Nocode Live

Госдума приняла первый закон о больших ИИ-моделях 🔥

В России впервые появилось отдельное регулирование для фундаментальных моделей искусственного интеллекта — таких как GigaChat, YandexGPT, ChatGPT, Gemini и DeepSeek.

Закон касается систем с числом параметров от 1 млрд.

Главные изменения:
1. вводятся понятия «суверенная» и «национальная» ИИ-модель;
2. предусмотрена господдержка российских разработчиков;
3. появляется добровольная маркировка ИИ-контента;
4. сервисы должны информировать пользователей о правах на результаты генерации.

Для большинства компаний, использующих ИИ в работе, ничего кардинально не изменится. Но закон задает основу для дальнейшего регулирования отрасли. И, вероятно, это только первый шаг 🦫

Забавно, как меняется язык индустрии

Помнится, ещё пару лет назад low-code продавали как способ вообще не нанимать программистов. А сейчас на всех крупных платформах в топе слова: вендор-лок, чей код, архитектура, интеграции, масштабируемость 🦫

Вопрос «а можно ли вообще запилить MVP без разработки?» уже никто не задаёт.

Теперь все думают: «окей, мы его сделали, но как сделать так, чтобы его не пришлось переписывать через два года?»

🔥 Не очередной AI-агент, а реально полезная штука

В Твиттере показали, как за 15 минут собрать собственную базу знаний с ИИ, которая умеет искать информацию по вашим файлам и заметкам 🦫

Туториал здесь, забирайте

🟢 ИИ замедляет разработчиков

В 2025 году в Metr провели исследование, где замеряли скорость влияния ИИ на разработку.

Оказалось, что с нейронкой задачи выполняются на 19% медленнее, чем без нее.

В начале этого года исследователи сделали ремарку, что LLM модели могут замедлять разработчиков на 9%, а в идеальном сценарии ускорять на 38%.

Вместе с Никитой Архиповым, сооснователем isty.ist, разбираемся, почему это происходит.

🔥 Agent-First Web — один из самых важных AI-трендов прямо сейчас

Пока все обсуждают новые модели, меняется сам способ взаимодействия ИИ с интернетом. Browser Agents умеют пользоваться сайтами так же, как человек: открывают страницы, понимают интерфейс, заполняют формы и выполняют многошаговые сценарии без отдельной интеграции.

Один из самых ярких примеров — Browser Use, open-source проект, который за несколько месяцев стал одним из главных символов новой волны agentic AI (на видео).

В это направление уже инвестируют OpenAI, Google, Anthropic и десятки AI-стартапов. Всё чаще звучит термин Agent-First Web — интернет, который постепенно начинает проектироваться не только для людей, но и для AI-агентов.

Если тренд сохранится, компаниям придется думать не только об удобстве для пользователя, но и о том, насколько легко их сервис сможет «понять» и использовать ИИ 🦫

...хуже того: настоящий эффект AI почти всегда лежит за пределами очевидного 🦫

Представьте: разработка ускорилась на треть – отличный локальный результат. Но если продуктовые решения принимаются со скоростью черепахи, эта скорость кода не сдвинет бизнес с места.

Вырастить КПД одного цеха и не увидеть, что завод стоит, – значит принять иллюзию прогресса за реальность.

Это фундаментальная ошибка большинства AI-внедрений.

🔥 Компании меряют скорость работы отдельного инструмента, а не пропускную способность бизнеса в целом. Они отчитываются миллионами токенов, тысячами строк кода и сотнями обработанных диалогов. Но рынок платит не за объём действий, но платит за то, как система целиком превращает усилия в ценность для клиента.

Поэтому правильный вопрос не «помогает ли AI бизнесу?», а «как изменилось поведение всей системы после внедрения, и есть ли у нас доказательства, что эти изменения вызваны именно AI, а не чем-то ещё?»

В девяти случаях из десяти честный ответ будет – «мы не знаем». И это звучит гораздо профессиональнее, чем любой заголовок о триумфе или провале искусственного интеллекта.

Привет, это Денис Полевик, CEO low-code агентства qoooby.ru

✔️ Меня поражает, насколько легко сегодня строятся причинно-следственные связи вокруг AI. Компания внедрила нейросети – показатели ухудшились – виноват AI. А ведь это уровень аналитики, на котором можно доказать вообще что угодно.

Проблема в том, что большинство людей воспринимают внедрение AI как отдельное событие. Но для бизнеса AI – изменение одной из переменных внутри сложной адаптивной системы. А сложные системы почти никогда не реагируют линейно.

Представьте компанию из 1000 человек. Она внедряет AI в процессы клиентской поддержки, а через полгода падает NPS. Значит ли это, что виноват AI? Возможно.

✔️ Но может быть и такое, что за этот же период компания сменила систему мотивации операторов, сократила бюджет на обучение, изменила продуктовую линейку, подняла цены и вышла на новый сегмент аудитории (и – важно! – в СМИ об этом могут даже и не упомянуть).

То есть, результат возникает не из одного фактора, а из взаимодействия десятков факторов одновременно. Это называется проблемой атрибуции.

Вот почему в экономике, медицине и науке так сложно доказать причинно-следственную связь. Для этого нужны контрольные группы, эксперименты, статистическая значимость и годы наблюдений. В бизнесе всего этого обычно нет. Есть одна компания, один набор решений и тысячи внешних переменных, которые невозможно зафиксировать.

Утверждения СМИ о том, что искусственный интеллект стал причиной финансовых потерь, – типичный пример ложной атрибуции. Журналисты хватаются за самое очевидное изменение в жизни компании, и получается что-то вроде зеркальной версии ошибки выжившего.

На практике же в хаотичных и сложных системах самые громкие события часто оказываются лишь фоном, а не главной движущей силой результата.

Ниже продолжу мысль.

Сотрудников, сокращенных из-за AI, наймут вновь из-за неэффективности и дороговизны нейросетей

По данным Forbes, уже 29% компаний, которые сократили сотрудников ради AI, были вынуждены нанять людей обратно. Более того, Forrester сообщает, что 55% руководителей, заменивших сотрудников нейросетями, пожалели об этом решении в течение 18 месяцев.

А Gartner прогнозирует: к 2027 году половина компаний, сокративших персонал из-за автоматизации, вернёт аналогичные роли обратно в штат.

Похоже, даже AI-тренд не избежал турбулентности. То, что казалось необратимым движением вперёд, сегодня заставляет компании откатиться на пару шагов назад.

🔥 Вайбкодинг — всё!

В этом году Андрей Карпатый, сооснователь OpenAI и автор термина «вайбкодинг», заявил, что этот подход себя исчерпал. Сейчас он переключился на агентскую инженерию и уже отмечает рост продуктивности на 80%.

Это заявление запустило волну дискуссий. Ключевые тренды, которые на слуху последние четыре месяца:

✔️ Тред репостят курсы, где учат настраивать систему агентов.
✔️ На Reddit и X всё чаще говорят о том, что человек становится узким горлышком в продакшене.
✔️ Исследование Калифорнийского университета в Сан-Диего показало: ни один сеньор-разработчик в эксперименте не использовал вайбкодинг.

Венчает тренд негласный манифест — статья Эдди Османи об Agentic Engineering. Она вышла раньше заявления Карпатого, но именно её сейчас цитируют как самый ёмкий источник по теме.

Читать здесь.

🔥 На практике ИИ-стартапы чаще всего упираются не в качество самой модели

Проблемы появляются там, где нужно хранить знания, работать с большим объёмом контекста, разделять данные пользователей и обеспечивать стабильное качество ответов в долгую.

Поэтому сегодня конкурентное преимущество всё чаще создают не новые модели, а грамотная архитектура вокруг них.

Разбираем три подхода, которые помогают грамотно работать с контекстом и памятью. А мнением, уже традиционно, делится наш эксперт Егор Данченко, фаундер Rossi.

Вампиры — новое поколение разработчиков

Марк Андриссен, один из самых известных инвесторов Кремниевой долины, в подкасте Джо Рогана вывел новый термин: вайб-вампиризм.

Марк заметил за разработчиками, что они выпускают новые фичи благодаря непрерывной работе по 20 часов с нейросетями. При этом сотрудники брезгуют сном и едой, а главной их пищей становится общение с кодом через мультиагентность.

Он назвал измазывающиеся работу схожей с мифологическими чудовищами.

Предвкушаем скорый ренессанс ворк-лайф баланса и детокс в буддийских монастырях.