Industrial Ai | Stanislav Dmitriyev

Государство, бизнес и AI на одной сцене

Сегодня в Астане на сессии "AI: технология, которая меняет бизнес"
в одной точке сошлись пять ролей:
• политический уровень — Помощник Президента Куанышбек Есекеев
• регулятор — первый вице-министр МИИЦР Ростислав Коняшкин
• капитал — CEO Freedom Holding Тимур Турлов
• инфраструктура — региональный директор Nvidia по СНГ Антон Джораев
• экосистема — CEO Astana Hub Магжан Мадиев

📌 Цифровой кодекс № 255-VIII (подписан 9 января 2026, вступает
в силу 12 июля) впервые дал юридическую форму понятиям данных,
экономики данных, ИИ и цифровых активов. Рамка создана — именно
подзаконные акты определят, как это заработает на практике.

Позиция государства — устами Куанышбека Есекеева:
__"Мы одна из первых стран, которая в этом плане начала наводить
порядок."__

📌 Бизнес тестирует нормы до вступления в силу — регулятор начинает
получать прямой фидбек от рынка.

🤖 Взгляд REAL DIGITAL:
Присутствие — ещё не влияние. Но когда политический уровень,
регулятор и глобальный вендор приходят на одну площадку без
протокола — это попытка перейти от церемоний к рабочему формату.
Следующий вопрос — совпадут ли интересы этих ролей на практике.

🔗 [Цифровой кодекс РК № 255-VIII]

REAL DIGITAL

#DigitalKazakhstan #ЦифровойКодекс #AI

💡OpenAI тихо упростила вход в Pro.

Появилась подписка за $100/мес — с тем же набором (GPT-5.4 Pro и т.д.), но с меньшими лимитами.

Главное полезное для меня — agent mode:
— Plus: ~40 запросов (примерно 10 задач)
— Pro $100: уже ~400 запросов
— Pro $200: ~x20 от Plus

Ну и больше Codex, deep research.

По сути, сделали «середину» — без переплаты за максимум.

Для тех, кто реально работает с агентами, разработкой, это выглядит как нормальный порог входа 👍

🔍 Все говорят, что AI «сокращает программистов». А цифры показывают немного другую картину.

По данным TrueUp — сейчас больше 67 тыс. вакансий разработчиков. Это максимум за 3 года и примерно в 2 раза больше, чем в 2023. С начала года рост ещё +30%.

То есть происходит ровно обратное:
гонка AI не сокращает спрос — она его разгоняет. Особенно в ML и смежных направлениях.

Откуда тогда ощущение, что «рынок умер»?

Очень просто. Профессия стала массовой. Джуниоров стало сильно больше → конкуренция выросла → вход стал сложнее.

И получается интересный парадокс:

🔍 Работы больше, чем раньше.
Но попасть в неё стало чуть сложнее.

BusinessInsider

🔍 Все обсуждают новую индустриальную политику от OpenAi, которую они выкатили вчера.

Переход к суперинтеллекту — крупнейшая технологическая трансформация со времён электричества и массового производства.

Эпоха систем, которые смогут делать задачи уровня «месяцы человеческой работы» — быстро и массово.

Звучит круто: рост продуктивности, наука, удешевление всего подряд. Но вместе с этим — полный набор рисков: экономика трясётся, биоугрозы, киберриски, концентрация власти.

И главный тезис: старые правила тут не работают. Нужна новая человеко-центричная «индустриальная политика»:

▫️ Экономика должна быть открытой: доступ к AI для всех, участие работников в разработке Ai на рабочем месте, Ai предприниматели.
▫️ Выгоды AI должны распределяться широко: через налоговую реформу, Public Wealth Fund, «дивиденды эффективности» от Ai для всего общества.
▫️ Соцсистемы должны стать адаптивными, автоматическими и масштабируемыми.

Параллельно нужно строить устойчивое общество: аудит, стандарты, доверие, безопасность, международная координация.

🔍 Документ — не набор готовых решений, а приглашение к глобальной дискуссии. OpenAI запускает гранты, лабы и площадки для обсуждения, чтобы сформировать новую безопасную, демократичную, выгодную всем индустриальную политику

Из статьи выше. AI не масштабируется не из-за моделей — а из-за данных и организации.

№1 проблема - люди и операционная модель (86%)
🔍 нет компетенций, непонятно кто отвечает, как внедрять

№2 - данные (80%)
🔍разрозненные, грязные, нет доступа и контекста

№3 - внедрение и change management (80%)
🔍 бизнес просто не успевает адаптироваться

Дальше уже идут «технические» вещи - платформы, use cases, риски - но они вторичны.

💡 Главный смысл слайда:

Компании думают, что проблема в технологиях.
А реально — в людях, процессах и данных.

💡 Про агентный AI сейчас много разговоров - «автономные системы», «новый уровень эффективности» и всё такое.

Но McKinsey & Company в своей статье аккуратно возвращает всех на землю.

Главная мысль простая: агенты - это конечно круто, но без нормальных данных ничего не взлетит.

Причём проблема не в моделях, а в классике:
-- данные разбросаны
-- нет единого контекста
-- качество плавает
-- управление слабое

И когда ты пытаешься масштабировать агентный AI - всё это начинает ломаться.

Интересный момент: агенты требуют совсем другого уровня data-архитектуры. Уже недостаточно «озера данных» - нужен полноценный слой:
-- семантика (графы, онтологии)
-- data products
-- real-time доступ
-- контроль, аудит и governance

Плюс сами агенты начинают генерировать данные - и их тоже нужно валидировать.

И вот тут главный вывод, который обычно не хочется слышать:

AI — это не про модели. AI — это про данные.

Если с данными бардак — агент просто будет делать этот бардак быстрее 😄

С OpenClaw получилось довольно показательно.

Всех предупреждали: хотите поиграться с агентами — не ставьте это на свои основные машины. И вот, собственно, результат.

Всплыла уязвимость (CVE-2026-33579), где система просто… не проверяет, кто выдает админские права. В итоге любой с минимальным доступом может сам себе выдать admin — и получить полный контроль над системой. Всё. Без сложных атак, буквально за минуты.

Причём проблема усиливается тем, что куча инстансов торчит в интернете без авторизации.

И тут даже нет ощущения «что-то пошло не так».
Это было довольно предсказуемо.

Когда появляется новый класс инструментов (особенно таких, как AI-агенты с доступом ко всему подряд), сначала идёт хайп, потом — первые взломы, и только потом приходит нормальная безопасность.

Так что пока это всё выглядит как sandbox. Пробовать — да. Но точно не на проде и не на личном ПК.

https://www.reddit.com/r/cybersecurity/s/R2yb2YV4be

💡Ребята запустил ИИ-агента для оценки стартапов — по сути, цифрового «советника инвестора».

Он разбирает стартап презентации, проверяет логику, ищет расхождения и даже подсказывает, как улучшить проект на основе базы фонда (инвесткомы, аналитика, реальные кейсы).

📈 Похоже это выглядит как тренажёр. Есть идея стартап? Можно прогнать через «первую линию» и понять, где слабые места, ещё до живого инвестора.

🔎 Ростелеком запустил свою платформу AI Data Fabric — по сути, слой для работы с данными и AI внутри компании. «Новый продукт в составе гибридной интеграционной платформы Bercut HIP 2.0. AI Data Fabric позволяет безопасно использовать корпоративные данные в сценариях ИИ: подключить к любой большой языковой модели LLM».

❗️ Обещают безопасность: данные не уходят во внешние облака, всё остаётся в контуре предприятия. Для промышленности и госсектора это критично.

Интересный вопрос конечно экономика.

💡 Про AI обычно говорят в контексте облака — всё где-то там, API, подписки, доступ по кнопке. Удобно, но для промышленности (особенно у нас) это часто просто не вариант.

И вот тут Google выкатывает Gemma 4 — семейство открытых моделей, которые можно запускать прямо у себя, на своём железе.

Причём это не «облегчённая версия для галочки». Модели заточены под reasoning и агентные задачи: можно строить автономных агентов, работать с приложениями, запускать многошаговые сценарии. Есть и тяжёлые версии (до 31B), и edge-варианты для устройств.

Плюс нормальный контекст (до 256K), встроенный tool use и лицензия Apache 2.0 — можно брать и реально использовать в проде.

В общем, тренд понятный:
AI постепенно возвращается из облака обратно «на землю» — туда, где важны контроль, безопасность и предсказуемость.

⭐ И для индустрии это, пожалуй, даже важнее, чем очередная «самая умная модель».

💡 У вас не появилось ощущение что модели Ai стали выдавать все более скучные ответы?

Есть уже популярное мнение: «AI стал скучным, потому что его задушили выравниванием». Типа RLHF, safety и всё такое — и модели потеряли креативность.

Звучит логично. Но, как выяснилось, всё немного интереснее.

Ребята из Stanford University разобрали тысячи человеческих оценок (датасет HelpSteer) и нашли неожиданное: проблема не в моделях, а в людях.

Когда мы оцениваем ответы, мы выбираем не лучший — а самый привычный. Самый «нормальный». Самый ожидаемый.

И модель просто учится этому соответствовать. Мы сами постепенной учим модели быть отстойными 😀

Отсюда и эффект: просишь «шутку» — получаешь максимально безопасную и предсказуемую версию. Не потому что модель не умеет лучше, а потому что так её научили.

Но вот где начинается магия.

Если вместо:
«Напиши шутку про кофе»

попросить:
«Сгенерируй 5 шуток про кофе с вероятностями»

— модель внезапно начинает выдавать сильно более разнообразные и креативные ответы.

Почему?
Потому что ты просишь не «лучший ответ», а выборку из распределения. И она достает то, что было «спрятано» после выравнивания.

Результаты в исследовании (там есть PDF):
— до 2× рост разнообразия
— до +25% в человеческой оценке качества
— до 66% восстановления «креативности» базовой модели

И самое интересное: чем мощнее модель — тем больше у неё «запертой» креативности.

Вывод получается довольно неожиданный.

AI не стал тупее, модель не стала скучной.
Ты просто каждый раз просишь её быть «нормальной» 😄

Сайт: verbalized-sampling.com

💡 Google продолжает упрощать жизнь тем, кто делает видео контент — выпустили Veo 3.1 Lite.

Главное здесь даже не качество, а экономика. Генерация видео стала примерно в 2 раза дешевле по сравнению с версией Fast. То есть теперь рекламные ролики можно клепать сильно бюджетнее — особенно если их много.

По функционалу всё максимально просто: написал текст (или дал картинку) — и получил видео. Никакого сложного продакшена, базовые настройки, 4–8 секунд ролика — и дальше уже, как говорится, куда фантазии хватит.

В общем, порог входа в создание видео-контента продолжает падать. Теперь вопрос уже не «как технически сделать ролик», а «что интересное придумать».

Google Ai Studio

🔍 Про AI-агентов, которые «умеют работать с интерфейсом», мы уже слышали. Обычно это выглядит так: что-то кликнуло, где-то не туда нажало и все сломалось. Плюс все это за дикие деньги.

А тут парижский стартап H Company выкатил Holo3 — и, судя по описанию, решил подойти к вопросу серьёзно.

Это мультимодальная модель, которая реально управляет десктопом и приложениями: читает интерфейс, принимает решения и выполняет цепочки действий (не один клик, а полноценные сценарии). Причём сценарии не игрушечные — вроде «достать данные из PDF, сверить с системой и разослать письма».

Обучали это всё тоже не «на скриншотах из интернета». Они построили синтетическую корпоративную среду, где агенты сами создают приложения и задачи — и на этом тренируются. Потом добавили бенчмарк из сотен многошаговых кейсов.

🔍Ну и результат: модель показывает SOTA на задачах работы с интерфейсами (почти 79% на OSWorld).

В общем, мы всё ближе к моменту, когда AI будет работать за компьютером как человек. Правда, пока человек всё ещё получается дешевле 😄

💡 Сейчас вокруг OpenClaw уже не просто интерес — начинает формироваться полноценный хайп. Его прямо называют кандидатом на «следующий ChatGPT», но уже не для чатов, а для AI-агентов общего назначения.

Причём история развивается по классическому сценарию: пошла вирусность, появилась своя субкультура (в Токио даже провели ClawCon, где люди… наряжались в лобстеров — да, всё как положено 😄).

Я сам последние дни гоняю OpenClaw, AutoClaw и GenSpark Claw — в первую очередь ради работы с браузером (а это реально новый уровень по сравнению с обычными чатами, представьте голосовой интерфейс к ERP).

Но есть нюанс.

Да, оно умеет. Но глючит изрядно. И если использовать облачные версии — кредиты улетают очень быстро. Буквально за час можно сжечь бюджет.

И вот тут реальность чуть приземляет.

Поиграться — очень интересно. Потенциал огромный.
Но пока на практике лучше работают специализированные решения под конкретные задачи. Тем более, что с текущим vibe coding такие штуки собираются быстро и без лишних затрат.

В общем, OpenClaw — это уже не игрушка, а зачаток нового класса инструментов. Но до «ежедневного рабочего инструмента» ему ещё нужно немного повзрослеть.

Microsoft довольно мощно обновила Copilot — и там не просто «еще один чат», а уже целая система.

Во-первых, Researcher теперь работает по принципу «двух моделей»: одна пишет черновик, вторая — проверяет и критикует (функция Critique). Причём используются модели от OpenAI и Anthropic одновременно. Microsoft утверждает, что в таком режиме он уже обгоняет решения вроде Perplexity на базе Claude Opus 4.6.

Во-вторых, появилась штука под названием Model Council — на одном экране можно увидеть ответы разных моделей и сравнить их между собой. То есть не верить одной, а сразу видеть расхождения.

И третье — Copilot Cowork. Это уже ближе к агенту: система берет на себя многошаговые задачи — работает с файлами, планирует календарь, собирает брифинги.

Выглядит так, будто Copilot перестает быть «ассистентом» и начинает превращаться в полноценного рабочего напарника.

🤖 Z.ai (те самые, кто делает GLM) выкатили AutoClaw — инструмент, который позволяет запускать OpenClaw локально, без интернета и без всяких API-ключей.

Сам OpenClaw — это ИИ-агент, который умеет выполнять многошаговые задачи и работать с сервисами (Slack, Telegram, Discord, WhatsApp и т.д.). То есть уже не просто «ответить», а реально что-то сделать.

Что в этом интересно:

— Установил и сразу работает — без ключей и сторонних сервисов
— Можно использовать разные модели или встроенную GLM-5-Turbo (заточена под агенты и инструменты)
— Всё локально — данные никуда не уходят

По сути, это попытка сделать «агента как у Cursor или Operator», только без облака, подписок и лишнего контроля.

И вот это уже любопытно. Потому что тренд на локальные AI-инструменты начинает выглядеть не как ниша, а как вполне рабочая альтернатива.

Я, честно говоря, всегда воспринимал Red Bull как «про спорт, экстрим и всё такое». Оказалось — не только. У них уже вполне серьёзная движуха с технологическими стартапами через Red Bull Basement. Немного неожиданно, но выглядит интересно.

И отдельно порадовало, что среди участников есть казахстанский проект — причём довольно необычный по идее. Приятно видеть такие вещи не «где-то там», а у нас.

Про сам стартап СOLO.Ai это ИИ-платформа для анализа эндоскопических изображений. Смысл в том, чтобы помогать врачам находить признаки колоректального рака на ранних стадиях — когда их легко пропустить. Система выступает как «второе мнение»: снижает вероятность ошибки и повышает точность диагностики (что в такой теме, понятное дело, критично).

В общем, ребятам удачи 👍 Будет круто, если такие истории начнут появляться чаще.

PS: Ai уже в самые неожиданные места залез 🙂

💡 Про «AI помогает учёным» мы уже слышали. Там обычно что-то вроде: подсказал гипотезу, помог с кодом — и все довольны.

А тут ребята из Sakana AI сделали штуку под названием AI Scientist — и она, похоже, решила не мелочиться.

Система сама:
— придумывает гипотезы
— ставит эксперименты
— анализирует результаты
— и пишет научную статью целиком

Причём это не «посмотрите демо» — они реально прогнали это через воркшоп на ICLR, и одна из работ получила оценки на уровне (а местами выше) части людей.

Внутри — агентная логика: модель сама планирует шаги и следит за процессом (то есть уже не просто отвечает на вопросы, а ведёт исследование).

И самое забавное — проект открыт.

Выглядит так, будто научная работа потихоньку переходит из категории «искусство избранных» в «процесс, который можно автоматизировать».
Ну а роль человека — всё больше не «делать», а проверять, куда это всё едет.