DUC Technologies

Вам тоже обещали, что AI сократит расходы, ускорит процессы и вообще «всё сделает сам»? А в итоге — пилот не взлетел, команда разочаровалась, а бюджет куда-то исчез? Вы не одни. По нашим наблюдениям, большинство AI-проектов на старте не дают результата. И дело не в том, что технология «сырая» или «не подходит вашему бизнесу». Проблема почти всегда в другом. Разберём честно — где всё ломается и что с этим делать. Самая частая история: в компании появляется идея «надо внедрить AI», потому что: Но нет...

Наша команда вернулась с акселератора Сбера. Формат мероприятия — живые круглые столы, открытые диалоги с компаниями из регионов. Заказчики и партнёры собрались, чтобы вместе искать точки роста и практические сценарии применения генеративного ИИ. Поделимся главными наблюдениями, которые мы вынесли из этого опыта. Кстати, все свежие инсайты с таких мероприятий мы оперативно публикуем в нашем Telegram-канале Data Under Control — подписывайтесь, чтобы быть в курсе первыми. Первое и самое важное наблюдение: уровень зрелости участников разный, но структура запросов — одинаковая...

По сути, это персональный ассистент, который работает прямо на вашем устройстве. Он читает, пишет, бронирует, покупает, и к тому же обладает постоянной память, запоминая контекст между сессиями. Давайте изучим, что же под капотом у этого инструмента. «Я ждал, когда какая-нибудь крупная компания запустит что-то подобное, но в итоге пришлось создать его самому» — признался Питер Штайнбергер в интервью. Проект существует совсем недолго, но уже несколько раз успел сменить «вывеску». Ноябрь 2025 Питер Штайнбергер запустил проект под названием Clawdbot...

Когда наш ИИ-эксперт по охране труда начал путать инструкции и выдавать опасные советы, мы поняли: дальше так нельзя. Пришлось полностью пересмотреть подход к данным, поиску и архитектуре. Спойлер: помогли иерархические чанки и LangGraph. На старте мы, как и многие, собрали быстрый MVP на LangChain: ChromaDB, простая нарезка текста, LLM-реранкер. На десятке документов бот отвечал блестяще. Но когда база разрослась до тысяч файлов, система превратилась в «чёрный ящик»: Первым делом переписали ETL...

Почти каждая компания сегодня мечтает внедрить ИИ и машинное обучение. Но первые же эксперименты часто упираются в проблему: «У нас же есть все данные, почему модель выдает ерунду?». Ответ прост: данные, на которых работают ваши дашборды, бесполезны для ИИ-аналитики...