Datanomics

В разработке появился новый стиль работы, вайбкодинг, когда программист не пишет код вручную, а ведёт диалог с ИИ: просит что‑то придумать, переписать, улучшить. Получается быстро, удобно, красиво. Неудивительно, что этим увлеклись почти все. Но вместе с ускорением приходят и риски, которые бизнесу важно понимать. Проблема №1. ИИ создаёт аккуратный, но ошибочный код ИИ хорошо справляется с простыми задачами, но плохо понимает: - общую логику продукта, - ограничения системы, - бизнес‑правила, - скрытые связи между частями программы...

IT‑World пишет, что к 2026 году 80% российских BI‑решений будут с ИИ внутри. Звучит красиво, но если честно ИИ в BI сегодня - это в основном игрушка. Мы пробовали. Мы тестировали на реальных данных. Пока что это больше похоже на развлечение, чем на инструмент, которому можно доверить принятие решений. Почему так? То есть ИИ в BI сейчас очень старается, но всё равно путает KPI. Но вот что важно: это всё равно меняет рынок Даже если ИИ в BI пока слабый, сам факт его массового внедрения это:  1. Рост конкуренции Вендоры вынуждены двигаться быстрее...

Snap (владелец Snapchat) объявила о сокращении 1 000 сотрудников, а это 16% штата. Параллельно компания закрывает сотни открытых вакансий. Формальная причина - оптимизация расходов. Неформальная - ИИ уже закрывает часть рутинных задач, и компания перестраивает процессы под новую реальность. Что важно: - Snap планирует снизить ежегодные расходы на $500 млн. - Это уже третья волна сокращений с 2022 года. - CEO Эван Шпигель прямо говорит: маленькие команды + ИИ работают быстрее, чем большие команды без ИИ...

Компании пищевой индустрии всё активнее внедряют ИИ-решения для прогнозирования продаж. Причина проста: классические подходы уже не справляются с динамикой спроса, акциями и изменениями цен. Облачные технологии позволяют сделать прогнозы не только точнее, но и гибче. Сервисы Datanomics разворачиваются в облаке и взаимодействуют с системами компании через REST API. Это позволяет встроить прогнозирование в текущую IT-архитектуру без сложной перестройки. 1. Согласование данных Определяется, какие данные нужны для прогнозирования и в каком формате они передаются...

Anthropic представил новую модель Claude Mythos Preview и сразу же принял решение не выводить её в открытый доступ. Причина проста: модель показывает слишком высокую эффективность в поиске уязвимостей в реальных системах. Для бизнеса это важный сигнал. Что произошло: - Mythos находит уязвимости в операционных системах, браузерах и инфраструктурном ПО, включая баги, которые оставались незамеченными десятилетиями. - Модель не просто анализирует код, она выявляет реальные точки риска, которые могут привести к серьёзным инцидентам...