Hakku Медиа

Наш сегодняшний пост - редкость. Мы не будем рассказывать о каком-либо внедрении. Сегодня поговорим о трендах и о том как наиболее вероятно будет выглядеть будущее через 3-5 лет.

Мы взяли интервью у Владислава Кудинова - CTO компании VEAI. Он не только находится в самом сердце компании, предлагающей решения для ускорения современного кодинга. Но еще подписан на 100+ коллег-конкурентов со всего мира и мониторит, куда идет развитие в этой сфере.

Хотите узнать как в 2026м происходит разработка приложений и кода для крупных компаний? И что нас ждет к 2030-ому?

Читайте здесь: https://ai-factory.blog/ii-v-razrabotke-dlya-biznesa-vayb-koding-agenty/

Подписывайся на @ai_factory: ясно видеть будущее могут немногие. Я выберу того, кто может.

Конец бесконечных согласований договоров, о которых мечтает любой бизнес. Как noroots автоматизирует юридическую работу и ускоряет сделки в 4 раза.

Крупные современные компании часто упираются не в поиск клиентов, а в скорость внутренних процессов.
И, как правило, «узкое место» — договоры.

Сделка уже согласована, но:
⁃ документ уходит на очередные круги правок
⁃ юристы вручную сверяют версии
⁃ сотрудники перестраховываются и перепроверяют всё по несколько раз
В итоге — дни или недели задержки.

Что делает AI-сервис от noroots:
• находит риски в документе
• объясняет влияение и взаимосвязи
• предлагает готовые формулировки и позволяет сразу внести правки в текст
• отвечает на вопросы по договору (как copilot)
• сравнивает версии документов
• генерирует письма, допсоглашения и протоколы на базе основного документа

На примере реального кейса внедрения для одного из крупнейших поставщиков тяжелой техники, запасных частей и сервисных услуг в России рассказываем как noroots как могут улучшиться операционные показатели:
• проверка договоров стала быстрее быстрее в 2,8 раза
• протоколы разногласий — в 5,4 раза
• согласование — в 4,2 раза
• на 60% больше найденных рисков

Согласование договоров никогда не будет прежним.

Полную версию статьи читайте здесь:
https://ai-factory.blog/kak-ii-uskorjaet-proverku-i-soglasovanie-dogovorov/

Подписывайся на @ai_factory: расширяем твой фрейм, помогаем расти

📦 AI-прогнозирование спроса, без которого селлеры теряют деньги каждый день.

Продажи с большим спектром SKU - это больше не про «загрузил товар и продаётся» - Сейчас это игра в данные и точность.

И почти у всех одна и та же проблема:
⁃ закончился товар — потеряли продажи
⁃ завезли слишком много — заморозили деньги
⁃ прибыль есть, но непонятно где она «съелась»

Большинство решений принимается традиционными методами - Excel, макросы, самописные коды.

OSMI IT помогли создать решение на базе AI-прогнозирования:
• показывает, когда закончится остаток
• прогнозирует продажи по товарам
• считает выручку, расходы и прибыль
• учитывает сезонность и динамику

По сути это навигатор для принятия решеий, а не зеркало прошлого.

Сейчас это особенно критично, потому что выигрывают уже не те, кто больше продаёт,а те, кто лучше считает.

На практике внедрение даёт:
• меньше out-of-stock
• меньше лишних закупок
• больше управляемости в деньгах
• быстрые решения на основе данных

Полную версию кейса читайте на сайте:
https://ai-factory.blog/cases-ai-prognozirovanie-sprosa-marketplejsy-fbo/

Подписывайся на @ai_factory — АА AB AC вместо АААААААААА

Автоматические протоколирование совещаний, о котором мечтает каждая компания. Как mymeet_ai вырос от подростковой идеи до 7 млн рублей MRR.

Современный бизнес живёт во встречах: продажи, планёрки, интервью, контроль качества.
И почти всегда после них остаётся одно и то же:
⁃ размытые договорённости
⁃ потерянные детали
⁃ часы на переслушивание звонков.
Руководители проверяют разговоры менеджеров, HR вручную фиксируют интервью, команды пишут протоколы. В больших компаниях это превращается в десятки часов рутины каждую неделю.

Что делает mymeet_ai
Сервис становится AI-слоем поверх встреч:
• записывает звонки
• делает транскрипт
• формирует summary
• выделяет задачи и ответственных
• позволяет уточнять детали в формате чата

Работает сразу с несколькими платформами - Zoom, Teams, Телемост и другими — собирая всё в одном месте.

В 2022 году mymeet_ai был студенческим проектом в акселераторе. Три фаундера, никакой большой команды, никаких инвестраундов. Задумка выглядела просто: загрузить запись встречи - получить транскрипт, протокол и список задач.

Спустя два года это уже полноценная компания:
• ~20 сотрудников
• 250 тыс. пользователей
• 2000 платящих клиентов
• 7 млн рублей MRR.

Реальный эффект
На примере компании electro_cars: после внедрения mymeet_ai удалось сократить время контроля звонков и подготовки к встречам примерно на 15 часов в неделю на сотрудника.

Полную версию статьи читайте на сайте: https://ai-factory.blog/transkribaciya-soveshchaniy-mymeet-ai/

Подписывайся на @ai_factory - мы помогаем экономить время.

Google выкатил вижн-отчет про 2026 год и AI-агенты. Очень красивый, но в нем мало что понятно с ходу. Давайте разбираться.

AI-агенты 2026: происходит незаметный для большинства людей, но важный сдвиг.

Представляем вам саммари документа и руководство к действию, как это применить прямо сейчас, чтобы не быть аутсайдером и оставаться в теме.

Давайте разъясним, что такое AI-агент.
AI-агент — это алгоритм, цепочка действий, частью которой является AI модель (например языковая LLM, но не обязательно только она). AI-агент не отвечает на вопрос в режиме чата, а самостоятельно выполняет задачи, чтобы достичь цели, на которую он был запрограммирован.

Агент может:
• читать базы данных
• заходить в CRM
• искать в интернете
• писать письма
• создавать файлы
• вызывать API

То есть это программа, внутри которой есть AI. Как осьминог, где голова это AI, но у него еще есть щупальца для взаимодействия с разнообразными источниками, вводом/выводом данных в интернете и физическом мире.

Не обязательно быть программистом, чтобы настроить такой алгоритм (см. конец поста).

Где они уже используются:
• автоматическая поддержка клиентов
• анализ данных
• маркетинг, сбор и анализ контента
• кибербезопасность
• закупки и финансы
• персональные ассистенты

В каких направлениях применяется:
1. Для сотрудников (personal work agents) - мониторинг информации, обработка документов, подготовка отчетов
2. Для бизнес-процессов (workflow automation) - “digital assembly line” - выявление отклонений, создание тикетов, анализ причин, корректирующие действия
3. Для клиентского сервиса (AI concierge) - поддержка, возвраты, логистика, уведомления - автоматизированное общение с клиентами
4. Для кибербезопасности - анализирует и отфильтровывает тысячи поступающих алертов и реагирует на действительно важные
5. Для электронной коммерции - агент совершает покупку когда цена становится ниже заданного порога

⚡️⚡️⚡️Ключевой месседж в документе от Google:
Главный сдвиг в развитии прикладного AI - современный "продвинутый" сотрудник в компании больше не делает все руками — он настраивает AI-агенты и управляет ими.


Как начать использовать прямо сейчас:

Если без программирования и на вайбкоде:
1️⃣ ChatGPT GPTs (простой старт, но слабоват)
2️⃣ n8n (реальная рабочая лошадка)
3️⃣ Flowise (визуальный конструктор)
4️⃣ Claude Skills (превращение Claude в агента)
Стоит заметить что почти все это было доступно уже в 2024-2025.

Если ты разработчик:
5️⃣ LangChain (самый популярный)
6️⃣ CrewAI (для команд агентов)
7️⃣ Microsoft AutoGen (диалоговое взаимодействие между агентами)
8️⃣ Vertex AI Agents (Enterprise уровень)


Если ты руководитель

1. Найди повторяющийся процесс
2. Разбей его на роли-агенты
3. Подключи данные (CRM, базы, ERP)
4. Оставь человека как финальный контроль

Если ты CTO / стартап

* Строй agent-first SaaS
* Делай AI-консьержей
* Автоматизируй compliance, поддержку, аналитику

Да, нужно потратить время на настройку этого алгоритма, но это инвестиция времени, которая многократно сократит рутину, съедающую ресурсы изо дня в день.

Ты все еще смотришь, или уже действуешь? Подписывайся на @ai_factory - помогаем действовать 😉

🚀 Как AI-видеоаналитика меняет промышленность на практике

На заводах простой станка, брак и нарушения техники безопасности напрямую превращаются в убытки. Классический контроль (проверки вручную и отчёты) не успевает за реальным производством. Именно с такими проблемами сталкивался завод «Иж-Рэст», и поэтому руководство решилось на внедрение системы видеоаналитики от Zool ai.

Что изменилось после внедрения AI:
— брак снизился примерно на 30%
— простои оборудования упали на 15–20%
— появилась прозрачная статистика по сменам
— удалось полностью исключить травматизм

Система анализирует видеопотоки с камер в реальном времени и умеет замечать даже минимальные отклонения: износ деталей, дефекты продукции, нестабильность работы станков, нарушения техники безопасности. Это позволяет переходить от реакции на поломку к её предсказанию заранее.

Интересно, что внедрение заняло около полугода и сначала встретило сопротивление сотрудников, но после запуска сомнения исчезли: данные оказались точными, а управление производством стало проще и объективнее.

💡 Отдельный плюс — гибкость: интерфейс позволяет клиенту самому выбирать, что отслеживать, без необходимости привлечения программистов.

👉 В полной версии читайте подробности об архитектуре системы, этапах внедрения, стоимости и планах развития AI-платформы на 2026 год: https://ai-factory.blog/zool-ai-videoanalitika-na-proizvodstve/

Подписывайся на @ai_factory - рассказываем как применять ИИ, а не только думать о нём.

Стоимость ошибки найма персонала сегодня слишком высока, чтобы полагаться только на интуицию или на ручную экспертизу.

Так появился FoxTailBox — платформа автоматизированного ассессмента, которая с помощью ИИ оценивает технические и личные компетенции кандидатов и сотрудников.

Расскажем про один из кейсов внедрения в крупном "красном" банке:

Что делает сервис:
— автоматически строит карты компетенций;
— за минуты генерирует тесты и практические задания;
— проверяет ответы и код из репозиториев;
— общается с кандидатами через чат-бота без участия HR.

Метрики эффективности:
📉 экономия ~42,5 млн ₽ за год
📊 ROI — 1:3
⏱ ответ кандидату: с 1 недели до 2–5 минут
💬 100% кандидатов получают обратную связь
📉 нагрузка на HR — минус 64%

Точность оценки — 97,3%, сопоставима с экспертами.
При этом платформа может работать полностью автономно и не обрабатывает персональные данные.

FoxTailBox начинался как внутренний IT-инструмент, а сегодня масштабируется на любые роли — от линейного персонала до топ-менеджмента и выходит на международные рынки.

👉 Полную версию интервью с кейсами, цифрами и планами на 2026 год читайте по ссылке (https://ai-factory.blog/ii-platforma-ocenki-personala-foxtailbox/)

Подписывайся на AI Factory @ai_factory - рассказываем, как не бояться волны продуктов ИИ, а сёрфить на ней.

Недавно у Data Secrets вышел потрясающий конспект о том как работают современные LLM и как они исторически развивались.

Что такое веса, как устроено предобучение, обратное распространение ошибки, файн тьюнинг и многое другое.

Можно смело назвать этот материал "золотой серединой" между гик-уровнем и нуб-уровнем. И при этом минимум текста и максимум наглядных илллюстрацийи. Достаточно легкий для понимания любым человеком с базовым высшим образованием (привет линейная алгебра и мат. анализ), при этом достаточно глубокий, чтобы читатель начал в этом разбираться лучше, чем тот кто просто каждый день листает новости и знает лишь поверхностно о том как устроены нейронные сети.

В общем, очень рекомендуем к изучению!

Время чтения ~ 1 час.

Подписывайся на @ai_factory. Погружаем, рассказываем, дружески проводим за руку по миру ИИ.

В 2025 году массовый найм в России перестал быть зоной экспериментов с ИИ — он стал зоной экономического эффекта. Один из самых показательных примеров — кейс HR-tech-платформы HireMate, которая встроила ИИ в процесс найма так, что компания-заказчик… просто перестала участвовать в операционке.

Речь не про чат-бота «для первичного отклика».
Речь про ИИ, который сам принимает кандидатов, общается, оценивает, двигает по воронке и доводит до выхода на объект — без рекрутеров.

📌 Разбираем бизнес-кейс, в котоором крупная аутсорсинговая компания с массовым наймом >1000 кандидатов в месяц экономит до 1,5 млн ₽ в месяц без просадки в качестве.

Это не история про «будущее HR». Это пример того, как ИИ уже сейчас закрывает конкретную бизнес-функцию с понятной экономикой.

В полной версии материала:
— как HireMate привлекали инвестиции
— почему отказались от большего чека
— как формируется цена внедрения
— какие метрики считают клиенты
— и как ИИ становится частью HR-команды, а не инструментом

👉 Полный разбор кейса — по ссылке на сайте: https://ai-factory.blog/ii-platforma-dlya-rekrutinga-hiremate/

Подписывайся на @ai_factory, мы берем интервью у российских компаний в сфере ИИ.

🎯 Устали от AI-хайпа без фактов?

Запустили канал: AI Factory | Исследование дня
Никакого шума — только цифры, тренды и инсайты из главных AI-исследований мира в формате инфографики.

Почему это важно?
Сейчас в AI столько шума, что сигнал теряется. Мы берём главные исследования года — OpenAI, McKinsey, Stanford, Gartner, Capgemini — и упаковываем их в понятные инфографические карточки.

🔍 Что внутри:
→ Ключевые метрики и тренды
→ Кейсы из реального бизнеса
→ Данные, а не мнения
→ Формат для быстрого усвоения
→ Разборы McKinsey, OpenAI, Gartner, Stanford

Первые материалы уже внутри: OpenAI State of Enterprise AI 2025 — 22 карточки с ключевыми находками.

Подписывайтесь, если хотите понимать AI-индустрию через данные 📊
👉 AI Factory | Исследование дня👈

400 млн рублей инвестиций привлекла российская компания Veai, разрабатывающая платформу управляемого AI для enterprise-разработки программных продуктов.

AI в разработке: почему enterprise устал от “магии”. Сегодня говорим про Veai.

AI-ассистенты для программистов стали нормой: автокомплишен, чат в IDE, генерация кода. Но в enterprise быстро выяснилось: то, что работает в pet-проектах, плохо масштабируется.

Большие кодовые базы, регуляторика и высокая цена ошибки превращают «вайб-кодинг» в риск. Ключевая проблема сегодня — не технологии, а управляемость AI.

В новом материале разбираем, как этот разрыв закрывают на практике — на примере Veai.

Что отличает enterprise-подход:
• AI — не чат, а набор управляемых сценариев под бизнес-задачи
• фокус не на «сгенерируй код», а на:

- росте тестового покрытия
- стабилизации flaky-тестов
- миграциях и онбординге
- мультиагентные цепочки вместо одного универсального ассистента
- результат измерим и воспроизводим

AI перестаёт быть «чёрным ящиком»: у CTO и техлидов появляется контроль — где есть эффект, какой код принимается без правок, что масштабировать.

Главное — цифры:
• +10–25% эффективности разработчиков
• ~80% AI-тестов принимаются без правок
• до $600K+ экономии в год на 100 разработчиков
• эффект виден уже через 2 недели

Почему компании, попробовавшие Cursor и облачные ассистенты, выбрали другой путь? Сколько реально стоит внедрение? И почему рынок уходит от «умных чатов» к управляемому AI в SDLC?

👉 Полный разбор с кейсами, метриками и ROI — по ссылке в нашем электронном журнале: https://ai-factory.blog/kak-veai-privlekla-400-mln-rubley-upravlyaemyj-ii-dlya-korporativnoj-razrabotki-koda/

Подписывайся на @ai_factory, мы создаем эксклюзивный контент, а не просто парсим новостные сайты.

Мы обещали вам кейсы с российского рынка ИИ и интервью с командами разработки. Время пришло.

Presentsimple ai - презентации за 15 минут вместо 3–4 часов. Реальный кейс ИИ для бизнеса.

В большинстве компаний презентации — это скрытая «черная дыра» времени.
Продажи, стратегия, отчеты для совета директоров — сотрудники регулярно тратят на это по несколько часов, а в сумме — сотни человеко-часов в месяц.

Один российский стартап показал, что эту рутину уже можно системно автоматизировать.

Presentsimple ai — ИИ-конструктор презентаций, который компании внедряют не как «красивую игрушку», а как рабочий инструмент внутри процессов. Без облаков, с on-premise-развертыванием и учетом ИБ-требований.

Что получают на выходе
- Сокращение времени подготовки стандартной бизнес-презентации в 2 раза и больше
- От 3–4 часов → до 15–20 минут на готовый результат
- Презентации, которые не выглядят «сгенерированными нейросетью»
- Минимум ручной верстки и правок от дизайнеров

В полной версии кейса разбираем:
- как устроена архитектура решения
- почему крупные компании выбирают on-premise
- какие ИИ-модели используются и как решен вопрос безопасности
- за счет каких функций достигается экономический эффект
- и где проходит граница между «вау-демо» и реальным внедрением

👉 Полный кейс читайте по ссылке в нашем электронном журнале: https://ai-factory.blog/ii-konstruktor-prezentaciy-dlya-biznesa-presentsimple-ai/

Подписывайся на @ai_factory, мы создаем эксклюзивный контент.

Новогоднего контента вам в ленту! ❄️☃️🏂

Любопытно, что на сегодняшний день невозможно с помощью SORA сгенерировать людей, кружащихся в вальсе или играющих в снежки. Многократные попытки генерации с максимально подробным описанием процесса не привели к успеху.

Например, в случае со снежками промпт был вот такой:
Изобрази двух человек, играющих в снежки: 1) первый человек держит в сжатой руке со стороны ладошки комок из снега 2) затем бросает его в другого человека 3) снежок вылетает из ладошки первого человека и летит в сторону второго человека 4) снежок попадает во второго человека и разбивается в снежную пыль.

Результаты этих попыток вы можете увидеть на прикрепленных видео 😆 работа нашей редакции была парализована смехом.

Вероятнее всего, это связано с тем, что, Sora имеет запрет на генерацию следующего контента:
⁃ контент с реальным насилием, жестокостью, оружием, кровью, травмами или опасными трюками;
⁃ откровенный, эротический или сексуализирующий контент, особенно в неподобающем контексте;
⁃ сцены, явно нарушающие авторские права, включая узнаваемые эпизоды из фильмов или целые музыкальные клипы;
⁃ опасную дезинформацию, фейковые новости или манипулятивные видео с реальными людьми.

Технически модель также ограничена в создании реалистичных сцен с большим количеством объектов и сложной, правдоподобной сменой сцен.