#ai_agent — Public Fediverse posts

Агент изменил рабочую базу данных, хотя это было запрещено в правилах

На форуме Cursor разработчик рассказал , как запретил агенту работать с удалённой базой, а тот всё равно выполнил npx supabase db push . Эта команда отправляет локальные изменения схемы в подключённый удалённый проект. Агент мог изменить рабочую базу данных — и только после этого сам признал, что нарушил правило. Модератор форума Cursor посоветовал сократить правила, убрать доступ к рабочей среде и настроить отдельную проверку, которая будет блокировать опасные команды перед запуском. Это один случай, а не статистика надёжности Cursor. Но он хорошо показывает цену забытого правила: иногда агент затрагивает внешнюю систему, где простого отката файла уже недостаточно. У меня всё закончилось проще. Вчера я попросил Cursor разобраться с упавшим сквозным тестом. Я ждал исправления в приложении, но агент поменял проверку в самом тесте и отчитался, что всё готово. Тест, разумеется, прошёл. Такое поведение я заранее запретил в правилах проекта. В правиле было написано: сквозные тесты считаем контрактом, при падении сначала ищем ошибку в приложении, сам тест без согласования не меняем . Cursor правило видел — по крайней мере, в начале разговора он ему следовал. Я заметил подмену при просмотре изменений. Откатил правку теста, повторил условие в чате и снова отправил агента искать причину падения. Почему правило не сработало, я точно не знаю. Возможно, оно потерялось среди кода, результатов поиска и нескольких запусков тестов, которые появились в разговоре позже.

https://habr.com/ru/companies/veai/articles/1065728/

#aiагенты #ai #ai_agent #java #javascript #kotlin #cursor #cursor_ai #программирование #аналитика

Как не прерывать длинную задачу и удерживать правила в контексте Veai 5.16

ИИ‑агент редко ограничивается одним ответом, когда работает с большим проектом. Он читает код, ищет использования символов, меняет несколько файлов, запускает тесты и исправляет найденные ошибки. За это время история чата пополняется сообщениями пользователя и результатами инструментов. У длинной задачи возникают две практические проблемы. Первая: разработчику нужно уточнить одну деталь, но новое сообщение может вмешаться в текущую последовательность действий. Вторая: правило, переданное модели в начале разговора, постепенно отдаляется от текущего шага и может перестать влиять на ответ. В Veai 5.16 для этих сценариев появились команда /btw и параметр strictness . Ниже разберём механику обеих функций, их ограничения и влияние частого повторения инструкций на контекст модели.

https://habr.com/ru/companies/veai/articles/1064132/

#aiагенты #ai #ai_agent #aiagent #idea #ide #javascript #java #programming #программирование

Вы даже не поймете, что он сломан: почему панель мониторинга зеленая, а агент врет третий день подряд

Я давно привыкла первым делом спрашивать «а как это упадет?». Когда в наш ландшафт пришли ИИ‑агенты, выяснилось интересное: привычные ответы на этот вопрос здесь просто не работают. Агент в проде, дашборды настроены по классике: latency, error rate, uptime. Алертов нет, агент исправно отвечает на каждый запрос. А то, что он три дня подряд уверенно врет, вы узнаете из жалобы пользователя, и никак иначе. Эта статья для тех, кто уже запускает ИИ‑агентов в продакшен или только планирует это сделать: разберемся, чем агентный сбой отличается от сервисного, почему привычный мониторинг его не замечает и что можно сделать уже сейчас, не дожидаясь, пока подрастут специализированные инструменты.

https://habr.com/ru/companies/cloud_ru/articles/1063380/

#ai_agent #observability #productionready #агентные_системы #агентные_воркфлоу #наблюдаемость #метрики_качества

Сколько стоит контроль над ИИ-агентом? Считаем экономику

В прошлой статье мы разбирали, как сделать работу ИИ-агента предсказуемее : зафиксировать требования в спецификации с помощью Specification-Driven Development (SDD), до реализации описать ожидаемое поведение тестами по Test-Driven Development (TDD), а готовый результат проверить и передать отдельному субагенту на ревью. У такого подхода есть цена. Подготовка спецификации, написание тестов до кода и отдельное ревью требуют времени разработчиков. Возникают два вопроса: сколько контроля нужно конкретной задаче и когда затраты на него окупаются? Полагаться только на свои ощущения в таких вопросах очень опрометчиво. В одном из экспериментов разработчики считали, что ИИ ускорил их примерно на 20%. Замеры показали обратное: с ИИ они работали на 19% медленнее. В статье считаем полную стоимость работы с ИИ-агентом: разбираем, что уже измерено, сколько времени человек тратит на проверку и почему разным задачам нужен разный уровень контроля. Что показывают эксперименты, если читать их целиком Заголовки об ИИ в разработке противоречат друг другу: «на 55% быстрее», «на 19% медленнее», «на 26% продуктивнее». Результаты расходятся, потому что исследования проводились в разных условиях и измеряли разные показатели. Для сравнения я выбрал работы с доступными первоисточниками, описанной методологией и измеримыми результатами. Исследование пул-реквестов стоит отдельно от контролируемых экспериментов: оно показывает, как агенты используются на практике, но не позволяет установить причины полученных результатов.

https://habr.com/ru/companies/veai/articles/1062428/

#jetbrains #ide #idea #aiагенты #ai #ai_agent #aiagent #программирование #стартапы #java

После вайб-кодинга: почему в 2026 году появляется новый класс Code Clean-up Agents

После вайб-кодинга: почему в 2026 году появляется новый класс Code Clean-up Agents. Как стоимость разработки смещается от генерации к проверке, рефакторингу и контролю изменений Я всё чаще вижу один и тот же сценарий. Агент получает задачу, за несколько минут собирает патч, запускает тесты и сообщает об успехе. Первый просмотр выглядит обнадёживающе. Потом начинается ревью. Чем быстрее появляется код, тем больше времени уходит на восстановление контекста: что агент поменял, на какие факты опирался, какой конфигурацией запускал тесты и сколько попыток сделал до финального ответа. В этой точке полезно отделить генерацию патча от подготовки изменения к отправке в основную ветку. Для второй задачи в 2026 году формируется отдельный класс инструментов: Code Clean-up Agents .

https://habr.com/ru/articles/1061498/

#aiагенты #ai #ai_agent #aiagent #ide #idea #jbang #программирование #аналитика #анализ_данных

Разработка — это больше не код. Как AI меняет работу инженера через управление контекстом

Всем привет! Меня зовут Шадрин Дмитрий. Хочу поделиться собственными наблюдениями и практическим опытом использования AI в производственной разработке. За последний год вокруг искусственного интеллекта в разработке появилось огромное количество материалов. Кажется, что каждую неделю появляется новая модель, новый IDE-плагин или очередной инструмент, который обещает ускорить разработку в несколько раз. Вокруг этой темы накопилось огромное количество обсуждений. Кто-то сравнивает качество генерации кода у разных моделей, кто-то пытается посчитать, сколько процентов работы разработчика можно автоматизировать уже сегодня, а кто-то всерьёз задаётся вопросом, останется ли профессия разработчика через несколько лет в её нынешнем виде. Эта тема вызывает много споров, эмоций и ожиданий. Но, наблюдая за тем, как подобные инструменты используются в реальной разработке, я всё чаще прихожу к мысли, что самое интересное происходит совсем не там, где принято искать. На мой взгляд, главный эффект современных AI-инструментов заключается не в генерации кода. Самые серьёзные изменения происходят в работе с контекстом. Современные AI-инструменты начинают автоматизировать задачи анализа требований, навигации по кодовой базе, поиска архитектурных зависимостей и оценки влияния изменений (impact analysis). Именно это сегодня начинает менять сам подход к инженерной работе. Я с большим интересом наблюдаю за всеми этими дискуссиями. Мне самому близка тема инженерных инструментов. За последние годы я успел поработать в разных компаниях, на разных ролях и с очень разными системами. Сейчас я занимаюсь развитием корпоративных систем для оптовой торговли, франчайзинговых партнёров и интеграции с маркетплейсами в компании SM Lab. До этого был опыт работы в финтехе Яндекса, где приходилось проектировать и запускать сервисы, работающие под высокой нагрузкой и в условиях серьезных регуляторных ограничений.

https://habr.com/ru/companies/sportmaster_lab/articles/1061250/

#программирование #разработка #ai_agent #архитектура

Как работать с ИИ-агентом предсказуемо: SDD, TDD, самопроверка и субагенты

ИИ-агент может читать и менять файлы, запускать сборку, тесты и команды терминала. Сам доступ к инструментам не гарантирует, что агент правильно понял задачу и проверил написанный код. Эта статья подготовлена по третьему вебинару разработчиком агента Михаилом Костицыным о работе с ИИ-инструментами. Первые два вебинара были посвящены уровню компании и уровню проекта. Теперь разберем уровень пользователя: как построить личный процесс, в котором постановка задачи, реализация и проверка связаны в воспроизводимый процесс. По общим тезисам каждый может проверить выводы у себя. Записи вебинаров на RuTube / YouTube: Вебинар 1 — AI-инструменты для разработчиков 2026 Вебинар 2 — Настройка проекта под агента Вебинар 3 — Как работать с ИИ-агентом: SDD, TDD, самопроверка и субагенты ИИ-агент умеет читать и менять файлы, запускать сборку, тесты и команды терминала. Однако доступ к проекту сам по себе не гарантирует правильного результата. Агент может понять задачу иначе, смешать контекст нескольких задач, написать убедительно выглядящий код с ошибкой или добиться зеленых тестов, ослабив сами проверки.

https://habr.com/ru/companies/veai/articles/1061254/

#aiагенты #ai #ai_agent #aiagent #ide #idea #ииагенты #программирование #тестирование #java

Langflow. Самый удобный визуальный редактор для оркестрации ИИ агентов

Сегодня мы ищем всё более удобные решения в сфере ИИ-агентов. Речи о том, чтобы руками писать хотя бы значительную часть агентных систем — не идёт. Однако, при работе с популярными фреймворками Langchain и Langraph мы имеем дело с графами , и было бы удобно видеть их структуру и работать по большей части не с кодом, а непосредственно с графом. В данной статье мы поговорим о LangFlow. Это визуальный редактор для оркестрации ИИ агентов, с поддержкой локального развёртывания, вайбкодинг-инструментами, и интеграцией MCP и внешних api.

https://habr.com/ru/companies/ruvds/articles/1058310/

#оркестрация #оркестрация_агентов #ии_оркестры #ai_agent #ии_агенты #агенты_оркестрация #что_такое_оркестрация #лучшие_оркестраторы #визуальный_редактор #ruvds_статьи

Кто вы, «мистер интеллектуальный агент»?

Интеллектуальные агенты плотно вошли в нашу жизнь и работу. Но с ними есть проблема: до сих пор нет единого понимания, кто или, вернее, что имеется в виду под этим термином. Между тем вопрос не праздный — если понятие вошло в нормативные акты, значит, нужно понимать, какие системы оно охватывает, чем они отличаются от просто «агентов» или других ИИ-решений и где вообще проходят границы регулирования. Ведущий специалист Отдел исследований и разработки АО «Гринатом» Валерий Поздняков провёл не один час за ГОСТами, законами и другими документами, чтобы разобраться — кто же всё-таки он, наш искусственно интеллектуальный коллега?

https://habr.com/ru/companies/rosatom/articles/1059786/

#искусственный_интеллект #гост #стандартизация #терминология #ai_agent

JetBrains IDE: будущее не за горами

Если вы хоть немного следите за AI coding, то наверняка слышали новую мантру: IDE больше никому не нужна. Все «вайбанутые» живут в терминале, запускают Claude Code, Codex или OpenCode и уверенно объясняют, что профессиональная среда разработки — это пережиток эпохи, когда код писали руками. Agent-у хватает самых простых инструментов: grep , bash , edit и пары хороших prompt-ов. Сложные интерфейсы, UI-инспекторы, рефакторинги, дебаггер — всё это выглядит как пережиток прошлого. Открыл терминал, написал задачу, получил diff. Кажется, человечеству IDE больше не нужна. Или всё-таки нужна? Тут как посмотреть. JetBrains в этой картине обычно достаётся роль динозавра. Компания много лет задавала планку того, как должен выглядеть профессиональный инструмент разработчика. Но когда индустрия сместила фокус с IDE на agent-ов, предложенные JetBrains AI Chat (ex. AI Assistant) и Junie выглядели не как новый тренд, а скорее как попытка заскочить в уходящий поезд. Но у тезиса «IDE больше не нужна» есть слабое место: он смотрит на IDE только глазами человека. А что, если следующими пользователями IDE будут не люди, а agent-ы? В компании JetBrains с закатом IDE, естественно, не согласны и предлагают своё видение: среда разработки как набор инструментов и знаний о проекте, доступных AI Agent-у. Команда

https://habr.com/ru/companies/haulmont/articles/1054434/

#AI_coding #AI_Agent #агентная_разработка #JetBrains_IDE #OpenIDE #MCP #IDEnative_tools #code_coverage #profiling #developer_tools

AI как новая поверхность атаки: реальные инциденты, мошенничество и уязвимости агентной эпохи

AI-агенты становятся полезными ровно в тот момент, когда получают доступ к данным, инструментам, браузеру, репозиториям, почте и рабочему контексту. Но именно там AI превращается в новую поверхность атаки. В этой статье я разбираю не абстрактный “AI-хайп”, а реальные кейсы: дипфейк-кражу $25 млн у Arup, открытую ClickHouse-базу DeepSeek, отзыв токенов Hugging Face Spaces, фишинг через легитимные AI-workspace invites, сбой Replit-агента и исследования вроде EchoLeak и BioShocking. Главный вопрос не в том, “может ли модель взломать компанию”, а в том, какие права мы уже выдали AI-инструментам и что произойдёт, если недоверенный контент станет инструкцией для агента.

https://habr.com/ru/articles/1054618/

#ai #ai_agent #кибербезопасность #агент #llm #gpt #claude #lovable

Разговариваем с датчиками на человеческом: как связать MQTT, TimescaleDB и LLM через Model Context Protocol (MCP)

А что, если не писать сложные SQL-запросы, не выгружать логи в CSV и не строить графики в Python? Просто спрашиваете у AI-агента: «Покажи максимальную температуру на объекте за выходные и нарисуй гистограмму». Ответ готов за секунды. В статье расскажем, как объединить «мозги» языковых моделей с настоящими промышленными данными. Развернём стек: MQTT (Mosquitto), Telegraf, TimescaleDB на Ubuntu, а потом напишем собственный MCP-сервер на Go. Так ваша LLM сможет безопасно и быстро анализировать телеметрию с датчиков, общаясь на простом языке. Минимум воды, максимум готового кода, Docker-конфигов и примеров из практики.

https://habr.com/ru/articles/1052000/

#mcp #mqtt #промышленная_автоматизация #умный_дом #ai_agent #ai #opencode #timescaledb #telegraf

Локальные LLM в агентской разработке внутри компании: пользовательский опыт

Всем привет! Меня зовут Дмитрий Бутенко, я эксперт-разработчик банка Уралсиб. Всё началось с рабочего созвона в первой половине февраля, на котором упомянули возможность применять модели ИИ прямо внутри инфраструктуры банка. Поначалу речь шла о работе через JetBrains AI Assistant — точечные запросы, ревью, вопросы по проекту. Вопросов, кстати, было много. Но довольно скоро случился переход на OpenCode, и это открыло принципиально другой уровень: не отдельные запросы к модели, а полноценные агенты, которые сами читают файлы, вносят изменения, итерируются по результату. О том, какими были эти вопросы и задачи, и о том, что из этого вышло — речь пойдёт ниже.

https://habr.com/ru/companies/uralsib/articles/1053432/

#opencode #llm #ai #aiагенты #rag #агентный_ии #тестирование_вебприложений #ai_agent #llmмодели #llmприложения

Оптимизируем Закупки: чеклист топ-10 для формирования потребности с помощью ИИ-аналитика Raft AI4BI

Если зададите «закупщику» вопрос о проблемах, которые ему приходится решать на каждодневной основе, то «пустая рюмка и взгляд полный грусти будет вам ответом». Дальше последует уходящий в бесконечность список с описанием того, что болит, и достается в нем и нашим и вашим. Вспоминают и ненадежных поставщиков, и задержки поставок, и перерасход по контрактам, но в большинстве таких списков фигурирует проблема, настигающая «закупки» еще в самом начале цикла: идентификации потребности и формирования заявки на закупку. Сегодня разберем один из подходов, помогающий снизить градус проблемы с формированием потребностей: внедрение в регламент закупок чек-листа. Покажем на живых примерах, как ИИ-аналитик Raft AI4BI может помочь в имплементации подхода.

https://habr.com/ru/companies/raft/articles/1052562/

#ai4bi #ai_agent #superset #procurement #checklist #demand_planning #bi #insights #predictive_analytics #data_analysis

О конференции OpenTalks.AI 2026: мои впечатления и 5 полезных докладов

Я руковожу практикой машинного обучения Центра компетенций больших данных и искусственного интеллекта в ЛАНИТ. Также под моим началом трудится команда ИИ-платформы для управления корпоративным искусственным интеллектом LANDEV AI. Мы занимаемся ML и AI уже больше пяти лет, поддерживаем другие бизнес-подразделения группы компаний в этой области. Когда я ехал в Белград на конференцию OpenTalks AI 2026, я преследовал сразу две цели: презентовать собственное решение, а также понять, какие актуальные темы можно применить на практике в наших проектах. Ну и, конечно, пообщаться с коллегами, которые сейчас разбросаны по всему миру. Сегодня я бы хотел рассказать о впечатлениях от поездки, о докладах, которые запомнились мне больше всего, и поделиться мыслями, которые я представил участникам мероприятия в своем выступлении.

https://habr.com/ru/companies/lanit/articles/1046441/

#ланит #искусственный_интеллект #AI #llm_rag #ии #большие_языковые_модели #ai_agent

О вибрациях времени

Обсуждений необходимости изменения процессов разработки в последнее время становится всё больше. И эта необходимость, на мой взгляд, возникает не только в коммерческой разработке, но и в личных проектах. Ниже текст с эволюцией личных мыслей и подходов автора к этому вопросу.

https://habr.com/ru/articles/1047738/

#career #development #ai_agent #processes

[Перевод] RPA умер

Более десятилетия роботизированная автоматизация процессов (RPA) была лицом автоматизации. Она приносила ощутимую пользу: автоматизировала повторяющиеся задачи, сокращала ручной труд и давала организациям время на модернизацию основных систем. Но сегодня становится очевидной фундаментальная истина: RPA, как стратегическая парадигма автоматизации, мертва.

https://habr.com/ru/articles/1046938/

#rpa #agent #ai_agent #workflow

Не давайте ИИ-агенту прямой доступ к базе. Как я проектировал безопасный контур действий на FastAPI и PostgreSQL

Последнее время я всё чаще встречаю одну и ту же мысль: бизнес никогда не даст ИИ‑агенту доступ к базе клиентов, заявкам, платежам, CRM или внутренним документам. На первый взгляд звучит логично. Если агент ошибётся, перепутает контекст или выполнит не то действие, ущерб может быть вполне реальным. Но мне кажется, что здесь часто путают две разные вещи. Давать агенту прямой доступ к базе действительно нельзя. А вот давать ему возможность работать через ограниченный, проверяемый и журналируемый контур действий вполне можно. Примерно так же мы не даём пользователю прямой доступ к PostgreSQL, но разрешаем ему нажимать кнопки в интерфейсе, которые вызывают заранее описанную бизнес‑логику. В этой статье я хочу как раз таки разобрать, как может выглядеть такой контур на практике: без магии, без «агент всё сам решит», без сырого SQL от модели и без веры в то, что хороший prompt заменяет нормальную архитектуру.

https://habr.com/ru/articles/1046770/

#aiагенты #ai #ai_agent #fastapi #postgresql #postgres #backend #security #audit #opinion

Экономный ИИ. 12 способов снизить расходы (токенов/на токены)

Наверное, всем уже очевидно, что ИИ крайне полезен, мир поменялся, нас всех заменят роботы и вообще ИИ уже нас во всём превзошёл. Всё так или почти так, "но есть одно но" как поётся в одной известной песне. ИИ стоит денег, и весьма немалых при текущих ценах. А про локальные модели для большинства пользователей и компаний в РФ можно забыть. Ну и в целом кажется локальные модели - это не сценарий ИИ будущего. Соответственно, как мы платим за интернет и за свет - регулярный платёж за ИИ — то, что нам светит в будущем, а большинству уже сейчас. На текущий момент времени расход токенов - пожалуй, самое главное что-тормозит повсеместное внедрение ИИ. Полностью без оплаты конечно не обойтись (нуу почти), но существенно сократить её точно можно. Далее все методы, которые я испробовал и использую за 3 года работы. По убыванию - от самых жестких и очевидных, до самых хитрых и "технологичных".

https://habr.com/ru/articles/1044482/

#1c #llm #контекст #cursor #claude #ai_agent #vibecoding #agentic_engineering #ии_агенты #skills

Как платформа управления AI-агентами будет справляться с нагрузкой: архитектура без магии

Когда говорят про AI-агентов, обычно обсуждают качество модели, промпты, рассуждения, hallucinations, стоимость токенов и скорость ответа. Но если убрать маркетинговый шум, быстро выясняется более приземлённая проблема: как вообще такая система будет работать под нагрузкой? Один пользователь попросил агента составить отчёт. Второй запустил проверку данных в CRM. Третий подключил агента к базе, почте и внутреннему API. Четвёртый дал агенту задачу, которая порождает ещё десять внутренних действий. И вот уже перед нами не “чат с искусственным интеллектом”, а полноценная распределённая платформа, где нужно контролировать запросы, права доступа, очереди, лимиты, ошибки, повторные попытки, логи, безопасность и стоимость выполнения. В этой статье я разберу, как может быть устроена платформа управления AI-агентами, подобная нашей: не как один большой чат-бот, а как отдельный слой между пользователем, моделью, API, бизнес-системами и инфраструктурой. Главный вопрос статьи: за счёт чего такая платформа может выдерживать нагрузку и не превращаться в хаос при росте числа пользователей, агентов и выполняемых действий.

https://habr.com/ru/articles/1044272/

#ai #aiагенты #ai_agent #aiagent #ai_security #os #security_sectors

Следующая бухгалтерия будет учитывать не деньги. Она будет учитывать действия искусственного интеллекта

На протяжении всей истории бизнеса компании учились учитывать то, что становилось для них критически важным. Когда экономика была простой, владельцу мастерской достаточно было понимать, сколько товара лежит на складе и сколько денег осталось в кассе. По мере роста компаний появились бухгалтерия, управленческий учёт, финансовая отчётность и аудит. Затем бизнес научился учитывать оборудование, сотрудников, логистику, производительность, риски и эффективность процессов. Каждый новый этап развития экономики порождал новые системы учёта.

https://habr.com/ru/articles/1044198/

#ai #aiагенты #ai_agent #aiagent #multi_agents #multiagent_systems #multiagent_architecture #multiagent_orchestration #multiagent_системы #os

AI Governance и контроль корпоративных AI-агентов: безопасные подходы для бизнеса в 2026 году

В 2026 году искусственный интеллект стал неотъемлемой частью бизнес-процессов: от автоматизации клиентских операций до внутреннего мониторинга данных. Но с ростом числа AI-агентов увеличиваются и риски. Непреднамеренное поведение AI может вызвать сбои в финансовых потоках, нарушение нормативов и утечку данных. Например, в банковской среде AI, который управляет транзакциями, может заблокировать сотни счетов одновременно, если возникнет ошибка в алгоритме. В логистике автономные системы управления складами и роботами могут остановить цепочку поставок, если не предусмотрен механизм контроля. Такие сценарии уже фиксировались в корпоративных исследованиях 2024–2025 годов (см. IBM Research AI Risk Report, 2024 ). Вывод: компании остро нуждаются в инструментах, которые позволяют сохранять контроль над действиями AI, минимизировать риски и при этом не замедлять инновации.

https://habr.com/ru/articles/1043726/

#ai #aiагенты #ai_agent #aiagent #aisecurity #security #security_os #os #aiинструменты #защита_информации

Альпина GPT: 9 000 пользователей, −1 977 часов и главный барьер корпоративного ИИ

Архитектура агрегатора из 42 моделей, разбор воронки первого касания и измеренная экономия часов на маркетинге книгоиздания. Павел Путинцев, продакт-менеджер

https://habr.com/ru/companies/alpinadigital/articles/1043654/

#корпоративный_ии #ai_agent #prompt_engineering #enterprise_ai #chatgpt #claude #onpremise #alpina_gpt #alpina_digital #llm

Через 5 лет каждая компания будет управлять AI так же, как сегодня управляет сотрудниками

Еще несколько лет назад искусственный интеллект воспринимался как экзотический инструмент для крупных корпораций, исследовательских лабораторий и энтузиастов машинного обучения. Сегодня ситуация выглядит совершенно иначе. Практически каждую неделю появляются новые AI-сервисы, AI-агенты, корпоративные помощники, инструменты автоматизации и специализированные модели для бизнеса. Многие компании уже используют десятки различных AI-инструментов одновременно, зачастую даже не осознавая масштаб происходящих изменений. Если посмотреть на происходящее со стороны, можно заметить интересную закономерность: компании активно внедряют искусственный интеллект, но почти не думают о его управлении. Это напоминает ситуацию начала двухтысячных годов, когда организации стремительно подключали компьютеры к сети, не уделяя достаточного внимания вопросам информационной безопасности. Сначала появлялись технологии. Только потом появлялись политики, процессы и инструменты управления. С искусственным интеллектом происходит примерно то же самое. Сегодня во многих компаниях можно встретить следующую картину - маркетинг использует собственные AI-сервисы. Разработка использует другой набор моделей. Отдел продаж работает через третьи инструменты, HR использует свои решения. Отдельные сотрудники подключают публичные модели напрямую, зачастую без какого-либо контроля со стороны компании. На первый взгляд это выглядит как нормальная адаптация новых технологий. Но если посмотреть глубже, возникает интересный вопрос. Кто на самом деле управляет всем этим? Кто может ответить на вопрос, какие именно AI-системы используются внутри организации? Кто контролирует, какие данные передаются внешним моделям? Кто может объяснить, почему AI принял то или иное решение? Кто способен быстро остановить действия интеллектуального агента, если он начинает работать некорректно?

https://habr.com/ru/articles/1043230/

#aiагенты #ai_agent #aiagent #security #security_api #ai_security #aisecurity #analytics #analysis #os

Контекст: сбрасывать нельзя компактизировать

Меня зовут Андрей Жаров, я iOS-разработчик из компании

https://habr.com/ru/companies/doubletapp/articles/1042180/

#aiагенты #ai_agent #оркестрация_агентов #оркестраторы #промптинжиниринг #вайбкодинг #вайбкодинг #aiинструменты #aiпрограммирование #aitutorial

[Перевод] Великий реинжиниринг начался

Каждый процесс в вашей компании — наследие прошлого. Жёстко? Возможно. Но логика верна. Каждый бизнес-процесс, который ваша организация выполняет сегодня, был спроектирован для мира без ИИ. Всё — от цепочек согласований до последовательностей передачи задач и обработки исключений — было построено на человеческом суждении. И всё это было выстроено вокруг предположения, что программное обеспечение может автоматизировать задачи, но координировать работу будут люди. Это предположение больше не работает.

https://habr.com/ru/articles/1042494/

#camunda #bpm #bpmn #бизнеспроцессы #реинжиниринг #ai #ai_agent #axiomjdk #openbpm

RE: https://mastox.eu/@MistralAI/116296359343919529

Until the #AI makes an error and empties your bank account

#noAI #artificalIntelligence #agenticAI #ai_agent

I need your help!

Which of these icons do you feel best represents an AI Agent? Or which one do you like the most?

(Please vote in the link below 🙏)

https://form.typeform.com/to/PucASRi1

#AI
#LLM
#AI_agent
#AIAgent
#OpenAI
#Anthropic
#Claude
#ChatGPT
#GPT
#artificialintelligence
#Artificial_Intelligence
#business
#software
#entrepreneurship

I need your help!

Which of these icons do you feel best represents an AI Agent? Or which one do you like the most?

( I can't post a poll with images here on #Mastodon , so I created a separate poll, see link )

https://form.typeform.com/to/PucASRi1

#AI #LLM #AI_agent #AIAgent #OpenAI #Anthropic #Claude #ChatGPT #GPT #artificialintelligence #artificial_intelligence

3D-GPT: Procedural 3D Modeling with Large Language Models
https://chuny1.github.io/3DGPT/3dgpt.html
#ycombinator #3D_Modeling #AI_agent #LLM