Подборка полезных и интересных материалов

Совместная работа команд с ИИ-агентами, финансовый пузырь на рынке технологий и корпоративная практика внедрения — в новой подборке собрали материалы о том, как искусственный интеллект меняет подходы к разработке и управлению.

Статьи:
📎 Колонка в Forbes от руководителя блока «Технологии» Сбербанка о моделях сотрудничества разработчиков и ИИ-агентов в перспективе ближайших лет.
📎 Интервью RT с генеральным директором AIRI Иваном Оселедцем — о финансовом пузыре на рынке ИИ и применении технологий в научной среде.
📎 Материал Ведомостей о том, чем формальное внедрение ИИ отличается от его полноценного встраивания в компанию.
📎 Интервью РБК с гендиректором «СберТеха» Максимом Тятюшевым о переходе на российские платформы и безопасной эксплуатации корпоративного ИИ.
📎 Статья директора по разработке Scalio Антона Букарева в ComNews — как инструменты на базе ИИ ускоряют процесс разработки ПО.

Заметки:
✍️ Заметка в Telegram-канале «Телекоммуналка»: опыт «Норникеля» по ускорению прототипирования с помощью ИИ — от недель до нескольких часов.
✍️ Кейс «Росгосстраха» об интеграции ИИ-инструментов в процессы тестирование.
✍️ Мнения участников ЦИПР-2026 в Telegram-канале Abloud62 — о стандартах 6G, ядром которых выступает ИИ.
✍️ Материал Wildberries & Russ на «Хабре» о том, как одиночные промпты эволюционировали в промпт-хабы.

Книги:
📚 «Искусственный интеллект и экономика. Работа, богатство и благополучие в эпоху мыслящих машин», Роджер Бутл — разбор того, как ИИ изменит рынок труда, доходы и повседневную жизнь.
📚 «Homo Roboticus? Люди и машины в поисках взаимопонимания», Джон Маркофф — взгляд на будущие отношения людей и роботов сквозь призму мнений инженеров, нейробиологов и программистов.

Подкасты:
🎤 Подкаст «Цифровая реальность»: выпуск «Новая эра данных».
🎤 Podlodka Podcast: выпуск о маленьких языковых моделях.

AI-агенты как новый этап автоматизации корпоративных процессов

Если copilots помогают человеку выполнять работу быстрее и точнее, то AI-агенты уже начинают брать на себя отдельные функции внутри процесса. Это важное отличие: речь идет не просто о поддержке пользователя в интерфейсе, а о переходе к более автономному исполнению задач.

Следующий этап развития enterprise-AI — это не отдельные сценарии с подсказками в чате, а промышленные агенты, встроенные в рабочие процессы компании. Они могут работать в нескольких направлениях одновременно:
➖ запускать автономные операции,
➖ поддерживать комплаенс,
➖ анализировать инциденты,
➖ формировать первичные выводы и инициировать дальнейшие действия.

Например, AI-агент может отслеживать изменения регуляторных требований, анализировать, какие внутренние процессы и документы они затрагивают, выявлять устаревшие материалы, формировать список корректирующих мероприятий и уведомлять ответственных сотрудников. Такой сценарий уже не ограничивается функцией чат-бота. Это элемент операционной модели компании.

Здесь меняется сам принцип автоматизации. Раньше системы помогали сотруднику быстрее найти информацию или подготовить ответ. Теперь AI-агент может участвовать в исполнении процесса: собирать данные, проверять условия, запускать следующие шаги и фиксировать результат.

Для enterprise это означает переход от интерфейсной автоматизации к автоматизации исполнения. И именно это делает AI-агентов одним из ключевых направлений развития корпоративных ИТ-систем.

Почему традиционная модель окупаемости автоматизации не всегда применима к ИИ

Бизнес по-прежнему зачастую оценивает ИИ через привычную модель автоматизации: сокращение штата, снижение ФОТ и быстрый эффект в первый год. Но в случае с ИИ эта логика работает не всегда. На раннем этапе технология чаще не уменьшает объем работы, а меняет структуру занятости внутри компании.

После внедрения ИИ часть времени сотрудников высвобождается, но одновременно растет объем задач, которые раньше не выполнялись из-за ограничений по ресурсам.

Ключевые изменения, которые дает ИИ на раннем этапе:
➡️ Сокращение циклов согласований: решения и материалы проходят путь быстрее, потому что часть подготовки берет на себя ИИ.
➡️ Ускорение запуска процессов: новые задачи и направления стартуют быстрее, так как снижается доля ручной подготовки и сверки данных.
➡️ Снижение зависимости от отдельных специалистов: знания и экспертиза становятся менее завязаны на одного сотрудника, из-за чего процессы становятся более устойчивыми.
➡️ Масштабирование экспертизы: компания может обрабатывать больше задач без пропорционального роста численности персонала.

Эффект от внедрения ИИ чаще выражается не в прямом сокращении расходов на персонал, а в росте производительности и способности бизнеса расти без линейного увеличения штата.

Меняется сама структура занятости: рутина переходит к ИИ-ассистентам, а сотрудники фокусируются на контроле результатов, принятии решений и работе с неопределенностью. Автоматизация в первую очередь затрагивает функции, где много данных, поиска и сверки. Это юридическая работа, методология, HR, закупки, проектное управление, инженерно-технические подразделения. Во всех этих случаях ИИ не заменяет профессию, а меняет ее содержание: от рутинного исполнения — к стратегическому контролю и работе со сложными кейсами.

В результате бизнес переходит к горизонту планирования в 3–5 лет. В этой модели важнее прямой экономии становятся скорость вывода продуктов, устойчивость процессов и масштабирование экспертизы. Традиционный подход к окупаемости уступает место оценке роста пропускной способности и готовности компании к новой операционной модели.

ITSystem: о разработке, SaaS-продуктах и прикладном IT

Продолжаем делиться каналами, в которых можно следить за практической стороной разработки и тем, как технологические идеи превращаются в реальные продукты.
Один из них — ITSystem (@itsystemsolution). Это канал команды, которая развивает собственную IT-экосистему, занимается обучением разработчиков и параллельно работает над своими SaaS-продуктами.

Автор канала делится не только новостями проектов, но и своим взглядом на современную разработку: от инженерных подходов и best practices до запуска новых продуктовых идей. В канале можно увидеть как размышления о построении production-систем, так и заметки о создании собственных сервисов, экспериментах с игровыми и SaaS-форматами, а также материалы о востребованных технологических направлениях.

В канале регулярно появляются материалы о:
◾️ разработке современных production-систем и best practices для Backend- и Frontend-направлений;
◾️ запуске и развитии собственных SaaS-продуктов, продуктовых гипотезах и MVP;
◾️ практическом опыте создания IT-проектов — от идеи до реализации;
◾️ современных инструментах и подходах, включая RAG, агентов и AI-направление;
◾️ развитии разработчиков, обучающих инициативах и прикладных материалах для IT-специалистов.

Если вам интересны прикладная разработка, внутренние процессы IT-команд и путь от технической идеи до собственного продукта, стоит заглянуть в канал @itsystemsolution

Что происходит, если внедрить ИИ, но не менять процессы

ИИ часто внедряют как инструмент, который должен снизить нагрузку на команду. Но на практике эффект может быть обратным: если процессы не меняются, нагрузка не исчезает, а дополняется новыми задачами.

Что происходит в компаниях:
➡️ сотрудники продолжают выполнять прежнюю работу;
➡️ параллельно они осваивают новые цифровые инструменты;
➡️ им нужно проверять результаты работы ИИ;
➡️ к этому добавляется адаптация к изменившейся рабочей среде.

В результате ИИ встраивается в существующую модель как дополнительный слой, а не как инструмент, который упрощает процесс. Компания получает не пересмотренную систему работы, а новые обязанности поверх старой структуры.

Сегодня вопрос уже не только в автоматизации отдельных операций. Компании переходят к модели, где ИИ берет на себя часть операционной нагрузки, а человек сосредотачивается на принятии решений, координации процессов, контроле качества, и запуске новых направлений.

Если организационная модель не меняется, сотрудники вынуждены одновременно работать по старым правилам и осваивать новые. Поэтому вместо снижения нагрузки компания может получить ее рост.

ИИ позволяет выполнять задачи, которые раньше требовали много времени и ресурсов. Например:
➖ работать с большими объемами информации;
➖ анализировать нормативную базу;
➖ готовить сложные документы;
➖ обрабатывать клиентские запросы;
➖ сопровождать внутренние процессы.

При этом роль человека не исчезает. Она смещается в сторону проверки, управления контекстом и принятия решений.

Эффект от ИИ зависит не только от технологии, но и от того, как компания перестраивает процессы. Если ИИ добавляется поверх существующей системы без пересмотра ролей и логики работы, он может увеличить нагрузку на сотрудников. Чтобы этого избежать, важно менять не только инструменты, но и саму организационную модель.

От экспериментов к окупаемости: как изменились требования к корпоративным ИИ-системам

Корпоративный ИИ уже вышел из экспериментальной фазы. Теперь компании хотят видеть не просто инструмент, а понятный бизнес-результат и интеграцию в реальные процессы.
В колонке для ComNews CEO Embedika, Лев Голицын, разобрал, почему в 2026-году рынок стал более прагматичным и какие решения сегодня действительно востребованы у бизнеса.

В статье даем ответы на пять принципиальных вопросов:
▫️ Почему бизнес больше не ограничивается пилотами и ждет от ИИ конкретного результата в короткие сроки;
▫️ Как меняется подход к разработке: от кастомных решений с длинным циклом — к платформенным продуктам и готовым компонентам;
▫️ Какие технологии формируют современный корпоративный ИИ-стек: мультиагентные системы, RAG-архитектура и AI TRiSM;
▫️ Почему качество данных, подготовка инфраструктуры и понимание бизнес-контекста не менее важны, чем сама модель;
▫️ Как меняется роль интегратора: теперь это не просто исполнитель, а партнер, который помогает оценить целесообразность внедрения ИИ.

🔗 Полная версия статьи — на ComNews.

#сми_о_нас