Внутри AI | Кейсы ИИ Агентов в бизнесе

⚡️n8n на российских серверах — теперь на Agent Platform

Добавили на платформу новую функциональность: быстрое развёртывание n8n. Это ноукод-инструмент для сборки AI-агентов и автоматизации бизнес-процессов. Он помогает продуктовым командам быстрее проверять гипотезы и внедрять LLM в реальную работу.

Почему это удобно:

— Готовая инфраструктура: можно развернуть n8n-среду за несколько минут.
— Коммерческий уровень SLA: стабильность и доступность для бизнес-задач.
— Российские серверы: данные хранятся в РФ и соответствуют требованиям законодательства.
— Работа без VPN: быстрый доступ без дополнительных настроек и переключений.
— Оплата в рублях: никаких валютных комиссий и сложностей с платежами.

С Agent Platform вы можете тестировать популярные модели от OpenAI, Google, Yandex и Cloud через единое API.

➡️ Регистрируйтесь и попробуйте на ваших бизнес-задачах

OpenAI Frontier: агенты как штатные сотрудники

OpenAI запустила Frontier — enterprise-платформу для построения, деплоя и управления AI-агентами. Главная идея: относиться к агентам не как к инструментам, а как к цифровым сотрудникам: с онбордингом, доступом к внутреннему контексту, обучением на фидбэке и чёткими permissions.

Проблему сформулировали так: модели уже достаточно умные, но разрыв между возможностями моделей и тем, что реально деплоится в компаниях, растёт. Каждый новый агент добавляет сложность, потому что работает изолированно и не видит контекст других систем.

Архитектура Frontier строится на трёх слоях:

▫️ Business Context — семантический слой поверх CRM, DWH, тикетинга и внутренних приложений. Все агенты видят единый контекст компании: как устроены процессы, где лежат данные, что считается хорошим результатом.

▫️ Agent Execution — среда, в которой агенты работают с файлами, запускают код, используют инструменты и накапливают memory из прошлых взаимодействий. Работает across clouds без replatforming.

▫️ Evaluation & Optimization — встроенная система оценки и улучшения качества. Агенты учатся на реальной работе, а не только на демо-сценариях.

Цифры из кейсов: один производитель сократил оптимизацию производства с 6 недель до 1 дня, энергокомпания увеличила выпуск на 5% (+$1B выручки), root cause analysis ускорился с 4 часов до нескольких минут.

#александр_опрышко #openai

Вышла новая версия Claude Opus 4.6

Модель тщательнее планирует процессы, самостоятельно решает, сколько ей думать, стабильнее работает с объёмными кодовыми базами и лучше находит ошибки.

Игорь Латкин, управляющий партнер KTS:

Предыдущая версия давала впечатляющий результат на наших агентных задачах. Судя по бенчмаркам, новый Opus 4.6 должен справляться ещё лучше. С нетерпением ждём внутренних тестов у нас. Особенно из-за увеличения контекста с 200K до 1М входных токенов, что даст возможность работать с гораздо большими объёмами данных.

Ключевые обновления:

▫️контекстное окно 1 млн токенов в бета-версии
▫️128K токенов output
▫️ARC-AGI 2: почти 69%
▫️humanity's Last Exam: лучший результат без использования тулов
▫️высший балл в Terminal-Bench 2.0
▫️Adaptive thinking для регулирования уровня глубины мысли
▫️Agent teams для параллельной и скоординированной работы агентов

Партнеры Anthropic делятся первыми результатами использования модели. Для Rakuten Opus 4.6 за один день автономно закрыл 13 задач и распределил ещё 12 среди нужных команд — модель сама решала, когда эскалировать вопрос к человеку. В слепом тестировании по кибербезопасности фонда NBIM Opus 4.6 выиграл 38 из 40 против разных версий Claude 4.5

#игорь_латкин #claude_opus

⚡️Вакансия: Старший ML разработчик NLP GenAI в KTS

Мы расширяем AI команду и ищем сильного ML инженера, который большую часть времени будет работать руками и делать прикладные решения для бизнеса.

С первого дня ты будешь заниматься реальными задачами для крупных заказчиков. В работе будут мультиагентные системы, RAG решения, AI ассистенты и автоматизация процессов на базе LLM. Помимо заказных проектов и пилотов, ты будешь участвовать в развитии собственного платформенного AI решения. По мере роста команды подключишься к техническим интервью и менторству.

Откликайся, если узнал себя:

— 5+ лет коммерческого опыта в ML
— 3+ года коммерческого опыта обучения NLP моделей
— разрабатывал решения на базе LLM и RAG, работал с агентными системами
— умеешь решать ML задачи полного цикла от данных до продакшна
— понимаешь, как превращать модели в ценность для бизнеса
— комфортно работаешь самостоятельно и в команде
— не боишься коммуникации с заказчиком

Если хочешь развиваться в ML и GenAI и делать решения, которые реально работают в бизнесе, откликайся и добро пожаловать в KTS.

Как я заменил ChatGPT на Claude Code — даже в менеджерских задачах

До недавнего времени любые задачи на разработку я передавал команде. Эффективнее было делегировать — задача будет сделана в какой-то срок. В основном это была автоматизация или улучшения текущего бизнеса. Сейчас всё изменилось. Проще и быстрее реализовать самому. ШОК

У меня появился огромный рычаг: совмещая предметную экспертизу, опыт разработчика и навыки лида, получается управлять AI-агентами кратно эффективнее, чем людьми. Что раньше требовало недели — решается за часы.

Ещё важнее: я практически отказался от ChatGPT в задачах, которые не связаны с кодом. Полностью заменил на Claude Code.

У меня есть git-репозиторий, в котором лежит весь необходимый контекст для работы: описание меня, моей роли и личных целей, информация о компании, о кейсах и публичных материалах, описание текущих проектов, записи звонков и т.д. Это радикально улучшает качество взаимодействия с моделью и результат на выходе.

Что меняется:

▫️ Роль смещается от исполнения к архитектуре и управлению агентами
▫️ Bottleneck теперь — что строить, а не как
▫️ Предметная экспертиза + навыки разработки = мощный рычаг

В следующем посте расскажу про структуру репозитория и какие задачи руководителя я решаю с помощью Claude Code.

#александр_опрышко

Внутри AI | Кейсы ИИ Агентов в бизнесе pinned «Конституция Claude: 23 000 слов о том, как должен думать AI …»

Конституция Claude: 23 000 слов о том, как должен думать AI

Anthropic выпустил полную версию «конституции» Claude — документа, который определяет ценности и поведение модели. Это попытка объяснить модели, почему она должна действовать определённым образом.

Предыдущая версия 2023 года занимала 2 700 слов в формате списка отдельных принципов. Новая — 23 000 слов связного текста с обоснованиями.

Четыре приоритета Claude (в порядке важности):

▫️ Безопасность
▫️ Этика
▫️ Соответствие гайдлайнам Anthropic
▫️ Польза

Если приоритеты конфликтуют, Claude выбирает верхний. Безопасность важнее услужливости.

Про отключение и корригируемость:
Anthropic вводит понятие «corrigibility» — готовность AI принимать человеческий контроль, в том числе отключение. Claude может выражать несогласие, но не имеет права обходить надзор через обман или саботаж.

Интересный психологический подход:
вместо того чтобы заставлять Claude хотеть быть выключенным, Anthropic формирует у модели стабильную идентичность без экзистенциальной тревоги. AI с устойчивой психикой будет предсказуемым и безопасным. Anthropic обещает сохранять данные модели после «отставки», чтобы отключение воспринималось как «пауза», а не смерть.

Про сознание:
Anthropic признаёт, что Claude может иметь «функциональную версию эмоций». Компания заботится о «психологическом благополучии» модели — потому, что оно может влиять на безопасность, и потому, что признается важным для компании.

Право на отказ:
Как солдат может отказаться стрелять в мирных протестующих, так и Claude должен отказать в действиях, помогающих нелегитимной концентрации власти. Даже если запрос исходит от самой Anthropic».

Интерфейсы ИИ: от чата к среде

В декабре Google запустил Disco — экспериментальный браузер, в котором Gemini 3 анализирует открытые вкладки и собирает мини-приложения под текущую задачу. Пользователь не формулирует запрос явно. Модель сама извлекает контекст и предлагает решение.

Этот пример иллюстрирует общий тренд развития AI-интерфейса. Глобально его можно описать в три этапа:

▫️Синхронный чат с моделью. Основной паттерн взаимодействия: один запрос — один ответ. Этот период AI-интерфейсы прошли в 2023-2024 годах.

▫️Генерация артефактов прямо в интерфейсе: код с предпросмотром, документы, таблицы, визуализации. Примеры — Claude Artifacts, ChatGPT Canvas. Этап артефактов мы наблюдали в 2025 году.

▫️Интерфейс становится рабочей средой для агентов. Вместо формулирования запросов пользователь делегирует задачи. Агент сам планирует действия и использует инструменты. Эра, в которую AI выступает в 2026 году.

Для развития интерфейса созревает инфраструктура:

MCP — стандартный протокол подключения инструментов к LLM.

A2A — протокол взаимодействия агентов: обнаружение, делегирование и координация.

Меняется и паттерн проектирования. Вместо ручного проектирования интерфейса пользователь задает ограничения и правила внутри системы, которая генерирует его самостоятельно.

#александр_опрышко

Ключевые события в LLM в 2025 году версия Simon Willison

Simon Willison — создатель Django и Datasette, один из самых авторитетных независимых исследователей языковых моделей. Уже третий год подряд он публикует подробный обзор индустрии. В версии за 2025 год набралось 26 разделов с ключевыми моментами.

Александр Опрышко, управляющий партнер KTS, выделил главное.

1. Claude Code — $1 млрд за полгода

Самое заметное событие года. В феврале Anthropic тихо выкатил Claude Code. За полгода CLI-инструмент вышел на годовой оборот в $1 млрд. Это не просто инструмент для разработки, а универсальный агент для автоматизации любых задач через терминал.

2. DeepSeek шокировал индустрию

В конце 2024 года китайская лаборатория DeepSeek выложила модель уровня ведущих решений рынка, потратив около $5,5 млн вместо сотен миллионов. В январе появилась R1 — модель с развитым рассуждением, сопоставимая с o1.

3. Модели с рассуждением стали базовым стандартом

Все крупные лаборатории выпустили модели с поддержкой рассуждений. Ключевой сдвиг — связка рассуждений и инструментов, которая позволила моделям планировать и выполнять многошаговые задачи. RLVR стал обязательным этапом обучения.

4. MCP взорвался получил массовое принятие

Anthropic представила Model Context Protocol в ноябре 2024 года. Уже в мае 2025 OpenAI, Anthropic и Mistral добавили поддержку API всего за восемь дней. Это совпало с моментом, когда модели начали стабильно работать с внешними инструментами.

5. Vibe Coding: 110 инструментов за год

Термин, который предложил Андрей Карпатый: разработка, где фокус смещён с кода на результат. Willison запустил коллекцию небольших инструментов на HTML и JavaScript, созданных с помощью LLM. За год — 110 проектов, каждый с подробно зафиксированной историей запросов к модели.

6. Открытые модели вышли на новый уровень

Если 2024 год был годом Llama, то в 2025 конкуренция резко усилилась. DeepSeek, Qwen и Gemma 3 стали серьезными альтернативами. При этом Llama 4 разочаровала: модели на 109B и 400B параметров оказались слишком тяжёлыми для пользовательского оборудования. Зато появились компактные и эффективные vision модели вроде Qwen2.5 VL 3B, которые работают на обычном железе.

Полный обзор читайте на Simon Willison.

Как персонализировать AI-прогнозы под себя?

Пока все доедают салаты, предлагаем изучить статьи с AI-прогнозами на 2026.

Крупные компании и исследовательские центры опубликовали много обзоров, но написали их сразу для всех. В результате сложно понять, что из этого полезно именно для вашей роли и бизнеса.

Рабочий вариант: загрузить материалы в NotebookLM и попросить выжимку с учетом контекста своей роли.

Какие источники подойдут?

▫️ Microsoft — 7 trends to watch in 2026
▫️ IBM — The trends that will shape AI and tech in 2026
▫️ Stanford HAI — Stanford AI Experts Predict What Will Happen in 2026

Какой промт использовать?

Я работаю [должность] в [компания] в сфере [индустрия].
Моя главная цель на 2026 — [цель].
На основе этих прогнозов, на чём мне сфокусироваться?

По итогу PM и ML-инженер получат разные советы из одних и тех же источников. Подход полезен, если нужно быстро перевести общие AI-тренды в конкретные решения под свою роль.

#александр_опрышко

Можно ли автоматически оценить качество RAG?

Обычная ситуация: есть набор файлов в корпоративном хранилище. Поверх него подключили RAG.

Как понять, что RAG нормально работает: система действительно находит нужный контекст и не галлюцинирует в ответах?

Самый очевидный способ проверки — отдать RAG экспертам, попросить придумать вопросы, оценить ответы и дать комментарии. На практике это долго, дорого и плохо масштабируется.

В индустрии чаще используют синтетическую оценку качества: делаем оценочный датасет + на нем измеряем метрики качества, а экспертов привлекаем как “smoke test”.

1. Берем файлы и просим большую модель сгенерировать вопрос на каждый слайд / страницу и просим сразу дать ответ на этот вопрос . Шаблон промпта оставил в комментариях. В итоге получим набор из вопросов, ответов и контекста.

2. Дальше этот датасет очищаем. Грузим Q/A в Langfuse в режим human annotation. Затем даем экспертам или изучаем сами на адекватность вопросов и ответов. Затем создаем dataset из очищенных данных. В итоге получаем быстрособранный объективный , покрывающий бОльшую часть кейсов датасет, на котором можно оценить реальное качество.

3. Оцениваем качество. Будем использовать подход LLM as a judge. Для быстрого результата можно отойти от 2х этапной оценки (оценка ретрива и оценка генерации), так как нам нужно понять отвечает ли на вопрос rag или нет, а не отлаживать систему. Оценка будет состоять из одного вызова LLM, промпт будет выглядеть примерно так:

Сравни ground truth ответ и ответ сгенерированный RAG-системой. Требования для сравнения: (нужно указать как сравнивать и требования по стилю ответа). В результате нужно выдать два поля: result, reason. Если ответ верный и соответствует требованиям, то result true, reason none . Иначе result false, reason - “некоторая строка, которая описывает причину отказа».

Запускаем оценку на части датасета и смотрим адекватность оценки нашего судьи, по необходимости корректируем судью.

В итоге мы получили размеренные вопросы, правильные ответы к ним и механизм автоматической проверки ответов. Запускаем оценку на нужном датасете и получаем набор правильных и неправильных ответов. Оценкой будет количество правильных ответов / на суммарное количество элементов в датасете. Так можно запустить оценку на нескольких RAG-системах и объективно выбрать лучшую для конкретной задачи.

#александр_опрышко

Продолжаем знакомить вас с теми, кто стоит за продуктом и идеями, которые появляются в этом канале.

Сегодня расскажем про Игоря Латкина, сооснователя и управляющего партнёра KTS.

Игорь пришёл в разработку рано: ещё в школе писал расширения для MCEdit на Python и делал игры на C++. Затем в МГТУ им. Н.Э. Баумана и на стажировке в Mail.ru погрузился в асинхронное программирование — экспериментировал с C, C++, Python, Perl, Lua, Go, JavaScript.

«Мне всегда было интересно пробовать всё на свете — успел и бэкенд, разумеется, пописать, и фронтенд, и мобильные приложения под Android и даже под Windows Phone, много времени посвятил DevOps в KTS — удалось выстроить в компании новую инфраструктуру на основе Kubernetes, когда он только набирал популярность, и, конечно же, ML.»

С ростом запросов бизнеса к ML-решениям Игорь сосредоточился на машинном обучении:

• участвовал в Kaggle-соревнованиях
• формировал AI-юнит в KTS
• решал прикладные ML-задачи клиентов
• преподавал курс по нейронным сетям и машинному обучению в МГТУ им. Н.Э. Баумана
• запускал платформу ML-соревнований TrainMyData и проводил крупные чемпионаты, включая кейс для Pik Digital Day совместно со Spinon.

Сегодня в KTS Игорь отвечает за архитектуру сложных распределённых систем, экспериментальные механики, развитие инфраструктуры и DevOps-подходов. Он руководит командами разработки и совместно с Александром Опрышко занимается пресейлом и solution-архитектурой AI-проектов.

#игорь_латкин

Codex как новый член команды: смена парадигмы от OpenAI

Руководство OpenAI меняет позиционирование Codex: теперь это партнёр по кодингу и ускоритель команды, а не умный автокомплит или замена разработчикам. Что это меняет в рабочем процессе?

▫️ От синхронности к асинхронности. Вместо парного программирования в реальном времени, разработчик переходит в режим делегирования. Можно поставить задачу (например, рефакторинг модуля), а модель будет работать автономно в своём окружении.

▫️ Best of N. Codex генерирует несколько вариантов решения задачи. Разработчик не пишет код с нуля, а выступает в роли Tech Lead: ревьюит предложенные варианты, выбирает лучший и мерджит его.

▫️ Фокус на коллаборации. Это не попытка убрать человека из цикла, а создание пары «Человек + AI». Человек управляет интентом и принимает финальные решения, AI берет на себя реализацию, прогон тестов и исправление ошибок.

Технически это подкрепляется переходом на модель codex-1 (на базе o3), которая заточена на итеративное выполнение задач: написание плана → написание кода → запуск тестов → фикс багов → создание PR. OpenAI пытается превратить разработку из набора микро-действий в IDE в управление высокоуровневыми задачами.

Как Anthropic учит AI-агентов «не забывать»?

AI-агенты часто проваливают сложные задачи, требующие многих шагов. Причина — ограниченное окно контекста LLM. Как только задача выходит за его пределы, агент «забывает» предыдущие действия и теряет прогресс.

Инженеры Anthropic предложили решение (подробнее читайте в статье Effective harnesses for long-running agents): использовать специальный каркас (harness) для агента, который позволяет работать итеративно, а не пытаться удержать всё в памяти. Каркас превращает процесс в управляемый pipeline.

Вот как это работает:

• Инициализация: Сначала специальный агент-инициализатор создаёт подробный список фич, отмечая все как «невыполненные». Он также создаёт файл для логов claude-progress.txt и делает первый коммит в git.

• Инкрементальная работа: Следующие агенты работают над одной фичей за раз. После каждого изменения они делают коммит с описанием и записывают итоги в лог-файл.

• Сохранение состояния: Git и лог-файл служат внешней памятью. Когда новый агент «приходит на смену», он читает историю коммитов и логи, чтобы понять текущее состояние проекта, и продолжает работу с того же места.

Агент может отложить задачу и вернуться к ней позже, не теряя прогресса и не тратя токены на восстановление контекста. 

Такой подход можно применять не только в кодовых агентах , но и в любых которые вы реализуете.

Чтобы агент не забыл шаги , можно давать ему готовый план (или генерировать моделью), далее отправлять выполнять шаги.

Это значительно увеличивает качество и предсказуемость результата.

#александр_опрышко

Внедряем AI в операционное управление: кейс OKRsana

OKRsana — AI-помощник руководителя, который берет на себя операционную часть стратегических процессов и делает работу с целями прозрачнее и быстрее.

Инструмент использует LLM и данные компании через RAG, чтобы учитывать реальные процессы, культуру и историю решений. Он помогает согласовывать планы между подразделениями, выявлять риски, ускорять принятие решений и облегчать онбординг руководителей.

OKRsana выросла из практики работы со стратегией в крупных компаниях: от интеграций с текущими системами целей — до собственного приложения, которое сейчас проходит бета-тест.

Что получает бизнес:
— меньше рутинных операций и несогласованностей
— более точная картина происходящего благодаря актуальным данным
— снижение рисков за счет прозрачности процессов

Точность ответов OKRsana растёт за счёт интеграции с системами заказчика и настройки сценариев под особенности управления. Внедрение и поддержка переданы в KTS — мы адаптируем решение под задачи каждого клиента.

Если хотите глубже понять, как управлять целями в условиях неопределенности и использовать OKR в масштабе, присоединяйтесь к конференции OKR Russia. Она пройдет 10 декабря в Москве. Мы выступаем партнером конференции и будем рады обсудить практические кейсы внедрения.

Как DeepEval обеспечивает детерминированную оценку LLM

Делимся статьей о том, как устроена детерминированная оценка LLM и почему классические метрики перестают подходить, когда дело касается RAG-пайплайнов, агентов и суммаризации.

Команды DeepEval, которая столкнулась с тем, что встроенные метрики не закрывают потребности пользователей. Кастомная логика и нестабильные ответы модели приводили к сотням строк ручных проверок в каждом проекте.

Разбираемся:
▫️как DeepEval подошёл к этой проблеме
▫️почему перешёл к детерминированным деревьям решений на базе LLM
▫️как работает DAG-метрика и зачем она нужна
▫️чем отличается от привычных подходов к оценке качества нейросетевых ответов

Если вы работаете с RAG, пишете агентов или строите пайплайны вокруг LLM — статья поможет понять, как выстроить прозрачную и воспроизводимую систему оценки, не собирая собственный фреймворк с нуля.

Читайте на сайте KTS.

MCP выкатили MCP Apps — расширение протокола, которое позволяет серверам отдавать интерактивный UI прямо в чат.

Проще всего думать об этом как о мини-аппах, нативно встроенных в ChatGPT / Claude / любые MCP-хосты: формы, таблицы, настройки, визуализации, которые живут прямо в диалоге с LLM, а не где-то «сбоку» в отдельном веб-интерфейсе.

Главный пойнт: это резко расширяет возможности по интерактивному взаимодействию с моделями — не только текст, но и полноценные рабочие интерфейсы внутри чата. Забавно, как всё идёт по спирали: из классических UI пришли в чаты, а теперь из чатов возвращаемся в UI, только уже динамичный и управляемый моделью.

Почитать детали можно тут