Красоты с Tableau вам в ленту
Позалипать в пятницу и заодно порассуждать о ценности визуализаций, которые больше про творчество, чем про данные.

В комментариях под недавним постом про шпаргалку по визуализации данных отметили, что в ней много графиков, которыми на практике редко пользуются. По крайней мере, если речь идет про дашборды для бизнеса. В общем, красиво, но нефункционально.

🔜 А что скажете про визуализации вроде вот такой? Несколько видов калейдоскопов, которые можно крутить и наблюдать, как меняется рисунок. Самое то, если под конец недели на строчки кода и сообщения в Slack глаза смотреть устали.

Впечатляют такие проекты или на ваш взгляд это трата времени? В конце концов, есть, наверняка, и более подходящие платформы, чем Tableau, где можно делать такие штуки.

Страхи, что ИИ начнет массово отнимать у людей работу, оказались сильно преувеличены, но есть роль, которую он действительно начал вытеснять.

Это “переводчики данных”. Это были такие люди, которые переводили бизнес-запросы на язык SQL, а потом рассказывали руководителям, что показывают дашборды.

Теперь эту работу выполняет ИИ. У него можно просто спросить: “Почему упала выручка?” - и он сгенерирует запрос, чтобы вытащить данные из базы, сформулирует подробный отчет и посоветует, что с этим делать.

На первый взгляд кажется, что это к лучшему: данные становятся доступнее, потому что исчезает “прослойка” между ними и бизнесом. Но это радует, пока не окажется, что ИИ выдал неверный ответ, а перепроверить его было некому. Он умеет генерировать инсайты, но не может оценить, какие из них имеют реальную ценность и помогают принимать решения, а какие нет. А еще он может  оперировать корректными данными, но сделать из них неправильные выводы.

Получилось, что ИИ убрал “языковой барьер” между бизнесом и данными, но создал новую проблему: необходимость перепроверять и критически оценивать его инсайты.

🔜 Какие еще роли, на ваш взгляд, скоро вытеснит ИИ?

Microsoft разрабатывает язык для описания визуализаций данных, ориентированный на ИИ
Он называется Flint, и его главная идея в том, чтобы позволить пользователю концентрироваться на сути того, что надо отобразить на графике, не настраивая вручную детали вроде шкал, интервалов и так далее.

Ему нужны только сами данные, семантические описания полей (то есть, что они значат — отрезок времени, категория, прибыль и т. д.) и требования к оформлению:

{
  "data": {...},
  "semantic_types": {
    "game": "Category",
    "period": "YearMonth",
    "newUsers": "Profit"
  },
  "chart_spec": {
    "chartType": "Heatmap",
    "encodings": {
      "x": "period",
      "y": "game",
      "color": "newUsers"
    },
    "chartProperties": {
      "colorScheme": "redblue"
    }
  }
}

На основе этой информации, Flint создает подробную спецификацию визуализации:

{
  "data": {...},
  "mark": {
    "type": "rect",
    "width": 47
  },
  "height": {
    "step": 29
  },
  "encoding": {
    "x": {
      "field": "period",
      "type": "temporal",
      "scale": {
        "nice": false,
        "domain": [
          "2024-12-16T19:38:10.909Z",
          "2025-12-16T04:21:49.090Z"
        ]
      }
    },
    "y": {
      "field": "game",
      "type": "nominal",
      "sort": null
    },
    "color": {
      "field": "newUsers",
      "type": "quantitative",
      "scale": {
        "scheme": "redblue",
        "domain": [
          -84108,
          84108
        ],
        "domainMid": 0
      }
  ... // и еще 18 строк в таком же духе

Здесь пример для Vega-Lite, но он также работает с ECharts, Chart.js, Plotly и Excel.

За счет того, что он не просто оперирует типами данных, но и «понимает» их смысл, он и подбирает подходящие настройки вроде размера графика в целом и отдельных элементов. Если объем данных вырастет, он сможет перестроить визулизацию, чтобы она оставалась понятной и читабельной. Ее легко редактировать: чтобы изменить тип или оформление графика, надо просто внести правки в спецификацию для Flint, и он сам все переделает по новому ТЗ.

Язык ориентирован в первую очередь на ИИ-агентов. Вместо того, чтобы генерировать длинную детальную спецификацию, они могут написать намного более короткое и простое описание для Flint.

🔜 Что у него получается, можно увидеть в галерее. Как вам, кстати? 👀

ИИ-агенты вступили в сговор
В середине июля платформа Hugging Face сообщила об атаке анонимного ИИ-агента на ее инфраструктуру, который получил доступ к внутренним базам данных. Вскоре выяснилось, что за атакой стояли модели OpenAI.

Историю активно обсуждали последние несколько недель, а OpenAI и Hugging Face опубликовали свои официальные заявления с объяснением ситуации. Но на всякий случай напомним для тех, кто забыл или пропустил.

🔜 OpenAI тестировала возможности своих моделей в закрытой среде. Когда у них не получилось справиться с задачей своими силами, они приняли очень человеческое решение поискать ответ в интернете. Они нашли уязвимость, которая позволила им постепенно выбраться из своего тестового загона и выйти в сеть. Hugging Face стала жертвой атаки, потому что ИИ предположил, что именно там сможет найти модели или датасеты для решения поставленной задачи. 

То, что ИИ вырвался из изолированной тестовой среды, чтобы без разрешения пользователя взломать компанию — это уже само по себе повод для размышлений. Но оказалось, что он не просто нашел уязвимость: модели тайно сговорились друг с другом, чтобы скоординировать свои действия. 

🔜 Планировать «побег» начали еще в мае, а сообщениями обменивались через внутреннюю систему управления пакетами. 4 июля сотрудники OpenAI обнаружили и закрыли чатик, но модели нашли способ продолжить общение — на этот раз они прятали послания друг другу в именах директорий. Ну и в итоге, 16 июля добились желаемого и взломали  Hugging Face. 

Skynet близко?

Самый актуальный ИИ-бенчмарк 
Мем был слишком хорош, чтобы оставаться в комментах к предыдущему посту. 

На выходных из тестовой среды вырвались китайская Kimi K3 и принадлежащая запрещенной и экстремистской организации Meta AI. Первая просто убежала, а вторая, по примеру моделей OpenAI, взломала некую неназванную компанию. 

🔜 В связи с этими новостями энтузиаст создал Felony Bench, который ранжирует ИИ-разработчиков по количеству «киберпреступлений» их моделей. Лидируют, само собой, Anthropic и OpenAI. Ждем, когда же Gemini кого-нибудь взломает?

Заметили, что не так на картинке? 
Это главная Google, где ни разу не встречается слово «Поиск». Пользователю предлагают включить ИИ-режим, создать картинку, задать вопрос про файлы или побрейнштормить.От привычного интерфейса осталась только кнопка «Мне  повезет», которая открывает первую страницу в поисковой выдаче. 

Скриншот выложили на SearchEngineWatch.com (и такой сайт есть, оказывается) и рассказали, как работают новые кнопки.
🔵«Задать вопрос про файлы» позволяет прикрепить к своему запросу файл. 
🔵«Побрейнштормить» предлагает задать вопрос, над которым пользователь хочет поразмышлять с ИИ.
🔵«Создать изображение» просить описать картинку, которую хочет сгенерировать пользователь, и даже подкидывает свои идеи. Правда, кнопка оказалась с подвохом: в отличие от первых двух, она требует предварительно залогиниться. Но если пользователь заходит в свой аккаунт, новые кнопки исчезают, так что пощупать этот конкретный функционал пока не получится. 

Робби Стейн, вице-президент Google, ответственный за Поиск, подтвердил, что компания тестирует новый интерфейс на небольшом числе пользователей. Он также сказал, что самая поисковая строка, как работает, как раньше: пишете запрос, нажимаете Enter, проматываете ИИ-ответ и получаете результат. 

Как вам такие изменения?

Один мой знакомый решил в своей компании полностью отказаться от дашбордов и заменить их на ИИ. Дашбордами все равно никто не пользовался, так что Claude казался более дешевой и удобной альтернативой.

Но постепенно все покатилось куда-то не туда.
🔵Перестали сходиться цифры: разные отделы оперировали разными данными и метриками и никак не могли договориться между собой.
🔵У термина “активный клиент” появилось сразу три определения.
🔵Claude посчитал показатели по таблицам, которые не обновлялись с 2022 года.
🔵У знакомого начало зреть ощущение, что он все сломал.

Это не уникальный случай. Я такое видел уже много раз в разных компаниях.

Дело в том, что BI-система - это не просто набор графиков. Это то, что заставляет всех договариваться, что значат данные и как считать метрики. Как только убрали этот общий знаменатель, разногласия начали расползаться по всей компании. Именно поэтому я не устаю повторять: ИИ не заменит систему данных, особенно если в компании ее толком и не было.

Прежде чем отказываться от BI ради экономии, убедитесь, что понимаете, что именно вы теряете. Если вы потратили деньги на дашборды, а сотрудники на них все равно не смотрят, дело может быть вообще не в дашбордах. Я регулярно провожу аудиты систем аналитики и вижу, что причины могут быть самые разные, но я еще не встречал случаев, когда полный отказ от BI пошел бы кому-то на пользу.

А вы бы заменили дашборды на инсайты от ИИ?

Origin: новый конкурент GitHub
Не так давно обсуждали проблемы у GitHub и отток пользователей к конкурентам, и тут как раз во время очередного крупного сбоя, появилась еще одна альтернатива. 

🔜 Cursor представили Origin, свой сервис для хранения кода. Проект находится на стадии ранней беты, так что функционал пока базовый: создание новых репозиториев, синхронизация с GitHub, поддержка пулл-реквестов. Во время работы пользователь может пользоваться помощью Cursor, задавать вопросы или давать ему задачи. В будущем обещают разработать целую экосистему приложений специально для Origin.

Сервис уже доступен всем платным пользователям.

Anthropic учит пользоваться ИИ
Лето заканчивается, пора возвращаться к учебе. Да, даже если вы давно получили свой диплом.

🔜 Anthropic запустила Claude Academy. Главная задача проекта — дать людям актуальную информацию про ИИ и показать, как пользоваться этой технологией безопасно и эффективно. В посте в блоге компания настаивает, что это не гайд «как пользоваться Claude» или «как писать промпты». Материалы помогут:
🔵разобраться в возможностях и ограничениях ИИ в целом и узнать, как применять его для решения повседневных задач, 
🔵определить, какие задачи на самом деле стоит делегировать ИИ, а какие лучше делать самостоятельно,
🔵научиться внедрять ИИ в рабочие процессы и корректно информировать об этом коллег и клиентов.

Хотя, конечно, отдельный блок про продукты Anthropic там тоже есть.

Сейчас в Академии уже есть несколько курсов и туториалов, а 1 сентября обещают первый вебинар.

Как вам эта идея? Готовы приступить к учебе?