Немного про ИИ-фобию, но уже касаемо инвестиций. Сегодня прочитал очередной пост на одном канале, где один блогер писал про набившую аскомину тему "пузыря" финансовых рынков. И решил для вас друзья прокомментировать 😊

Другая тема тут не связанная с Теслой - 2026 это будет год великого AI кэшаута. Илон тут как гениальный промоутер имеет просто больше опций и может действовать эффективнее. Кэшаут AI он делает не напрямую а через SpaceX историю что усиляет хайп через все рассказы про неизбежный ИИ в космосе, роботов и т д. Но другие ИИ конторы и не только они тоже все пойдут на айпио. Айпио им необходимо уже - денег поднять и как показал Илон опять же при достаточно лояльной базе акционеров из рынка можно вытащить огромные деньги почти мгновенно - объявляют at the market offering и продают просто новые акции в стакан. Учитывая какие потребности в финансировании крайне важная фича. И Антропик и Опен ИИ и многие другие пойдут на IPO. Тут есть и политический момент надо успеть окэшиться а то вдруг республиканцы проиграют мидтермы придут демократы будут поднимать налоги вводить регуляции и т.д. В общем в этом году будет великая продажа слона инвесторам. Обычно годы когда такие продажи так себе просто потому что средний инвестор в наше время сидит не в кэше а в плечах и чтобы купить что-то новое надо продать что-то старое сначала... Но посмотрим не инвестиционная рекомендация.

Рынок сейчас  невероятно перекошен. Почти 70% роста S&P 500 за последние пару лет обеспечили всего 10 компаний как атланты, которые держат сейчас небо. Любой дрогнет, и небо упадет. AI здесь - энто ж просто верхушка. Под ней скрывается огромный пласт частного долга и венчурных обязательств, которые копились годами с последнего кризиса.

Так с чем я не согласен с горе комментаторами вроде афтора пересланного поста?

Опять же, для мышки страшнее кошки зверя нет. ИИ в этой истории - это не причина краха, а его катализатор и финальный аккорд. Это наоборот самый ликвидный актив среди "инвест-брахла".

Проблема нынешнего ИИ-хайпа в том, что бизнес боится доверять ИИшнице критические процессы. Если у ИИ нет настоящей фактической и эпизодической памяти, то использовать в области классических enterprise приложений нельзя. Да тут главное, что не решен вопрос безопасности и валидации информации.

Но технологии, которые появляются как кролик из шапки опят спасают. Семантическая память, которая начнёт распространяться в 2026 году поменяет правила игры. Новая технология соединит мир llm и мир алгоритмов. Например, если бизнес-логика становится исполняемой онтологией (когда описание процесса и есть сам процесс), стоимость изменений в ПО падает в разы. Если знания становятся семантикой, то исчезнут хранилища документов.
Это и есть та реальная эффективность, которая может спасти не весь рынок,  но визионерские отдельные компании от схлопывания пузыря. Самые крупные IPO часто происходили именно на пике разрыва пузырей.

Так пусть атланты отпустят небо и добро пожаловать в дивный новый мир! 😄

Пост про красоту программирования для тех кому не безразлично программирование. Я расскажу в чем я согласен с одним из авторов Agile-манифеста — Мартином Фаулером.

Немного автобиографии. Мой первый ЭВМ (сегодня говорят компьютер :)) появился в 1990 году. У него было прекрасное название: Электроника УКНЦ МС0511. Это клон машины PDP-11, той самой на которой был придуман первый UNIX в 1970-х.

Первая операционка — RT-11. Нет это не DOS, как ты мог бы подумать. Для справки: это система реального времени, изначально созданная для PDP-11. В советских школах она была стандартом и моей школе также стояли. У неё был один жирный минус — она была 7-битной. А это значит, либо у тебя английский интерфейс, либо русский (кодировка КОИ-7). Сидеть на двух стульях получалось с трудом.

Потом появилась операционка ADOS. И это было чудо: честные 8 бит, можно было использовать два языка сразу! Простой переход на кодировку KOI8-R был знаменательным событием, которое я запомнил. ) Вот такой тогда был компьютерный мир.

У меня была книжка по декларативному языку Пролог. Будучи ребенком, я мало что понимал, но моим любимым развлечением было переписывать и компилировать программы. Декларативный стиль завораживал.

Пример типичной программы на Прологе (описание связей):

parent(ivan, marya).
parent(marya, daria).
grandfather(X, Z) :- parent(X, Y), parent(Y, Z).

% Запрос: ?- grandfather(ivan, daria).
% Ответ: Yes

Еще был интерпретатор Паскаля. Там я писал процедуры и функции уже в алгоритмическом стиле. И, конечно, придумывал игры (их тогда было мало для моего компьютера). Придумал, например, Кошки-мышки, где мышке надо было убегать от кошек. Больше кодил, чем играл. Играть же я так и не полюбил )

В 1998 году у меня появился IBM PC совместимый комп. Процессор Celeron, 32 Мб ОЗУ и жесткий на 3 Гб. В сравнении с УКНЦ, где было 56 килобайт оперативки и 5-дюймовые дискеты — это был прорыв в будущее.

Тогда же я познакомился с объектно-ориентированными языками. И они мне сразу не понравились. )
В нулевых много программировал на С в функциональном стиле, где вручную чистил мусор из памяти, и мне это было даже в кайф. На Питоне тоже писал, но только в функциональном стиле. Это когда ты не пишешь изменяемые классы, а начинаешь мапить, фильтровать, редьюсить и генерировать. Функция прекрасна: данные зашли, данные вышли, и никакой скрытой магии внутри.

К ООП языкам любви так и нет по сей день. Возможно поэтому и не стал работать программистом. )) Основные претензии:
1) Объект постоянно меняет своё состояние. Ты никогда не знаешь, что выстрелит в другой части программы при изменении переменной. Когда объект может измениться из любого места, ты держишь в голове не код, а историю — кто, когда и в какой последовательности мог что-то потрогать. Это комбинаторный взрыв сложности в больших проектах. Как обыграть гроссмейстера в шахматах. Отсюда изменения кода больших репозитариев становится все дороже и дороже.
2) Нет гомоиконности. Это когда код не является данными (как в том же Прологе), что лишает язык гибкости метапрограммирования.
3) Огромное количество паттернов. Вместо решения задачи ты строишь бесконечные фабрики фабрик. И паттерны — это как костыли без которых далеко ходить в ООП языках не получится. В целом большое количество паттернов признак недостаточной выразительности языка. ИМХО, но примерно об этом писал Фаулер.

ООП-мышление в классах вообще контр-естественно для человека. Когда тебя спрашивают, что это такое, и ты указываешь на стол — ты же не классифицируешь его как подмножество кухонной мебели, наследующее свойства горизонтальных поверхностей. Ты просто отвечаешь: Это же стол.

Мы воспринимаем мир через конкретные сущности и функции, а не через абстрактные иерархии. Например, в когнитивной психологии есть понятие базового уровня категорий (Элеонора Рош): человек быстрее узнает собаку, чем млекопитающее или спаниеля. ООП же заставляет нас всегда строить эти громоздкие лестницы классификаций там, где достаточно просто функции.

А ты уже смотришь в сторону чистой функции?

Прочитал статью про B2CC — Business to Claude Code и согласился лишь частично. Автор пишет, что теперь основной покупатель облачных сервисов не человек а ГИИ-агент. Он читает доки онлайн сервиса и решает — будет работать или пойдет к конкуренту. Вроде как ГИИ-агент становится заказчиком будущих онлайн сервисов. Раньше мы рисовали кнопочки для людей, теперь значит пишем доки для роботов.

Но что если пойти дальше в прогнозах? Представьте технологию, где не надо ничего проектировать.
Допустим система просто записывает всё что в ней происходит. Как дневник. Клиент оформил заказ — записали. Оплата прошла — записали. Доставка выехала — записали. Ничего не стирается, не перезаписывается, просто накапливаются факты. Все факты под капотом семантически связываются и распределяются четко во времени.

И дальше магия — из этого дневника можно собрать любой вид интерфейса. Пользователю покажем красивый экран с кнопками. Или удобный голосовой ассистент на колонке. ГИИ-агенту отдадим поток записей который он сам разберёт. Аналитику-данных сделаем отчеты и графики. И ничего из этого не надо проектировать отдельно — всё рождается из одного дневника. Данные первичны и атомарны: мы не храним состояние заказа, мы храним историю!

А с API ты всегда привязан. Поменялся формат — переделывай. Новый потребитель — снова проектируй. С дневником не так. Дневник один, читатели разные. Это принципиально другая технология на смену жесткому контракту API.

Пользователь будет покупать закрытие потребности, а интерфейс будет сам формироваться под его запрос. Все облачные сервисы будут интегрированы единой технологией и скрыты под капотом. Есть уникальная задача — рождается уникально решение в моменте. Эволюционный скачок от проектирования форм к проектированию смыслов.

Сложно?

Через 5–10 лет знание синтаксиса C#/Python сделает тебя динозавром. Выживут те, кто умеет системно мыслить и выделять сущности...

Еще 15 лет назад никто не слышал о скраммастерах как профессии. Однако требование времени в адаптивности больших организаций сделало востребованной эту роль на фултайм. И вот я решил дать прогноз какая профессия может очень скоро получить свой big bang.

Помните мой любимый Пролог? Где ты просто описываешь связи: parent(ivan, marya). Ты не говоришь компьютеру как бегать по памяти, ты говоришь ему, как устроен мир.

Так вот, новая профессия, - онтологист — это программист нового времени, который вернулся к истокам декларативности.

В чем суть этой профессии?

1. Никакого мутабельного состояния. Забудут классы, которые меняются из десяти мест сразу. Он создает модель знаний. Это как тот самый стол: ты просто говоришь — это стол, описываешь его суть, а не наследуешь его от AbstractFurnitureFactory.
2. Прощайте, о великие паттерны. В онтологической системе не нужно строить Декоратор Наблюдателя, чтобы передать данные. Система сама понимает связи по семантике.
3. Код как данные (гомоиконность). Ваша онтология — это и есть база данных, и логика процессов, и интерфейс одновременно. Сильно?

Рынок графов знаний и онтологического инжиниринга растёт. Достигнет $6.94 млрд к 2030 при среднегодовом темпе роста (CAGR) 36.6%. Спрос на специалистов, умеющих описывать смыслы, а не просто писать код — уже заметен в вакансиях крупнейших компаний мира. Glassdoor показывает среднюю зарплату в $206,907 в год. Вакансий становится больше.
ИТ-компании понимают: дешевле нанять одного онтологиста, который опишет логику, чем содержать армию джунов, создающих и закрывающих баги в мутабельных объектах в кипящем коде.

Конец юрского периода близко

Давайте пофантазируем. Помните, появление первых версий чат гпт, казалось магией? Пока все молятся на пузырь ГИИ, - так вот будущее на основе онтологий — это магия покруче.

Вместо того чтобы покупать или загружать тяжеленный софт, который нужно внедрять годами, появится принципиально новый вид интерфейсов.
Будет вот UI/UX функциональная сборка на лету и не через ИИ, а через онтологию.
Ты просто представь другой мир. Мир, где интерфейс собирается на лету из онтологии. Не ИИ галлюцинирует тебе кнопочки — а система знает смысл того, что ты делаешь, и строит ровно тот интерфейс, который нужен. Ни больше, ни меньше.

Допустим, тебе нужно взять кредит.
Как это работает сегодня? Ты заходишь на сайт банка. Перед тобой — 47 полей, половина из которых ты не понимаешь, а тебе просто машину купить. Ты заполняешь анкету, ждёшь три дня, получаешь отказ без объяснений. Идёшь в другой банк — там другие 47 полей. И так далее.
За этим фасадом — монолит, который писали 200 человек четыре года. Половина логики зашита в 100500 строк, которые боятся трогать, потому что оно работает, не лезь.

А теперь — мир онтологий, часть возможной спеки:

ОНТОЛОГИЯ Банк::Кредит
  СУЩНОСТЬ Заёмщик
    СВЯЗЬ: Доход -> Число[руб/мес]
    СВЯЗЬ: Стаж -> Число[мес]
    СВЯЗЬ: КредитнаяИстория -> Рейтинг[0..999]

  СУЩНОСТЬ КредитныйПродукт
    СВЯЗЬ: МаксСумма -> Число[руб]
    СВЯЗЬ: Ставка -> Число[%]
    СВЯЗЬ: Срок -> Диапазон[мес]

  ПРАВИЛО: ДолговаяНагрузка = Σ(ТекущиеПлатежи) / Доход
  ПРАВИЛО: МаксПлатёж = (Доход - Прожиточный * Иждивенцы) * 0.5

Чувствуешь разницу? Система не спрашивает 47 полей. Она знает, что нужно для решения, и спрашивает только то, чего не хватает. Может, одно поле. Может, ноль — если всё уже известно.

Интерфейс? Он возник ровно на время твоего запроса. Показал то, что нужно. Собрал то, чего не хватало. Выдал результат. И растворился.

Что в итоге?

Настоящая работа — уйдет к тем, кто умеет описывать смыслы.

Мы возвращаемся к естественному восприятию мира. Нам не нужны лестницы классификаций. Нам нужны конкретные сущности и функции, которые решают задачу здесь и сейчас. Просто смысл, описанный честно. И чистая функция, которая этот смысл превращает в результат.

Я начал ИТ-бизнес в 2006 году. Обслуживали компании дистанционно. Запустил сайт, быстро раскрутил, тогда SEO не был особой магией. Первым моим клиентом был великий маэстро Александр Борисович Градский. Помню его звонок в 20 часов вечера. И на следующий день я со своим первым сотрудником был уже на Чеховской в его квартире-театр-студии для настройки wifi. Но клиенты приходили и приходили. Сначала меня это радовало. Однако потом стало больше хаоса. Надо было постоянно управлять задачами сотрудников. И вроде я должен был радоваться новым клиентам, но хотелось куда-то спрятаться. И тогда меня спас знакомый, у которого уже был подобный бизнес. Он рассказал про ITIL (Библиотеку лучших практик по ИТ-менеджменту). Как оказалось, проблема хаоса решалась достаточно просто — надо управлять потоком работы, а не людьми. Выстроить процессы управления инцидентами и проблемами, регистрировать все обращения через сервис деск и ничего не забывать. Так я полюбил ITILv2 и мой бизнес кормил меня примерно до 2014 года.

Начиная с 2015 года я стал всё больше интересоваться Agile. Многие подходы были очень близки мне. Фактически вся моя команда работала итерациями и напрямую с заказчиком. Были правила и тонкий контроль вместо микроменеджмента. С 2016 года я полностью посвятил себя разработке и команде разработки. Сообщества ITIL и Agile не знали о существовании друг друга. ITIL ассоциировался с поддержкой, Agile с разработкой.

И вот 12 февраля 2026 года выходит пятая версия ITIL, которая объединяет продуктовую разработку и поддержку единым знаменателем.

Что произошло по сути. ITIL 5 убрал искусственную границу между продуктами и сервисами. Раньше были люди, которые разрабатывают, и люди, которые эксплуатируют. Теперь это один жизненный цикл из восьми стадий — от исследования до поддержки. Старая цепочка создания ценности из шести активностей ITIL4 заменена на восьмиэтапную модель жизненного цикла продукта и сервиса. И это не водопад — любая стадия может вернуться к любой другой. Критический инцидент может прыгнуть из поддержки сразу в разработку.

В пятой версии слово Service выкинули из ключевых конструкций ITIL4. Service Value System стал просто Value System, Service Value Chain стал Value Chain. Фреймворк теперь про управление цифровыми продуктами и сервисами как единым целым.

Второй большой сдвиг — AI. ITIL 5 позиционирует себя как AI-native by design. Появилась модель 6C для классификации того, что AI делает в организации — создаёт контент, курирует данные, помогает разбираться в информации, находит паттерны, общается с пользователями или координирует действия между системами автономно. У каждой из этих возможностей свои требования к управлению и контролю. Модель 6C в ITIL 5 — это первая попытка с точки зрения менеджмента разложить по полочкам что именно AI делает в организации и как из хайпа извлечь реальную пользу.

Про Agile и DevOps. ITIL 5 явно убивает спор ITIL против Agile. Управление изменениями теперь интегрируется напрямую с CI/CD пайплайнами, GitOps, управление изменениями происходит внутри кода. Модель жизненного цикла по природе итеративная. ITIL позиционирует себя как слой управления, который нужен Agile и DevOps для масштабирования без хаоса.

Двадцать лет назад ITIL спас мой бизнес от хаоса. Десять лет назад Agile показал мне, что можно работать иначе. Теперь ITIL5 объединил оба мира в одном фреймворке. Для меня это не просто обновление версии. Это закрытие гештальта.

Смотри, что тут происходит. Помнишь закон Мура в удваивании процессорной мощности каждые два года? Эти же экспоненциальные законы работают с любой новой технологией.

METR — ребята, которые замеряют, насколько AI может автономно тащить реальные инженерные задачи по разработке. По вертикали — сколько времени задача заняла бы у живого разработчика. По горизонтали — когда модель вышла. Кривая — порог 50% успеха.

И вот что интересно. До 2024 года кривая практически лежит на полу — модели справлялись максимум с тем, что человек сделал бы за полчаса-час. Починить мелкий баг в Python-библиотеке. Всё. Многие программисты даже сегодня пробуют бесплатные устаревшие модели и получают тот самый низкий результат.

А дальше смотрим на график: начинается экспонента. o3, GPT-5, Claude Opus 4.5 — уже 2–5 часов человеческой работы. И тут Claude Opus 4.6 улетает на ~14 часов. Это, по сути, полноценный рабочий день. Модель может взять сложный баг в большой кодовой базе — и разобраться сама.

Почему скачок такой резкий — это же классическая история с нелинейными системами. Каждое улучшение не просто складывается, а перемножается: лучше reasoning × больше контекст × точнее tool use × умнее самокоррекция. В какой-то момент количество переходит в качество — и система начинает справляться с задачами принципиально другого уровня сложности.

По сути, мы наблюдаем переход от ГИИ как автодополнение кода к ГИИ-агентам как команде кроссфункциональных джуниор-инженеров, которые реально могут разобраться в проекте. Причём они будут выполнять разные функции от написания требований, спецификаций, к коду, ревью кода и затем тестированию, передавая мячик работы друг другу. За человеком остаётся архитектура и постановка задачи.

И кстати ☝️ судя по наклону кривой — это ещё далеко не потолок.

Всем привет, написал статью про Банкинг 5.0, пишите обратную связь

https://habr.com/ru/articles/1007554/

Твоя память не так проста, как ты думаешь. И сегодня я начну рассказывать, как используют эту информацию для создания новых технологий сильного ИИ

В 1990 году я сидел за Электроникой УКНЦ МС0511 и переписывал программы из книжки по Прологу. Мой отец считал что будущее за Прологом, а я ему полностью верил. Делал всё ручками, переносил вначале без особого понимания символ за символом. Потом стал понимать чуть чуть, но все равно только половину того, что делал, зато программа работала! Спустя тридцать лет я помню свой первый компьютер, комнату, скрип стула и ощущения, когда на экране появлялись приветственная строка от программы. Но я не помню, что ел на завтрак в прошлую среду.

Почему так происходит?

Эпизодическая память — это твой личный видеоархив. Конкретные события и моменты. Например, я помню как показал другу программу на прологе, которая могла отгадать любую вещь в моей комнате за несколько вопросов и ответов. Помню момент, когда в школе мне вручили медаль. Помню первый звонок от первого моего клиента Александра Градского, когда я начал свой бизнес. Мозг запоминает не всё подряд, а только то, что было эмоционально заряжено. Поэтому завтрак в среду в корзину, а приветствие на экране УКНЦ навсегда.

Семантическая память существует как база знаний без привязки к моменту. Ты уже от меня знаешь, что Пролог — это декларативный язык. Ты не помнишь, когда именно это узнал, но просто знаешь, и всё. Париж — это столица Франции. Это не эпизод, а факт, встроенный в структуру мышления и связанный с другими фактами.

Интересно, что эти два типа постоянно работают вместе. Когда я вспоминаю ту саму коричневую книжку без картинок по Прологу (эпизодическая память) , рядом всплывает всё, что я знаю о декларативном программировании (семантика). Мозг не хранит их отдельно, но он просто по-разному достаёт. Просто магия, но работает.

Процедурная память — это то, почему ты можешь сесть на велосипед после десяти лет перерыва и поехать. Я люблю кататься на велосипеде. Недавно даже освоил для себя футбайк. Тело помнит и руки помнят. Пальцы, которые набирали Pascal в 1992-м, сегодня набирают Clojure практически не думая о раскладке, потому что навык набора 10 пальцами освоил еще в детстве.

Это и есть мышечная память, для человека это подвид процедурной. И она, в отличие от семантической, почти не стирается. Забавно устроен мозг, правда? Факты забываются, а движения нет.

Кратковременная и рабочая память. Их часто путают, но разница есть и она существенная.

Кратковременная память работает как буфер. Положил туда имя нового знакомого, и через пять минут его уже нет, если не повторил 10 раз. В детстве приходилось перед сном повторять бесконечно стихи, чтобы потом выступить на конкурсе чтецов. Потому что кратковременная память коварна, кажется заполнил, а на утро может быть тюти.

Рабочая работает как оперативка. Ну вот ты держишь в голове промежуточный результат вычисления или смысл начала предложения. У неё смешной объём всего 7 плюс минус пару объектов. Думаю, именно поэтому говорят, что простота важнее удобства.

Самой короткой у человека является сенсорная память, так как она буквально доли секунды. Звук ноты после того, как она отзвучала. Картинка машины, которая только что проехала. Мозг держит сырой сигнал совсем чуть-чуть и ровно для того чтобы успеть решить насколько это важно для жизни.

Иконическая память (для глаз) и эхоическая (для ушей). Впрочем и для других чувств тоже есть виды памяти, но просто у них нет таких красивых названий.

Проспективная память думаю будет самой недооценённой. Это память о намерениях и о том, что было, а о том, что надо сделать. Например, заехать в аптеку по просьбе жены, позвонить утром коллеге, заплатить за квартиру до 15 числа.

Она ломается чаще всего. Поэтому я как и многие другие, покупал много книжек про эффективное планирование времени от Дэвида Алона или Глеба Архангельского. Поэтому так популярны стикеры на мониторе и программы на телефоне для напоминаний о делах. По сути, GTD Дэвида Аллена породила целую философию о том, как не доверять проспективной памяти и выгружать её наружу.

Великий писатель Александр Зиновьев написал книгу Глобальный человейник в 97-м. Антиутопия про Западный мегаполис, где люди стали функциональными ячейками. Вовсе не рабы системы, а просто воспроизводимые функциональные единицы общества. Отсюда и название появилось человейник. Я её прочитал в 2010…

Главная мысль там про растворение человека в постсоциуме через удобство. Человек перестаёт быть носителем чего-то уникального и становится заменяемым. В сюжете представлены аналоги современных ии-агентов под названием дублеры. Это устройства ИИ, в совершенстве осваивающие личностные и ментальные характеристики своего пользователя. Постепенно и добровольно пользователь сам передаёт свои навыки. У Зиновьева есть момент, который я не могу забыть. Один из жителей Человейника умирает. И никто не замечает этого. Нет, не потому что всем плевать, а потому что его социальная функция продолжает работать через созданного им Дублёра ( по нашему ИИ агента). Бумаги подписываются, отчёты сдаются, на видео совещаниях участвует неотличимый от него аватар.  Место в системе занято. Человека нет, а ячейка живёт.
Зиновьев из 1997 года попал в 2026-й год с точностью до деталей.

Лучшие программисты, которых я знаю, прошли за последний год через один и тот же цикл. Сначала говорили, что LLM игрушка, оно галлюционирует. Потом поменяли позиция на да  ладно, для рутины сойдёт. Потом — тишина. Та тишина, когда понимаешь, что то, чему учился n-дцать лет, теперь укладывается в память ИИ агентов. Они не говорят громко об этом. Просто продолжают работать как и прежде.

Я создал 100500й навык для агентов за последний год. То есть добровольно вынул из головы то, что в чём то делало меня незаменимым, и положил навыки в текстовые файлы и графовую память. Получается, что я сам, с восторгом, добавляю в пост социум собственную экспертизу.
И вот в какой-то момент агент знает мой стиль, мои фреймворки, мои паттерны ответов. Продолжает мои мысли и идеи.

Здесь есть развилка. Либо ты сам учишься передавать свою экспертизу агенту и тогда управляешь процессом или молчаливо ждёшь. Может быть кто-то другой оцифрует твой профиль без тебя, и тебе останется конкурировать со своей цифровой тенью - с роботом, у которого нет ипотеки, не болит голова и который не уходит в отпуск. Только вот это не конкуренция, а просто  отсрочка. Технологии заменяют не человека, а его функции в экономической жизни общества.

Разница с Зиновьевым в одном.  Люди у него не осознают процесс в новом дивном мире. Он написал антиутопию. Но ведь ты мой дорогой читатель осознаёшь? Ты чувствуешь ту странную пустоту впереди и замечаешь что ёкает? Это и есть зазор между человеком и муравьём, та самая рефлексия на собственное растворение в новом постсоциуме.  

Вопрос Зиновьева был: что останется от человека, когда всё функциональное вынесено наружу к ИИ агентам.
Я отвечаю себе, что останется умение объяснить как. Понять мета-смыслы и научиться мета-экспертизе. Способность формализовать интуицию и сделать человеческий выбор.
Как то так ))

2026 год обещает стать периодом эволюционного рывка в развитии ИИ. Пока многие российские компанию думают как электрофицировать иифицировать свою организацию, в мире главным трендом становится переход от больших языковых моделей (Large Language Model, LLM) к большим моделям действий (Large Action Model, LAM). Так как LLM уже стал базовым подкапотным уровнем "электрификации". Мы привыкли к комфорту, который обеспечивает два провода и электричество у нас естественно просто по счётчику. Аналогично привыкнем к тому что ответы на промты приходят по счётчику токенов от LLM. Сам же LLM станет "подкапотной" технологией.

Разница принципиальная с LAM. Тот самый LLM умеет говорить, все знают его по чатам. LAM же умеет делать. Не просто генерировать текст, а выполнять цепочки действий в реальных системах. Например, может бронировать, заказывать, заполнять формы, дергать где нужно API, синхронизировать данные, координировать процессы.

По сути мы наблюдаем тот же сдвиг, который когда-то случился с вебом: от статических страниц в 90х и нулевых к интерактивным приложениям после 201х. Только теперь это происходит с ИИ. Модель перестает быть собеседником и становится агентом.

Для банковской отрасли это особенно актуально. Виртуальный ассистент, который не просто отвечает на вопрос про остаток на счете, а сам инициирует платеж, проверяет лимиты, формирует выписку и отправляет ее клиенту. Один промпт вместо пяти экранов в мобильном приложении.

Но есть нюанс. LAM без памяти и контекста это просто автокликер, да еще и с фантазиями)) Не безопасно. Чтобы агент действительно работал, ему нужна функционально полная архитектура памяти, чтобы знать что делали раньше, где сработало хорошо, а где не очень, кто просит что-то сделать, какие ограничения по безопасности. Ответы на естественном языке должны быть детерминированы, а не вероятностны. Без этого каждому действию агента веры быть не может.

Именно поэтому я строю многоуровневую память для агентов: от эфемерного контекста диалога до проактивного взаимодействия с пользователем. Потому что будущее не за моделями LLM, которые хорошо говорят, а за теми технологиями, которые помнят и делают. А сам LLM это лишь новая форма основы для развития технологий, подобно электричеству или доступу к сети Интернет.

#banking5 #development

Нам кажется что в банке мы храним плоские данные. Таблицы, строки, колонки. Всё ровненько.

Данные привыкли хранить в реляционных БД, а сам SQL заставляет думать плоско, ну а для сложного анализа надо обращаться к датасаинтисам в очередь. Они уже думают кубами ))

Вот смотри. Кредит. В таблице это строка. Сумма, ставка, срок, статус. Плоско? Ну да. Но за этой строкой стоит заявка клиента, с которой всё началось. Скоринг, который решил выдать или нет. График платежей, который из этого родился. Три просрочки, реструктуризация и досрочное погашение.

Пять событий. Каждое причинно связано с предыдущим. А лежат они в разных таблицах, разных сервисах. И чтобы собрать картину целиком надо писать JOIN на полэкрана.

Всё это существует. Просто размазано по шести таблицам, четырём микросервисам и двум логам. Мы храним плоские данные не потому что реальность плоская. А потому что инструмент плоский.

Хотя если честно, плоские данные это ещё и результат практического подхода. Раньше банку и не нужно было больше. Бизнес-модель простая: комиссионный доход с транзакций плюс кредитование. Строка в таблице отлично справлялась.

Но сейчас бизнес-модели меняются. Сложный экосистемный продуктовый подход. Точный портрет клиента, предиктивный расчёт потребностей. Условный Сбер и Тинёк тут имеют сильный буст за счёт экосистем. И вот для этого плоские таблицы уже не тянут.

Банк это как раз граф. Клиент, счёт, продукт, операция, документ, регуляторный отчёт. Всё связано причинно. Приходит аудитор и спрашивает, почему этот кредит был выдан. И начинается квест по таблицам ))

Причём регулятор всё чаще требует именно каузальную прослеживаемость. 115-ФЗ, комплаенс, антифрод. Это всё вопросы про то что за чем последовало и почему. SQL на них отвечает через боль.

Банк на самом деле хранит события и решения. Просто пока записывает их в таблицы и теряет связи.

https://habr.com/ru/articles/1022052/

Друзья, написал статью про кейс в финансовой сфере, который вдохновляет. Читайте и оставляйте комментарии. 😊 Всем хороших выходных!

Амкериканский финтех Anchorage Digital запускает Agentic Banking. По сути, это банковская инфраструктура, заточенная под ИИ-агентов. У агента теперь есть свой кошелёк, выделенные банком лимиты на расходы, понятный комплаенс (система разрешений), аудит каждой транзакции и право самому платить за подписки, закупать софт, рассчитываться с подрядчиками и бронировать логистику. Без человека в цикле. Дожили наконец-то :)

Чтобы оценить масштаб, полезно отмотать историю назад.

В 1973 году появился SWIFT, и люди начали передавать людям межбанковские инструкции по защищённым каналам. В 1994 Stanford Federal Credit Union сделал первый интернет-банкинг, и клиент стал стучаться в банк сам через браузер. В 2007 пришёл iPhone, и в банк вошло оно - мобильное приложение, которое теперь у каждого в смартфоне. В 2018 в Европе включили PSD2 (европейская директива о платежах), и в банк пошёл сторонний софт через API. Это, по сути, и был Banking 4.0, открытый банкинг.

А в мае 2026 Anchorage говорит, что вроде как теперь в банк стучится автономный агент и проводит платежи сам. Banking 5.0, причём не на слайдах конференций, а уже в продакшене.

Что у них под капотом? Стандарт KYA (Know Your Agent) как наследник старого доброго KYC, только идентифицируется уже не человек, а агент. Да, да, агент покупает, а человек одобряет. Нужно конечно лимиты, политики и неизменяемый журнал на каждое действие. Расчёты идут через стейблкоины, фиат и токенизированные удостоверения. Сверху подвязан Google Cloud как поставщик интеллектуального слоя, то есть является тем самым провайдером камодити-токенов от ГИИ.

Маккоули, гендир Anchorage, на конференции Consensus 2026 оценил всё это в триллион долларов. Картинка простая: агенты платят агентам, агенты платят мерчантам, агенты получают деньги от других агентов.

Почему именно Anchorage )) Не случайный игрок. Первый федерально лицензированный криптобанк США, лицензия OCC с января 2021. Под ними уже стейблкоин USAT под закон GENIUS Act, инвестиция Tether на 100 миллионов и сервис для эмитентов стейблкоинов. То есть они подгребли стейблкоин-инфраструктуру под себя, а теперь надстраивают агентский слой сверху.

Это, кстати, и стейблкоинам подкинет работы. Программируемые деньги, работающие 24/7, для машинных расчётов подходят идеально. USDC и USDT получают новый источник спроса, уже не от трейдеров, а от самой ИИ-инфраструктуры.

Соседи, кстати, тоже не дремлют. Coinbase Agentic.market на протоколе x402 уже пропустил 165 миллионов транзакций между 480 тысячами агентов. Solana и Google сделали шлюз для оплаты API стейблкоинами. Oobit раздал виртуальные карты на USDT.

В сухом остатке. От передачи человек человеку через SWIFT до передачи агент агенту через KYA мы прошли пятьдесят с лишним лет. И всё это, что характерно, уже под колпаком регулируемого финтеха.

А дальше, видимо, остаётся ждать момента, когда первый агент решит, что бухгалтерия мешает оптимизации расходов… 😁

p.s. Текст на основе перевода западной финтех прессы.

Какой банк будет первым в теме банкинга 5.0? Помните, я писал, это про то когда клиент начинает общаться с банком на естественном языке, а под капотом скрыто управление финансами. Возможно конечно - это будет даже не банк, а финансовый маркетплейс банковских-продуктов сразу всех банков, который будет предлагать эффективное управление финансами как "камодити" - нечто вроде электричества, комфорт от которого стал естественным для каждого.

Когда-то жил в России бизнесмен Олег Тиньков, начал с пива, а потом запустил банк без отделений. Кто то смеялся, а кому то было любопытно. Особенно студентам, которые еще вчера пили его пиво. Сегодня банк без отделений стал нормой, традицией, а отделения почти анахронизмом.

Потом был мобильный банкинг. Пока другие банки пытались скопировать сайт в приложение, Тинькофф сделал моб. приложение как главный канал. И снова выиграл на рынке, заняв с нуля большую долю рынка.

Помните - лента историй, маркетплейс, инвестиции, экосистема. Каждый раз они заходили в цифру раньше остальных и каждый раз рынок догонял.

Теперь смотрим на свежий набор вакансий в Т-Банк. Они собирают команду под ИИ-ассистентов для B2C. И важно, что они говорят не про чат-бот в углу приложения. У них будет мультимодальный ассистент.

Объясню на пальцах. Вы голосом говорите переведи маме пять тысяч, и он переводит. Фоткаете квитанцию ЖКХ, и он сам вытаскивает реквизиты и предлагает оплатить. Скидываете PDF договора, и он читает его и отвечает на ваши вопросы. Голос, текст, фото, документ. Ассистент работает так как удобно человеку в эту секунду.

ну ок, вы спросите, а почему ж это банкинг 5.0, а не продвинутый чат бот? Потому что меняется сам способ взаимодействия с банком, а не просто новый интерфейс. А это еще более сильное изменение, чем мобильное приложение. Не красивые формы с кнопками, а ассистент который понимает вас на любом канале и доводит задачу до конца сам! Алгоритмический банкинг по Бретту Кингу это ровно про это. Кстати, уже читали книгу Кинга Банк 4.0 ? А то скоро появится его книга Банк 5.0.

У них в наборе прожект, аналитики, дизайнер, ML-инженеры, тимлид. Под капотом LLM-агенты, RAG, тюнинг моделей и системы проверки качества ответов. То есть выглядит как инфраструктура под продакшен а не пилот ради презы.

Получится ли у них снова поймать волну раньше всех? Не знаю. Их банк сильно поменялся за 10-15 лет. Но паттерн увидел знакомый ))

Я последнее время думаю про то, где будет жить контекст пользователя в следующие 5 лет. Телефон, колонка, очки или что то еще? И тут мне попадается новость, которая бьёт ровно в эту мысль.

Мин-Чи Куо рассказал, что строит OpenAI. Куо - это тайваньский аналитик, который не слушает анонсы, а изучают цепочку поставок в разработке электроники. Смотрит, кто из заводов получил заказ, на какой чип, в каком объёме. Он угадывал планы Apple с точностью под 75 процентов уже больше десяти лет. Когда такой человек говорит, что что-то едет по конвейеру, то это уже сигнал, а не обычное гадание на кофейной гуще диванных экспертов.

Так вот. OpenAI делает телефон. Да, да. Не новую LLM, а свой смартфон.
Причем они не идут по пути Apple, которые сделали ставку на гаджет без экрана, а создают смартфон с экраном. И самое интересное тут не железо, а идея.
Это телефон, где агент заменяет приложения.

Старая модель уже 17 лет успешно работает - тап на иконку, прошёл по экранам, сделал дело - взял кредит в онлайн банке. Новая парадигма совсем другая. Ты говоришь, чего хочешь, а телефон сам разбирается. "Забронируй ужин на двоих в пятницу в семь." И всё. Он находит ресторан, смотрит твой календарь, бронирует, добавляет в расписание. Ты не открывал онлайн сервисы, не вводил карту, не переключался между приложениями.

Куо это формулирует радикально - это не смартфон с ассистентом, а устройство, где агент и есть интерфейс.

И вот тут он говорит вещь, на которой я задумался ))
Почему именно телефон, а не очки. или колонка А потому что (он говорит) телефон это единственное устройство, которое захватывает полное состояние пользователя в реальном времени. Где ты, что делаешь, с кем общаешься, что вокруг. И вот это, по Куо, главный вход для агента. Не запрос, а не прерывный поток контекста из событий. Очки, колонка дополняют, но не центр событийного потока.
Поэтому им нужна ещё своя операционка на мобиле. Ведь чтобы агент мог реально действовать за тебя, ему мало быть приложением в чужой коробке, нужен системный доступ ко всему. То есть к данным, разрешениям, онлайн-банку, окружению. А это даёт только своё железо плюс своя система. При этом данные могут обрабатываться локальными моделями на самом устройстве для безопасности, а сложные алгоритмы будут генериться как "комодити" внешний llm-сервис.

Я смотрю на это и вижу знакомый спор. Он не про экран и не про форм-фактор. Он про то, кто владеет потоком контекста пользователя. Кто знает все события пользователя. Apple и Google решают это на легаси, то бишь на миллиардах старых приложений. OpenAI ставит на то, что у них легаси нет и можно построить агента с чистого листа.

Где живут события мира для ИИ агентов? Кажется, индустрия только начинает находить ответы.

Всем привет. Давненько тут не писал и тут вдруг вернулось вдохновение.
Наступила осень, а в это время тяга к знаниям просыпается у многих. Помню из рассказов учителя в школе, что Пушкин тоже любил осень.
Хочу поделиться с вами дорогие читатели мыслями о будущем человечества с ИИ. Заход скажу сразу - глобальный. Представьте, что через какое-то время люди разделяться на тех кто принял ИИ-агентов в свою жизнь и тех кто считает, что ИИ это лишь путь к деградации. Для первых я пророчу новую жизнь в пост-социуме. Человек в таком новом обществе будет подобно домашней кошке получать все блага не сильно напрягаясь. Для создания нового нужно будет минимум людей с высоким интеллектом, для остальных будет доступна жизнь в райских технологических условиях. Конечно внутренние противоречия, конфликты не исчезнут полностью, так как диалектика тоже основа социальной жизни. Однако жизнь рядового человека в пост-социуме ещё сильнее упроститься в плане забот о материальных благах.
И вот будут те другие, те кто не захочет стать человеком "катэ", тем самым аналогом одомашленной кошки. Они будут аргументировано доказывать, что жизнь в пост-социуме в окружении фабрик из ИИ-агентов - это потеря идентичности, регресс, деградация и так далее. Они останутся жить в прежнем социуме, и будут существовать по правилам 20-века и откажутся от ИИ по принципиальным соображениям.
Аргументы противников ИИ весьма сильны. Вот представьте школу современную. В ней проходят МЦКО, ВПР, ОГЭ, ЕГЭ единые для всех срезы знаний на федеральном уровне. Рейтинг школ от этого зависит. Зарплаты учителей зависят от этого КПЭ. А вот тут ученики начинают домашнее задание выполнять через ИИ. Учителя начинают через ИИ создавать домашнее задание, которое потом также легко через этот же ИИ ученики делают. Тогда учителю ничего не остаётся как поставить 2, 2, 2 - дабы создать отрицательную мотивацию к учёбе. А как иначе ученик будет готов к МЦКО и сдаст в конце концов ЕГЭ. Как школа получится рейтинг, а учитель премию, если из-за ИИ ломается вся система образования, которую так тщательно выстраивали последние 20 лет в министерствах? Как тут не станешь противником доступности ИИ нашим детям? Быстро перестроиться можно только в теории, а на практике мы не умеем. У нас нет в запасе 20 лет на построение новой идеальной системы образования. Поэтому да, возможно критики правы, и нас ждёт в своей массе резкое падение уровня образованности молодёжи. И хотя дело не в ИИ, и не детях с прилипшими гаджетами, а в целом в том что социум не умеет так быстро адаптироваться. Поэтому я предполагаю, что задача быть сверхадаптивным уйдёт от социума в постсоциум, который сегодня только рождается как след. эволюционный этап развития мира.
Система образования в школе, вузе, формат работы в пост. социуме будет совсем другой. А люди, которые останутся в прежних устоях социума и откажутся от ИИ всё больше и больше со временем (десятки лет или век) будут не похожи на людей в окружении ИИ-агентов. Одни будут видеть в ИИ реализацию возможностей, другие деградацию личности. Выбор у живущих поколений есть, а вот у наших потомков уже может и не будет. Так как ментально между теми и другими возникнет пропасть.
Но если спросить Илона Маска, какой человек заселит Луну, Марс, спутники Юпитера и полетит к другим звёздам, то как вы ответите?

p.s. Текст свободен от ИИ и редакторской правки, читайте как есть сумбурный поток мыслей ))

Почему банк никогда не стирает ваш платёж

Всем привет. Этим вечером хочу продолжить с простой вещи, которая есть у каждого в телефоне. Откройте выписку по карте. Вы когда-нибудь видели, чтобы банк взял и стёр операцию? Я нет. Даже если платёж прошёл по ошибке, он никуда не исчезает, просто рядом появляется новая строка с отменой. Бухгалтеры называют это сторно и живут так уже больше 500 лет, ластиком они не пользуются. Раньше бухгалтерию вели даже в нестираемых больших амбарных книгах.

Если подумать, баланс на карте по сути не число в какой-то ячейке, а сумма всех строк выписки. Хотите узнать, сколько денег было 5 октября в два часа дня? Сложите строки до этого момента и всё. И про каждую строку известно, кто её сделал, когда и на каком основании.

А теперь вот представьте остальные данные в любой компании. Карточка клиента, статус заявки, условия договора. Там как раз работает ластик. Поменяли адрес, и старого уже нет. Кто поменял, зачем, что он видел на экране в тот момент? Обычно уже никто не скажет. Логи конечно есть, но это отдельная тетрадка, которую с основной никто не сверяет.

Пока данные меняли люди, с этим как-то мирились. Однако теперь их начинают менять ИИ-агенты. Быстро, много и тоже с ластиком))

Поэтому я разрабатываю технологию AREAL. Если совсем просто, это выписка для любых данных. Любое событие записывается новой строкой. Строку подписывает автор, и в ней есть ссылки на то, что он видел, когда её делал. Текущее состояние считается так же, как баланс по карте. Прошлое никто не переписывает, а ошибку исправляют следующей строкой.

Но у такой выписки есть два свойства, которых у банковской нет.

Во-первых, в неё записаны ещё и правила. Значит любое действие можно проверить по тем правилам, которые действовали в тот момент, а не по сегодняшним.

Во-вторых, две выписки, которые вели без связи друг с другом, можно сложить. И если они в чём-то противоречат, спор не затирается, а становится виден.

Об этом расскажу в следующих постах. А пока вопрос к вам. Почему суд не судит человека по закону, который приняли вчера, и при чём тут базы данных?

Почему суд не судит по вчерашнему закону

Продолжим рассказы на ночь про AREAL. В прошлый раз я оставил вам вопрос, почему не судят человека по закону, который приняли вчера. Вопрос вроде бы из учебника по праву, но вот штука, что для баз данных он оказался очень даже показательным.

Начну с права. Представьте, что в понедельник вы поступили по правилам, а в среду правила поменяли и наказали вас за понедельник. Жить так сложновато будет, ведь правильно поступить можно только по тем правилам, которые ты знал в момент поступка. Принцип этот очень старый, ещё римские юристы говорили lex retro non agit, закон обратной силы не имеет. У нас он записан в 54 статье Конституции. И суд смотрит не только на правила того дня, но и на то, что человек тогда знал и мог знать.

А вот информационные системы часто живут как раз по вчерашнему закону.

Пример из банка. Решение по кредиту принимает кредитный конвейер, и в момент решения он всё проверил чётко. Сложности начинаются потом. Через полгода клиент оспаривает кредит или приходит проверка регулятора, и нужно показать, по каким правилам и на каких данных принималось решение. А порог скоринга с тех пор поменяли, карточку клиента обновили, справочник перезаписали. Отчёт, который строят сегодня, берёт сегодняшние правила, и вполне законное решение вдруг выглядит нарушением. Конечно в банке сохранились логи, но это та самая отдельная тетрадка. Все на какое-то время встанут на уши, чтобы найти концы.

Теперь посмотрим, как это выглядит в AREAL. В анимации к посту упрощённо кусочек такой выписки для нашего кредита. Каждую строку подписал тот, кто её записал. Правило про порог скоринга также будет строкой выписки. А решение в строке 231 прямо ссылается на то, что конвейер видел в тот момент. Это правило 101, карточка 205 и ответ бюро 230.

Через полгода порог подняли до 700. В обычной АБС системе банка в таблице просто стало 700, а 650 стёрли ластиком (пусть и оставили в логах). В AREAL же появилась новая строка 340, а строка 101 никуда не делась.

Теперь проверка. Берём строку 231 и идём по её ссылкам вниз, а от них дальше по их ссылкам. Строка 340 появилась позже и на 231 не ссылается, значит в конус не попадает и на вердикт не влияет. Поэтому решение проверяется по тем же правилам и тем же данным хоть через полгода, хоть через пять лет, на любом сервере, и результат будет тем же. Никого не нужно ставить на уши.

В следующий раз про второе свойство. Муж и жена ведут один список покупок, оба без связи, оба что-то добавили и что-то вычеркнули. Что будет, когда телефоны снова увидят друг друга?