Нейросети в проде

Т-Банк расширил ИИ-агента «Афанасий Иванов» на сложные сценарии поддержки, которые раньше закрывали только живые операторы. Такую новость легко пролистать как очередной пресс-релиз про «умного бота». Но если снять маркетинговую обёртку и посмотреть, как это собрано технически, внутри лежит рабочий паттерн для продакшн-агентов в критичных доменах — тот самый, который стоит утащить в свой пет-проект, прежде чем давать агенту право действовать самостоятельно. Ключевое отличие от типового скриптового чат-бота не в модели, а в двух архитектурных решениях...

OpenAI официально признала: у неё теперь есть модель, которая по внутренней шкале риска дотягивает почти до потолка по кибербезопасности — и именно её продают избранным как инструмент для пентеста. Не «ИИ-помощник, который иногда подсказывает про уязвимости», а модель, заточенную искать баги и собирать эксплойт-цепочки на уровне, недостижимом для обычного ChatGPT. Для меня как для человека, который живёт в проде и иногда в security-отчётах, это не рядовой апдейт продукта, а сигнал: грань между «инструментом...

7 августа про ИИ-агента Т-Банка по имени Афанасий Иванов одновременно написали пять деловых изданий — CNews, ComNews, «Банковское обозрение», vbr.ru и Rambler. Синхронный вброс в пять источников в один день — это не утечка и не инсайд, это скоординированный пресс-релиз, и относиться к цифрам из него стоит соответственно. Но за пиар-обёрткой там видна архитектура, которая объясняет, почему агент дожил до 30% всего объёма поддержки банка, а не умер в статусе pet-проекта на очередном демо для руководства...

7 августа NVIDIA тихо выложила на GitHub фреймворк, который стоит потыкать, если ты пишешь агентов не для демо на конференции, а для прод-пайплайна с реальным бюджетом на токены. Называется NOOA — NVIDIA-labs Object-Oriented Agents, ставится одной командой через uv, пакет уже висит на PyPI. Внутри не очередной DSL для промптов, а идея, что агент — это обычный Python-класс. И именно из неё вытекает вдвое меньший расход токенов на задачу при более высокой точности. - репозиторий: github.com/NVIDIA-NeMo/labs-OO-Agents...

Наткнулся на разбор на Хабре, который стоит прочитать каждому, кто продаёт руководству идею «давайте автоматизируем поддержку агентами и сократим косты». Автор сравнил два реальных кейса — успешный у Swisscom и провальный у Klarna — и вывод там гораздо интереснее, чем обычное «ИИ либо спасает, либо ломает всё». Оба кейса — про одно и то же: попытку заменить часть работы саппорта агентами и снизить операционные расходы. Результат получился прямо противоположный, и разница не в том, «работает ИИ или нет», а в том, как именно его встроили в процесс...