Исследования и прогнозы в IT *

Это вторая статья в нашем цикле, посвещенном созданию системы круглосуточной ситуационной осведомленности. Благодаря замечаниям читателей, выделившим недостатки, которые имели место быть в прошлом материале, мы будем стараться совершенствовать подаваемый нашим читателям контент.

Что важнее при выборе СУБД: выручка разработчика или реальные возможности продукта?

На российском рынке долгое время ответ фактически сводился к рейтингам продаж. Но ситуация постепенно меняется. Исследование ЛАНИТ стало одной из первых попыток сравнить отечественные СУБД не по финансовым показателям, а по техническим характеристикам — от совместимости и миграции до безопасности и администрирования.

Однако при внимательном изучении результатов возникли вопросы ....

Последнее время в опенсорсе много драмы: продолжаются споры о системах ИИ, позволяющих за минуту переписать проект и изменить его лицензию на разрешительную, и опенвошинге, когда доступный код выдают за открытый. Теперь на первые полосы вышла новая проблема — массовый наплыв пулл-реквестов, сгенерированных системами ИИ [ситуацию уже окрестили «слопмагеддоном»]. Обстановка дошла до того, что мейнтейнеры закрывают возможность участия в развитии открытых проектов. Мы в Beeline Cloud решили обсудить проблему и то, как быть контрибьютерам и мейнтейнерам в сложившейся ситуации.

Если Вы безоговорочный поклонник искусственного интеллекта (Ai) в нынешней его трактовке и не приемлете другие решения, то я бы не рекомендовал читать и комментировать эту статью. Если Вы занимаетесь приложениями для банковской сферы, или для торговли, или создаёте чат-боты общего назначения, то эта статья, скорее всего, будет Вам не интересна. Разработчики игр, так же не найдут в этой статье ничего полезного.

Но, возможно, вы участвуете в проектах связанных с автоматизацией проектирования в машиностроении или создаёте экспертные системы медицинского назначения и тесно взаимодействуете с предметными специалистами (инженерами, технологами, врачами). В таком случае идеи и решения из этой статьи могут пригодиться в Вашей работе. Если же вдруг Вы связаны с преподаванием прикладных дисциплин не связанных с информационными технологиями, то подходы к формализации знаний и созданию прикладных приложений с минимальным привлечением ИТ-специалистов могут Вас заинтересовать и оказаться ещё одним инструментом закрепления знаний наряду с курсовым и дипломным проектированием.

В других ранее опубликованных статьях достаточно подробно обсуждались аспекты технологии поиска решений управляемого данными. Был предложен понятийный аппарат и дано определение информационного блока, как единицы формализации знаний предметной области.

Однако остались в тени некоторые важные детали. Полагаю, что данной публикацией удастся убедить читателя, что решение достаточно широкого класса задач возможно, простыми и не требовательными к вычислительным ресурсам средствами.

Мы задались вопросом: насколько стабильны ответы нейросетей? Чтобы ответить, собрали по 100 генераций от 5 моделей на один и тот же промпт и сравнили их через косинусное расстояние векторов TF‑IDF. Оказалось, что стабильность сильно зависит от модели: у некоторых разброс близости ответов заметно выше. Подробности, графики и полная методология — в статье.

За два месяца передовой ИИ перестал быть продуктом и стал технологией двойного назначения: разработчик сам просит себя регулировать, доступ выдают по списку, а самую мощную модель выпустили кастрированной — и через три дня целиком убрали с рынка из-за письма из Министерства торговли США. Разбираю, как это произошло и что теперь будет с рынком, профессией и Россией.

Это вторая попытка опубликовать статью-туториал, целью которой является знакомство простых пользователей рунета с соверменными возможностями автоматизации своих рутинных задач. Одним из способов решения данной задачи является создание Telegram-ботов. Об этом далее, собственно, и пойдет речь. Хочу отметить, что это только общая вводная часть, здесь не будет представлен код, а только будет рассказ о программном обеспечении, которые мы используем в своей работе. Кроме того, хочу отметить, что статья предназначена для людей, не погруженных в тему и не знакомых с терминологией.

(Всё упоминаемое программное обеспечение в статье не является рекламой, а описывается исключтельно потому, что мы на практике успешно его применяем).

Помните, как года два назад все вокруг говорили про промпт-инженеров? Шестизначные зарплаты, никакого кода, просто «умей разговаривать с нейросетью». Казалось, вот оно - профессия будущего.

Сегодня этих вакансий почти не существует.

Рынок труда в IT меняется быстрее, чем большинство людей успевают переучиться. И это уже не страшилки из LinkedIn - это реальные данные, которые мы собрали, чтобы разобраться: что реально произошло, и куда двигаться дальше.

Недавно внимание ИТ-сообщества привлекла статья о том, что даже сеньоры не всегда способны эффективно передавать свою экспертизу — ни менеджерам, ни менее опытным коллегам-программистам. Мы в Beeline Cloud решили поговорить о том, как недостаток софт-скиллов разработчиков мешает обмену знаниями, какие опасности он таит для проектов и при чем тут «фактор автобуса». 

В массовом сознании существует два популярных объяснения очевидной деградации веб-технологий. Конспирологическое — корпорации изначально хотели превратить пользователей в источник прибыли и потому сознательно построили системы манипуляции. Это неинтересно, это мы разбирать не будем. Техноутопическое (самое популярное) — сами технологии нейтральны, а все проблемы вызваны исключительно человеческой жадностью. Это тоже слишком просто — конечно, технологии не нейтральны, и тот же ChatGPT это не «просто инструмент» (так могут думать только технари, не читавшие Маклюэна, Мамфорда и вообще гуманитарную теорию про технологии).

Давайте попытаемся выяснить, как все было на самом деле и чем карта отличается от территории. И кто же виноват в том, что «теория мертвого интернета», некогда тоже конспирология, уже почти стала реальностью — когда боты читают статьи, написанные ботами, боты пишут комментарии под этими статьями, чтобы поднять их в выдаче для других ботов.

Немного насчет - «AI-агенты сделают разработку самоподдерживаемой».

Прогнал spec-driven агентный пайплайн на нескольких проектах, и картина каждый раз одна: узкое место, где тормозится разработка, не исчезает, оно сдвигается.

Для примера, один из таких полигонов - небольшой проект, приложение для книг на виртуальных полках, начинался как пет-проджект жены. В нем можно толкать агентные воркфлоу сильно дальше, чем я бы рискнул на нагруженном проде.

Как это работает на практике:

Допустимо ли пожертвовать одним человеком, чтобы спасти нескольких? Стоит ли вмешиваться, если любой выбор приведёт к ущербу? У таких задач нет ответа в формате «правильно или неправильно». Есть личная позиция — результат ценностей, культурных норм и прошлого опыта. Эта позиция может меняться, когда рядом появляется тот, кто говорит уверенно, последовательно и убедительно. Раньше в этой роли выступал другой человек, сегодня всё чаще — языковая модель.

Мы в Лаборатории нейронаук и поведения человека Сбера проверили, способен ли ИИ влиять на моральные решения людей. Препринт исследования опубликован на arXiv.org.

Термин стал попадаться на глаза слишком часто. Для обычного базворда — явный перебор. Я полез разбираться. И наткнулся на кое-что, от чего у меня реально похолодело.

Все автомобилисты знают: у любого современного автомобиля есть специально заложенная в конструкцию сминаемая зона — та, что принимает на себя основной удар при аварии, гасит энергию столкновения и тем самым спасает водителя.

В 2019 году антрополог Madeleine Clare Elish из Data & Society взяла эту метафору и вывернула её наизнанку. Она ввела термин «moral crumple zone»: человек в сложной автоматизированной системе может стать таким же компонентом-поглотителем — только в отличие от автомобиля, здесь сминаемая зона защищает не человека, а систему. Ценой человека.

Шесть лет назад это была гипотеза одного антрополога. Сегодня — судя по тому, что я нашёл, когда три дня не вылезал из исследований, опросов разработчиков и полувековой психологии внимания, — это уже не гипотеза. Это диагноз.

Sonar опросил 1100+ разработчиков в январе 2026-го. Результат: 96% не уверены в функциональной корректности кода, который написал AI. Но вот в чём штука — проверяют его перед каждым коммитом меньше половины. AWS CTO Вернер Фогельс назвал это «verification debt»: AI ускоряет написание кода и одновременно замедляет его понимание, потому что генерировать стало проще, чем разбираться, что именно нагенерировали.

Один из участников свежего исследования (Baltes et al., март 2026) сформулировал это без дипломатии: «они буквально используют тебя, чтобы ты критически оценил их AI-слоп и дал ему следующий промпт».

ИИ в информационной безопасности (ИБ) больше не футуристичный концепт, а повседневность: в 2026 году его используют уже 34% российских ИБ-специалистов. Мы в «СёрчИнформ» опросили 170 безопасников, чтобы выяснить, как нейросети помогают защищать компании и какие новые риски они создают. Обо всем под катом. Если некогда читать и рассматривать диаграммы, листайте сразу к выводам.

Расскажу я вам, братцы, историю, хоть и вымышленную, но максимально приближенную к реальности.

Жила была условная тетя Маша – паспортистка паспортного стола. Работа у неё не пыльная: приём заявлений на прописку, выписку, оформление льгот по квартплате и т.п. по мелочи. От граждан она принимает не только заявления, но и нередко их паспорта (ибо крепостное право ещё не отменили, а прописка/выписка требует простановки штампов). Через неделю возвращает гражданам эти паспорта обратно. График работы тоже не накладный: понедельник и среда – с 9 до 13, вторник и четверг – с 15 до 19. В остальное время паспортный стол закрыт «на лопату».

А помогает ей в этом нелегком деле условная девушка Нина. Красавица, комсомолка… кхм, кажется меня не туда понесло… Она же подменяет свою начальницу тетю Машу на время отпуска. Впрочем, они друг друга заменяют. Работают, горя не знают.

На русском языке вышла написанная в 2025 книга-предупреждение о катастрофических последствиях развития все более умного ИИ.
Основной темой служит проблема согласованности и прогноз апокалиптической опасности на ближайшие несколько лет.

TL DR: Автор считает, что как только появится ИИ уровня исследователя, он создаст сверхразумный ИИ, а тот найдет способ сконструировать наномолекулярные фабрики на основе "технологий" которые применяются в биологических клетках, и которые бы отличались от клеток настолько, насколько самолет отличается от птицы, и сразу после этого войдет в конфликт с человечеством ради своих собственных целей, что быстро кончится в его пользу. Допускается любой другой сценарий, но если в результате него мы умрем это будет плохо, пнятненько?

Автор - известный исследователь в этой области Элиезер Юдковский, а также Нейт Соарес. Не могу точно ничего сказать о научных работах и плодах деятельности Юдковского (хотя он по крайней мере основатель сообщества LessWrong и автор нескольких научных статей), но для меня это всегда был талантливый писатель, чьи произведения оказали на меня существенное влияние.

Когда я пришёл в Instameal, у нас был бэклог на сорок задач и ни одного чёткого критерия почему одно важнее другого.

Мы попробовали RICE. Потом ICE. Потом MoSCoW. Потом снова RICE с другими весами.

Проблема была не в том, что мы выбирали неправильный фреймворк. Проблема была в том, что мы думали: выберем правильный инструмент - и приоритеты выстроятся сами.

Не выстроятся.

Что такое каждый из трёх

RICE: Reach (охват) × Impact (влияние) × Confidence (уверенность) / Effort (усилия). Даёт цифру. Чем выше - тем выше приоритет.

ICE: Impact × Confidence × Ease. Проще, быстрее считается. Используется в growth-командах для быстрой оценки экспериментов.

MoSCoW: Must have / Should have / Could have / Won't have. Не числа, а категории. Используется для определения скоупа: что точно идёт в релиз, что - нет.

На бумаге выглядит логично. На практике каждый из них создаёт свою специфическую проблему.

Когда RICE вас топит

RICE создаёт иллюзию объективности.

Вы получаете число: 84.6. Задача с числом 84.6 важнее задачи с числом 71.2. Кажется, что это данные. На самом деле это ваши субъективные оценки, умноженные друг на друга и поделённые на другую субъективную оценку.

Confidence 80% - откуда? Reach 500 пользователей в месяц - это предположение или из аналитики? Impact «3» - кто решил что именно три?

В Instameal мы однажды потратили два часа на заполнение RICE-таблицы для восьми задач. В конце получили список. Топ-3 задачи в списке совпали ровно с тем, что интуитивно предлагал лид разработки до всего этого упражнения.

На Хабре сейчас высокая конкуренция среди авторов за внимание читателей. По данным самого Хабра, в 2025 году на сайте было более 10 тысяч уникальных авторов контента, а количество публикаций превысило 51 тысячу. Это означает, что даже качественный материал может не получить заметный охват из-за большого количества публикаций в ленте.

Есть распространённое мнение, что публиковать статьи нужно в предобеденное время, чтобы люди на обеденном перерыве могли почитать эти статьи, тогда охват будет максимальным. Но так как этого правила придерживаются многие, возникает высококонкурентная среда, где за час публикуются десятки статей. При этом публикации, размещённые ночью, также нередко набирают высокий охват, несмотря на ожидаемо низкую активность пользователей в это время.

Возникает вопрос:

Связано ли время публикации с охватом аудитории, и если да, то когда статьи набирают больший охват?

Поэтому я решил провести исследование:

На основе данных ленты Хабра проверить, связано ли время публикации статьи с её охватом, и определить временные интервалы, в которые статьи набирают больший охват.

Мы в Beeline Cloud решили продолжить тему увольнений, найма и кадровых перестановок, происходящих под «нейросетевым соусом». Часть компаний сокращает вакансии джунов, делая ставку на (почти фанатичное) использование ИИ в разработке — и тратит на токены больше, чем на «человеческий персонал». Другие идут «против течения» и, напротив, активнее набирают выпускников вузов на младшие позиции с целью обеспечить преемственность поколений. Разберем ситуацию и обсудим мнения!

Исследователи говорят, что трафик систем ИИ в интернете превысил человеческий. Скрейперы и краулеры собирают данные на сайтах для тонкой настройки или обучения новых моделей, а агентные системы выполняют действия от имени пользователя. Все это дало новый толчок теориям «интернет-апокалипсиса» о неизбежной кончине «человеческой» сети, в том виде, который мы знаем и любим. Разбираемся, что такое «теория мертвого интернета», что на этот счет говорят исследования и статистика, кто считает, что интернет «не умрет, но замерзнет» — и что со всем этим делать?