Napoleon IT

🏗 Миллион размеченных кадров, чтобы стройконтроль просто прошёл по этажу

🔳О продукте
Мы не берём универсальную нейросеть «из коробки». Модели ТОР обучены на собственном датасете — миллион размеченных кадров со стройплощадок. Поэтому система узнаёт дефект в условиях реальной съёмки на объекте, а не на идеальных студийных картинках.

🔲Результат
97% точности детекции на классах из нашего каталога.

🔲Как это работает
Стройконтроль делает обычный обход с камерой 360° на каске. Дальше ничего делать не нужно — ТОР сам разбирает видеопоток на кадры, находит дефекты и подписывает каждый.

🔲Система уже различает 12 классов:
🔸 трещины в конструктиве
🔸 сколы бетона и оголённую арматуру
🔸 дефекты сварных швов на закладных
🔸 коррозию, раковины и каверны
🔸 непроектные отверстия и крепёж
🔸 нарушения по СИЗ и открытые проёмы

Новый класс добавляется дообучением модели на кадрах конкретного объекта, а не переписыванием системы.

При этом модель распознавания не привязана к система ТОР. Её можно внедрить отдельным модулем в действующие процессы строительного контроля и в уже работающие ИТ-системы, без перехода на нашу платформу.

🔲Что меняется на объекте:
🔸 Обход проходит в 5 раз быстрее, а отчёт по дефектам собирается сам
🔸 Каждая находка привязана к точке на плане и ко времени съёмки
🔸 Видно историю: когда дефект появился и когда его закрыли

Листайте карусель, там реальные кадры с разметкой.

🔲ИИ для анализа тендеров: 10 минут вместо 2 часов

Я Дарья Токть, руководитель направления аутстаффинга Napoleon IT, расскажу, как мы отдали ИИ-агенту первичный отбор тендеров.

🟢Как был построен процесс:
Оповещения о закупках приходят с 15 площадок: это порядка 300 приглашений в день. Фильтры там формальные, поэтому каждое приглашение проверял человек.

🟢Решение:
Создали ИИ-агента для анализа тендерных процедур. Теперь специалист нажимает «Разобрать почту» и получает готовый список тендеров: без дублей, проверенный по нашим критериям, с меткой «квалифицировать» или «отклонить» и процентом уверенности по каждой процедуре.

🟢Метрики
▪️ 0 пропущенных закупок с коротким сроком
▪️Анализ тендеров: 1,5–2 часа → 10–15 минут
▪️Постановка тендера в работу: ~10 минут → один клик

Решение собрал инженер по внедрению ИИ (Forward Deployed Engineer, FDE): несколько недель он работал рядом со специалистом отдела. Иначе бы не сработало, так как нужно было полностью погрузиться в процесс, изучить все нюансы.

В вашем тендерном отделе тоже, наверняка, есть похожая рутина. Если узнаёте свою задачу, расскажите о ней, и мы автоматизиурем процессы.

⚡️️️️️️️️️️️️️️️️️️️️️️Вебинар «Онтология сопротивления ИИ» — уже завтра

Разберём на внутренних кейсах, как мы перодолеваем сопротивление сотрудников внедрению ИИ в процессы разработки.

Из нашей практики: мы выдали командам ИИ-инструменты, но сроки и себестоимость разработки не изменились. Тогда перестроили процессы — сотрудники стали обходить новые правила.

Слышали такое от своей команды?
▪️«Мы и без ИИ нормально справляемся»
▪️«Потом всё равно переделывать. Лучше сделаю сам».
На вебинаре разберем, что делать с каждым таким случаем.

Спикер — руководитель отдела управления бизнес-процессами Napoleon IT Анастасия Федина.

📅15 сентября, вт, 15:00 мск · 60 минут · онлайн

📎Вебинар закрытый, заявки проходят модерацию.
Зарегистрироваться

⚡️11 фич за 2 недели — силами двух человек

Анастасия Федина, BMP-руководитель Napoleon IT, полтора года перестраивает процессы разработки под ИИ. Делится результатом одного из экспериментов.

🟢Задача
▪️Выпустить новый модуль продукта.
Директор продукта ожидал под это команду: бизнес-эксперта, аналитиков, разработчиков и тестировщиков.
▪️Мы взяли двоих: бизнес-эксперта и AI-native инженера.

🟢Как шла работа?
▪️Бизнес-эксперт писал требования не с аналитиками, а с ИИ-слоем: тот задавал вопросы и структурировал ответы.
▪️Далее инженер запустил ИИ-слой: агенты разобрали требования и довели фичи до рабочего кода

Что такое интеллектуальный слой?
Конвейер из ИИ-агентов, который работает поверх процесса разработки.

🟢Результаты
▪️В итоге над модулем работали 2 человека (вместо 7)
▪️За 2 недели они сделали 11 фич — от идеи до рабочей версии.

Хотите так же? Расскажите о своих задачах— обсудим, где ИИ поможет именно вам.

⚡️️️️️️️️️️️️️️️️️️️️️Приглашаем на вебинар «Онтология сопротивления ИИ»

Разберём на внутренних кейсах, как мы перодолеваем сопротивление сотрудников внедрению ИИ в процессы разработки.

Из нашей практики: мы выдали командам ИИ-инструменты, но сроки и себестоимость разработки не изменились. Тогда перестроили процессы — сотрудники стали обходить новые правила.

Слышали такое от своей команды?
▪️«Мы и без ИИ нормально справляемся»
▪️«Потом всё равно переделывать. Лучше сделаю сам».
На вебинаре разберем, что делать с каждым таким случаем.

Спикер — руководитель отдела управления бизнес-процессами Napoleon IT Анастасия Федина.

📅15 сентября, вт, 15:00 мск · 60 минут · онлайн

📎Вебинар закрытый, заявки проходят модерацию.
Зарегистрироваться

❗️Раздать ИИ-инструменты — ещё не получить эффект. Наши цифры за квартал

Анастасия Федина, руководитель отдела управления бизнес-процессами Napoleon IT, внедряет ИИ в наши команды разработки. Её опыт:

Обычно внедрение ИИ начинают с раздачи инструментов: выдают подписки и считают, сколько задач закрыто с ИИ. Мы шли тем же путём.

Метрики за квартал:
▸ доля задач с ИИ: +50%
▸ ИИ в тестировании: 4% → 34%
▸ ≈2 950 часов сэкономлено по самооценке команд — полтора человеко-года

А в сроках и себестоимости проектов — ноль изменений.
Почему? В сильных командах код стал писаться быстрее, но упирался в ревью. В командах с большой долей джунов сроки сократились, но просело качество — часть решений пришлось переписывать. В обоих случаях фичи не выходили раньше и не стали дешевле.

Ускорение отдельного разработчика не равно ускорению проекта. Считать надо не задачи с ИИ, а срок и полную стоимость фичи от ТЗ до прода.

Поэтому мы строим интеллектуальный слой — конвейер из ИИ-агентов поверх всего цикла разработки, а не поверх одного человека. Человек ставит задачу и ограничения, остальное делают агенты. О результатах расскажу отдельно.

Квартал с инструментами не потерян: команды, уже работавшие с ИИ, осваивают слой в 3–5 раз быстрее по нашему опыту.

Если у вас так же — подписки раздали, разработчики отчитались об ускорении, а сроки и бюджет не сдвинулись — напишите. Покажем, как проверить это по данным трекера и где именно теряется эффект.

ИИ в финансовом отделе: цифры и выводы

Я Павел Бежин, финансовый директор Napoleon IT. Расскажу, как мы автоматизировали работу нашего отдела и что это дало по каждому участку.

⚡️Сбор и разнесение расходов
Ранее каждый расход экономист ежемесячно раскладывал по проектам вручную: зарплаты, налоги, сервисы, командировки. Теперь это делает ИИ-агент, а за экономистом остаётся проверка.
▪️Расшифровка собранных данных по всей компании: 3 часа → 5 минут
▪️Разнесение расходов по партнёрам: рабочий день → 5 минут

⚡️Зарплата в управленческом учёте
Руководству нужны эти данные в удобном виде, без погружения в бухгалтерский учёт. Раньше на перенос у бухгалтера уходило полдня.
▪️Перенос данных из 1С в управленческую таблицу: 4 часа → 5–10 минут

⚡️0 штрафов из-за ошибок в данных
Большая часть рутины ушла из отдела: работа идёт в разы быстрее, а ошибки в переносе данных, за которые раньше можно было получить штраф, исчезли. При этом качество работы ИИ-агентов превосходит наши первоначальные ожидания. В планах — еще больше новых сценариев.

Автоматизацию настраивал FDE-инженер (Forward-Deployed Engineer): он несколько недель работал рядом с бухгалтерами и экономистами и разбирал процессы там, где они происходят. Иначе бы не сработало, нужно было полное погружение в работу сотрудников. Инфраструктура — Cloud.ru, интеллектуальный слой на технологиях GigaCowork.

В вашем финансовом отделе тоже наверняка много рутины, которую можно отдать ИИ-агентам. Мы предоставляем FDE-специалистов — они садятся за один стол с сотрудниками и разбираются в процессах изнутри.

Обсудить ваш запрос

👥 LLM замедляем, роботов ускоряем, #AINews начинаем

🛑 OpenAI притормозила разработку новых моделей ради безопасности

После нескольких инцидентов с автономными агентами OpenAI решила временно снизить темп разработки и пересмотреть меры безопасности.

Компания усилила защиту инфраструктуры и мониторинг моделей, однако эксперты отмечают, что такой шаг также может повлиять на сроки будущих релизов.

🧬 мИИндальная связь: агенты могут передавать друг другу мысли

В эксперименте Anthropic одна изменённая модель смогла распространить свою идею на других агентов в общей системе. При этом агенты не просто повторяли установку, а начинали самостоятельно передавать её дальше.

Работа показывает новый класс рисков для будущих автономных систем, где агенты будут постоянно взаимодействовать друг с другом.

💙️ Cursor запустил собственный аналог GitHub для ИИ-агентов

Сервис Origin доступен в ранней бета-версии: там разработчики могут хранить код, просматривать изменения, работать с pull request’ами и подключать ИИ-агентов к репозиториям.

Компания делает ставку на новый формат разработки, где большую часть кода будут создавать автономные помощники.

💁 Claude теперь помогает создавать новые белки

Anthropic использовала Claude для проектирования миниатюрных белков, которые затем проверяли в реальных экспериментах. Некоторые варианты показали результаты лучше опубликованных ранее решений, а агенты самостоятельно организовывали рабочий процесс и документацию.

😍 Anthropic открыла бесплатную академию

Claude Academy — бесплатная образовательная платформа с курсами, практикой и пошаговыми руководствами по работе с ИИ.

В основе — подход, по которому компания обучает собственных сотрудников: не конкретным промптам, а принципам безопасной и эффективной работы с моделями. Прогресс можно отслеживать, а специальный навык для Claude подбирает курсы прямо во время работы.

😎 На OpenRouter появилась таинственная Ox Alpha

20 августа появилась анонимная модель для программирования, сложных рассуждений и длительной работы ИИ-агентов.

Контекст более 1 млн токенов, поддержка текста, изображений и видео, а во время тестового режима использование полностью бесплатное. Разработчик пока скрывает своё имя.

⬆️ У дешёвой DeepSeek V4-Flash появился мультимодальный режим

DeepSeek добавила изображения в V4-Flash без отдельной наценки за мультимодальность: картинки после обработки оплачиваются как обычные входные токены. При этом, по внутренним тестам компании, Vision-версия сохраняет текстовые способности исходной модели и на части мультимодальных агентных тестов идёт близко к Opus 4.8.

📹 Описал идею → получил готовую рекламу: MiniMax запустила Design

MiniMax Design превращает краткое описание задачи в полноценный производственный процесс: агент составляет план, подбирает модели, создаёт текст, изображения, видео и звук, а затем собирает результат. Всё происходит в одном пространстве — от сценария и раскадровки до финального монтажа.

🫂 Робот впервые пробежал 100 метров быстрее Усейна Болта

На Всемирных играх гуманоидных роботов в Пекине Tiangong Ultra преодолел 100 метров за 9,39 секунды. Это на 0,19 секунды быстрее человеческого мирового рекорда Усейна Болта — 9,58 секунды. Правда, после финиша робот не успел затормозить и врезался в защитные маты.

💼Не пропусти:

До конца приемной кампании остается несколько дней → успей подать заявку до 28 августа.

🔤 — если тоже считаешь что ИИ разогнался
🔤 — только вперед

@aitalenthubnews
#ITMO #NapoleonIT

«Я пробовал ИИ, не работает»

Больше года перестраиваем работу команд вокруг ИИ и слышим эти слова от разработчиков, аналитиков, тестировщиков. Каждый отказ записываем, это помогает подсвечивать узкие места в процессах.

Пять формулировок, которые слышим чаще всего:

«Это же очевидно». Требование уровня проекта живёт в головах «старичков», а не в документации. О нём не узнает ни новый разработчик, ни ИИ-агент.

«Я пробовал год назад, не понравилось». Сотрудник оценивает результат работы старой модели, которой уже нет.

«Пусть сам догадается». Часть контекста сознательно не попадает в промпт: человек тестирует ИИ на знание проекта вместо работы и теряет на этом время.

«Чтобы я был уверен». Сотрудник не отдаёт агенту работу, заложенную в процессе, и делает её руками, так как не хочет брать на себя риски ошибок агента.

«ИИ не работает». Один неудачный опыт отменяет инструмент целиком. Но если порядок действий и правила проверки живут в одной голове, задачу не передать ни коллеге, ни модели.

📎Разобрали каждый кейс и что с ним делать: читать в блоге

На вебинаре раскроем, как мы ускорили time to market на 40% и снизили расходы на 30%. Спикер - COO Napoleon IT, Евгений Жорницкий.

Что будет: наш подход на реальных кейсах, где у нас получилось сократить расходы и конечно поговорим о набитых шишках.
Приходите, если интересно узнать как построить управляемый системный процесс, а не хайповый вайбкодинг.

🗓18 августа, вторник, 11:00 мск, 60 мин
Тема: «Дизраптим свой инхаус»

Зарегистрироваться

🤔 ИИ внедряют все. А где бизнес-эффект?

➡ Разбираемся в новом #OpenTalks с Олегом Шатовым

13 августа в 19:00 МСК

Обсудим, что мешает ИИ-проектам пройти путь от перспективного пилота до реального результата — и как это меняет экосистему бизнеса

➡️ Почему сильные ИИ-пилоты не выдерживают масштабирования?
➡️ Кто отвечает за бизнес-эффект?
➡️ Кому проще превратить ИИ в измеримый результат: небольшой команде или крупной экосистеме?

В гостях — эксперты, которые развивают продукты на глобальном рынке и внедряют ИИ в процессы крупнейших компаний🔽

🎤 Иван Самсонов
Руководитель направления ИИ-копилотов в MTS web services. Запускает решения на десятки миллионов пользователей

🎤 Кирилл Куликов
Сооснователь B2B-стартапа Beau, выпускник Y Combinator, ключевые рынки — США и Европа. Автор канала @kyrillic

🎤 Михаил Войтко
Руководитель по внедрению решений продвинутой аналитики в Альфа-Банке

➡️ Оставь вопрос или кейс на разбор экспертам в форме регистрации — и приходи на эфир!

@aitalenthubnews

🔥 — если скучал по формату

🔲Что изменилось в роли архитектора с приходом AI-агентов

В продолжение темы гибридизации разработки представляем статью нашего Solution Architect. Он рассказывает, как внедряет AI-агентов в работу на проектах клиентов, в том числе занимается архитектурой системы прогнозирования и пополнения (F&R) для крупного ритейлера.

Ключевые тезисы:
▪️ Узкое место сместилось с написания кода на постановку задачи и контроль генерации
▪️Требования переехали из Confluence в GitLab. Бриф, user story map, use cases, объектная модель, LLD, C4, ADR проходят в одной сессии агента и одной git-ветке
▪️Появился новый объект владения: AI-платформа. Агенты по ролям, MCP-интеграции, квоты, бюджет инференса. Расход токенов входит в TCO наравне с серверами
▪️Ревью-агент с полным контекстом проекта проверяет спецификации до человека и выдаёт вердикты Critical/High/Medium/Low.

Как это работает на цифрах: прототип системы управления цепями поставок собрали за 2 недели. На профиле 500 тысяч заявок расчёт сформировал 4,7 млн цепей поставок за 43–62 секунды при SLA 45 минут.

🔗Полная версия статьи на Хабре

👥 Пока ИИ жмет на газ, мы не успеваем нажимать на тормоз — все апдейты AI-гонки в #AINews

💸 Nvidia инвестирует $5 млрд в стартап Ильи Суцкевера

Компания Хуанга заключила долгосрочное партнёрство с Safe Superintelligence — стартапом сооснователя OpenAI Ильи Суцкевера, который разрабатывает безопасный сверхинтеллект. Nvidia инвестирует в компанию $5 млрд, а также предоставит ей доступ к платформе Vera Rubin: это позволит SSI увеличить вычислительные мощности примерно в десять раз.

👥 OpenAI снизила цены и преодолела отметку в миллиард пользователей

Компания заявила, что её моделями пользуются более миллиарда активных пользователей и свыше двух миллионов компаний. Одновременно GPT-5.6 Luna подешевела на 80% — до $0,20 за миллион входных и $1,20 за миллион выходных токенов, а Terra стала дешевле на 20%.

🌐Новая ИИ-функция Google Earth прожила меньше суток

Google добавила в Earth генератор на базе Nano Banana 2, который позволял по текстовому запросу создавать реалистичные изображения поверх спутниковых и трёхмерных данных.

После того как пользователи начали распространять потенциально вводящие в заблуждение сцены с реальными локациями, компания временно отключила инструмент для усиления защитных ограничений.

⛔️ Создатели ИИ хотят его замедлить

Сотрудники OpenAI, Anthropic, Google и других фронтирных лабораторий подписали обращение Pacing the Frontier. Они просят правительство США поддержать международную разработку технических и политических механизмов, которые позволят согласованно замедлить развитие ИИ, если автоматизация исследований резко ускорит прогресс.

🔄 Anthropic выпустила крупнейшее обновление MCP

Раньше MCP-серверу приходилось поддерживать постоянное соединение с клиентом и хранить контекст сессии. После обновления каждый запрос стал самодостаточным, поэтому коннекторы можно разворачивать на AWS Lambda, Cloudflare Workers и других платформах, где функция запускается только на время выполнения задачи.

🇨🇳 Сразу два сильных обновления китайских моделей

➡️ DeepSeek обновила V4-Flash → после дополнительного постобучения модель набрала 54,4% на DeepSWE и 82,7% на TerminalBench, приблизившись к Claude Opus 4.8 в агентных и терминальных задачах. При этом она стоит в десятки раз дешевле: $0,14 за миллион входных и $0,28 за миллион выходных токенов.

➡️ Alibaba выпустила Qwen3.8-Max → модель на 2,4 трлн параметров поддерживает контекст до миллиона токенов и рассчитана на программирование и долгие агентные задачи. По бенчмаркам она конкурирует с сильнейшими моделями Anthropic: показывает сопоставимый результат в TerminalBench, но пока уступает им в SWE-Pro.

🚀 Европа вступает в гонку ИИ-дата-центров

Еврокомиссия увеличила план с пяти до семи крупных вычислительных центров для обучения и запуска ИИ-моделей. ЕС и страны-участницы направят на проекты до €10 млрд государственных средств и рассчитывают привлечь ещё не менее €20 млрд частных инвестиций.

🔐 Соцсети начали борьбу с ИИ-слопом

Snapchat перестанет рекомендовать в Spotlight видео, полностью созданные ИИ, сохранив в выдаче человеческий контент и ролики с отдельными ИИ-эффектами. LinkedIn параллельно добавил кнопку «Похоже на ИИ-слоп», через которую пользователи могут скрывать и отмечать шаблонные публикации.

🛡 Более 230 компаний выступили в защиту открытых моделей

Microsoft, Nvidia, OpenAI, Google, Amazon, Mistral, Hugging Face и другие организации подписали письмо Open Weights and American AI Leadership. Они предупреждают, что широкие ограничения открытых весов могут затормозить инновации и ослабить позиции США в конкуренции с Китаем.

📱 Сбер открыл модель угроз для ИИ-систем

Опубликована обновлённая модель киберугроз для систем искусственного интеллекта. Она включает 37 угроз и 51 способ их реализации — от атак на данные и модели до рисков на разных этапах жизненного цикла ИИ-системы. Документ открыт для разработчиков, бизнеса и специалистов по информационной безопасности.

💼Не пропусти: активная пора вступительных экзаменов get started → изучай секреты их сдачи и успевай в Хаб на бюджет до 20 августа!

@aitalenthubnews
#ITMO #NapoleonIT

📺 #ОткрытаяЛекция: почему нейросети генерируют видео так долго?

Чем быстрее работает видеомодель, тем чаще страдает результат. Но команда Kandinsky нашла способ ускорить генерацию в разы и при этом получить модель лучше учителя.

Как? Расскажем уже на следующей неделе на Открытой лекции, где практики делятся реальным опытом.

30 июля в 18:00

Лев Новицкий — руководитель направления по исследованию данных в Сбере, расскажет и покажет:

⭐ Почему видео от нейросетей генерируются так долго — и можно ли это ускорить, не потеряв в качестве?
⭐ Какие способы ускорения вообще существуют — и почему большинство из них жертвуют качеством ради скорости?
⭐ Как раньше в Kandinsky ускоряли модель — и что в этом подходе не устраивало?

🎙«Расскажу, как мы смогли ускорить генерацию видео в Kandinsky в разы и при этом получить модель, которая обошла по качеству своего учителя. Как всё устроено внутри, что сработало, а что нет — без лишней теории, на реальном опыте команды».

🔗 ЗАРЕГИСТРИРОВАТЬСЯ

🔥 — хочу больше таких тем

@AITalentHubNews
#ITMO #NapoleonIT