;
• Андрей Михайлишин, генеральный директор компании «Цифровые платежи»;
• Дмитрий Сорокин, директор по работе с правоохранительными органами «Цифком»;
• Екатерина Фроловичева, управляющий директор АО «Цифровые решения»;
• Анна Шаповалова, руководитель платформы ЦФА Альфа-Банка;
• Юлия Воронова, директор по консалтингу «Позитив Текнолоджиз»;
и другие эксперты.
В программе:
• регулирование хранения и оборота цифровых активов в России;
• кастодиальное хранение и операции с криптовалютами;
• технологические аспекты ЦФА и токенизации;
• мосты и публичные блокчейны;
• криптографические протоколы и кибербезопасность;
• риски блокировок, цифровой комплаенс и ПОД/ФТ;
• практические кейсы.
Для кого: на конференции соберутся представители банков и крупных финансовых организаций, платежных сервисов, финтех-компаний, интеграторы и участники крипторынка, подпадающие под новый закон: депозитарии, обменники, брокеры, биржи и др.
📍Когда и где: 22 апреля 2026 г., Москва, лофт-пространство в ДК «Серп и Молот» (м. «Площадь Ильича»).
👉 Участие бесплатное по предварительной регистрации (обязательно дождитесь подтверждения от организаторов и получения билета).
Организатор: Web3 Tech — центр компетенций по блокчейн-инфраструктуре и провайдер Web3-сервисов.
👉 Программа и спикеры
👉 Регистрация делегатов
Реклама, ООО «Веб3 Интегратор», ИНН 7706464945, erid: 2Vtzqw9r3av
До принятия нового законодательства о цифровых активах остается совсем мало времени. Ответ на главный вопрос — как подготовить инфраструктуру к вступлению в силу закона «О цифровой валюте и цифровых правах» — можно будет получить 22 апреля на конференции. Принять участие
В числе спикеров:
• Дмитрий Аксаков, вице-президент ВЭБ РФ, председатель совета директоров «Токеон»;
• Андрей Макаров, основатель криптобиржи XRuby;
• Мария Болобонова, адвокат, член ЭС ГД РФ по законодательному регулированию криптовалют;
• Ольга Гончарова, руководитель экспертного центра по ЦФА и цифровым валютам АБР;
• Андрей Михайлишин, генеральный директор компании «Цифровые платежи»;
• Дмитрий Сорокин, директор по работе с правоохранительными органами «Цифком»;
• Екатерина Фроловичева, управляющий директор АО «Цифровые решения»;
• Анна Шаповалова, руководитель платформы ЦФА Альфа-Банка;
• Юлия Воронова, директор по консалтингу «Позитив Текнолоджиз»;
и другие эксперты.
В программе:
• регулирование хранения и оборота цифровых активов в России;
• кастодиальное хранение и операции с криптовалютами;
• технологические аспекты ЦФА и токенизации;
• мосты и публичные блокчейны;
• криптографические протоколы и кибербезопасность;
• риски блокировок, цифровой комплаенс и ПОД/ФТ;
• практические кейсы.
Для кого: на конференции соберутся представители банков и крупных финансовых организаций, платежных сервисов, финтех-компаний, интеграторы и участники крипторынка, подпадающие под новый закон: депозитарии, обменники, брокеры, биржи и др.
📍Когда и где: 22 апреля 2026 г., Москва, лофт-пространство в ДК «Серп и Молот» (м. «Площадь Ильича»).
👉 Участие бесплатное по предварительной регистрации (обязательно дождитесь подтверждения от организаторов и получения билета).
Организатор: Web3 Tech — центр компетенций по блокчейн-инфраструктуре и провайдер Web3-сервисов.
👉 Программа и спикеры
👉 Регистрация делегатов
Реклама, ООО «Веб3 Интегратор», ИНН 7706464945, erid: 2Vtzqw9r3av
👏1
Weekly Data News: бизнес инвестирует до 50 млн руб. в ИИ-агентов, Cloudflare и OpenAI запускают Agent Cloud, Yandex учит создавать агентов с нуля
Крупные компании в России переходят от единичных пилотов к промышленному внедрению ИИ-агентов. В среднем запуск таких проектов обходится в 10–50 млн руб. К таким выводам пришли аналитики Cloud. ru и Высшей школы бизнеса НИУ ВШЭ.
При этом простые сценарии автоматизации и готовые решения могут окупиться менее чем за 12 месяцев. Средние по размеру проекты, требующие донастройки и интеграции, обычно выходят на окупаемость за 12–24 месяцев. Крупные инфраструктурные инициативы, связанные с созданием собственных платформ и моделей, имеют горизонт окупаемости более 24 месяцев, в некоторых случаях — до 5–7 лет.
Исследование показывает, что успех внедрения и масштабирования ИИ-агентов в первую очередь зависят от качества доступных для обучения данных и способности агента взаимодействовать с существующими корпоративными системами: CRM, ERP и базами данных. В отраслях, где данные уже структурированы, унифицированы и централизованы, например в финансах и ИТ, агенты демонстрируют высокую эффективность: уровень автоматизации может достигать 60-90% операций. В отраслях с фрагментированными неструктурированными данными, такими как медицина и производство, эффективность агентов существенно ниже. В среднем, по подсчетам аналитиков,ИИ-агенты сокращают время выполнения задач на 40–50%.
Сloudflare и OpenAI запустили платформу Agent Cloud. Она позволяет бизнесу встраивать ИИ-агентов в рабочие процессы — от общения с пользователями до обновления баз данных и генерации отчетов. Технологической основой стала инфраструктура Cloudflare Workers AI: модели запускаются на периферийных серверах, что обеспечивает минимальную задержку и высокую скорость отклика.
Кроме того, Cloudflare расширяет набор инструментов для разработчиков: среда Codex теперь работает в изолированных песочницах Cloudflare Sandboxes, а в ближайшее время ее интегрируют непосредственно в Workers AI.
Yandex B2B Tech запустила Академию Yandex AI Studio – образовательный проект для компаний и частных пользователей, которые хотят применять ИИ в бизнесе. частники смогут изучить теорию и на практике научиться создавать ИИ агентов с нуля. Лабораторные работы построены на реальных бизнес-задачах и проходят в настоящей консоли разработчика. При этом первых агентов можно собрать без написания кода. Проверить результат поможет специальный ИИ-помощник: он укажет на ошибки и подскажет, как их исправить.
Крупные компании в России переходят от единичных пилотов к промышленному внедрению ИИ-агентов. В среднем запуск таких проектов обходится в 10–50 млн руб. К таким выводам пришли аналитики Cloud. ru и Высшей школы бизнеса НИУ ВШЭ.
При этом простые сценарии автоматизации и готовые решения могут окупиться менее чем за 12 месяцев. Средние по размеру проекты, требующие донастройки и интеграции, обычно выходят на окупаемость за 12–24 месяцев. Крупные инфраструктурные инициативы, связанные с созданием собственных платформ и моделей, имеют горизонт окупаемости более 24 месяцев, в некоторых случаях — до 5–7 лет.
Исследование показывает, что успех внедрения и масштабирования ИИ-агентов в первую очередь зависят от качества доступных для обучения данных и способности агента взаимодействовать с существующими корпоративными системами: CRM, ERP и базами данных. В отраслях, где данные уже структурированы, унифицированы и централизованы, например в финансах и ИТ, агенты демонстрируют высокую эффективность: уровень автоматизации может достигать 60-90% операций. В отраслях с фрагментированными неструктурированными данными, такими как медицина и производство, эффективность агентов существенно ниже. В среднем, по подсчетам аналитиков,ИИ-агенты сокращают время выполнения задач на 40–50%.
Сloudflare и OpenAI запустили платформу Agent Cloud. Она позволяет бизнесу встраивать ИИ-агентов в рабочие процессы — от общения с пользователями до обновления баз данных и генерации отчетов. Технологической основой стала инфраструктура Cloudflare Workers AI: модели запускаются на периферийных серверах, что обеспечивает минимальную задержку и высокую скорость отклика.
Кроме того, Cloudflare расширяет набор инструментов для разработчиков: среда Codex теперь работает в изолированных песочницах Cloudflare Sandboxes, а в ближайшее время ее интегрируют непосредственно в Workers AI.
Yandex B2B Tech запустила Академию Yandex AI Studio – образовательный проект для компаний и частных пользователей, которые хотят применять ИИ в бизнесе. частники смогут изучить теорию и на практике научиться создавать ИИ агентов с нуля. Лабораторные работы построены на реальных бизнес-задачах и проходят в настоящей консоли разработчика. При этом первых агентов можно собрать без написания кода. Проверить результат поможет специальный ИИ-помощник: он укажет на ошибки и подскажет, как их исправить.
👍1
Weekly Data News: Яндекс отдает код ИИ-агенту, Xiaomi прокачивает open-source агентов, OpenAI создает Ai-интегратора
MWS Cloud представила облачный сервис Managed Kafka для потоковой передачи данных на платформе MWS Cloud Platform. Новый PaaS-сервис позволяет компаниям использовать Apache Kafka как инфраструктурный компонент для потоковой обработки данных и event-driven архитектур без необходимости самостоятельно разворачивать и обслуживать кластеры, настраивать сеть и управлять жизненным циклом Kafka. Это снижает операционные риски и позволяет командам быстрее запускать data-driven сценарии и сокращает time-to-market.
Yandex B2B Tech представила консольное приложение SourceCraft CLI. Инструмент позволяет разработчикам управлять проектами и писать код через командную строку с помощью встроенного ИИ-агента на базе Yandex AI Studio.
Разработчик формулирует задачу на естественном языке, после чего агент автономно пишет код, запускает тесты и оформляет pull request. При этом учитывается контекст всего проекта: агент сам определяет нужный репозиторий, вносит изменения и управляет процессами CI/CD. Код и данные не передаются во внешние сервисы, что критично для соблюдения требований к защите персональных данных.
В SourceCraft CLI также предусмотрены «навыки» — сценарии для типовых действий (например, проверка кода). По оценке компании, командную строку ежедневно используют более 70% инженеров, а доля изменений кода, сгенерированных ИИ-агентами, к концу 2026 года может превысить 20%.
Xiaomi анонсировала серию MiMo-V2.5 — новое поколение открытых агентных моделей.
По сравнению с MiMo-V2-Pro модель демонстрирует заметный прогресс в общих агентных способностях, решении сложных задач разработки ПО и выполнении долгосрочных сценариев.
Согласно заявленным бенчмаркам, приближается к фронтирным решениям вроде Claude Opus 4.6 и GPT-5.4: SWE-bench Pro — 57.2, Claw-Eval — 63.8, τ3-Bench — 72.9. Утверждается, что она способна автономно выполнять профессиональные задачи с более чем 1000 вызовов инструментов — объём работы, на который у экспертов могли бы уйти дни.
Google представила представила двух новых автономных агентов в Gemini API — Deep Research и Deep Research Max. Оба построены на Gemini 3.1 Pro и доступны через Interactions API.
Главное изменение по сравнению с декабрьским превью — поддержка MCP: теперь агент умеет выходить за пределы открытого веба и работать с закрытыми корпоративными источниками данных.
Deep Research оптимизирован под скорость и низкую стоимость. Он заменяет декабрьскую preview-версию и предназначен для интерактивных сценариев, где ответ нужен быстро.
Deep Research Max использует расширенный test-time compute, итеративно рассуждает, ищет и уточняет финальный отчет. Типичный сценарий — асинхронные фоновые процессы, например ночной cron-job, готовящий аналитикам к утру набор подробных аналитических отчетов.
OpenAI создает компанию-интегратора DeployCo. Для этого компания формирует совместное предприятие с частными инвестфондами и вложит в него до $1,5 млрд, из которых первый транш составит $500 млн. Структура под рабочим названием DeployCo будет внедрять ИИ в портфельные компании фондов-партнеров. Контрольный пакет останется у OpenAI, а возглавит структуру бывший COO компании Брэд Лайткэп.
Цель DeployCo — сократить разрыв между возможностями современных моделей и реальным уровнем их внедрения в бизнесе. Сейчас узкое место в enterprise-сегменте — не потенциал моделей, а сложность их развёртывания на стороне заказчика. Собственный интегратор должен снять этот барьер и помочь OpenAI удержать долю корпоративного рынка в конкуренции с Anthropic и другими игроками.
То, что сегодня вы читаете в новостях, уже в июле может стать предметом дискуссии на Data Day 2026!
👉 Сайт и программа Форума
MWS Cloud представила облачный сервис Managed Kafka для потоковой передачи данных на платформе MWS Cloud Platform. Новый PaaS-сервис позволяет компаниям использовать Apache Kafka как инфраструктурный компонент для потоковой обработки данных и event-driven архитектур без необходимости самостоятельно разворачивать и обслуживать кластеры, настраивать сеть и управлять жизненным циклом Kafka. Это снижает операционные риски и позволяет командам быстрее запускать data-driven сценарии и сокращает time-to-market.
Yandex B2B Tech представила консольное приложение SourceCraft CLI. Инструмент позволяет разработчикам управлять проектами и писать код через командную строку с помощью встроенного ИИ-агента на базе Yandex AI Studio.
Разработчик формулирует задачу на естественном языке, после чего агент автономно пишет код, запускает тесты и оформляет pull request. При этом учитывается контекст всего проекта: агент сам определяет нужный репозиторий, вносит изменения и управляет процессами CI/CD. Код и данные не передаются во внешние сервисы, что критично для соблюдения требований к защите персональных данных.
В SourceCraft CLI также предусмотрены «навыки» — сценарии для типовых действий (например, проверка кода). По оценке компании, командную строку ежедневно используют более 70% инженеров, а доля изменений кода, сгенерированных ИИ-агентами, к концу 2026 года может превысить 20%.
Xiaomi анонсировала серию MiMo-V2.5 — новое поколение открытых агентных моделей.
По сравнению с MiMo-V2-Pro модель демонстрирует заметный прогресс в общих агентных способностях, решении сложных задач разработки ПО и выполнении долгосрочных сценариев.
Согласно заявленным бенчмаркам, приближается к фронтирным решениям вроде Claude Opus 4.6 и GPT-5.4: SWE-bench Pro — 57.2, Claw-Eval — 63.8, τ3-Bench — 72.9. Утверждается, что она способна автономно выполнять профессиональные задачи с более чем 1000 вызовов инструментов — объём работы, на который у экспертов могли бы уйти дни.
Google представила представила двух новых автономных агентов в Gemini API — Deep Research и Deep Research Max. Оба построены на Gemini 3.1 Pro и доступны через Interactions API.
Главное изменение по сравнению с декабрьским превью — поддержка MCP: теперь агент умеет выходить за пределы открытого веба и работать с закрытыми корпоративными источниками данных.
Deep Research оптимизирован под скорость и низкую стоимость. Он заменяет декабрьскую preview-версию и предназначен для интерактивных сценариев, где ответ нужен быстро.
Deep Research Max использует расширенный test-time compute, итеративно рассуждает, ищет и уточняет финальный отчет. Типичный сценарий — асинхронные фоновые процессы, например ночной cron-job, готовящий аналитикам к утру набор подробных аналитических отчетов.
OpenAI создает компанию-интегратора DeployCo. Для этого компания формирует совместное предприятие с частными инвестфондами и вложит в него до $1,5 млрд, из которых первый транш составит $500 млн. Структура под рабочим названием DeployCo будет внедрять ИИ в портфельные компании фондов-партнеров. Контрольный пакет останется у OpenAI, а возглавит структуру бывший COO компании Брэд Лайткэп.
Цель DeployCo — сократить разрыв между возможностями современных моделей и реальным уровнем их внедрения в бизнесе. Сейчас узкое место в enterprise-сегменте — не потенциал моделей, а сложность их развёртывания на стороне заказчика. Собственный интегратор должен снять этот барьер и помочь OpenAI удержать долю корпоративного рынка в конкуренции с Anthropic и другими игроками.
То, что сегодня вы читаете в новостях, уже в июле может стать предметом дискуссии на Data Day 2026!
👉 Сайт и программа Форума
❤3👍1