ИИ ускоряет не код, а понимание задачи
Все говорят, что ИИ помогает писать код. Но максимум пользы он даёт на других этапах.
Роман Зубков, руководитель отдела разработки интерфейсов в РУТ КОД, разобрал жизненный цикл разработки и показал:
🔍 На исследовании задачи — разбор сотен отзывов за минуты вместо дней
🎨 На проектировании — быстрое сравнение структур экрана
⚙️ На коде — экономит только на типовых задачах
🔧 На тестировании — генерация сценариев и анализ логов
А вот бизнес-логику и нестандартные задачи он не ускорит. Там по-прежнему решает человек.
Где ИИ реально помогает вашей команде, а где создаёт иллюзию скорости?
Полный разбор по ссылке 👇
#ИИ #разработка #автоматизация https://rootcode.ru/media/innovatsionnyy-zhiznennyy-tsikl-razrabotki-programmnogo-obespecheniya-na-osnove-ii?utm_source=telegram&utm_medium=social&utm_campaign=article
Все говорят, что ИИ помогает писать код. Но максимум пользы он даёт на других этапах.
Роман Зубков, руководитель отдела разработки интерфейсов в РУТ КОД, разобрал жизненный цикл разработки и показал:
🔍 На исследовании задачи — разбор сотен отзывов за минуты вместо дней
🎨 На проектировании — быстрое сравнение структур экрана
⚙️ На коде — экономит только на типовых задачах
🔧 На тестировании — генерация сценариев и анализ логов
А вот бизнес-логику и нестандартные задачи он не ускорит. Там по-прежнему решает человек.
Где ИИ реально помогает вашей команде, а где создаёт иллюзию скорости?
Полный разбор по ссылке 👇
#ИИ #разработка #автоматизация https://rootcode.ru/media/innovatsionnyy-zhiznennyy-tsikl-razrabotki-programmnogo-obespecheniya-na-osnove-ii?utm_source=telegram&utm_medium=social&utm_campaign=article
5❤3🔥3👏2🤩2
Всех причастных — с Днём программиста! 🎉
256-й день года, привет тем, кто понял, почему именно сегодня.
Вы разговариваете с машинами на языке, который они наконец-то понимают, и превращаете «а можно вот так?» в работающую фичу. За каждой кнопкой, которую кто-то тыкает не глядя, — ваша логика, ваши нервы и та самая скобка, которую вы искали полчаса.
Чего желаем всем и каждому:
- чтобы прод падал только на стейджинге, а не в пятницу вечером
- чтобы легаси-код доставался всегда кому-то другому
- чтобы ревьюеры ставили LGTM без 40 комментариев
- чтобы main был зелёным, кофе — крепким, а наушники — с шумоподавлением
Спасибо, что каждый день превращаете хаос из задач, кода и дедлайнов в работающие системы. С праздником! 🚀
— АО «РУТ КОД»
256-й день года, привет тем, кто понял, почему именно сегодня.
Вы разговариваете с машинами на языке, который они наконец-то понимают, и превращаете «а можно вот так?» в работающую фичу. За каждой кнопкой, которую кто-то тыкает не глядя, — ваша логика, ваши нервы и та самая скобка, которую вы искали полчаса.
Чего желаем всем и каждому:
- чтобы прод падал только на стейджинге, а не в пятницу вечером
- чтобы легаси-код доставался всегда кому-то другому
- чтобы ревьюеры ставили LGTM без 40 комментариев
- чтобы main был зелёным, кофе — крепким, а наушники — с шумоподавлением
Спасибо, что каждый день превращаете хаос из задач, кода и дедлайнов в работающие системы. С праздником! 🚀
— АО «РУТ КОД»
8❤6👏3🔥2
115,2 кбит/с — на такой скорости мы «стреляли» файлами в 2000-х, укладывая телефоны лоб в лоб на 5–10 см.
Мы разобрали, как за 20 лет обмен файлами прошёл путь от инфракрасного порта до AirDrop. IrDA (стандарт консорциума, основанного HP, IBM и Sharp в 1993-м) работала только в прямой видимости: угол ±15–30°, дистанция от 1 см до 1 м, дрогнула рука — сессия закрылась. Музыку сжимали до 32–64 кбит/с моно, видео — до 176×144, лишь бы уложиться по времени.
AirDrop (2011 — Mac, 2013 — iOS) убрал и провода, и «прицеливание»: Bluetooth ищет устройство, Wi-Fi через AWDL передаёт файл в исходном качестве по зашифрованному каналу.
Технология тем ценнее, чем меньше её замечаешь. Полный разбор физики и архитектуры — в статье 👇
https://rootcode.ru/media/infrakrasnyy-port-i-airdrop?utm_source=telegram&utm_medium=social&utm_campaign=media
Мы разобрали, как за 20 лет обмен файлами прошёл путь от инфракрасного порта до AirDrop. IrDA (стандарт консорциума, основанного HP, IBM и Sharp в 1993-м) работала только в прямой видимости: угол ±15–30°, дистанция от 1 см до 1 м, дрогнула рука — сессия закрылась. Музыку сжимали до 32–64 кбит/с моно, видео — до 176×144, лишь бы уложиться по времени.
AirDrop (2011 — Mac, 2013 — iOS) убрал и провода, и «прицеливание»: Bluetooth ищет устройство, Wi-Fi через AWDL передаёт файл в исходном качестве по зашифрованному каналу.
Технология тем ценнее, чем меньше её замечаешь. Полный разбор физики и архитектуры — в статье 👇
https://rootcode.ru/media/infrakrasnyy-port-i-airdrop?utm_source=telegram&utm_medium=social&utm_campaign=media
6❤3🔥3👏1
«Данные не отдадим» — и правильно. Мы их и не просим.
Это возражение №1, когда цифровой директор холдинга слышит слово «ИИ». Логика понятная: корпоративные данные в чужое облако — риск, за который отвечать вам.
Но есть и вторая причина не отдавать. Облачный ИИ всё равно не знает, как устроена именно ваша компания: где лежат отчёты, по какой методике считается себестоимость, какие показатели нельзя сравнивать. Данные наружу — а толку ноль.
ПланЭксперт работает иначе. Он разворачивается on-prem — на ваших серверах, внутри вашего контура. Работает поверх любой российской LLM. Данные не покидают периметр, а каждый ответ можно раскрыть до источника: документа, таблицы, витрины.
Честно про цену вопроса: on-prem требует ваших мощностей под модель. Зато данные остаются вашими — и работают на вас.
Как это устроено у нас → https://rootcode.ru/products/plan-expert?utm_source=telegram&utm_medium=social&utm_campaign=media
Это возражение №1, когда цифровой директор холдинга слышит слово «ИИ». Логика понятная: корпоративные данные в чужое облако — риск, за который отвечать вам.
Но есть и вторая причина не отдавать. Облачный ИИ всё равно не знает, как устроена именно ваша компания: где лежат отчёты, по какой методике считается себестоимость, какие показатели нельзя сравнивать. Данные наружу — а толку ноль.
ПланЭксперт работает иначе. Он разворачивается on-prem — на ваших серверах, внутри вашего контура. Работает поверх любой российской LLM. Данные не покидают периметр, а каждый ответ можно раскрыть до источника: документа, таблицы, витрины.
Честно про цену вопроса: on-prem требует ваших мощностей под модель. Зато данные остаются вашими — и работают на вас.
Как это устроено у нас → https://rootcode.ru/products/plan-expert?utm_source=telegram&utm_medium=social&utm_campaign=media
7🔥5❤2👏1
📉Больше 80% ИИ-проектов в России не доходят до эксплуатации
И почти никогда причина — не в математике модели. Пилот красиво отработал на демо, а дальше упёрся в разрозненные данные дочерних обществ, отсутствие интеграций и в вопрос «кто вообще отвечает за результат».
Как это выглядит изнутри: модель на тестовом наборе показала то, что хотели. Дальше выясняется, что боевые данные лежат в пяти системах, в разных форматах, часть — на бумаге, а владельца у процесса нет. Проект не проваливается громко — он тихо буксует, пока про него не забывают.
Подготовка данных при этом съедает до 80% срока проекта. Про это забывают на старте — а потом сроки едут, и правление спрашивает, где обещанный эффект от ИИ.
Что помогает: на входе считать не «когда запустим ИИ», а «в каком состоянии наши данные и кто владеет процессом». Скучный аудит источников до старта экономит месяцы и бюджет на выходе.
А у вас пилоты доходят до эксплуатации — или застревают на данных?
ℹИсточники цифр
И почти никогда причина — не в математике модели. Пилот красиво отработал на демо, а дальше упёрся в разрозненные данные дочерних обществ, отсутствие интеграций и в вопрос «кто вообще отвечает за результат».
Как это выглядит изнутри: модель на тестовом наборе показала то, что хотели. Дальше выясняется, что боевые данные лежат в пяти системах, в разных форматах, часть — на бумаге, а владельца у процесса нет. Проект не проваливается громко — он тихо буксует, пока про него не забывают.
Подготовка данных при этом съедает до 80% срока проекта. Про это забывают на старте — а потом сроки едут, и правление спрашивает, где обещанный эффект от ИИ.
Что помогает: на входе считать не «когда запустим ИИ», а «в каком состоянии наши данные и кто владеет процессом». Скучный аудит источников до старта экономит месяцы и бюджет на выходе.
А у вас пилоты доходят до эксплуатации — или застревают на данных?
ℹИсточники цифр
1❤4🔥3🤩1
Суверенный ИИ хотят сделать обязательным — но правило пока не принято
Правительство обсуждает проект постановления: бизнес в ряде сфер обяжут применять суверенные ИИ-модели, если они дороже национальных не больше чем в 1,5 раза. Пока это дискуссия, а не норма: для систем, где модель уже внедрена, переходный период — до 1 сентября 2032 года.
Риск тут один: если система жёстко завязана на конкретную модель, смена обязательной модели превращается в переписывание проекта.
Мы с самого начала строим иначе — так, чтобы модель можно было заменить за недели, а не переписывать систему. ИИ разворачиваем в контуре заказчика поверх любой российской модели: бизнес-логика и данные живут в периметре, а модель под ними сменная.
Оговоримся честно: быстро сменить модель реально там, где данные и интеграции уже приведены в порядок. На хаотичных данных это дольше.
Правительство обсуждает проект постановления: бизнес в ряде сфер обяжут применять суверенные ИИ-модели, если они дороже национальных не больше чем в 1,5 раза. Пока это дискуссия, а не норма: для систем, где модель уже внедрена, переходный период — до 1 сентября 2032 года.
Риск тут один: если система жёстко завязана на конкретную модель, смена обязательной модели превращается в переписывание проекта.
Мы с самого начала строим иначе — так, чтобы модель можно было заменить за недели, а не переписывать систему. ИИ разворачиваем в контуре заказчика поверх любой российской модели: бизнес-логика и данные живут в периметре, а модель под ними сменная.
Оговоримся честно: быстро сменить модель реально там, где данные и интеграции уже приведены в порядок. На хаотичных данных это дольше.
1🔥4❤🔥2🤩1
Сколько времени в неделю у вас уходит на сортировку типовых писем — резюме, коммерческих предложений, обращений?
📮Обычные почтовые правила работают, пока условие можно описать заранее: отправитель такой-то, тема содержит слово X, письмо пришло в конкретную папку. Проблема в том, что рабочая переписка так не устроена. Одно и то же намерение люди формулируют десятками способов: кто-то напишет «прошу рассмотреть вакансию», кто-то — «буду признателен за рассмотрение кандидатуры», а кто-то просто пришлёт резюме без единого ключевого слова. Для фильтра это три разных письма, для человека — одно и то же.
Дальше правило упирается ещё в одно: мало переместить письмо в папку — часто нужно понять, зачем человек написал, и ответить по существу. Это уже не про тему письма, а про его смысл. А смысл жёсткие правила не читают.
Где фильтры вашей почты вас подводят — и автоматизируете ли вы что-то сложнее перемещения в папку?
🤫Завтра покажем, как мы к этому подошли.
📮Обычные почтовые правила работают, пока условие можно описать заранее: отправитель такой-то, тема содержит слово X, письмо пришло в конкретную папку. Проблема в том, что рабочая переписка так не устроена. Одно и то же намерение люди формулируют десятками способов: кто-то напишет «прошу рассмотреть вакансию», кто-то — «буду признателен за рассмотрение кандидатуры», а кто-то просто пришлёт резюме без единого ключевого слова. Для фильтра это три разных письма, для человека — одно и то же.
Дальше правило упирается ещё в одно: мало переместить письмо в папку — часто нужно понять, зачем человек написал, и ответить по существу. Это уже не про тему письма, а про его смысл. А смысл жёсткие правила не читают.
Где фильтры вашей почты вас подводят — и автоматизируете ли вы что-то сложнее перемещения в папку?
🤫Завтра покажем, как мы к этому подошли.
🤩3🔥1
В июне 2026 автоматизированный трафик впервые обогнал человеческий — 57,4% против 42,6% (Cloudflare, данные iXBT)
Это про интернет в целом, не про почту. Но тенденция та же: писем от людей и ботов всё больше, а одно и то же намерение формулируют десятками способов. Правило «если тема содержит слово X» на этом ломается.
👾Мы сделали Аргуса — помощника для почты внутри Microsoft Teams. Вы описываете правило обычным языком («если это просьба рассмотреть резюме…»), он читает смысл письма, а не ключевое слово, и выполняет действие: переместить, пометить, ответить. Данные не покидают корпоративный контур.
Автономность включается не вслепую: сначала карточка-подтверждение в Teams, потом — автоприменение.
Разбираем на примерах резюме и коммерческих предложений — в статье → https://rootcode.ru/media/pochta-kotoraya-ponimaet-chto-delat?utm_source=telegram&utm_medium=social&utm_campaign=media
Это про интернет в целом, не про почту. Но тенденция та же: писем от людей и ботов всё больше, а одно и то же намерение формулируют десятками способов. Правило «если тема содержит слово X» на этом ломается.
👾Мы сделали Аргуса — помощника для почты внутри Microsoft Teams. Вы описываете правило обычным языком («если это просьба рассмотреть резюме…»), он читает смысл письма, а не ключевое слово, и выполняет действие: переместить, пометить, ответить. Данные не покидают корпоративный контур.
Автономность включается не вслепую: сначала карточка-подтверждение в Teams, потом — автоприменение.
Разбираем на примерах резюме и коммерческих предложений — в статье → https://rootcode.ru/media/pochta-kotoraya-ponimaet-chto-delat?utm_source=telegram&utm_medium=social&utm_campaign=media
❤3🔥2
🔎Ручной аудит покрывает 3% разговоров у кассы. Остальные 97% — чёрный ящик, из которого вы узнаёте о проблемах из отзывов.
Посчитаем на условном примере. Сеть из 20 точек, у кассы каждой — 150 диалогов в день, средний разговор — 2 минуты. Это 3 000 разговоров и 6 000 минут записи ежедневно.
Чтобы просто прослушать их — без пометок, разбора и выводов — нужно больше 12 контролёров на полный день. Неудивительно, что ручной аудит обычно покрывает 3% диалогов — это оценка самих поставщиков речевой аналитики, например МТТ. Остальное остаётся без внимания.
Дело не в том, что контролёры плохо работают. По выборке в 3% нельзя понять, что происходит в зале: где гостю не предложили допродажу, где он ушёл недовольным, а вы узнали об этом через неделю из отзыва.
Когда это не сработает: если в зале шумно и микрофон один на всю точку — распознавание просядет. Если персонал не уведомлён о записи по 152-ФЗ — будут справедливые вопросы. Если вы не готовы менять скрипты по итогам разбора — аналитика останется отчётом, который никто не читает.
✅Что нужно от вас для пилота: 1–2 точки, доступ к записям за месяц и 2 часа времени руководителя, который готов смотреть, что нашли в диалогах.
Вопрос к вам: какую долю разговоров у кассы слушают в вашей сети — и что вы находили в последний раз, когда слушали?
Посчитаем на условном примере. Сеть из 20 точек, у кассы каждой — 150 диалогов в день, средний разговор — 2 минуты. Это 3 000 разговоров и 6 000 минут записи ежедневно.
Чтобы просто прослушать их — без пометок, разбора и выводов — нужно больше 12 контролёров на полный день. Неудивительно, что ручной аудит обычно покрывает 3% диалогов — это оценка самих поставщиков речевой аналитики, например МТТ. Остальное остаётся без внимания.
Дело не в том, что контролёры плохо работают. По выборке в 3% нельзя понять, что происходит в зале: где гостю не предложили допродажу, где он ушёл недовольным, а вы узнали об этом через неделю из отзыва.
Когда это не сработает: если в зале шумно и микрофон один на всю точку — распознавание просядет. Если персонал не уведомлён о записи по 152-ФЗ — будут справедливые вопросы. Если вы не готовы менять скрипты по итогам разбора — аналитика останется отчётом, который никто не читает.
✅Что нужно от вас для пилота: 1–2 точки, доступ к записям за месяц и 2 часа времени руководителя, который готов смотреть, что нашли в диалогах.
Вопрос к вам: какую долю разговоров у кассы слушают в вашей сети — и что вы находили в последний раз, когда слушали?
❤2🔥1
Что происходит с разговором у кассы, если его разбирает не контролёр, а система?
От записи с камеры тут мало пользы: лица видно, а слов не разобрать. Поэтому разговор записывают отдельно, прямо у кассы или стойки. Потом собственная модель переводит речь в текст, разделяет реплики сотрудника и гостя и убирает шум зала.
Затем разговор сверяется с регламентом. Система отмечает, где сотрудник перебил гостя, каким тоном ответил и насколько был внимателен. Так разбирается каждый диалог, а не выборка.
Неожиданно больше всех от этого выигрывают сами сотрудники. Раньше они почти не слышали своих ошибок: прослушать всех невозможно, поэтому обратной связи не было. Теперь их разбирают по собственным разговорам, а не по пересказу проверяющего.
👉Так устроен наш ДиалогЭксперт. Как это выглядит вживую, покажем на демо: https://dialog-expert-landing.rootcode.online/?utm_source=telegram&utm_medium=social&utm_campaign=media
От записи с камеры тут мало пользы: лица видно, а слов не разобрать. Поэтому разговор записывают отдельно, прямо у кассы или стойки. Потом собственная модель переводит речь в текст, разделяет реплики сотрудника и гостя и убирает шум зала.
Затем разговор сверяется с регламентом. Система отмечает, где сотрудник перебил гостя, каким тоном ответил и насколько был внимателен. Так разбирается каждый диалог, а не выборка.
Неожиданно больше всех от этого выигрывают сами сотрудники. Раньше они почти не слышали своих ошибок: прослушать всех невозможно, поэтому обратной связи не было. Теперь их разбирают по собственным разговорам, а не по пересказу проверяющего.
👉Так устроен наш ДиалогЭксперт. Как это выглядит вживую, покажем на демо: https://dialog-expert-landing.rootcode.online/?utm_source=telegram&utm_medium=social&utm_campaign=media
🔥3