🙌 Цифровые двойники предприятий и промышленных процессов — одна из ключевых технологий новой индустриальной революции. По данным Deloitte, двойники могут увеличить выпуск продукции и производительность труда на 20%. Финансовый университет при Правительстве России посчитал, что они ускоряют вывод продукции на рынок на 35%. 

Сегодня передовые компании переходят от точечного внедрения цифровых двойников к массовому. Летом международный FMCG-гигант Unilever и консалтинговая компания Accenture анонсировали масштабное расширение использования цифровых двойников ИИ в корпорации. В следующие полтора года технологию планируют развернуть на 40 предприятиях Unilever.

🔍 О чём речь?

Цифровой двойник — это постоянно обновляемая виртуальная модель реального производственного объекта: оборудования, линии или технологического процесса. Она использует реальные данные предприятия. 

Такая система позволяет наблюдать за производством, прогнозировать расход ресурсов, предугадывать сбои и поломки, тестировать сценарии изменений и оптимизировать параметры работы. ИИ в цифровых двойниках отвечает за интерпретацию данных и аналитику.

👀 Какой эффект цифровые двойники уже дают в Unilever?

Компания уже несколько лет развивает производственных цифровых двойников с ИИ, и результаты уже есть. 

🔴 На фабрике Unilever в китайском Хэфэе производственная линия интегрирована с цифровыми системами электронной торговли. Благодаря цифровому двойнику товар из цеха сразу отправляется к потребителю, минуя распределительные центры. Предприятие обрабатывает более 31 тысячи заказов в день по более чем 400 товарным позициям и после внедрения автоматизации выполняет заказы на 75% быстрее.

🔴 В американском Рэйфорде цифровой двойник линии производства дезодорантов-стиков внедрили для прогнозирования ограничений технологического процесса. Это позволило сократить отходы на 20% и увеличить производственную мощность на 10%. 

🔴 На заводе Unilever в индийском городе Гандхидхам цифровой двойник помог снизить потребление воды на 17%. При этом бизнес-показатели тоже улучшились: ИИ-рекомендации в реальном времени привели к снижению количества дефектов на треть за четыре года.

🔴 Также Unilever использует технологию цифровых двойников в маркетинге. Здесь моделируется не процесс, а сам продукт, например 3D-копия флакона дезодоранта. Эти модели создаются с помощью CAD и библиотек Omniverse. Их точность настолько высока, что компания использует их, в числе прочего, для производства рекламных роликов. 3D-двойники вдвое снизили затраты на производство контента, ускорили его с месяцев до недель, а сами изображения продукции стали в 5 раз разнообразнее от кампании к кампании.

😎  — если вам тоже не помешает цифровой двойник

Подписывайтесь 👉 @yab2btech и поддержите наш канал по ссылке.

👀 Создать сайт, подключить CRM, настроить приём платежей — и всё это за 10 минут. В свежем выпуске «404» обсуждаем, как ИИ-инструменты упрощают запуск и работу бизнеса. 

Как Vibecraft от Yandex B2B Tech создаёт сайты по текстовому описанию и что поможет сохранить данные бизнеса в безопасности, если часть работы вы доверяете ИИ, — смотрите на YouTube, VK Video и слушайте на Яндекс Музыке. 

Подписывайтесь 👉 @yab2btech

Microsoft наращивает мощности для ИИ, Китай ждёт десятикратного роста спроса на вычисления, а Яндекс уже выложил свою LLM в открытый доступ — эти и другие важные новости из мира B2B-технологий в дайджесте. 

🟪 Китайская ИИ-индустрия смещается от моделей к агентам. По данным China Telecom Research Institute, в ближайшие два-три года из-за внедрения агентов спрос Китая на вычислительные мощности может вырасти в десять раз, а к 2029 году на инференс (использование уже обученных моделей) будет приходиться 80% рынка. По итогам 2026-го китайские технологические компании потратят на ИИ около 600 млрд юаней ($89 млрд), что составляет более 10% всех инвестиций в стране. 

🟣 Microsoft планирует утроить мощность дата-центров к 2032 году. Компания нарастит мощность с примерно 12 ГВт сейчас до более чем 38 ГВт — это больше пикового энергопотребления всего штата Нью-Йорк. Решение связано с растущим спросом на вычислительные мощности для ИИ: из-за их дефицита Microsoft вынуждена отказывать части клиентов в ИИ- и облачных сервисах. 

🟣 Три российских брокера разрешили клиентам сделки на бирже с помощью ИИ. За последний месяц Т-Инвестиции, БКС и Финам открыли клиентам доступ к торговле через ИИ-агентов. До этого они использовали нейросети в основном для внутренних задач, например аналитики. Теперь же ИИ-агенты в Т-Инвестициях могут выполнять торговые поручения с подтверждением операций от клиента. БКС и Финам запустили похожих собственных агентов, способных участвовать в подготовке и совершении сделок на бирже. 

🌼 Яндекс открыл для разработчиков и исследователей собственную языковую модель Alice AI Search Pretrain. Базовая версия доступна на платформе Hugging Face — можно использовать LLM в собственных проектах и исследовать её архитектуру. Модель содержит 35 млрд параметров, но при обработке одного токена активируется лишь 2% — около 600 млн, что позволяет экономить затраты на вычисления. Alice AI Search Pretrain использует гибридную архитектуру Encoder-Decoder и Mixture of Experts (MoE), а дообученная версия модели с июля 2026 года применяется для генерации ИИ-ответов в поиске Яндекса. 

Подписывайтесь 👉 @yab2btech и поддержите наш канал по ссылке. 

👀 Не так давно Luna, ИИ-менеджер магазина мелочей для дома Andon Market в Сан-Франциско, впервые в истории уволила сотрудника (правда, после подсказки человека).

После этого Luna поручили найти замену. Она рекомендовала кандидата, который пропустил собеседование, а в резюме указал более 15 мест работы и сомнительные рекомендации. Причём длинную череду работодателей Luna восприняла как богатый опыт, а не как red flag. 

👓 Проблема не в одной модели 

Создатели Luna трижды прогнали оба сценария — увольнения и найма — через семь других моделей. Четыре из семи (опять после подсказки!) рекомендовали уволить сотрудника. А вот при найме все модели во всех прогонах одобрили кандидата. Даже когда ни одну рекомендацию подтвердить не удалось, за найм всё ещё были 17 из 21.

Делаем выводы: ИИ не решается уволить, но торопится нанять. 

А вы бы доверились ИИ-рекомендациям по найму и увольнению команды? 

👾 — да, если ИИ приведёт веские доводы 
♥️ — такие решения должны принимать только люди

Подписывайтесь 👉 @yab2btech и поддержите наш канал по ссылке. 

Аналитический центр STAQ оценил масштаб использования ИИ-инструментов в российском ритейле по итогам первого полугодия 2026 года. За год их применение выросло на 22%, а доля в цифровых экосистемах ритейлеров достигла 26% — это второй результат среди отраслей после финансового сектора с 30%.

🔍 Меняется не только масштаб, но и роль ИИ

Раньше ИИ в ритейле использовали, в основном, для работы с клиентами: в персонализации, рекомендациях, ценообразовании. Теперь же фокус смещается к внутренним процессам. По оценке STAQ, около 60% от всего прироста пришлось на операционные задачи — обработку заявок, обслуживание торгового оборудования и поддержку персонала. Чаще всего ИИ используют в трёх сценариях:

〰️ Классификация и маршрутизация сервисных заявок. Более 20% заявок закрыто без участия человека, а точность маршрутизации достигла 90%. 

〰️ Прогнозирование отказов оборудования. Переход на предиктивное обслуживание сокращает число аварийных поломок на 25%. 

〰️ Поддержка диспетчеров и директоров магазинов. Подсказки по приоритету задач и риску нарушения SLA, при этом финальное решение остаётся за человеком.

📷 Почему фокус смещается

Одна из причин такого сдвига — ситуация на рынке: компании стали чаще вкладываться не в рост выручки, а в сокращение операционных затрат. К тому же у крупных сетей накопилось достаточно данных по заявкам, оборудованию и подрядчикам, чтобы обучать на них модели.

✏️ Что это значит для бизнеса

Ключевой вывод исследования такой: ИИ даёт заметный эффект там, где его работу можно измерить конкретными показателями. Например, временем закрытия заявок, количеством повторных выездов или простоем оборудования.

Если ИИ внедряют сам по себе, без привязки к бизнес-задаче, модель может становиться точнее, а результат для компании — нет. 

Подписывайтесь 👉 @yab2btech и поддержите наш канал по ссылке.

❤️ Привет, это Яндекс Трекер!

Мы сервис для управления проектами и процессами. Когда-то мы были внутренним инструментом Яндекса, а сегодня помогаем выстраивать работу разных команд — от небольших компаний до корпораций.

Этот канал о том, что происходит между «поставили задачу» и «получили результат». Здесь будем:

〰️ Разбирать кейсы команд и компаний
〰️ Рассказывать о своём опыте в управлении процессами
〰️ Звать на воркшопы и вебинары
〰️ Показывать полезные фишки Трекера
〰️ Делиться советами по организации работы и продуктивности

Поздравляем: на вас только что упала ещё одна задача — подписывайтесь 👉 Трекерная

📷 ИИ-агенты уже работают с документами и почтой, вызывают такси, собирают корзины и даже получают доступ к платежам, но массовым инструментом пока так и не стали. В свежем выпуске «404» разбираемся почему.

Что умеют новые ИИ-агенты Yandex Go в Алисе AI, кто доверяет агентам платежи по банковским картам и на ком ответственность, если оплата пошла не по плану, 👉 смотрите на YouTube, VK Video и слушайте на Яндекс Музыке.

Подписывайтесь 👉 @yab2btech

🟥 Яндекс выложил в опенсорс Alice AI Foundation LLM — претрейн-версию своей новой большой языковой модели, обученной полностью с нуля. Новая модель — это экспериментальная версия, на которой Яндекс тестирует архитектурные решения для своей будущей единой рассуждающей модели (ЕРМ).

➡️ Главное:

〰️ Alice AI Foundation LLM работает на архитектуре MoE (Mixture of Experts) и включает 80 миллиардов параметров, из которых в моменте активны только 3 миллиарда — для обеспечения скорости и экономичности работы. 

〰️ Она обгоняет в том числе более крупные опенсорс-модели, не требуя при этом больших вычислительных мощностей для инференса. 

〰️ У модели высокое качество в ризонинге и программировании — необходимый навык для эффективной работы агентов, способных выполнять действия по поручению пользователя.

Например, на олимпиадных задачах по математике она делит лидерство с Qwen3.5-35B-A3B-Base. В тестах на написание кода превосходит модель компании Nvidia Nemotron-3-Super-120B-Base, хотя использует в четыре раза меньше активных параметров. 

〰️ Разработчики могут использовать её как в исследовательских, так и в коммерческих проектах благодаря свободной лицензии Apache 2.0. 

〰️ Яндекс разработал и выложил в опенсорс два собственных бенчмарка — WikiWebFacts и HardMultiQA — для оценки знаний модели, актуальных для русскоязычных пользователей.

Первый проверяет знание фактов: дат, определений, событий, персоналий. Второй — охватывает более редкие области знаний: от медицины и права до ИТ и искусства. Речь идет о задачах, где недостаточно вспомнить один факт. Модель должна выбрать несколько верных вариантов из списка, перечислить сразу несколько фактов, подходящих под условие вопроса, или найти фактическую ошибку в тексте.

📌 Модель, технические отчеты и бенчмарки — на Hugging Face, а техрепорт — на Хабре.

Подписывайтесь 👉 @yab2btech

Anthropic планирует вложить $1 млрд в безопасность ИИ, а сотрудники в России экономят с помощью нейросетей до 10 часов в неделю — эти и другие новости в нашем дайджесте. 

🟣 Accenture и Anthropic выделяют по $1 млрд на тестирование безопасности ИИ. В рамках партнёрства Accenture Faculty соберёт команду специалистов, которые будут искать уязвимости в моделях Anthropic и проверять, насколько хорошо работают их защитные механизмы. Причём оценщики будут работать не как обычные внешние аудиторы: они получат доступ к системам Anthropic на уровне сотрудников и смогут проверять модели ещё во время обучения и запуска. Так компании рассчитывают находить потенциальные проблемы не постфактум, а прямо в процессе разработки.

🟪 ИИ экономит россиянам до 10 часов в неделю. Такие данные приводит PR Dev. на основе опроса, проведённого среди 2 тысяч офисных сотрудников. Чаще всего нейросети помогают искать и обрабатывать информацию — так ответили 64% респондентов. Ещё 57% используют ИИ для подготовки текстов и документов, 46% — для анализа данных, 41% — для презентаций, а 35% — чтобы быстро получить несколько вариантов решения. Почти половина опрошенных говорят, что с ИИ быстрее справляются с рутиной. У 37% освободилось больше времени на задачи, требующие концентрации, а 29% стали чаще заниматься стратегической и творческой работой.

🟣 21% промышленных компаний в мире планируют чаще использовать ИИ для ИБ-задач. Об этом говорится в исследовании «Лаборатории Касперского». Компании рассматривают как внешние ИИ-сервисы, так и собственные разработки. Активнее всего расширять использование ИИ собираются энергетические компании — таких 25%. В транспортной отрасли показатель составляет 21%, в производственной — 18%. По оценке исследователей, ИИ постепенно переходит из экспериментальной технологии в рабочий инструмент и встраивается во все производственные процессы. Вместе с этим появляется и новая задача: следить за безопасностью самих ИИ-решений — от выбора модели и настройки доступа до контроля за действиями ИИ-агентов.

🌼 Яндекс научил Алису AI автоматически выбирать модель под конкретный запрос. Теперь система сама определяет сложность задачи: для простых вопросов использует быстрые модели, а для запросов со множеством условий, документами, расчётами или пошаговым планированием включает режим Эксперт. Он лучше подходит для сложных задач, например в финансах, праве, медицине, покупках и путешествиях. В режиме Эксперт можно загружать сразу несколько файлов для анализа и видеть, к каким данным обращается система.

Сейчас режим доступен всем пользователям без ограничений. В дальнейшем для активного использования понадобится подписка Алиса Плюс.

Подписывайтесь 👉 @yab2btech и поддержите наш канал по ссылке.