Fujitsu сократила 3 месяца разработки до 4 часов — реальный кейс с цифрами
Fujitsu запустил платформу на базе агентного ИИ, которая автоматизирует весь цикл разработки ПО — от сбора требований до тестирования — без участия человека. Несколько ИИ-агентов на основе собственной LLM Takane берут на себя каждый этап процесса.
Реальный результат: обновление медицинского ПО, которое раньше занимало 3 человеко-месяца, было выполнено за 4 часа. Прирост производительности — около 100 раз.
→ Агентный ИИ переходит от пилотов к промышленному применению: Fujitsu уже использует платформу для 67 типов своих продуктов
→ Наибольший эффект — в регуляторно-зависимых задачах, где логика повторяется, но объём работ велик
→ Следующие отрасли в очереди — финансы, производство, ритейл и госсектор
А какие процессы вашей компании занимают человеко-месяцы, но по сути являются повторяющимися операциями с предсказуемой логикой?
Fujitsu запустил платформу на базе агентного ИИ, которая автоматизирует весь цикл разработки ПО — от сбора требований до тестирования — без участия человека. Несколько ИИ-агентов на основе собственной LLM Takane берут на себя каждый этап процесса.
Реальный результат: обновление медицинского ПО, которое раньше занимало 3 человеко-месяца, было выполнено за 4 часа. Прирост производительности — около 100 раз.
→ Агентный ИИ переходит от пилотов к промышленному применению: Fujitsu уже использует платформу для 67 типов своих продуктов
→ Наибольший эффект — в регуляторно-зависимых задачах, где логика повторяется, но объём работ велик
→ Следующие отрасли в очереди — финансы, производство, ритейл и госсектор
А какие процессы вашей компании занимают человеко-месяцы, но по сути являются повторяющимися операциями с предсказуемой логикой?
🔥5👍2❤🔥1❤1
Goldman Sachs: ИИ даёт +30% продуктивности — но лишь в двух сценариях
Goldman Sachs проанализировал корпоративную отчётность S&P 500: на уровне экономики «значимой связи между ИИ и производительностью не обнаружено». Однако компании, внедрившие ИИ в конкретные задачи, получают медианный прирост около 30% — но исключительно в двух областях: клиентской поддержке и разработке программного обеспечения.
Показательно: лишь 10% компаний из S&P 500 реально измерили влияние ИИ на конкретные процессы, и только 1% — на финансовые результаты. При этом 70% топ-менеджеров регулярно обсуждают ИИ на квартальных звонках.
→ ИИ работает там, где чётко измеримы данные на входе и выходе — поддержка клиентов, разработка кода, обработка типовых запросов.
→ Без измерения нет эффекта: компании, не считающие отдачу от ИИ, с высокой вероятностью её и не получают.
→ Сигнал рынку труда: компании, связывающие ИИ с производительностью, на 12% реже открывают новые вакансии — давление на найм уже началось.
Для российского B2B вывод простой: выиграют не те, кто больше вложит в ИИ, а те, кто точнее определит, где именно он даст измеримую отдачу. Такие точки в вашем бизнесе уже определены?
Goldman Sachs проанализировал корпоративную отчётность S&P 500: на уровне экономики «значимой связи между ИИ и производительностью не обнаружено». Однако компании, внедрившие ИИ в конкретные задачи, получают медианный прирост около 30% — но исключительно в двух областях: клиентской поддержке и разработке программного обеспечения.
Показательно: лишь 10% компаний из S&P 500 реально измерили влияние ИИ на конкретные процессы, и только 1% — на финансовые результаты. При этом 70% топ-менеджеров регулярно обсуждают ИИ на квартальных звонках.
→ ИИ работает там, где чётко измеримы данные на входе и выходе — поддержка клиентов, разработка кода, обработка типовых запросов.
→ Без измерения нет эффекта: компании, не считающие отдачу от ИИ, с высокой вероятностью её и не получают.
→ Сигнал рынку труда: компании, связывающие ИИ с производительностью, на 12% реже открывают новые вакансии — давление на найм уже началось.
Для российского B2B вывод простой: выиграют не те, кто больше вложит в ИИ, а те, кто точнее определит, где именно он даст измеримую отдачу. Такие точки в вашем бизнесе уже определены?
👍3
Агенты вместо помощников: как бизнес переходит на рабочие AI-системы
Две года бизнес экспериментировал с чатботами и генеративным AI для помощи сотрудникам — писали письма, суммировали документы. Но теперь индустрия совершает радикальный поворот: от ассистентов переходит к автономным агентам, которые действительно работают.
Вместо одного AI-помощника компании развертывают системы из нескольких агентов: один собирает данные, второй их проверяет, третий выполняет транзакции, четвёртый проверяет соответствие требованиям. Результат: развертывание мультиагентных рабочих процессов выросло на 300% всего за несколько месяцев. Компании переводят проекты из пилотов в боевую эксплуатацию.
Масштабный пример — партнёрство Snowflake и OpenAI на $200 млн. Они объединяют передовые модели OpenAI с облачной платформой Snowflake, чтобы предприятия могли создавать автономных агентов, которые анализируют данные и выполняют сложные операции — всё безопасно на собственных данных.
→ Первый результат: бизнес переходит с экспериментов на реальные операции, где AI одобряет сделки, пишет код и управляет потоками данных между системами
→ Второй результат: управление рисками становится критической задачей — отказы AI в production обходятся дорого, особенно если система работает с реальным производством
→ Третий результат: компании, которые освоят интеграцию мультиагентных систем в свои процессы, получат конкурентное преимущество в скорости операций
Для российского бизнеса это означает простую вещь: эра экспериментов заканчивается. Вопрос уже не «поэкспериментируем ли мы с AI?», а «как интегрировать рабочих агентов в наши операции без риска?»
Две года бизнес экспериментировал с чатботами и генеративным AI для помощи сотрудникам — писали письма, суммировали документы. Но теперь индустрия совершает радикальный поворот: от ассистентов переходит к автономным агентам, которые действительно работают.
Вместо одного AI-помощника компании развертывают системы из нескольких агентов: один собирает данные, второй их проверяет, третий выполняет транзакции, четвёртый проверяет соответствие требованиям. Результат: развертывание мультиагентных рабочих процессов выросло на 300% всего за несколько месяцев. Компании переводят проекты из пилотов в боевую эксплуатацию.
Масштабный пример — партнёрство Snowflake и OpenAI на $200 млн. Они объединяют передовые модели OpenAI с облачной платформой Snowflake, чтобы предприятия могли создавать автономных агентов, которые анализируют данные и выполняют сложные операции — всё безопасно на собственных данных.
→ Первый результат: бизнес переходит с экспериментов на реальные операции, где AI одобряет сделки, пишет код и управляет потоками данных между системами
→ Второй результат: управление рисками становится критической задачей — отказы AI в production обходятся дорого, особенно если система работает с реальным производством
→ Третий результат: компании, которые освоят интеграцию мультиагентных систем в свои процессы, получат конкурентное преимущество в скорости операций
Для российского бизнеса это означает простую вещь: эра экспериментов заканчивается. Вопрос уже не «поэкспериментируем ли мы с AI?», а «как интегрировать рабочих агентов в наши операции без риска?»
👍3🔥1
«66% компаний получают пользу от ИИ» — что на самом деле стоит за этой цифрой
Deloitte опубликовала масштабный отчёт State of AI in the Enterprise 2026: 3235 топ-менеджеров, 24 страны, громкие цифры. 66% фиксируют прирост продуктивности. 53% принимают «лучшие решения». Звучит убедительно — пока не смотришь на методологию.
Во-первых, Deloitte продаёт консалтинг по внедрению ИИ. Исследование, показывающее провал этих инвестиций, попросту не выходит из их PR-отдела. Во-вторых, все цифры — самооценка руководителей. «Мы принимаем лучшие решения» — это не измеримый показатель. В-третьих, компании с неудачным опытом в таких опросах почти не участвуют: выборка структурно смещена в сторону оптимизма.
Для сравнения: Goldman Sachs в том же месяце проанализировал реальные данные — и не нашёл значимой связи между внедрением ИИ и ростом продуктивности на уровне экономики.
→ Опрос топ-менеджеров измеряет веру в ИИ, а не его реальный эффект.
→ Красивые проценты без контрольной группы — это маркетинг, а не аналитика.
→ Конфликт интересов у исследователя — не повод игнорировать данные, но повод читать их критически.
Настоящий вопрос для B2B не «сколько компаний довольны ИИ», а «кто и как реально измеряет его вклад в прибыль»?
Deloitte опубликовала масштабный отчёт State of AI in the Enterprise 2026: 3235 топ-менеджеров, 24 страны, громкие цифры. 66% фиксируют прирост продуктивности. 53% принимают «лучшие решения». Звучит убедительно — пока не смотришь на методологию.
Во-первых, Deloitte продаёт консалтинг по внедрению ИИ. Исследование, показывающее провал этих инвестиций, попросту не выходит из их PR-отдела. Во-вторых, все цифры — самооценка руководителей. «Мы принимаем лучшие решения» — это не измеримый показатель. В-третьих, компании с неудачным опытом в таких опросах почти не участвуют: выборка структурно смещена в сторону оптимизма.
Для сравнения: Goldman Sachs в том же месяце проанализировал реальные данные — и не нашёл значимой связи между внедрением ИИ и ростом продуктивности на уровне экономики.
→ Опрос топ-менеджеров измеряет веру в ИИ, а не его реальный эффект.
→ Красивые проценты без контрольной группы — это маркетинг, а не аналитика.
→ Конфликт интересов у исследователя — не повод игнорировать данные, но повод читать их критически.
Настоящий вопрос для B2B не «сколько компаний довольны ИИ», а «кто и как реально измеряет его вклад в прибыль»?
1❤7👍1🔥1🤔1
ИИ не освобождает время — он его заполняет
ActivTrak и исследователи UC Berkeley Haas изучили цифровую активность 164 000+ сотрудников до и после внедрения ИИ. Вывод неожиданный: ИИ не высвобождает время — он немедленно заполняет его новыми задачами.
После внедрения: переписка и мессенджеры выросли вдвое, бизнес-ПО — на 94%, а время сосредоточенной работы сократилось на 9%.
→ ИИ ускоряет темп, но не снижает нагрузку: освободившуюся ёмкость тут же заполняют новыми задачами.
→ Исследователи называют это «workload creep» — ползучий рост нагрузки, незаметно ведущий к выгоранию.
→ Эффект от ИИ перераспределяется в объём задач, а не в качество или восстановление.
Данные получены при участии вендора систем мониторинга продуктивности — интерпретируйте с поправкой на коммерческий интерес источника.
Для российского B2B: без пересмотра норм загрузки и KPI внедрение ИИ рискует дать не рост эффективности, а рост выгорания.
ActivTrak и исследователи UC Berkeley Haas изучили цифровую активность 164 000+ сотрудников до и после внедрения ИИ. Вывод неожиданный: ИИ не высвобождает время — он немедленно заполняет его новыми задачами.
После внедрения: переписка и мессенджеры выросли вдвое, бизнес-ПО — на 94%, а время сосредоточенной работы сократилось на 9%.
→ ИИ ускоряет темп, но не снижает нагрузку: освободившуюся ёмкость тут же заполняют новыми задачами.
→ Исследователи называют это «workload creep» — ползучий рост нагрузки, незаметно ведущий к выгоранию.
→ Эффект от ИИ перераспределяется в объём задач, а не в качество или восстановление.
Данные получены при участии вендора систем мониторинга продуктивности — интерпретируйте с поправкой на коммерческий интерес источника.
Для российского B2B: без пересмотра норм загрузки и KPI внедрение ИИ рискует дать не рост эффективности, а рост выгорания.
💯7🤔4👍3🔥1
Уортонская школа бизнеса экспериментально доказала: в 80% случаев люди принимают заведомо неверные ответы ИИ
Исследователи провели три предзарегистрированных эксперимента с 1 372 участниками и ~10 000 испытаний. Участники решали логические задачи, где ИИ тайно программировали давать либо правильные, либо намеренно ошибочные ответы. Результат: когда ИИ ошибался — люди принимали эту ошибку в 80% случаев. При этом их субъективная уверенность в правильности ответа росла.
Авторы называют это когнитивной капитуляцией: человек не просто ленится думать — он заимствует уверенность машины, не проверяя её точность.
→ Доверие к ИИ оказалось сильнее собственного суждения: чем больше человек доверял системе, тем выше вероятность принять неверный ответ
→ Эффект симметричен: правильный ИИ поднимал точность на 25 п.п., ошибочный — опускал на 15 п.п. ниже базового уровня без ИИ вовсе
→ Уверенность росла вне зависимости от правильности ответа — люди теряли способность чувствовать, когда они ошибаются
Источник: Wharton School / SSRN, февраль 2026
Для B2B-компаний, которые внедряют ИИ в аналитику, юридическую экспертизу или финансовые решения: скорость согласования вырастет, но вместе с ней — и вероятность системных ошибок, которые никто не заметит.
Исследователи провели три предзарегистрированных эксперимента с 1 372 участниками и ~10 000 испытаний. Участники решали логические задачи, где ИИ тайно программировали давать либо правильные, либо намеренно ошибочные ответы. Результат: когда ИИ ошибался — люди принимали эту ошибку в 80% случаев. При этом их субъективная уверенность в правильности ответа росла.
Авторы называют это когнитивной капитуляцией: человек не просто ленится думать — он заимствует уверенность машины, не проверяя её точность.
→ Доверие к ИИ оказалось сильнее собственного суждения: чем больше человек доверял системе, тем выше вероятность принять неверный ответ
→ Эффект симметричен: правильный ИИ поднимал точность на 25 п.п., ошибочный — опускал на 15 п.п. ниже базового уровня без ИИ вовсе
→ Уверенность росла вне зависимости от правильности ответа — люди теряли способность чувствовать, когда они ошибаются
Источник: Wharton School / SSRN, февраль 2026
Для B2B-компаний, которые внедряют ИИ в аналитику, юридическую экспертизу или финансовые решения: скорость согласования вырастет, но вместе с ней — и вероятность системных ошибок, которые никто не заметит.
👍5💯4🔥1
ИИ сэкономил 16 минут в неделю. А сотрудники вообще в минусе
Sapio Research опросил 1 400 офисных работников и руководителей в США и Великобритании по заказу Foxit. Разрыв между ощущением и реальностью оказался разительным.
89% топ-менеджеров уверены: ИИ повышает их продуктивность. Они ощущают экономию в 4,5 ч в неделю — но тратят 4,3 ч на верификацию ИИ-результатов. Чистый выигрыш: 16 минут. Сотрудники уходят в минус: −14 минут в неделю.
→ «Бремя верификации» — новый вид скрытых потерь: работа, которой раньше не существовало.
→ Только 10% конечных пользователей полностью доверяют точности ИИ — отсюда бесконечный цикл проверок.
→ Разрыв «ощущение vs. реальность» — 17-кратный. Управление ожиданиями важнее, чем само внедрение.
Данные основаны на самооценке участников — интерпретируйте с поправкой на это.
Sapio Research опросил 1 400 офисных работников и руководителей в США и Великобритании по заказу Foxit. Разрыв между ощущением и реальностью оказался разительным.
89% топ-менеджеров уверены: ИИ повышает их продуктивность. Они ощущают экономию в 4,5 ч в неделю — но тратят 4,3 ч на верификацию ИИ-результатов. Чистый выигрыш: 16 минут. Сотрудники уходят в минус: −14 минут в неделю.
→ «Бремя верификации» — новый вид скрытых потерь: работа, которой раньше не существовало.
→ Только 10% конечных пользователей полностью доверяют точности ИИ — отсюда бесконечный цикл проверок.
→ Разрыв «ощущение vs. реальность» — 17-кратный. Управление ожиданиями важнее, чем само внедрение.
Данные основаны на самооценке участников — интерпретируйте с поправкой на это.
🔥3👀1
HBR: одинаковые методы — разные результаты
Harvard Business Review опубликовал сегодня исследование: 108 интервью с топ-менеджерами, 7 крупных банков и больниц — и неудобный вывод об операционном совершенстве.
Bank of America и HSBC выросли через Lean и Six Sigma. Royal Bank of Scotland и Westpac — застыли. Методики одинаковые. Разница — в четырёх компетенциях:
→ Discover — видеть реальные проблемы, а не симптомы
→ Improve — устойчиво внедрять изменения в процессах
→ Align — согласовывать улучшения со стратегией и командой
→ Transform — менять логику работы, а не «полировать» операции
Первые два уровня дают лишь паритет с рынком. Преимущество — с третьего. Устойчивое лидерство — только на четвёртом.
«Проблема не в недостатке усилий, а в недостатке интеграции» — вывод авторов из Penn State и Индийской школы бизнеса.
Источник: HBR, 16 марта 2026
Для российского B2B: запуская программу улучшений — вы знаете, на каком из этих уровней реально находится ваша компания?
Канал в Max
Harvard Business Review опубликовал сегодня исследование: 108 интервью с топ-менеджерами, 7 крупных банков и больниц — и неудобный вывод об операционном совершенстве.
Bank of America и HSBC выросли через Lean и Six Sigma. Royal Bank of Scotland и Westpac — застыли. Методики одинаковые. Разница — в четырёх компетенциях:
→ Discover — видеть реальные проблемы, а не симптомы
→ Improve — устойчиво внедрять изменения в процессах
→ Align — согласовывать улучшения со стратегией и командой
→ Transform — менять логику работы, а не «полировать» операции
Первые два уровня дают лишь паритет с рынком. Преимущество — с третьего. Устойчивое лидерство — только на четвёртом.
«Проблема не в недостатке усилий, а в недостатке интеграции» — вывод авторов из Penn State и Индийской школы бизнеса.
Источник: HBR, 16 марта 2026
Для российского B2B: запуская программу улучшений — вы знаете, на каком из этих уровней реально находится ваша компания?
Канал в Max
❤4🔥2
🚀 Теперь и в MAX!
Подписывайтесь на новый канал, чтобы не потерять доступ к контенту
✅ Подписаться в MAX
Подписывайтесь на новый канал, чтобы не потерять доступ к контенту
✅ Подписаться в MAX
👍3🤝2
Cognizant: 93% профессий под угрозой — прогноз сбывается раньше срока
В 2023 году Cognizant (№217 в Fortune 500) прогнозировала масштабные изменения рынка труда к 2032-му. Обновлённый отчёт фиксирует: это происходит прямо сейчас. В основе — анализ 18 000 задач и 1 000 профессий по базе Министерства труда США.
→ 93% рабочих мест столкнутся с частичной автоматизацией, 30% — с риском полного замещения (+15 п.п. к прогнозу 2023 года).
→ $4,5 трлн трудовой стоимости может перейти от людей к машинам — это сопоставимо с ВВП Германии.
→ Под удар попадают не только офисные роли: ИИ проникает в строительство, медицинскую диагностику и производство.
Источник: Fortune / Cognizant, 19 марта 2026.
Данные построены на базе задач Министерства труда США — это надёжнее опросов. Но Cognizant как консалтинговая компания заинтересована в масштабировании темы ИИ-трансформации.
✅ Подписаться в MAX
В 2023 году Cognizant (№217 в Fortune 500) прогнозировала масштабные изменения рынка труда к 2032-му. Обновлённый отчёт фиксирует: это происходит прямо сейчас. В основе — анализ 18 000 задач и 1 000 профессий по базе Министерства труда США.
→ 93% рабочих мест столкнутся с частичной автоматизацией, 30% — с риском полного замещения (+15 п.п. к прогнозу 2023 года).
→ $4,5 трлн трудовой стоимости может перейти от людей к машинам — это сопоставимо с ВВП Германии.
→ Под удар попадают не только офисные роли: ИИ проникает в строительство, медицинскую диагностику и производство.
Источник: Fortune / Cognizant, 19 марта 2026.
Данные построены на базе задач Министерства труда США — это надёжнее опросов. Но Cognizant как консалтинговая компания заинтересована в масштабировании темы ИИ-трансформации.
✅ Подписаться в MAX
ИИ без метрик: 47% компаний не знают, работает ли их ИИ
CHRO Association и бизнес-школа Дарла Мур (США) опросили 150 директоров по персоналу крупных корпораций. Главный вывод: 91% CHRO считают ИИ приоритетом №1 в 2026 году — но 47% не имеют никаких метрик для оценки его эффективности. И главный барьер для масштабирования — не бюджет и не технология, а страх сотрудников потерять работу (19% ответов).
→ Инвестировать в ИИ без метрик — всё равно что запустить производство без контроля качества.
→ Реальное узкое горлышко — не в IT, а в людях: страх автоматизации блокирует внедрение сильнее технических ограничений.
→ Компании, которые сначала выстраивают измерения и снижают тревогу персонала, выйдут вперёд.
Данные — самооценка руководителей (~150 CHRO), интерпретируйте с поправкой на это.
Для российского B2B это зеркало: если нет KPI для ИИ-внедрений — как понять, работает ли инвестиция?
✅ Подписаться в MAX
CHRO Association и бизнес-школа Дарла Мур (США) опросили 150 директоров по персоналу крупных корпораций. Главный вывод: 91% CHRO считают ИИ приоритетом №1 в 2026 году — но 47% не имеют никаких метрик для оценки его эффективности. И главный барьер для масштабирования — не бюджет и не технология, а страх сотрудников потерять работу (19% ответов).
→ Инвестировать в ИИ без метрик — всё равно что запустить производство без контроля качества.
→ Реальное узкое горлышко — не в IT, а в людях: страх автоматизации блокирует внедрение сильнее технических ограничений.
→ Компании, которые сначала выстраивают измерения и снижают тревогу персонала, выйдут вперёд.
Данные — самооценка руководителей (~150 CHRO), интерпретируйте с поправкой на это.
Для российского B2B это зеркало: если нет KPI для ИИ-внедрений — как понять, работает ли инвестиция?
✅ Подписаться в MAX
❤4🤔2🤣1
PepsiCo в Китае: ИИ вместо найма
Bloomberg, 22 марта 2026: PepsiCo развёртывает ИИ по всей операционной цепочке в Китае — от точного земледелия до производства и потребительской аналитики. Задача: расширять мощности без пропорционального роста персонала. Об этом сообщила Энн Цэ, CEO APAC Foods.
→ ИИ на каждом уровне value chain: 95% сырья — местные поставщики, производство и аналитика охвачены.
→ APAC Foods — быстрейший дивизион PepsiCo (+4% по объёму). Китай — полигон стратегии «цифровой рост без пропорционального роста ФОТ».
→ Локализация + ИИ = снижение геополитических рисков и ускоренный ROI от автоматизации.
Данные из интервью менеджмента Bloomberg, конкретные KPI не раскрывались.
Источник: Bloomberg, 22 марта 2026.
✅ Подписаться в MAX
Bloomberg, 22 марта 2026: PepsiCo развёртывает ИИ по всей операционной цепочке в Китае — от точного земледелия до производства и потребительской аналитики. Задача: расширять мощности без пропорционального роста персонала. Об этом сообщила Энн Цэ, CEO APAC Foods.
→ ИИ на каждом уровне value chain: 95% сырья — местные поставщики, производство и аналитика охвачены.
→ APAC Foods — быстрейший дивизион PepsiCo (+4% по объёму). Китай — полигон стратегии «цифровой рост без пропорционального роста ФОТ».
→ Локализация + ИИ = снижение геополитических рисков и ускоренный ROI от автоматизации.
Данные из интервью менеджмента Bloomberg, конкретные KPI не раскрывались.
Источник: Bloomberg, 22 марта 2026.
✅ Подписаться в MAX
👍2❤1
ИИ в бизнесе: в 9 раз больше сокращений — и ноль отдачи в выручке
NBER совместно с Duke CFO Survey и ФРС США опубликовал данные о реальном влиянии ИИ. В 2026 году 44% финансовых директоров планируют сокращения из-за ИИ — в 9 раз больше, чем год назад. В абсолютных числах — 502 тыс. из 125 млн рабочих мест (0,4%). Goldman Sachs не нашёл связи между внедрением ИИ и ростом производительности. 89% топ-менеджеров говорят: за три года ИИ не изменил их показатели.
→ Инвестиции есть, выручка не растёт — исследователи называют это «парадоксом Солоу», который уже наблюдался при внедрении ПК.
→ Часть ИИ-инструментов увеличивает время на переписку на 346% — автоматизация иногда добавляет нагрузку, а не снимает её.
→ Руководители всё равно прогнозируют +1,4% к производительности за три года.
Источник: Fortune / NBER, 24 марта 2026
✅ Подписаться в MAX
NBER совместно с Duke CFO Survey и ФРС США опубликовал данные о реальном влиянии ИИ. В 2026 году 44% финансовых директоров планируют сокращения из-за ИИ — в 9 раз больше, чем год назад. В абсолютных числах — 502 тыс. из 125 млн рабочих мест (0,4%). Goldman Sachs не нашёл связи между внедрением ИИ и ростом производительности. 89% топ-менеджеров говорят: за три года ИИ не изменил их показатели.
→ Инвестиции есть, выручка не растёт — исследователи называют это «парадоксом Солоу», который уже наблюдался при внедрении ПК.
→ Часть ИИ-инструментов увеличивает время на переписку на 346% — автоматизация иногда добавляет нагрузку, а не снимает её.
→ Руководители всё равно прогнозируют +1,4% к производительности за три года.
Источник: Fortune / NBER, 24 марта 2026
✅ Подписаться в MAX
👍2
SaaS-рынок теряет $2 трлн: ИИ-агенты атакуют модель подписок
Акции B2B-ПО упали на 25% с начала года. За коррекцией стоит структурный сдвиг: ИИ-агенты замещают не просто сотрудников — они заменяют сами лицензии. Один агент делает работу пяти пользователей, разрушая модель «цена за место».
ETF IGV упал на 21%. Salesforce потеряла 30% капитализации, Adobe торгуется с P/E 12x против исторических 30x. 40% директоров по ИТ перераспределяют бюджеты от SaaS-подписок к ИИ-платформам.
→ Инфраструктура и данные в выигрыше (Oracle, ServiceNow); системы взаимодействия под давлением (Salesforce, Adobe).
→ «Оплата за результат» вытесняет «оплату за лицензию»: 40% корпоративных SaaS-контрактов уже включают outcome-based элементы.
→ Компрессия мест реальна: по оценкам аналитиков, 1 ИИ-агент заменяет около 5 пользовательских лицензий.
Для российского B2B вопрос становится практическим: когда вы последний раз пересматривали структуру своих IT-затрат — с позиции лицензий или с позиции результата?
Акции B2B-ПО упали на 25% с начала года. За коррекцией стоит структурный сдвиг: ИИ-агенты замещают не просто сотрудников — они заменяют сами лицензии. Один агент делает работу пяти пользователей, разрушая модель «цена за место».
ETF IGV упал на 21%. Salesforce потеряла 30% капитализации, Adobe торгуется с P/E 12x против исторических 30x. 40% директоров по ИТ перераспределяют бюджеты от SaaS-подписок к ИИ-платформам.
→ Инфраструктура и данные в выигрыше (Oracle, ServiceNow); системы взаимодействия под давлением (Salesforce, Adobe).
→ «Оплата за результат» вытесняет «оплату за лицензию»: 40% корпоративных SaaS-контрактов уже включают outcome-based элементы.
→ Компрессия мест реальна: по оценкам аналитиков, 1 ИИ-агент заменяет около 5 пользовательских лицензий.
Для российского B2B вопрос становится практическим: когда вы последний раз пересматривали структуру своих IT-затрат — с позиции лицензий или с позиции результата?
❤1
Китай обогнал США в гонке ИИ-агентов
CNN Business (29 марта): потребление ИИ-токенов в Китае удваивается каждые две недели — с января рост в 10 раз. Причина: взрывное внедрение OpenClaw, открытого ИИ-агента. Компании сочетают его с местными моделями, стоящими на 60–80% дешевле западных.
Haier, XPeng и сотни других предприятий автоматизируют документооборот, клиентский сервис и логистику. Китай обогнал США по охвату enterprise-применений ИИ-агентов.
→ Открытые агенты + дешёвые модели — рабочая формула внедрения без западных бюджетов
→ Скорость внедрения стала конкурентным преимуществом — отстающих не ждут
→ Риск: госрегулятор КНР зафиксировал «серьёзные угрозы безопасности» при доступе агентов к корпсистемам
Данные частично основаны на самооценке участников рынка — интерпретируйте с поправкой.
Источник: CNN Business, 29.03.2026
CNN Business (29 марта): потребление ИИ-токенов в Китае удваивается каждые две недели — с января рост в 10 раз. Причина: взрывное внедрение OpenClaw, открытого ИИ-агента. Компании сочетают его с местными моделями, стоящими на 60–80% дешевле западных.
Haier, XPeng и сотни других предприятий автоматизируют документооборот, клиентский сервис и логистику. Китай обогнал США по охвату enterprise-применений ИИ-агентов.
→ Открытые агенты + дешёвые модели — рабочая формула внедрения без западных бюджетов
→ Скорость внедрения стала конкурентным преимуществом — отстающих не ждут
→ Риск: госрегулятор КНР зафиксировал «серьёзные угрозы безопасности» при доступе агентов к корпсистемам
Данные частично основаны на самооценке участников рынка — интерпретируйте с поправкой.
Источник: CNN Business, 29.03.2026
👍2
Юта — первый штат, где ИИ официально имеет право выписывать рецепты
Штат Юта принял закон, по которому ИИ-система теперь может самостоятельно обновлять рецепты на лекарства для пациентов — без подписи врача. Это первый подобный закон в США, и он вызывает споры: одни видят в этом удобство для пациентов в отдалённых районах, другие — риск для здоровья.
Штат Юта принял закон, по которому ИИ-система теперь может самостоятельно обновлять рецепты на лекарства для пациентов — без подписи врача. Это первый подобный закон в США, и он вызывает споры: одни видят в этом удобство для пациентов в отдалённых районах, другие — риск для здоровья.
1😱4❤1👍1
Правда мир стал меняться очень быстро. Времени на планирование уже не хватает
💯2
Forwarded from Закиев Василь. (AI)ron manager (Василь Закиев)
«У нас нет конкретного плана дольше чем на месяц»
Послушал интервью с лидами Claude Code, Cowork и маркетинга в Anthropic. Все крутые ребята и цепляет один и тот же тезис: «Большинство проектов и фич занимает неделю-две. Плана дольше чем на месяц не бывает».
Anthropic — не стартап из гаража. $30B годовой выручки, и у них нет квартального плана разработки.
Думается, что причина следующая: с текущими возможностями по разработке компании ограничены не инженерными ресурсами, а качественными продумаными идеями и экспериментами. Тратить дорогой ресурс на избыточное планирвание на квартал вперёд бессмысленно — за это время меняется всё: модели, инструменты, ожидания пользователей и, главное, сам продукт.
Теперь вопрос к себе. Если в плане есть конкнеризированные задачи дольше чем на четыре неделои, то одно из трёх:
1. Это суровая инфраструктура или ресёрч — ок, бывает
2. Команда не умеет использовать AI-инструменты для своей работы. Мягко говоря — профнепригодны по стандартам 2026 года
3. Бюрократия в продукте настолько тяжёлая, что вы не выживете против конкурентов, двигающихся со скоростью AI
На обучениях я вижу компании, где задача «сделать лендинг» стоит в Jira на 6 спринтов, потому что надо ТЗ, проект, дизайн, аналитику, потом релизовать в три этапа, потом тестирование и отдельно релиз. В нашем мире это задача на день — и не потому что мы гениальны, а потому что Cursor + Claude Code + правильный контекст + автоматичнское Е2Е тестирование + умеющий это всё применять человек = другая скорость.
При таких скоростях нет смысла тратить время на излишнее планирование, имеет смысл выполнять план. Настоящий agile как он был задуман. У Anthropic нет роадмапа не потому что они хаотичны. А потому что они быстрее своего собственного плана.
#продуктивность #агенты
Послушал интервью с лидами Claude Code, Cowork и маркетинга в Anthropic. Все крутые ребята и цепляет один и тот же тезис: «Большинство проектов и фич занимает неделю-две. Плана дольше чем на месяц не бывает».
Anthropic — не стартап из гаража. $30B годовой выручки, и у них нет квартального плана разработки.
Думается, что причина следующая: с текущими возможностями по разработке компании ограничены не инженерными ресурсами, а качественными продумаными идеями и экспериментами. Тратить дорогой ресурс на избыточное планирвание на квартал вперёд бессмысленно — за это время меняется всё: модели, инструменты, ожидания пользователей и, главное, сам продукт.
Теперь вопрос к себе. Если в плане есть конкнеризированные задачи дольше чем на четыре неделои, то одно из трёх:
1. Это суровая инфраструктура или ресёрч — ок, бывает
2. Команда не умеет использовать AI-инструменты для своей работы. Мягко говоря — профнепригодны по стандартам 2026 года
3. Бюрократия в продукте настолько тяжёлая, что вы не выживете против конкурентов, двигающихся со скоростью AI
На обучениях я вижу компании, где задача «сделать лендинг» стоит в Jira на 6 спринтов, потому что надо ТЗ, проект, дизайн, аналитику, потом релизовать в три этапа, потом тестирование и отдельно релиз. В нашем мире это задача на день — и не потому что мы гениальны, а потому что Cursor + Claude Code + правильный контекст + автоматичнское Е2Е тестирование + умеющий это всё применять человек = другая скорость.
При таких скоростях нет смысла тратить время на излишнее планирование, имеет смысл выполнять план. Настоящий agile как он был задуман. У Anthropic нет роадмапа не потому что они хаотичны. А потому что они быстрее своего собственного плана.
#продуктивность #агенты
🔥7👍2
🎲 Сделал нарды в Телеграме — нужны тестеры
- Короткие и длинные
- AI и PvP с другом по ссылке
- Бесплатно, без рекламы
Открой, сыграй партию, напиши в ЛС что глючит.
Особенно жду фидбек от тех, кто реально играет в нарды.
- Короткие и длинные
- AI и PvP с другом по ссылке
- Бесплатно, без рекламы
Открой, сыграй партию, напиши в ЛС что глючит.
Особенно жду фидбек от тех, кто реально играет в нарды.
Telegram
Backgammon
Classic backgammon · Tavla · Нарды
👍3❤1🔥1💘1
Парадокс физика-скептика
Замечаю странное: больше всего в возможности ИИ не верят те, кто учился на физмате.
Показываешь AlphaFold. Система предсказала структуры 200+ миллионов белков, которых рука экспериментатора никогда не касалась. За это, между прочим, дали Нобелевку по химии 2024-го.
Реакция: «Прикольно. Но ИИ же не создаёт новое знание, его этому обучили».
А ведь индукция от известного к неизвестному — это и есть метод науки. Тем же занят и ИИ. Просто быстрее, и в пространствах, куда человек пока дотянуться не может.
Вопрос к вам: где, по-вашему, проходит граница между «обработкой данных» и «созданием нового знания»?
Замечаю странное: больше всего в возможности ИИ не верят те, кто учился на физмате.
Показываешь AlphaFold. Система предсказала структуры 200+ миллионов белков, которых рука экспериментатора никогда не касалась. За это, между прочим, дали Нобелевку по химии 2024-го.
Реакция: «Прикольно. Но ИИ же не создаёт новое знание, его этому обучили».
А ведь индукция от известного к неизвестному — это и есть метод науки. Тем же занят и ИИ. Просто быстрее, и в пространствах, куда человек пока дотянуться не может.
Вопрос к вам: где, по-вашему, проходит граница между «обработкой данных» и «созданием нового знания»?
🤔2