Дефицит оперативной памяти усиливается. Что нас ждет в 2026❓

📈Цепочка удорожания добралась до критических звеньев: компаний по упаковке, тестированию и валидации чипов.

Компании вроде Powertech, ChipMOS и Walton подняли цены на услуги до 30%. Они выполняют финальные этапы перед поставкой модулей — и сейчас их мощности перегружены из-за взрывного спроса со стороны ИИ-инфраструктуры и дата-центров.

💻 Почему это важно?

· DDR5 и HBM — ключевые технологии для новых серверов и ускорителей ИИ — уходят в приоритет.
· Производители перекладывают высокомаржинальные заказы на аутсорс, создавая дефицит мощностей для остальных продуктов.
· Формируется «суперцикл», который, по прогнозам, продлится до 2028 года.

💸Как это ударит по рынку?

· Дата-центры и облака — первыми почувствуют рост стоимости инфраструктуры.
· ПК, ноутбуки, смартфоны — подорожание неизбежно. Меньше памяти в базовых конфигурациях, выше цены на апгрейд.
· Смежные компоненты — дефицит материалов (алюминий, медь) усугубляет ситуацию.

Что делать?

· Компаниям: закладывать рост расходов на ИТ-инфраструктуру в стратегию.

· Пользователям: рассматривать апгрейд устройств уже сейчас — дальше будет дороже.

· Разработчикам: активнее оптимизировать потребление памяти в приложениях.

Эпоха дешёвой памяти закончилась. Мы движемся к сегментации: высокие технологии будут дорожать, а массовые продукты - либо стагнировать, либо терять в объёмах поставок. Готовьтесь к миру, где оперативная память снова станет ценным ресурсом.

#BigTech #IT #RAM #DataUnderControl

❤️ DataUnderControl

👎 Россия в топе стран, которые меньше всего используют ИИ

По свежим данным от Microsoft, Россия занимает 119-е место по уровню повседневного использования нейросетей, уступив лишь Ирану, Беларуси и Венесуэле. В лидерах — ОАЭ, Сингапур, Южная Корея. США на 24-е месте. С цифрами согласен ряд авторитетных изданий.

Рейтинг основан на телеметрических данных с устройств пользователей, которые собирает компания.

📊 Ключевые данные по России:
· Всего 8% трудоспособного населения используют ИИ в работе.
· Рост за год — всего 0,4%.
· Мы в одном кластере с Кенией, Камеруном и ЦАР.
· Самой популярная модель — DeepSeek.

🌍 Глобальный контекст:
За 2–3 года 1,2 млрд человек начали пользоваться ИИ-инструментами — быстрее, чем распространялись интернет и смартфоны. Сейчас каждый шестой пользуется ИИ-инструментами.

🚀ИИ стал ключом к рынку труда, образованию и инновациям. Если у населения нет доступа к этим технологиям — цифровой разрыв превратится в социально-экономический.

🤖 Сейчас нам нужны не только свои модели, но и инфраструктура, образование и политика внедрения — иначе страна рискует остаться на периферии технологической революции.

У меня отчет вызывает ряд сомнений, учитывая наши показатели по уровню инвестиций, внедрений и научных исследований — данные противоречивые. А вы верите этим цифрам? Пишите в комментарии и голосуйте в опросе👇

❤️ DataUnderControl

#ИИ #AI #Microsoft

Как «ага» и «подожди» заставляют ИИ думать лучше 🤖

Google и Чикагский университет выпустили работу о природе «рассуждений» в больших языковых моделях.

Главный инсайт – Reinforcement Learning учит модель думать не дольше, а симулировать внутренний диалог. Это назвали «обществом мыслей» (society of thought).

Замечали, что модель иногда:
· задаёт себе уточняющие вопросы,
· делает паузы,
· пересматривает ответ?

📎Эта структура и есть механизм рассуждения.

Причем здесь «ага»?
1. Гуглы нашли особый паттерн активности, связанный с моментами осознания, удивления, смены перспективы. Он вспыхивает на фразах: «ага», «стоп…», «то есть…» и т.д.

2. Этот паттерн искусственно усиливали и подавляли в модели DeepSeek-R1-Llama-8B.

3. На сложных арифметических задачах результат изменился так:
· Базовая точность: 27,1%
· С усилением «диалогового маркера»: 54,8%
· С подавлением: 23,8%

Рост точности значим и связан именно с улучшением стратегического мышления, а не с увеличением длины ответа.

🧑‍💻Что это значит на практике?
Похоже, LLM рассуждают как целая команда: один сомневается, другой проверяет, третий пересобирает вывод.

Отсюда интересная фича: иногда стоит просить модель «использовать больше “А!”, “точно!”, “подожди…” и перепроверять вывод.

❤️ DataUnderControl

#ИИ #LLM #ML #AI #DataScience

Данные для ИИ и отчетов — это разные вселенные 📊

В новой статье поговорили о разнице данных для аналитики и как строить архитектуру данных, которая не подведет.

Роковая ошибка — скормить ИИ данные из дашборда. Небольшой спойлер: аналитика для человека сжимает, а ИИ требует деталей. Результат — потраченные месяцы и неработающая модель.

👀 Читайте статью, чтобы не повторять чужих ошибок

❤️ DataUnderControl

А вы сталкивались с этой проблемой? 👍/👎
Делитесь в комментариях!

#данные #ИИ #аналитика #LLM #AI #Data

Выкатили DUC SmartSearch 1.6.0 🤖

В апдейтах нашей платформы мы решаем задачу – сделать внедрение и использование безопаснее, удобнее, интуитивнее. На что нацелен этот релиз:

1. Безопасность

❌Проблема: В корпоративном продукте доступ к БД от одного сервиса — это риск. Уязвимость в одном месте — уязвимость во всей системе.

✅Решение: Мы перестроили доступ по принципу минимальных привилегий. Теперь каждый микросервис общается с базой через свою персональную техническую УЗ. Компрометация одного компонента не станет катастрофой.

2. Пользовательский опыт

❌Проблема: Удалить настройки AI-модели, от которых зависят валидаторы, — сломать процесс. Раньше это можно было сделать случайно, а последствия — обнаружить позже.

✅Решение: Мы сделали систему прозрачной. Теперь она предупреждает о последствиях удаления и сама подсвечивает «битые» связи. Прокачали интерфейс и в других аспектах.

📈Результат: Администраторы тратят время на работу, а не на поиск и исправление своих же ошибок. Операционные риски – ниже, доступность – выше.

3. Контроль и гибкость.

❌Проблема: Единые лимиты для всех пользователей неэффективны. Невозможность быстро поправить ассистента — тормозит поддержку.

✅Решение: Добавили индивидуальные лимиты токенов и дали админам право редактировать любого ассистента прямо с главного экрана. Расширили поддержку критически важных валидаторов для GigaChat.

📈Результат: Платформа стала адаптивнее под нужды бизнеса. Можно тоньше управлять ресурсами и оперативнее реагировать на запросы.

💻Такие релизы — это не про фичи, а про зрелость продукта. Мы постепенно двигаемся от создания функций к созданию отказоустойчивой, предсказуемой и управляемой среды, где AI-технологии работают на бизнес, а не создают ему новые проблемы.

❤️ DataUnderControl

Дайте реакций, если интересно🔥

#SmartSearch #IT #productdevelopment #ИИ #AI

Представьте: вы проверяете почту и находите черновик письма… о своем же увольнении🤯

Именно так 16 000 сокращенных сотрудников Amazon узнали, что они — часть «рассвета». Именно так назвали операцию внутри компании.

Цинично, но честно: для корпорации это действительно рассвет. Рассвет эры, где людей — ровно столько, сколько минимально необходимо.

Немного мировых цифр:
• 700 000 уволенных в tech за 3 года.
• >200 000 — только за последний год в топовых компаниях.

😢 Виноват ИИ? Не совсем.
ИИ лишь триггер, драйвер эффективности – нужно меньше людей на одну задачу. Основной причиной всегда будут кризисы, дефициты ресурсов и стремление к экономии, в том числе за счет сокращения FTE.

Корпорации отказываются от модели «рост ради роста». Теперь — «эффективность ради выживания».

📈Задача сейчас — становиться незаменимыми экспертами.  Учиться работать с ИИ, брать на себя сложные, неалгоритмируемые задачи и всегда иметь обновленное резюме.

❤️ DataUnderControl

Как думаете, эта волна сокращений — новая норма или все же схлынет?
🤯– нас всех заменят роботы
👍– все нормально

#ИИ #LLM #BigTech

Привет, друзья! Пролетел первый месяц года, как вы? В индустрии всё как обычно, меняется каждую секунду. Отбираю для вас самое важное и практичное — без воды.

🧠 ИИ догоняет человека в креативности

Alibaba опубликовала исследование: их новая модель Qwen2.5 в тестах на дивергентное мышление (способность генерировать множество идей) вплотную приблизилась к человеческому уровню. Это не про замену художников, а про качественный скачок в решении открытых, нестандартных задач.

🤖 Claude выпустил агента для рутины

ИИ-агент работает с файлами на вашем компьютере. Он может чистить рабочий стол, составлять отчёты из данных, превращать скриншоты таблиц в Excel и сам планирует цепочки действий, спрашивая вас только в ключевых точках.

🎭 Lucy 2.0: Real-time трансформация в любого персонажа

Появилась нейросеть, которая в реальном времени заменяет вас на любого персонажа. Технология opensource, без цензуры. Потенциал огромен: от нового формата стримов и контента до вопросов цифровой идентичности. В 2026 стоит заведомо всё считать дипфейком, пока не доказано обратное.

📱 OpenAI включает рекламу

В бесплатную версию ChatGPT скоро добавят рекламу (но обещают, что она не будет мешать ответам). Интересно, насколько она будет подвязана к истории диалогов.

🔄 Microsoft откатывает избыточную интеграцию ИИ в Windows

Тренд не на рост, а на оптимизацию. Microsoft признаёт, что «впихнула» Copilot слишком навязчиво откатывает часть решений. Акцент смещается со «вставить ИИ везде» на стабильность и осмысленность интеграции. Сигнал для всей индустрии: юзер-экспириенс и надёжность всё ещё важнее «вау-эффекта».

❤️ DataUnderControl

Как вам новый тренд: ИИ-агенты, которые работают с файлами на ПК? Готовы доверить им такую автономность?
👍 - да!
👎 - нет уж

#ИИ #Нейросети #OpenAI #Claude #AI

🎓 Научный подход к бизнесу. Делюсь нашими результатами последних исследований.

Помимо основной профессиональной деятельности, я также веду научно-исследовательскую работу и преподаю в двух ведущих вузах нашей страны.
⚡️Для меня важно, чтобы практические решения, о которых мы говорим, имели прочный научный фундамент и признание в науйчном сообществе.

Недавно вышли две наших публикации, на стыке теории и практики применения LLM в реальных бизнес-задачах:

🔬 Автоматизация сопоставления номенклатур в FoodTech
В журнале Proceedings of the Institute for System Programming of the RAS говорим о сопоставлении номенклатур поставщиков и заказчиков ресторанов с помощью LLM.

Мы разработали и протестировали методологию и прототип, которые позволяют на 90% автоматизировать изнурительный ручной процесс сопоставления товаров из списка поставщиков со списком требуемой к закупу продукции. Это прямая экономия сотен человеко-часов и снижение ошибок - человеческого фактора.

Зачем это вам: Если в вашем бизнесе есть проблема сопоставления списков из разных источников с разными названиями, но одинаковым смыслом, то статья может быть полезна.

Читать статью: https://doi.org/10.15514/ISPRAS-2025-37(6)-43

🧠 Преодоление семантического разрыва в управлении метаданными - автогенерация описаний.
На международной конференции SUMMA 2025 мы представили исследование о том, как с помощью LLM автоматически генерировать описания таблиц и атрибутов на основе их имен.

В нашем исследовании мы предложили подход, использующий LLM-модели для автоматической генерации удобочитаемых описаний таблиц и атрибутов на основе их имен, типов данных и выборочных значений. Мы провели эксперименты с различными моделями и оценили их влияние на качество метаданных, полноту каталога и эффективность поиска данных.

Результаты исследования:
- Метаданные стали более полными и согласованными.
- Время обслуживания сократилось с часов до минут.
- Поиск по таблицам ускорился с 7 минут до 1–2 минут.
- Пользователи осуществляют поиск по бизнес-значению, а не по кодам столбцов.
- Полностью интегрировано в OpenMetadata.
- Результаты подтверждены как экспертами, так и другой LLM-моделью, выступающей в качестве судьи.

Читать статью: https://doi.org/10.1109/SUMMA68668.2025.11302314

🤔 Какие выводы?
Использование LLM-моделей позволило ускорить обслуживание метаданных более чем в пятнадцать раз. Пользователям больше не нужно обращаться к владельцам данных за разъяснениями, а роль человека сводится к минимальной проверке вместо ручного написания описаний.

А вы используете LLM-модели для подобной работы по гармонизации данных или генерации описаний таблиц и атрибутов? 👍/👎

#ЗаполнениеМетаданныхСLLM #АвтогенерацияОписанийТаблиц #СопоставлениеНоменклатур #LLMDataCatalog #ГармонизацияДанных

😴ИИ и «эффект ложной продуктивности»: когда экономия времени становится иллюзией

Workday провели исследование среди 3200 сотрудников, которые активно используют ИИ в работе (50% — руководители в компаниях с выручкой $100M+).

85% респондентов экономят от 1 до 7 часов в неделю с помощью ИИ-инструментов. При этом на проверку и исправления за ИИ уходит 37% «сэкономленного» времени.

В чистом виде это 1-2 потерянных часа в неделю на сотрудника. В годовом выражении — около 1,5 рабочих недель.

Такое происходит, когда у команды недостаточно внутренней экспертизы, в частности в промптинге и нет цифровой гигиены.

Как избежать ложной эффективности?
🛑Фокусируйтесь не на скорости, а на качестве.
🛑Считайте TCO для ИИ. Время на проверку и доработку.
🛑Инвестируйте в промптинг и обучение.
🛑Проектируйте процессы с human-in-the-loop. Автоматизируйте рутину (сбор данных, первичный анализ, шаблонные ответы), но оставляйте ключевые точки контроля за экспертом.

❤️ DataUnderControl

Было такое, что за ИИ переделывали задачу дольше, чем сами бы сделали с нуля?) Голосуйте

#ИИ #бизнес #продуктивность #управление #автоматизация

💬Сэм Альтман: «Если ваш бизнес нельзя вызвать через API, вас не будет на рынке»

Наткнулся на стратегический vision главы OpenAI, которое четко формулирует вектор развития на ближайшие годы. Суть в следующем:

Софт не умирает, но радикально меняется его цель и «потребитель». Нужна возможность вызвать бизнес-логику простым запросом и получить структурированные данные.

Почему это важно прямо сейчас?⚡️
🛑Главный пользователь меняется. Скоро вашим продуктом будет массово пользоваться не человек через UI, а автономный ИИ-агент. Ему не нужны красивые кнопки и анимации. Ему нужен чёткий API-ответ и возможность совершить действие (например, бронирование, покупку, справку) без человеческого вмешательства.
🛑Конкурентное преимущество смещается. Им становится не уникальная «фича» в интерфейсе, а качество, надёжность и открытость вашей инфраструктуры.

Вопрос не в том, чтобы всем срочно стать API-компанией, а в стратегической оценке своего места в новой экосистеме. Во многих случаях - это стратегический риск или нерелевантно. Фокус может оставаться иным.

Но игнорировать тренд = рисковать перспективными каналами роста.

❤️ DataUnderControl

Согласны с этим вектором?

#API #AI #ИИ #LLM #OpenAI

⚙️ Из «песочницы» в Production: как мы масштабировали RAG-систему для эксперта по охране труда

Привет друзья 👋 наша команда LLM-разработки написала на Habr статью, которая родилась из боли, знакомой многим, кто пробовал строить промышленные RAG-системы.

🤔Помните этот этап эйфории, когда сходу все получается и достаточно быстро? Вы загружаете десяток PDF в, например, ChromaDB или аналог, пишете простую цепочку на LangChain - и система неплохо работает! Бот отвечает, эксперты в восторге, MVP готов за выходные. Но до определенного момента.

🤯А потом в базу знаний прилетает уже тысяча документов вместо 10, и все начинает рушиться на глазах - в разы падает скорость, существенно ухудшается точность, начинаются галлюцинации!

📈Именно через это прошёл наш проект «Марк» — ИИ-эксперт по охране труда @AI_assistantOT_bot до момента, пока не достиг определенного уровня зрелости - именно об этих шагах эволюции нашего решения и итеративных его улучшениях пойдет речь в статье.

✔️Статья будет полезна LLM-разработчикам, архитекторам, ИИ-энтузиастам и всем, кто так или иначе работает с GenAI-решениями и занимается построением промышленных RAG и LLM-driven систем.

👀Данная статья может сэкономить месяцы самостоятельных погружений и экспериментов, через что ранее прошла наша команда, пока не достигла приемлемой высокой точности ответов у Марка.

📊80% успеха в RAG — это данные и ETL, и только 20% - модели и промпты. Промпты и модели могут улучшать работу системы, но не так значительно, как это может казаться.

Читайте статью на Habr

📎Больше о наших готовых ассистентах: https://duc-technologies.ru/aiassistant

❤️ DataUnderControl

#ОхранаТруда #RAG #LLM #GenAI #Mark #Habr #AI_assistantOT_bot #LLMasaJudge

Друзья!👋
В пятницу принял участие в закрытой экспертной сессии в НИУ ВШЭ ИИ агенты на службе бизнесу. Очень продуктивная и полезная дискуссия о реальных кейсах внедрения ИИ-агентов!

🔎Коллеги по вышке практически закончили большую аналитическую работу - исследование, в рамках которого анализировали разные рынки применения ИИ-агентов. Полные результаты исследования выйдут в ближайший месяц, однако промежуточные итоги уже удалось совместно обсудить.

⚡️Несколько инсайтов:
- Западный рынок агентов отводит больше внимания трансформации процессов вокруг агентов, роли человека и управлению, в то время как азиатский рынок (в первую очередь Китай) основное внимание уделяет повышению производительности труда и реальной пользе, это стратегия и синергия государства и компаний
- в Китае зелёный свет для внедрения ИИ на высоком государственном уровне, на многое даются субсидии, и вопросы окупаемости и расчета ROI не стоят так остро на повестке дня (как например у нас)
- много внимания уделяется платформам и экосистемам агентов. Здесь отмечу, что это также доказывает верный путь, который выбрали мы и продолжаем его развивать с развитием собственной ИИ-платформы
- уже существует множество сфер применения агентов, самые популярные это клиентский сервис, закупки, HR, юриспруденция, маркетинг и продажи
- идёт сдвиг к многоагентным архитектурам, и здесь основной прирост эффективности ожидается не за счёт одного или пары агентов, а за счёт оркестрации многих агентов и построения полноценной многоагентной системы (и тут немного вспомнил про свою кандидатскую диссертацию - там была речь про цифровую экосистему, только теперь ядром экосистемы будут агенты с GenAI движком)

🔝В рамках круглого стола с лидерами индустрии разработки и внедрения агентов в РФ обсудили и поделились опытом внедрения агентов, основных проблем внедрения, окупаемости, метрик качества, производительности, рисков внедрения, осветили вопросы расчета ROI и инфраструктурные вопросы!

С нетерпением ждём полный отчёт от коллег из вышки! Обязательно поделюсь им тут, как только выйдут полные результаты исследования!

❤️ DataUnderControl

🖐 Друзья!
В пятницу удалось побывать на конференции Корпорации в цифре – это уже третья такая конференция.

Преимущественно были представители кэптивных компаний - ИТ-компании-дочки крупных нефтяных и производственных компаний России. Много говорили про выход собственных решений на внешние рынки, вызовы сегодняшних реалий и стратегии развития в условиях кризиса и сокращений бюджетов.

🗣️ В рамках круглого стола началась интересная дискуссия — один представитель крупнейшего аграрного холдинга юга России заявил, что на рынке РФ нет зрелых ИТ-решений для аграрного холдинга, и вообще он против обучения на его процессах (за его счет) и внедрения любых непроверенных решений. При этом готов рассматривать только решения с референсами и доказательствами окупаемости. Но вот идти даже в бесплатные пилоты и тратить свое время на пилотирование незрелых решений он не готов.

👉 Сразу началась дискуссия –как получить такие зрелые решения стартапам и другим компаниям, если все компании перед внедрением будут требовать зрелости и уже проверенных внедрений, доказанно сэкономленных миллионов? Это ведь замкнутый круг!

Ребята многое пробуют сами внутри и стараются не брать аутсорс. Возможно, такая позиция имеет место, но как при таком позиционировании выжить стартапам и новым решениям, которые даже бесплатно готовы обкатывать свои продукты в заказчиках? Скажу по правде, что многие крупные заказчики и корпорации требуют примерно того же — зрелости, проверенных внедрений, референсов, доказанной экономии.

👀 Что думаете на этот счет? Пишите в комментариях — как выжить небольшим продуктам и успешно внедриться в крупной компании. Есть ли золотая пуля?

⚫️DataUnderControl

#конференция #стартапы #ИИ #бизнес #управление

🦸Прощай, анонимность: ИИ теперь может вычислять анонимных пользователей

Для этого достаточно проанализировать тексты в соцсетях и блогах. К такому выводу пришли учёные из ETH Zurich в сотрудничестве с компанией Anthropic.

👉 Специалисты провели эксперимент, воспользовавшись данными 338 участников форума Hacker News. Предварительно из текстов убрали имена и ссылки на соцсети. ИИ проанализировал особенности стиля изложения, упоминания профессиональной деятельности, интересы и увлечения, географические подсказки.

🔎 В результате система формировала гипотетический портрет пользователя — предполагаемую профессию, регион проживания, хобби, политические предпочтения и т.  д. Полученные портреты сопоставили с обширной базой из 89 000 профилей на LinkedIn.

Итог оказался впечатляющим: личности примерно двух третей участников удалось определить верно. Чем активнее человек в интернете, тем выше вероятность, что его личность идентифицируют.

😶 Большой брат не спит — как вам новость?

⚫️DataUnderControl

#ИИ #новости #AI #нейросети #машинное_обучение #ML

🤖 Самый горячий ИИ-тренд сегодня — OpenClaw. Вот несколько фактов об этом опенсорсном ИИ-агенте, который вывел автоматизацию на новый уровень.

✅ За первые несколько недель получил 215 000 звезд на GitHub (а сейчас их там 267 тысяч).

✅ Агент самостоятельно планирует действия для решения задачи: может работать с файлами, терминалом, браузером, API сторонних сервисов, писать код с нуля.

✅ Интегрируется с Telegram, WhatsApp, iMessage, Slack, Signal.

✅ Редактирует файлы на ПК или виртуалке, подключается к учеткам пользователя (почта, соцсети и др.), управляет браузером, ищет записи в календаре, выполняет скрипты, есть десятки кастомных интеграций через плагины.

OpenClaw на порядок умнее других чат-ботов за счет открытого кода и работы локально прямо на устройстве. Один из пользователей поручил своему OpenClaw поторговаться с автодилерами, чтобы снизить цену на новое авто — в итоге сэкономил $4200. Другой умудрился написать приложение, не прикасаясь к клавиатуре — голосом.

В новой статье на Дзене рассказали об этих кейсах и добавили инструкцию по установке для Windows, MacOS и Linux.

Читайте статью →

⚫️DataUnderControl

#ИИ #AI_агент #OpenClaw #ИИ_агент #нейросети #искусственный_интеллект