Егошин | Кеды профессора

Подкаст с AI-лидом в Битрикс24: как делать продукты на ИИ-агентах и не сломаться в проде У меня в гостях Сергей Нотевский - руководитель AI-платформы в Битрикс24. Команда Сергея отвечает за ИИ-инфраструктуру из 100+ GPU, на которой работают он-прем модели и автономные агенты крупнейшего бизнес-сервиса страны. А еще я называю Сергея "отцом кэширования контекста в России") Так как он разработал опенсорс скилл по этой теме, за который Anthropic подарили ему официально подписку MAX на 6 мес. О чем выпуск: • Как создавать ИТ-продукты, используя агентов, так, чтобы они были устойчивыми при эксплуатации; • Как экономить на токенах за счет кэширования; • Почему RAG остался в 2025 году и что пришло ему на смену сейчас; • ИИ-внутрянка Битрикс24. Как и зачем оркестрировать собственный кластер на 100+ GPU. 🎧 Подкаст уже доступен на двух площадках: 📱 YouTube / 📱 VK видео

Главная презентация года от NVIDIA: что я понял, когда перевёл новый доклад Дженсена Хуанга Если бы меня спросили, на кого смотреть, чтобы понять, куда на самом деле движется ИИ, я бы ответил - на тех, кто несет самый большой финансовый риск. Софтверный стартап может перевайбкодить переписать код за пару недель, а вот «железячники» вливают десятки миллиардов долларов в заводы, кремний и энергетику, которые строятся годами. Если они ошибутся с прогнозом - им будет больно. Главный Стив Джобс железячник планеты сейчас - это Дженсен Хуанг. На недавней GTC 2026 в Тайбэе он собрался с мыслями и за 2 часа раскидал как его NVIDIA + целая страна Тайвань будут перестривать мировую инфраструктуру под эпоху агентного ИИ. В Тайвани все так прет на этом фоне, что Правительство думает о том, чтобы гражданам по 10 к местных долларов выплатить) Мы сделали студийный перевод этого доклада: ютуб, вк видео. Вот ключевые мысли и ощущения, которые у меня остались после просмотра: 01 ИИ стал полезным Дженсен показал интересный график активности программистов на GitHub (скрин 1). Обратите внимание на динамику: 2023, 2024 и 2025 годы график рос плавно и предсказуемо. Но за первые несколько месяцев 2026 года количество отправленных изменений в коде (коммитов) буквально выстрелило в космос - рост почти в 3 раза! При этом мировые затраты на зарплаты разработчиков остались теми же (~$3 трлн в год), а объём генерируемого ими результата Хуанг оценил уже в $9 трлн. Произошёл тот самый сдвиг: ИИ перестал быть просто чатиком, куда мы пишем промпты, и превратился в инструмент, который сам выдаёт готовую работу. 02 Агенты, агенты, агенты Полезным ИИ стал именно благодаря появлению Агентов (Codex, Claude Code - самые известные). Агент - это оболочка вокруг LLM-мозга (скрин 2). Мозг думает, а оболочка управляет памятью, дергает базы данных, браузер и API. Например, в самой NVIDIA такие агенты уже проектируют и тестируют микрочипы, сократив время проверки схем с недель до нескольких часов. Они показали как это работает на конфе - круто) 03 Железо заново переизобретают под нетерпеливых агентов Человек за компьютером работает медленно: мы водим мышкой курсор, кликаем, ждём пару секунд, пока откроется файл или отработает скрипт, и нам ОК. Агент же работает со скоростью компьютера. Он совершает тысячи вызовов в минуту, не умеет ждaть и задействует железо совершенно по-другому. Когда задержка в пару миллисекунд тормозит цепочку из сотен агентских мыслей, старые процессоры (x86 от Intel/AMD) становятся главным узким горлышком. Из-за этого NVIDIA представила Vera CPU - центральный процессор, спроектированный с нуля не под человека, а под гиперактивного агента. А также новые GPU, сетевые штуки и шкафы, которые все это хозяйство соединяют. 04 Монструозное железо Vera Rubin и «чистый рынок продавца» На сцене перед Хуангом стояла стойка нового поколения - Vera Rubin NVL72(скрин 3). Чтобы понимать масштаб: один такой шкаф с жидкостным охлаждением стоит порядка 1,5 млрд руб. Это колоссальная вычислительная плотность - на одной такой стойке можно развернуть 13 экземпляров самой большой LLM опенсорса Kimi K3. И здесь у меня очень вовремя совпали впечатления от презентации с личным практическим опытом. Недавно ко мне обратилась одна организация с задачей помочь раздобыть и привезти в Россию топовые серверы NVIDIA. Мы искали два типа железных монстров: 8-чиповый сервер NVIDIA B300 (в Москве это сейчас порядка $1,4 млн) и ту самую стойку NVIDIA GB300 NVL72 (стоимостью около $15 млн). Прорабатывая поставку, я на практике прочувствовал то, что в школе на уроках экономики называли «чистым рынком продавца». Это ситуация абсолютного дефицита, когда у продавца с железным ресурсом на руках нет задачи «продать» - у него под дверью стоит очередь из покупателей с сумками наличных, и уже сам продавец выбирает, кому из них он соизволит этот сервер отгрузить. Интересные времена) Наш полный проф. перевод презентации можно глянуть по ссылкам: ютуб, вк видео.

Почему сотрудники OpenAI перестали использовать chatGPT Изучил свежие исследования от OpenAI о том, как их собственная команда и корпоративные клиенты используют ИИ в ежедневной работе. Картина получается крайне интересная. Разработчики и менеджеры OpenAI массово отказываются от привычного режима диалога (чата). Что происходит: 1. Массовый переход на агентов. 97,9% сотрудников OpenAI сейчас работают через агентскую среду Codex. Для сравнения: ещё в августе 2025 года им пользовались всего 10% команды. 2. Делегирование долгих задач. Чат-бот хорош для быстрых вопросов, а агент берет на себя автономную работу. 80% пользователей поручают агенту задачи, на которые у человека уходит от 30 минут, а 20% научились делегировать автономные таски длительностью 8+ часов. 3. Агенты уходят к «не-технарям». Неразработчики стали самой быстрорастущей категорией пользователей. Среди корпоративных клиентов OpenAI зафиксирован взрывной рост применения агентов: • Юристы - рост использования в 108 раз; • Продажи и HR - в 41 раз; • Маркетинг и финансы - в 24 раза. Отдельно мне понравилось, что ОпенИИ выделили паттерны поведения людей, которые выжимают из текущих агентов максимум эффективности. Нам надо стремиться быть такими) Итак, что мы должны уметь, чтобы считать себя Агент-нейтив человеком: 1. Обеспечить своего Агента максимумом контекста • Подключать плагины: корпоративный Битрикс или яндекс.вордстат и т.п. • Делать Appshot - по сути скриншот, который сразу видит агент. • Управлять памятью: вести контекст о себе, команде и текущих проектах. • Переходить на голосовой ввод: надиктовывать задачи вместо печати - это в разы быстрее без потери качества. 2. Предоставить Агентам инструменты для принятия мер • Создавать кастомные навыки (skills), применимые для своей работы. Чтобы агент лучше решал типовые для вашей работы задачи. • Генерить артефакты «под ключ»: получать готовые Word-документы, Excel-таблицы, презентации и сайты от Агента. • Давать доступ к ПК и браузеру: разрешать агенту выполнять действия прямо в вашей системе. 3. Заставить агентов работать до конечного результата • Использовать цель (функция /goal) и циклы доработки. Агентам (кодекс / клод код) через фукнцию goal можно задать цель и он будет долго и циклично использовать весь свой арсенал, пока не достигнет сформулированной цели. • Запланированные задачи. Можно планировать регулярные агентские действия и наблюдать за результатом. Например, пусть агент каждый день в 8 утра исследует ваш сайт и подтверждает, что все работает. • Запускать параллельные потоки: оркестрировать работу нескольких агентов одновременно. • Работа в нерабочее время. Понимать когда как и почему имеет смысл запускать агентов на работу на всю ночь. А утром наслаждаться результатом. Источники: тут и тут.

Как внедрить Claude Code в команду так, чтобы им реально начали пользоваться? Если вы задумываетесь о том, чтобы прокачать команду и научить людей работать с Claude Code, рекомендую обратиться к моему знакомому - Игорю Михееву. Он специализируется на обучении команд (не разработчиков) использованию Claude Code в работе. Мы сами проходили у него обучение всей командой, и понравился практикоориентированный подход. Каждую неделю каждый сотрудник создавал какой-то ценный продукт для нашей компании и рассказывал об этом опыте. Так шло взаимное опыление и совместный прогресс. Как следствие, даже ребята, которые были максимально далеки от разработки и кода, научились закрывать задачи, к которым раньше банально не знали, как подступиться: Аналитика: вытаскивают и структурируют аналитику прямо из сырых данных в БД; Документация: быстро и качественно готовят сложные технические документы; Собственные утилиты: собирают кастомные сервисы под свои рутинные задачи (например, сделали удобный внутренний транскрибатор). Если актуально повысить продуктивность команды - почитайте пост Игоря ниже: https://t.me/i_mikheev/305

Изнанка ИИ-бизнеса: зарплаты, кейсы и экономика агентств Мы продолжаем серию подкастов про людей, которые своими руками строят искусственный интеллект в России прямо сейчас 🤓 У меня в гостях Ярослав Шмулев - сооснователь и CTO R77.AI, одного из топ-3 ИИ-интеграторов России. Его команда реализовала более 150 проектов для Сбера, Альфа-Банка, Яндекса и других крупных компаний. О чём поговорили: • Как становиться подрядчиком по ИИ для Бигтехов. • Какие сейчас зарплаты в ИИ: у разработчиков, продактов, AI-директоров. • Как устроена овуляция у свиноматок 😂 🎧 Подкаст уже доступен на двух площадках: 📱 YouTube / 📱 VK видео

Эпицентр мировой ИИ-гонки: что я понял на главной выставке Азии WAIC 2026 в Шанхае Скатался я в Шанхай на главную ИИ-конференцию Азии - WAIC 2026, открывал ее сам товарищ Си. Посмотрел чем рынок живет, себя показал, записал для вас небольшой лайв-влог с обзором на самые интересные стенды (посмотреть можно на ютубе и на вк-видео). Вот ТОП-5 ключевых мыслей, которые я привёз оттуда об устройстве ИИ-рынка: 01 Железо в фокусе Чувствуется, что главная боль индустрии сейчас - это решить вопрос с дефицитом железа, позволяющего за недорого получать ИИ-вычисления. Главный монстр выставки от Китая - суперкомпьютер Huawei Atlas 950 SuperPod с 1024 ИИ-ускорителями, объединенными единой оптикой. Махина стоит $50 млн, а 8 таких шкафов способны обучить модель уровня ChatGPT всего за месяц. В остальном - сотни серверов, микрочипов и попыток сделать полноценную замену NVIDIA. 02 LLM и токены дешевле оригинальных API На стенде Moonshot AI анонсировали Kimi 3 (2.5 трлн параметров), которая обходит Claude Opus и доступна за копейки или вовсе бесплатно (весы открыты). Но еще интереснее инфраструктурный слой рядом: китайцы массово научились распаршивать подписки и продавать токены топовых LLM (включая Claude и ChatGPT) через сторонние API заметно дешевле провайдеров (сразу несколько таких стендов видел). 03 Агентский софт и вайб-кодинг Около трети всех стендов - агентский софт. Базовый стек везде как на подбор одинаковый: • какая-то десктопная оболочка; • чат-интерфейс; • интеграция с локальной файловой системой; • интеграция с внешним ИС по API; • мозги, определяющие агентские действия, от внешней LLM в облаке. Даешь задачу - агент сам под капотом пишет код и решает её. Причем открыто показывают, что все собрано из опенсорс-компонент (Hermes, OpenClaw). 04 Agentic Box Чувствуется, что появляется новый класс устройств. Это по сути агентский софт (03), но только на собственном ПК (01) и с локальной ЛЛМ, которую тянет этот ПК. Грубо говоря такой МакМини с своеобразным рабочим сталом, ориентированным на команды голосом и агентскую работу. Как по мне, пока игрушки, продукт маркет фит там еще не найден. 05 Роботы Целый этаж отдано под роботов - бегают, прыгают, дерутся и варят кофе. Но они всё ещё коммерчески неэффективны и покупаются скорее ради хайпа (на рекламные бюджеты). Интереснее другое - откуда их столько? Местный представитель объяснил логику КНР: государство заливает деньги в технопарки, а те финансируют сотни стартапов «вдолгую». Задача этих команд - не сиюминутная прибыль, а готовность. Как только в мире произойдет технологический прорыв (например, появится полноценный адаптивный ИИ-мозг для роботов), у Китая уже будут сотни готовых команд, способных мгновенно скопировать его и масштабировать в дешёвое производство. Ровно так они сделали с LLM после выхода ChatGPT. Посмотреть мой репортаж с WAIC 2026 можно здесь: 📱 YouTube / 📱 VK видео

Манифестация воли от Андрея Карпатого Перевели великолепнейший подкаст с Андреем Карпатым (чел, который придумал «вайбкоддинг», автопилот в Тесла, один из первых сотрудников OpenAI, сейчас исследователь в Антропик). Не понимаю почему у него так мало просмотров в англоязычном ютубе. Как по мне, это главный подкаст по ИИ за последние 3 месяца, который надо посмотреть. Какие мысли показались мне интересными: 01 Шептальный зал ИТшников. Передовые ИИ-лаборатории сейчас выглядят так: большой опенспейс, сидят люди в очках и что-то шепчут в компьютер. Они больше не пишут код вообще, они «выражают свою волю и манифестируют задачи роям агентов». Главный навык новых ИТшников это способность к декомпозиции и правильно давать инструкции. А если что-то не работает - это не предел технологии, а «нехватка навыка» у разработчика.  02 Парадокс Джевонса в ИТ. Это экономический феномен, при котором технологический прогресс, повышающий эффективность использования какого-либо ресурса, не сокращает его потребление, а, напротив, увеличивает его. Впервые эффект описал британский экономист Уильям Стэнли Джевонс в 1865 году в работе «Угольный вопрос», обратив внимание на то, что усовершенствования паровых машин, повышающие эффективность использования угля, привели к росту, а не снижению его общего потребления. Карпатый прогнозирует такой же эффект в ИТ-разработке. Ее стоимость кардинально уменьшится за счет агентов -> это породит огромный спрос, который сейчас скрыт -> это увеличит потребность в ИТшниках. Скорей всего ПО трансформируется от статичных приложений к динамичному софту. Примерно так: мне пришла идея сервиса -> я сказал ИИ-агенту -> он за 5 сек собрал приложение, интегрировался по Апи с сервисами и навайбкодил оболочку -> я пользуюсь. Как пример, он рассказал про свой проект «Эльф Добби»: Карпатый попросил агента найти умные устройства в своем доме. Агент сам просканировал локальную сеть, разобрался с API Sonos, систем освещения, штор и бассейна, сделал дашборд и вывел всё управление в единый чат WhatsApp. 03 Кризис когнитивного избытка Мысль такая: - человечество незаметно для себя произвело огромный массив цифровой информации; - циклов мышлений наших мозгов не хватает, чтобы все осмыслить. Отсюда появилась такая работа как наша - операторы ЭВМ, которые сидят в офисах; - это временное состояние. ИИ быстро «прочитает» и осмыслит абсолютно все научные статьи, репозитории и базы данных. - таким образом нас операторов ЭВМ заменит md файл с должностной инструкцией агента. - дальше ИИ пойдет работать с атомами = физический мир через сенсоры (камеры, лабораторные датчики, закупку данных у людей) и актуаторы (робототехнику). Тут все развиваться будет дольше, но изменения будут еще более глобальными. 04 Как меняется обучение Короткая, но интересная мысль. Он заметил по себе, что раньше он записывал свои знаменитые длинные видео лекции, которые объясняют что-то сложное, например, «Как устроена LLM». А сейчас он не видит в этом смысла. Теперь путь такой: сделал что-то сложное -> сгенерил поясняющий md файл для агента -> любой ИИ «с бесконечным терпением объяснит материал человеку на любом языке и под любой уровень знаний». Смотреть подкаст на русском языке можно здесь: https://youtu.be/26TuOJZm14w

Готовим очень интересный видеообзор для вас) скоро выпустим

OpenAI возвращается Давно не было хороших новостей от ОпенИИ. Казалось, что Anthropic с их Клодом уже окончательно перехватили лидерство. Но кажется, что ОпенИИ возвращается. Мы сделали профессиональный перевод их новой презентации на русский язык: https://youtu.be/ofAwkyf8HMg Что там интересного: - ChatGPT Work: полноценный приход ОпенИИ в агентский ИИ для не разработчиков. Позволяет делать эксели, презентации, сайты, в общем выполнять работу человека за компьютером. Такой ответ перплексити компьютер и клод коворку; - новая линейка моделей GPT 5.6. Sol, Terra, Luna. Интересно, что самая мощная модель (Sol) настолько поумнела, что исследователи OpenAI доверили ей самостоятельно обучить младшую модель Luna. - цены и эффективность. Стоимость токенов модели в 2 раза ниже чем у флагмана Антропика (fable) и вроде как для решения задач модель требует меньше токенов, что важно для больших агентских сценариев. При этом качество такое же или лучше судя по бенчмаркам. Глобально, кажется, что в этом году на наших глазах случается переход восприятия ИИ у человечества от «Чат для ответа на вопрос» к «Приложение, которое способно решать задачу под ключ». Интересно)

Новый подкаст с директором по стратегии AI в Cloud.ru (ex-SberCloud) Мы продолжаем серию подкастов про людей, которые строят искусственный интеллект в России прямо сейчас 🤓 У меня в гостях Дмитрий Юдин - директором по стратегии AI в Cloud.ru (ex-SberCloud). Их ЦОД является крупнейшим поставщиком ИИ-токенов в России. Именно на их мощностях обучается GigaChat и стоят суперкомпьютеры Christofari. О чём поговорили: - На какую задачу уходить 70% всех токенов в России? - Ждать ли нам российского GPU? - Сколько зарабатывают топовые ML-специалисты и AI-управленцы. 🎧 Подкаст уже доступен на двух площадках: 📱 YouTube / 📱 VK видео