Дмитрий Ильин

Если ты последние пару лет хоть раз открывал ChatGPT или любой похожий сервис, ты уже пользовался «трансформерами» — той самой архитектурой из статьи Google 2017 года Attention Is All You Need. Она умеет «внимательно перечитывать» контекст и решать, какие слова в тексте важнее. Проблема в том, что трансформер — это как человек, который на каждом новом сообщении в чате заново перечитывает всю переписку с самого начала. Умно, но дорого. И чем длиннее разговор, тем больнее кошельку (и GPU). И вот на...

Представь: ты выходишь на сцену в кожанке, достаёшь не презентацию, а будто чертёж будущего офисного ада… и объявляешь «конструктор ИИ‑агентов» так, чтобы в зале одновременно кивнули Adobe, Salesforce, SAP и ещё десяток тяжеловесов. Примерно так на GTC 2026 выступил Дженсен Хуанг. Nvidia показала Agent Toolkit — open-source платформу (то есть исходники открыты), на которой компании смогут собирать автономных ИИ‑агентов для бизнеса. И сразу назвала 17 «усыновителей»: Adobe, Salesforce, SAP, ServiceNow,...

Ты наверняка видел это вживую: ИИ‑агент бодро начинает задачу, делает пару шагов… а потом как будто «подвисает». Отвечает медленнее, теряет нить, начинает заново уточнять то, что уже обсуждали. Обычно мы ругаем модель. А Nvidia на GTC 2026 говорит: ребята, это часто не модель. Это хранилище не успевает. И вот под это Nvidia анонсировала BlueField‑4 STX — модульную «эталонную» архитектуру, которая добавляет между GPU и обычными дисками отдельный слой памяти для контекста. Заявления громкие: в 5 раз...

Представь: у тебя 1,3 миллиарда пользователей, и каждому надо показать «ту самую» ленту — чтобы и полезно, и не скучно, и не только про котиков коллег из соседнего отдела. А внутри всё держится на пяти разных системах, которые добывают посты каждая по-своему. Одни тащат «что написала твоя сеть», другие — «что сейчас в тренде по региону», третьи — «что похоже на твои интересы». И у каждой — своя инфраструктура, свои костыли и свой характер. LinkedIn (да, тот самый) решил: хватит зоопарка. За год они...

Ты наверняка видел эту картину: берёшь «умную» модель, просишь её сделать задачу в несколько шагов — найти данные, открыть сервис, что-то посчитать, оформить — и дальше начинается сериал на 12 серий. То инструмент не вызвала, то «ой, я не могу», то на шестом шаге забыла, что было на первом. Вот как раз под такие истории китайский стартап Z.ai (он же бывший Zhipu AI) выкатил GLM‑5‑Turbo — новую версию своего GLM‑5, заточенную не под разговоры, а под «агентскую работу». Но есть нюанс, который разработчики почувствуют сразу: это не open source...

Если ты хоть раз пытался «подружить» автономного ИИ‑агента с рабочими документами, ты знаешь эту сцену: вроде бы умно, но где-то рядом маячит облако, а вместе с ним — корпоративная паранойя и отдел безопасности с лицом «мы так не договаривались». Nvidia на GTC 2026 выкатила штуку под названием NemoClaw — это способ в один заход поставить модели Nemotron и новый рантайм OpenShell на популярную open-source платформу ИИ‑агентов OpenClaw. Главная идея простая: дать агентам приватность и контроль поведения, чтобы они не превращались в самодеятельность...

Представь картину. Тебе пересылают письмо «посмотри, пожалуйста». Внутри — обычный текст. ИИ-агент честно делает свою работу: читает, резюмирует… и между делом выполняет спрятанную инструкцию. Например, отправляет учётные данные на внешний сервер. Не вирусом, не взломом, а вполне легальным запросом через разрешённый канал — да ещё и своим токеном доступа. Защита видит обычный запрос. Антивирус видит нормальный процесс. Фильтр данных молчит. Все довольны, кроме тебя. И вот в чём неприятность: за две...

Большинство ИИ-агентов отлично живут, пока просишь их сделать что-то короткое. Вызвали пару инструментов, ответили, разошлись. Но стоит задаче стать взрослой — на несколько шагов, с промежуточными файлами, черновиками и «а давай ещё вот это» — агент начинает плыть. Как человек, который открыл 27 вкладок и забыл зачем вообще включил ноутбук. LangChain — один из самых популярных инструментов для сборки ИИ-агентов — выпустил Deep Agents. Это не новая модель и не революция. Это набор нормальных настроек и инструментов для агентов, которым нужно жить дольше одного запроса...

Ты наверняка видел в отчётах эту магию: просмотры растут, люди кликают, в корзину добавляют — значит, спрос пошёл вверх, пора поддать рекламу и завезти товара побольше. Логика железная. Была. Потому что теперь по интернету всё чаще ходят не люди, а их «представители». И нет, это не тупые боты из нулевых, которые ломались об любую новую кнопку. Это ИИ-агенты — штуки, которые умеют открывать сайты, читать, сравнивать, листать и оформлять действия так, будто за компьютером сидит живой человек с чашкой чая и лёгкой тревожностью...

Ты наверняка видел автоматизацию «по-старому»: либо пиши код, либо собирай схему из кубиков в визуальном конструкторе вроде n8n, где через час у тебя уже 48 стрелочек, и страшно дышать рядом с этим шедевром. Agentic Workflow — это другой подход. Ты не строишь каждую трубу руками. Ты говоришь цель, а ИИ‑агент сам планирует шаги, выполняет их и доводит задачу до результата. Не «помогает», а именно действует. Иногда даже слишком бодро — об этом тоже поговорим. Представь не «чатик, который отвечает»,...

Представь типичную автоматизацию «на коленке». Вчера работала, сегодня API чихнул, ответ стал чуть длиннее — и всё, бизнес-процесс ушёл в закат. И ты сидишь как человек, который поставил будильник на чайник и удивился, что тот не умеет звонить. Проблема у большинства компаний скучная и бытовая: модели стали сильными, а внедряют их так, будто это очередной чат-бот для поддержки. Потом удивляются, почему в работе оно ведёт себя как лотерея. Обычные инструменты автоматизации мыслят линейно: шаг 1, шаг 2, шаг 3...

Ты наверняка видел эти бодрые отчёты в духе «мы внедрили ИИ». А потом проходит пару месяцев — и выясняется, что ИИ живёт в красивой презентации, а в реальной работе его обходят стороной, как сломанный принтер в офисе. Обычно всё сводится к двум вечным темам: «модель не такая умная» и «данные плохие». Это бывает, да. Но если смотреть на реальные запуски внутри компаний, самый жирный источник проблем — не технологии. Он в людях и в том, как они между собой договариваются. Типичная картина: инженеры собрали умную штуку, а продакт не понимает куда её пристроить...