В России предлагают запретить ИИ для отбора кандидатов.

Речь об автоматическом отсеве резюме, ранжировании кандидатов и решении, кого допускать до собеседования.

Связана инициатива с тем, что компании начали использовать алгоритмы для сортировки откликов, особенно там, где поток резюме большой, а скорость найма критична.

Прямо сейчас на портале «Российская общественная инициатива» идет голосование, где голоса распределились примерно 9 к 1, где 9 — выступают «ЗА».

Правда, набрала инициатива только 209 голосов из требуемых 100 000, поэтому бизнес-энтузиастам, внедряющим ИИ, ничего не грозит. Пока.

Инициатива очень контрастно смотрится на фоне новостей о том, что теперь на вакансии откликается сам ИИ. Подождем обеспокоенности в других инициативах.

Почему же авторы озадачились проблемой:

⏺️риск скрытой дискриминации по возрасту, полу и косвенным признакам;
⏺️«черный ящик» решений — кандидат не понимает причину отказа;
⏺️перенос кадрового решения с человека на алгоритм.

Причины довольно благородные, и все бы хорошо, только вот не совсем понятно, чем эти риски отличаются от процесса традиционного рекрутинга, где человек, возможно, бессознательно, но оценивает пол и возраст, а затем нажимает кнопку «отказать» без объяснения причин.

Если интересно более детально разобраться в рисках принятия решений человеком и алгоритмом, то можно почитать старое занимательное исследование о голодных судьях — Extraneous factors in judicial decisions.

AI для бизнеса

ИИ — неоправданный расход, или как «Алиса» отказалась идти на ужин с главой ВТБ.

Андрей Костин пытался пригласить «Алису» на ужин, но она его «довольно жестко послала». Такой историей он поделился на встрече с крупнейшими клиентами банка.

Кроме этого, глава ВТБ озвучил, что, по его мнению, сейчас ИИ для крупных компаний — это не способ сэкономить, а способ очень много потратить. Потому что разработка стоит колоссальных денег, а конкурентную гонку никто не отменял.

По его мнению:

⏺️ИИ пока не столько режет косты, сколько требует новых больших вложений;
⏺️внедрять его все равно приходится, потому что иначе получаешь не преимущество, а отставание;
⏺️реальная ценность ИИ пока в персонализации, аналитике, работе с документами, колл-центрами, рисками и клиентскими сценариями.

Стоит ли искать взаимосвязь между «Алисой» и мнением о переоцененном ИИ — мы не думаем.

AI для бизнеса

Кудрин запустил компанию под ИИ для экономического анализа.

Алексей Кудрин стал учредителем компании «ИИ-ассистент исследователя», которая будет заниматься разработкой ИИ-инструментов для экономического анализа.

По данным ЕГРЮЛ, структура владения такая:

▶️65% — у Кудрина;
▶️20% — у компании «ОДСС»;
▶️15% — у Института Гайдара.

Компания зарегистрирована 21 апреля, уставный капитал — 10 тыс. руб.

Сам Кудрин объяснил запуск так: они вместе с Институтом Гайдара занимаются экономическими исследованиями, а существующие AI-модели под такие задачи не заточены.

Алексей Кудрин является советником по корпоративному развитию «Яндекса», но будут ли в «ИИ-ассистенте исследователя» применяться YandexGPT и другие ИИ-продукты компании, не сообщается.

AI для бизнеса

Selectel, Data Sapience и GlowByte собирают «ИИ под ключ» для крупного бизнеса.

Три компании объявили о партнерстве вокруг внедрения ИИ-агентов и корпоративных ИИ-систем. Планируют делать end-to-end-предложение: от постановки задачи до промышленной эксплуатации.

⏺️подготовка данных;
⏺️разработка и оркестрация моделей;
⏺️мониторинг и сопровождение;
⏺️запуск ИИ-агентов в рабочем контуре;
⏺️дальнейшее развитие системы.

Кто за что отвечает:

▶️Selectel закрывает инфраструктурный слой: GPU-серверы, облако, выделенные серверы, private cloud, размещение на площадке клиента, аттестованные сегменты ЦОД.

▶️Data Sapience дает платформенный слой — Kolmogorov AI, который должен связывать модели, данные, оркестрацию и эксплуатацию. Это история именно про перевод ИИ из экспериментов в управляемый production.

▶️GlowByte берет на себя консалтинг и интеграцию: проектирование, внедрение, адаптацию под сценарии заказчика, дообучение моделей и сопровождение.

Главная ставка — на уже очень заметную боль рынка: у многих компаний есть интерес к ИИ, но нет готового контура, чтобы довести его до результата. И партнерство трех компаний напоминает логику ставшего классическим элементом инфраструктуры Vblock от гигантов Cisco, EMC, VMware и Intel: не отдельные компоненты, а готовый enterprise-стек. Только они собирали инфраструктуру для дата-центров, а здесь — ИИ-стек, который уже готов к работе почти в формате «поставил — и работай».

Пока выглядит как хорошая попытка упаковать агентный и генеративный ИИ в нормальный enterprise-продукт. Ждем кейсов внедрения.

AI для бизнеса

NtechLab выросла до 2 млрд рублей и идет в Алжир, ЮАР и Таиланд.

Разработчик систем видеоаналитики NtechLab по итогам 2025 года нарастил выручку до 2 млрд руб., это +30% год к году. EBITDA составила около 500 млн руб.

Компания разрабатывает ИИ для распознавание лиц, силуэтов, действий людей и автомобилей.

Для российского ИИ-рынка это уже не отраслевой пилот, и даже не серьезное промышленное внедрение, а уровень устойчивого бизнеса с экспортом, региональным масштабом и понятной специализацией.

⏺️Экспорт уже дает 35% выручки. Среди новых рынков компания называет Алжир, ЮАР и Таиланд.

⏺️Крупнейший сегмент — B2G. На госсегмент приходится 40% доходов, на B2B — 25%.

⏺️Внутри России компания продолжает расширение. Решения NtechLab работают уже в 77 регионах, при этом в Москве на нее приходится около третьей части рынка.

Компания растет не только в сегменте обеспечения безопасности. Помимо поиска людей и фиксации нарушений, NtechLab развивает кейсы в промышленности, логистике, мониторинге городской среды и трафика.

Следующий шаг — типовые продукты. В 2026 году компания собирается упростить интеграцию своих ИИ-решений.

NtechLab пытается перейти от крупных заказных внедрений к тиражируемой продуктовой модели, чтобы продолжить масштабироваться с такой же динамикой.

AI для бизнеса

Siemens предоставила бенчмарк для рынка промышленного ИИ

На выставке Hannover Messe 2026 в Германии Siemens показала, как должен выглядеть нормальный промышленный ИИ не в презентации, а в цифрах.

Компания представила это как новый ориентир для рынка, и, учитывая масштаб Siemens и партнеров их кейса, бенчмарк, как минимум, имеет право на жизнь.

Их центральный кейс — PepsiCo, и вот немного цифр:

▶️Плюс 20% к производительности на одном из заводов Gatorade в США всего за три месяца.

▶️Минус 10–15% капитальных затрат за счет того, что проектные решения сначала проверяют в цифровой модели, а уже потом переходят к физическим изменениям.

▶️Срок проектирования и оптимизации сокращается с месяцев до дней.

В этом самый сильный момент всей истории. Siemens показывает не абстрактный потенциал ИИ, а уже нормальный ориентир для рынка: вот результат, вот сроки, вот экономика, вот стек — делайте так же (если сможете).

Технологически здесь не один модный AI digital twin, а целый контур: цифровой двойник, моделирование, производственные данные и ИИ в одной цепочке.

Все собрано вокруг связки Siemens + NVIDIA + PepsiCo:

⏺️Siemens Digital Twin Composer на базе NVIDIA Omniverse,
⏺️Tecnomatix Process Simulate для динамического моделирования и проверки логики оборудования,
⏺️Tecnomatix Plant Simulation для моделирования производственной системы и поиска оптимальной конфигурации.

Еще один показательный элемент, который делает внедрение на заводы проще для самих сотрудников, — Plant Simulation Copilot. Siemens добавляет в моделирование человеческий ИИ-интерфейс: можно обычным языком задать, что именно нужно рассчитать, проверить или оптимизировать.

AI для бизнеса

ИИ на 40% ускорит работу с документами в закупках

Росэлторг запустил систему ИИ-тегирования закупок, которая, по оценке самого Росэлторга, может ускорить поиск релевантных процедур для поставщиков до 40%.

На площадке ежедневно публикуются тысячи закупок, а документация по отдельным лотам занимает десятки страниц. Для поставщика это потеря времени и риск пропустить подходящий тендер.

Суть сервиса простая: нейросеть читает закупочную документацию за поставщика, выделяет ключевые параметры и присваивает процедурам теги — по видам работ и услуг, типу объекта, профилю деятельности и материалам.

Что это дает:

⏺️быстрее отбор релевантных закупок в большом потоке;
⏺️точнее фильтры поиска;
⏺️меньше ручного просмотра документации;
⏺️уведомления только по подходящим процедурам.

Отдельно Росэлторг подчеркивает, что обработка идет во внутреннем контуре площадки, без передачи данных во внешние системы.

На текущий момент база ИИ-тегов включает тысячи меток и охватывает десятки направлений закупок.

AI для бизнеса

ИИ от Ростеха сократит время на поиск информации до 80%

Холдинг «Росэл» (входит в Ростех) запустил промышленную ИИ-платформу для работы с документами и данными. Система работает внутри ИТ-среды предприятия без подключения к интернету и уже получила свидетельство о регистрации в Роспатенте.

Использование ShokinGPT позволяет сократить время поиска информации до 80% и экономить в среднем от 3 до 5 рабочих часов в день на одного специалиста.

Что внутри:

⏺️цифровые помощники для подготовки документов и регламентов;
⏺️обработка обращений в техподдержку;
⏺️работа с номенклатурой и аналитикой;
⏺️инструменты для текстов, PDF-документов и таблиц;
базы знаний;
⏺️расшифровка аудио с разделением спикеров;
⏺️построение диаграмм и анализ программного кода.

ИИ-платформа уже применяется разработчиком — НПП «Исток» им. А. И. Шокина.

AI для бизнеса

Евтушенков: «Сегодня в искусственном интеллекте в России наиболее продвинуты мы, Яндекс и Сбер»

Владимир Евтушенков в интервью Forbes поделился новой стратегией АФК «Система»: меньше веры в быстрые деньги, больше ставки на ИИ и продукты для новых рынков.

В ПАО АФК «Система» входит МТС, Ozon, Segezha Group, Медси, «Биннофарм Групп», агрохолдинг «Степь», группа «Эталон» и Sitronics Group

Интервью про новую технологическую реальность вышло на фоне:

▶️публикаций финансовых результатов, где консолидированный чистый долг составил около 1,4 трлн руб;
▶️Возможном pre-IPO Медси и Cosmos Hotel Group, чтобы снизить долговую нагрузку;
▶️Продаже своей доли в ПАО «Элемент» «Сберу»;
▶️Выходу из капитала сети клиник «Ниармедик»

А мы делимся главными тезисами из интервью:

⏺️ИИ — уже не эксперимент, а стратегическая гонка.
Евтушенков прямо ставит «Систему» в один ряд с «Яндексом» и «Сбером» по уровню развития ИИ в России. Компания развивает языковые модели, продукты и инфраструктуру под искусственный интеллект.

⏺️ЦОДы становятся базой для ИИ.
Без вычислительной инфраструктуры ИИ не работает. Поэтому «Система» хочет быть во всех типах дата-центров: для ИИ, майнинга и облаков. Даже проблемы с оборудованием не повод выходить из темы.

⏺️Технологии не дают быстрых сверхдоходов.
Евтушенков несколько раз подчеркивает: технологический бизнес тяжелее сырьевого. Там нельзя просто «заменить скважину» — все держится на людях, компетенциях и длинных инвестициях.

⏺️МТС — уже не просто связь.
Сотовая связь, по его логике, перестала быть сверхдоходной историей, но вместе с ИИ и новыми сетями становится базой для изменений в других отраслях.

⏺️Китай — партнер, но не донор технологий.
На Huawei рассчитывать как на источник ИИ-наработок бессмысленно: такие технологии не передают бесплатно. Покупать можно, но зависимость от чужой платформы — риск.

⏺️Главный дефицит — не деньги, а компетенции.
Можно купить технологический актив, но если нет людей, которые способны его понять, доработать и развить, покупка не имеет смысла.

AI для бизнеса

ИИ выходит из демо-стендов и заходит в заводской цех.

Организаторы Hannover Messe в этом году вынесли промышленный ИИ в центр повестки вместе с робототехникой, автоматизацией и цифровизацией.

На выставке — более 3 тыс. экспонентов, а главный фокус уже не на «посмотрите, что умеет нейросеть», а на измеримую пользу для бизнеса: выпуск, себестоимость, скорость изменений и устойчивость операций.

Мы осознанно оставим названия технологий в оригинальном виде, чтобы было проще искать информацию о них, так как в рунете об этом особо ничего не найдете. Разве что у нас в канале.

Учитывая масштаб и влияние выставки, можно утвердительно заявлять, что ИИ больше не модная фича, а контур управления заводом:

⏺️данные с оборудования;
⏺️цифровой двойник;
⏺️copilot или AI-агент;
⏺️автоматизация инженерных и производственных решений;
⏺️связь с цепочкой поставок и сервисом.

Siemens называет это Industrial AI for the real world: данные превращаются в ценность, а операции перестраиваются вокруг промышленного ИИ.

Microsoft продвигает похожую рамку — industrial intelligence, где ИИ, цифровые двойники и производственные данные собираются в единый слой для фабрик.

Самая яркая тема на выставке — agentic manufacturing.

▶️Schneider Electric вместе с Microsoft показали новое поколение agentic manufacturing capabilities на Azure AI. ИИ не подсказывает инженеру, а уже помогает координировать проектирование, симуляции, изменения в производстве и контроль логики процесса.

▶️Microsoft и Krones показывают AI-powered digital twins, которые сокращают время симуляции завода с часов до минут и позволяют быстрее настраивать производство под клиента.

Отдельная линия — Physical AI и роботы. ИИ в промышленности все заметнее связывают с физическим исполнением, что разумно, учитывая, что завод — это не блок-схемы на экране, а реальные и тяжелые вещи.

Но здесь важно не перепутать хайп с экономикой. Гуманоиды — хорошая тема для маркетинга и демо-стендов, но пока ближайшие деньги все еще лежат в софте, цифровых двойниках, агентским процессами и ПО для автоматизации.

В общем, экспериментируем и изучаем, но пока ждем уровня определенности хотя бы как в промышленном ИИ.

Общие краткие выводы, чтобы защитить свой технологический энтузиазм перед бизнесом:

▶️промышленный ИИ перешел из стадии пилотов в стадию операционного слоя;
▶️главная тема — не GenAI, а связка моделей, данных, цифровых двойников и автоматизации;
▶️вендоры продают не «нейросеть», а сокращение инженерного времени, ускорение изменений и снижение затрат, поэтому не покупайтесь на приставку «ИИ», требуйте кейсы;
▶️для заводов вопрос не в том, нужен ли ИИ, а где он быстрее даст эффект.

AI для бизнеса

ИИ в российских компаниях есть. А управления им — нет.

Исследование «Пряников» показало, что нейросети уже проникли в компании, но не через стратегию, бюджет и топ-менеджмент, а снизу — через сотрудников, личные аккаунты и точечные задачи.

Самый популярный тип инструментов — зарубежные LLM вроде ChatGPT, DeepSeek и Perplexity. Их используют 59% респондентов. Отечественные LLM — 41%, self-hosted-решения — 22%. При этом у 51% компаний вообще нет стратегии внедрения ИИ, а у 61% — назначенного ответственного за это направление.

ИИ уже работает внутри бизнеса, но часто вне управленческого контура.

Где незрелость:

▶️у 46% компаний нет команды по ИИ-проектам;
▶️66% не собирают потребности бизнеса для внедрения ИИ системно;
▶️формализованная стратегия есть только у 10%;
▶️Chief AI Officer — всего у 2%;
▶️52% компаний не выделяют отдельный ИТ-бюджет на ИИ.

ИИ в компаниях применяют там, где проще получить быстрый эффект и ниже цена ошибки: маркетинг и продажи — 47%, HR и подбор — 39%. А вот производство, логистика и финансы — всего по 3%.

Нейросети пока чаще пишут тексты, помогают с коммуникациями и HR-задачами, чем перестраивают операционное ядро бизнеса.

С экономическим эффектом тоже пока сложно. У 59% компаний не было внедрений, которые можно считать полноценными. Подтвержденный эффект есть только у 18%, еще 21% что-то внедряли, но без нормальных измерений.

Барьер не в деньгах:

▶️41% называют нехватку компетенций;
▶️37% — отсутствие стратегии;
▶️24% — неготовность топ-менеджмента;
▶️23% — отсутствие бюджета;
▶️22% — недоверие к ИИ.

ИИ стал массовой практикой, но не стал управляемой системой. Сейчас это скорее набор локальных привычек: кто-то пишет с помощью ChatGPT, кто-то автоматизирует HR, кто-то тестирует аналитику.

Пока нет стратегии, ответственного, бюджета, команды и измерения эффекта — это не трансформация, а «принеси свой ИИ сам и попробуй не сломать процессы».

AI для бизнеса

ИИ спроектировал процессор за 12 часов.

Агентная система Design Conductor за 12 часов спроектировала RISC-V CPU-core VerCore из спецификации на 219 слов. По заявлению компании, это первый случай, когда автономный агент прошел путь от описания задачи до GDSII layout-файла для процессора.

На бумаге выглядит как человекозамещение: то, что у инженерной команды обычно занимает 18–36 месяцев, агент сделал за полдня. Но не современный конкурент Intel, AMD или Apple Silicon, а довольно простой RISC-V core.

Кратко о кейсе:

▶️12 часов от короткой спецификации до GDSII;

▶️1,48 ГГц на ASAP7 7 nm PDK;

▶️3261 балл в CoreMark;

▶️производительность примерно на уровне Intel Celeron SU2300 из 2011 года;

▶️проверка пока только в симуляции, без физического выпуска чипа.

ИИ начал влезать в самый дорогой участок — инженерный цикл проектирования. Не в формате «нарисуй красивую схему», а в формате RTL, тестов, оптимизации, timing closure и взаимодействия с backend tools.

Нормальный процессорный проект стоит сотни миллионов долларов и требует больших команд. Verkor прямо сравнивает это с передовыми CPU, где вложения могут превышать $400 млн, а разработка занимает годы.

Даже если ИИ не заменяет инженеров полностью, он может радикально сократить ранние циклы проектирования и количество тупиковых архитектурных экспериментов.

Это не конец профессии инженера. Скорее начало новой модели, где инженер меньше вручную гоняет рутину по EDA-цепочке и больше задает архитектуру, ограничения, критерии проверки и бизнес-цель.

AI для бизнеса

Регулирование ИИ в России решили смягчить.

Правительство доработало законопроект о регулировании ИИ и убрало из него часть требований, которые сильнее всего раздражали рынок.

В текущей версии нет специальных требований к наборам данных для обучения моделей. То есть разработчики смогут использовать любые доступные данные, а не только данные российского происхождения.

Массовые коммерческие сервисы, по словам аппарата Григоренко, не обязаны подтверждать «доверенность» — для них это добровольный режим.

Что смягчили:

▶️убрали требования к датасетам для обучения моделей;

▶️убрали требование, чтобы суверенные и национальные модели разрабатывали и обучали только граждане России;

▶️теперь для статуса достаточно, чтобы разработку вело российское юрлицо, а модель соответствовала российскому законодательству и заявленным ценностным требованиям;

▶️из новой версии также исключили требование для сервисов с аудиторией более 500 тыс. пользователей регистрироваться как организатор распространения информации;

▶️по ответственности вместо отдельного нового режима хотят дать отсылку к действующему законодательству.

В исходном виде законопроект мог сильно замедлить разработку ИИ. Бизнес предупреждал о росте затрат на внедрение на 20–40% и замедлении вывода продуктов на рынок в полтора-два раза.

Регулирование никуда не делось: доверенные модели, госсектор, критическая инфраструктура, сертификация, хранение и обработка данных внутри России — всё это остается.

AI для бизнеса

Сотрудники используют ИИ на работе, но не говорят об этом начальству.

По опросу MWS AI, 35% россиян скрывают от руководства, что используют ИИ в работе. Год назад в другом исследовании таких было 21%.

Корпоративный ИИ растет не только через стратегии, платформы и бюджеты, но и через тихую личную практику сотрудников.

Особенно заметен разрыв у молодых специалистов:

⏺️среди сотрудников 18–24 лет использование ИИ скрывают 55%;
⏺️среди 25–34 лет — 52%;
⏺️среди более старших респондентов — 27%.

Люди боятся, что использование ИИ воспримут не как продуктивность, а как признак некомпетентности. В логике «сам не справился — попросил нейросеть».

И это уже проблема не сотрудников, а компаний.

Если ИИ в работе есть, но правила не проговорены, возникает серый контур: кто-то использует ChatGPT, кто-то другие модели, кто-то загружает рабочие данные в непонятные сервисы, а руководитель делает вид, что процесс под контролем.

В итоге компания получает не внедрение ИИ, а теневой операционный слой:

▶️сотрудники используют инструменты сами;
▶️риски по данным остаются неуправляемыми;
▶️эффект от ИИ никто нормально не измеряет;
▶️сильные практики не масштабируются;
▶️слабые и опасные — не отсеиваются.

На самом деле это хороший индикатор зрелости. Если треть сотрудников скрывает ИИ от начальства, значит, проблема не в том, что люди «читерят». Проблема в том, что компания не объяснила, где ИИ можно использовать, где нельзя, какие данные можно загружать и какой результат считается нормальным.

AI для бизнеса

Начинаем рубрику #вакансии_в_ИИ — смотрим, где в России можно поработать просто в ИИ

И да, это не подборка «ищем ML-инженера на Python». Поискали вакансии для тех, кто будет превращать ИИ в продукт, деньги, процессы и P&L.

⏺️AI-платформы и LLM-продукты.

Самые интересные роли — там, где ИИ уже не эксперимент, а отдельная платформа или продуктовая линия.

▶️Hi, Rockits ищет Head of AI platform — зарплата от 400 тыс рублей, фокус на корпоративной AI-платформе и объединении AI-инициатив в единую экосистему;
▶️АЛРОСА ИТ ищет Product Lead, LLM AI Services — хороший enterprise-вариант на стыке LLM, продуктового управления и внутренних AI-сервисов;
▶️В Lofty нужен Product Manager AI — роль внутри AI R&D-лаборатории: агенты, ассистенты, прототипы и коммерциализация;
▶️Overgear в поиске AI Product Manager — продуктовая AI-роль в e-commerce/игровой платформе;
▶️IN HOUSE ждет Product Manager / AI-Driven — про AI-трансформацию зрелого e-commerce-продукта.

⏺️AI-трансформация и внедрение.

Это уже не «поиграться с ChatGPT». Банки, холдинги и крупные компании ищут людей, которые будут внедрять ИИ в реальные процессы.

▶️В МТС Банк нужен руководителя проекта по внедрению AI / Co-pilot — AI-внедрение в банковском контуре; они же ищут руководителя проекта по внедрению AI / Precollection и ИИ-чат-бот — фокус на взыскании, precollection и ML/AI-сценариях;
▶️Дом.ру ищет Product Owner AI — роль про выявление потребностей бизнеса, оценку эффекта и внедрение AI-решений;
▶️Агросила ищет начальника отдела внедрения искусственного интеллекта и машинного обучения — зарплата 280–300 тыс рублей, в зоне ответственности чат-боты, голосовые ассистенты, базы знаний, DWH и ML-модели.

⏺️Data & AI leadership.

Отдельный блок — роли, где ИИ завязан на данные, аналитику, модели и управление командами. Много корпоративной тяжелой атлетики.

▶️12 Storeez ищет руководителя направления данных и искусственного интеллекта / Chief Data and AI Officer — управление Data & AI, клиентской аналитикой, прогнозированием спроса и market intelligence;
▶️Сбер ищет руководителя направления по исследованию данных / Lead Data Scientist, СБОЛ — ИИ-помощник в Сбербанк Онлайн и продуктовый масштаб на десятки миллионов пользователей;
▶️Альфа-Банк ищет руководителя направления по интеллектуальному анализу данных / Team Lead рисковые модели — управление DS-командой и риск-моделями;
▶️И тот же Альфа-Банк ищет руководителя направления интеллектуального анализа данных / Team Lead DS — ML-модели, команда до 5 человек, работа с бизнесом, DE и MLOps.

⏺️GenAI для enterprise-продаж и бизнеса.

Самый коммерческий кусок подборки — когда нужно не только понимать GenAI, но и продавать его крупному бизнесу.

▶️КРОК ищет Business Development Manager по AI / GenAI Solutions — enterprise-клиенты, AI-офисы, пилоты и отраслевые GenAI-решения;
▶️Вижн / Evolve AI ищет Senior Product Manager / продакта в Evolve AI — зарплата 250–350 тыс рублей, AI-платформа и развитие продукта после найденного product-market fit.

Бизнесовые AI-вакансии есть, но называются они как угодно — Product Lead, Product Owner, руководитель проекта, Lead DS, BDM, Chief Data & AI Officer.

Поэтому смотрите описание, примеряйте на себя, и да поможет вам бог на сегодняшнем рынке труда.

AI для бизнеса

Путин: России нужна своя модель регулирования ИИ

Владимир Путин на Совете законодателей заявил, что России нужно сформировать первые контуры нормативной базы в сфере искусственного интеллекта и найти собственную оптимальную модель регулирования — с учетом зарубежного опыта, но без копирования чужих подходов.

По его словам, речь идет о технологиях, которые кардинально меняют весь мир, поэтому регулирование должно быть сбалансированным.

За последние дни вокруг ИИ-регулирования уже сложился целый набор сигналов. Государство, похоже, ищет не одну большую кнопку «зарегулировать ИИ», а более гибкую модель: где-то смягчать требования, где-то запускать эксперименты, где-то вводить KPI, а где-то начинать измерять социальные эффекты.

Что уже произошло:

🔴Законопроект о регулировании ИИ решили смягчить. Из документа убрали часть требований, которые сильнее всего критиковал бизнес: обязательное обучение моделей только на российских данных, разработку только гражданами РФ, отдельный режим ответственности и требование для крупных сервисов регистрироваться как ОРИ.

🔴Для 20 ведомств ввели KPI по внедрению ИИ: для Минздрава — доля обработки маммографий, рентгенов и КТ с помощью ИИ; для Минпромторга — компьютерное зрение и системы поддержки решений; для Минтранса — выявление нарушений грузовиков.

🔴Компании могут обязать показывать влияние ИИ на занятость и ежегодно раскрывать, как внедрение ИИ влияет на численность персонала и структуру занятости.

🔴Госдума одобрила в первом чтении поправки к режиму ЭПР — экспериментальных правовых режимов для цифровых технологий. Срок ЭПР предлагают увеличить с 3 до 5 лет, а запуск экспериментов упростить даже для сфер, где общего регулирования еще нет.

В итоге контур получается довольно показательный:

▶️С одной стороны, государство хочет закрепить суверенные, национальные и доверенные модели, регулировать ИИ в госсекторе и критической инфраструктуре, а также считать эффект от внедрения.

▶️С другой — после критики бизнеса уже видно движение от жесткой модели «всё свое, всё внутри, всё по реестру» к более прагматичной: не убить разработку на входе, не отрезать данные и не сделать регулирование дороже самой технологии.

Вопрос только в том, получится ли удержать баланс: не превратить ИИ в серую зону без правил, но и не зарегулировать его так, чтобы бизнесу стало проще ничего не внедрять.

AI для бизнеса

ИТ-специалисты платят за ИИ из своего кармана

Каждый пятый ИТ-специалист ежемесячно тратит на ИИ-агентов больше 3 тыс. руб, 12% платят от 3 до 5 тыс. руб., а 8% — более 5 тыс. руб. Данные приводит ИТ-колледж«Хекслет» и центра «Позиция».

64% специалистов применяют его для задач внутри компаний. Около половины используют ИИ для проверки кода, треть — для написания простых скриптов, 29% — для поиска ошибок.

Что по эффекту:
▶️39% отмечают умеренную пользу от ИИ;
▶️32% считают такие инструменты крайне полезными;
▶️35% пока не видят карьерных или материальных преимуществ;
▶️14% уже получили премии благодаря результатам работы с ИИ;
▶️11% использовали ИИ для подготовки к собеседованиям и поиска работы.

Компании реагируют по-разному:

▶️у 65% респондентов использование ИИ не скрывается и уже встраивается в рабочие процессы;
▶️у 20% тему обсуждают ограниченно;
▶️15% говорят, что применение ИИ приходится скрывать.

Данные соотносятся с исследованием MWS AI и еще раз подтверждают, что рынок нормализует ИИ как рабочий инструмент, но не через корпоративную стратегию, а снизу — через конкретного сотрудника, который сам выбрал инструмент, сам оплатил подписку и сам понял, где это экономит время.

AI для бизнеса

Потратили 2,8 млн на ИИ на складе. Сэкономили 18.

Начнем рубрику #кейс с понятного и конкретного проекта, без лирики про изменение мира, прорывных бизнес-моделей и важности ИИ.

В кейсе Nurax с FMCG-дистрибьютором (компаниям не называется) у компании было 15 складов, более 2000 SKU и 450 клиентов.

❗️Проблема вполне типовая: до 35% оборотных средств зависало в избыточных запасах, до 18% заказов не выполнялось вовремя из-за дефицита товаров, а средняя загрузка транспорта держалась на уровне 62%.

⬛️Обычно это лечат дорогими капитальными решениями: строят склады, расширяют автопарк, нанимают больше людей. Но при высокой ставке такой путь быстро становится слишком дорогим. Поэтому компания пошла не наращивать инфраструктуру, а выжимать больше из той, что уже есть.

⚡️Внедрили ИИ-платформу для сквозной оптимизации логистики: прогнозирование спроса, расчет запасов по каждой SKU, автоматическое формирование заказов поставщикам, маршрутизацию с учетом пробок, временных окон и загрузки машин, а также Vision AI для контроля и инвентаризации товаров.

Проект занял 8 месяцев: аудит процессов, пилот на одном складе, интеграция с WMS/TMS/ERP, настройка ML-моделей и потом масштабирование на всю сеть.

Результат вполне конкретный:

▶️операционные затраты снизились на 23%;
▶️сервис-уровень вырос с 82% до 96%;
▶️избыточные запасы сократились на 31%;
▶️загрузка транспорта выросла с 62% до 89%;
▶️годовая экономия составила 18 млн рублей;
▶️ROI достиг 543%, срок окупаемости — 2,1 месяца.

Если максимально коротко — ИИ помог компании понять, сколько товара держать, куда и когда везти, какие позиции пополнять и как не гонять транспорт полупустым.

Потратили 2,8 млн рублей, получили 18 млн рублей годовой экономии. Для бизнеса такой язык гораздо понятнее и показательнее абстрактных премий за внедрения ИИ и инновационность.

AI для бизнеса

К2Тех запускает ИИ-офис, чтобы превратить инициативы из хаоса в деньги (или хотя бы посчитать стоимость хаоса)

«ИИ-офис» должен помочь в управлении ИИ-инициативами в компании, чтобы навести порядок в том, как бизнес выбирает, запускает и считает эффект от ИИ-проектов.

❗️Проблема типовая: ИИ-гипотез много, но живут они хаотично. Один отдел тестирует чат-бота, другой — генерацию документов, третий — аналитику, четвертый — автоматизацию заявок. В итоге бюджеты размазываются, проекты дублируются, а руководство не видит нормального ответа на главный вопрос: где деньги.

Поэтому платформа собирает в одном контуре весь цикл: идеи, гипотезы, ответственных, статусы и расчет ROI.

Для этого внутри есть:

▶️матрица потенциала — чтобы оценивать гипотезы по эффекту для бизнеса и сложности внедрения;

▶️ROI-калькулятор — чтобы считать экономику инициатив для разных доменов: производства, HR, сервисных функций и других направлений;

▶️канбан-доска для портфеля ИИ-проектов — чтобы видеть статусы, ответственных, историю изменений;

▶️каталог готовых сценариев — от мониторинга кредитно-гарантийных сделок до генерации проектной документации и анализа данных по ВЭД.

Отбор инициатив идет по трем базовым критериям: ожидаемый бизнес-эффект, сложность реализации и доступность данных. А значит, бюджет не пострадает от «а давайте сделаем чат-бот для оформления отпусков».

AI для бизнеса

ИИ стал новой космической гонкой. Только дороже. В России это начали понимать.

Максим Орешкин на II Открытом диалоге в национальном центре «Россия» сравнил масштаб инвестиций в генеративный ИИ с крупнейшими технологическими проектами XX века.

По его словам, если считать в ценах 2024 года, Манхэттенский проект обошелся экономике США примерно в $80 млрд, а вся программа «Аполлон» — в $215 млрд. При этом инвестиции в генеративный ИИ только за один год превысили $450 млрд.

❗️То есть за год в GenAI вложили больше, чем США потратили на атомный проект и высадку человека на Луну вместе взятые.

Сравнение с российским контекстом не очень утешительное:

⬛️Весь рынок ИИ в России оценивается примерно в 1,15 трлн рублей — это около $15,4 млрд по текущему курсу. А на федеральный проект «Искусственный интеллект» в 2025 году выделили 7,7 млрд рублей, то есть примерно $103 млн.

Господдержка федерального ИИ-проекта — это даже не один крупный дата-центр по мировым меркам.

Что фактически происходит:

▶️деньги идут не только в модели, но и в дата-центры, энергию, чипы, облака и инженерные команды;

▶️ИИ становится инфраструктурной гонкой государств, а не просто соревнованием чат-ботов;

▶️страны и корпорации вкладываются не в «улучшение офисной рутины», а в технологический фундамент будущего. Как бы пафосно ни звучало, но это так;

▶️входной билет в большую ИИ-гонку резко дорожает.

Сам Орешкин сформулировал это прямо: человечество сделало ставку на ИИ как на основу будущего развития.

Когда в технологию за год уходят сотни миллиардов долларов, она начинает менять не только продукты, но и стоимость вычислений, рынок труда, энергетику, инфраструктуру и конкуренцию между странами.

Вопрос в том, кто сможет позволить себе хотя бы поучаствовать в этой гонке не на уровне подписки на чат-бота, а на уровне капитала, данных, вычислений и внедрения.

AI для бизнеса

Пока вы планируете сокращения и считаете, сколько сэкономите за счет ИИ, он уже начинает стоить дороже людей.

Компании вкладываются в модели, дата-центры, облака и подписки — а потом выясняют, что это может стоить дороже самих сотрудников.

Вице-президент Nvidia Брайан Катандзаро рассказал, что в его команде расходы на вычисления уже превышают расходы на персонал.

⭐️Хороший символ текущего момента: ИИ должен был помогать экономить, но сам начал съедать бюджеты.

Gartner прогнозирует, что мировые IT-расходы в 2026 году достигнут $6,31 трлн, рост — 13,5% год к году. Самый быстрый рост — у систем для дата-центров: плюс 55,8%, до почти $788 млрд.

И здесь появляется конфликт:

🔼С одной стороны, компании продают ИИ как способ повысить продуктивность и сократить издержки.
🔽С другой — сами начинают резать штат, чтобы высвободить деньги под эту же ИИ-инфраструктуру.

Meta (запрещена в РФ и признана экстремистской) планирует сократить около 10% персонала, Microsoft предложила добровольный уход примерно 7% сотрудников в США, а за четыре месяца 2026 года в технологической отрасли уже было больше 92 тыс. увольнений.

❗️При этом не все эти сокращения честно можно назвать «заменой людей ИИ». Часто ИИ становится удобным объяснением для обычной оптимизации, переизбытка найма прошлых лет и давления инвесторов. Но направление бюджета все равно видно: деньги уходят от людей к вычислениям.

Что это значит для бизнеса:

▶️ИИ перестает быть дешевой надстройкой к существующим процессам;

▶️расходы на вычисления, облака, модели, подписки и инфраструктуру становятся постоянными;

▶️проекты без понятного ROI будет все сложнее защищать перед финансами;

▶️компании начнут сравнивать не «человек против ИИ», а «стоимость человека против стоимости автоматизированного процесса»;

▶️рынок будет быстрее уходить в сторону более дешевых моделей, гибридных стеков, on-prem-решений и жесткого контроля токенов.

Раньше бизнес считал ФОТ, аренду, маркетинг и облака. Теперь к этому добавляется еще одна тяжелая строка — стоимость интеллекта как сервиса.

И если эта строка начинает стоить дороже людей, вопрос «а где эффект?» будет звучать все чаще.

AI для бизнеса