Обратите внимание на инетресную книгу, только что пришло в рассылке

https://www.piter.com/product/masshtabiruemye-dannye-vysokonagruzhennye-arhitektury-data-mesh-i-data-fabric-2-e-izd

Интересная статья, обобщающая различия между AI-агентами и Agentic AI.

Статья предлагает всеобъемлющую таксономию и сравнение AI-агентов и Agentic AI, разъясняя их концептуальные, архитектурные и операционные различия.

AI-агенты — это системы с единой сущностью, дополненные LLM-моделями и интеграцией внешних инструментов, способные к автономии в рамках задач и последовательному рассуждению. Они реактивны, модульны и обычно применяются в узких задачах — таких как сортировка электронной почты, планирование встреч или обслуживание клиентов.

Agentic AI представляет собой архитектурный сдвиг. Эти системы включают несколько взаимодействующих агентов с динамической декомпозицией задач, постоянной памятью и уровнями оркестрации. Они обеспечивают координацию на более высоком уровне и подходят для сложных рабочих процессов — например, автоматизация исследований, рои роботов, медицинская диагностика.

Примеры применения
• AI-агенты: фильтрация писем, резюмирование отчётов, рекомендации контента, поддержка клиентов.
• Agentic AI: скоординированные исследовательские ассистенты, помощь в принятии решений в реанимации, сбор урожая с помощью роботов, адаптивный ИИ в играх.

Вызовы и ограничения
• AI-агенты: ограниченное причинное мышление, галлюцинации, отсутствие проактивности, неустойчивое планирование на длинных горизонтах.
• Agentic AI: каскадные ошибки между агентами, возникающая нестабильность, непрозрачная коммуникация, проблемы масштабируемости, объяснимости и уязвимости в безопасности.

Ключевые архитектурные и алгоритмические решения
• Генерация с дополнением из внешних источников (RAG)
• Расширенное рассуждение с инструментами (вызов функций)
• Agentic Loop: рассуждение → действие → наблюдение
• Архитектуры памяти (эпизодическая, семантическая, векторная)
• Оркестрация мультиагентов с разделением ролей
• Рефлексия и самокритика
• Программируемые пайплайны инженерии промтов
• Причинное моделирование и планирование на основе симуляций
• Системы мониторинга, аудита и объяснимости
• Дизайн с учётом управления: изоляция ролей, отслеживаемость

Все эти направления требуют значительных инноваций в алгоритмах, архитектурах, инфраструктуре, протоколах и самих моделях.

https://arxiv.org/abs/2505.10468

Нашел интересный материал Emerging Generative AI Use Cases in Credit от McKinsey с кейсами, цифрами и статистикой по применению GenAI в Финсекторе. Думаю что может быть кому то инетресен. Презентация по всей видимости с вебинара, так что она должна предполагать еще какие то комментарии, но в целом все довольно понятно по слайдам и без этого.

Дайджест статей

The BI Industry Is Missing Its ChatGPT Moment
https://svenbalnojan.medium.com/the-bi-industry-is-missing-its-chatgpt-moment-6cbdfe40bb01

BI для X-Com: целевые звонки, лицензии поставщиков и другие нетиповые возможности дашбордов
https://habr.com/ru/companies/w_code/articles/916834/

Как Modus BI помогает получать инсайдерскую информацию на рынке недвижимости?
https://habr.com/ru/companies/modusbi/articles/916856/

Introducing Lakehouse 2.0: What Changes?
https://medium.com/@community_md101/introducing-lakehouse-2-0-what-changes-769a1c6a758e

Интеграция с ClickHouse: NiFi vs Airflow
https://habr.com/ru/companies/w_code/articles/917514/

Тренды 2025 года в сфере работы с данными и ИИ
https://habr.com/ru/companies/yandex_praktikum/articles/915322/

Designing Scalable Multi-Agent AI Systems: Leveraging Domain-Driven Design and Event Storming
https://dzone.com/articles/multi-agent-ai-ddd-event-storming

БОГА НЕТ, МАТРИЦЫ ТОЖЕ, ВСЁ ГОРАЗДО СЛОЖНЕЕ

Философская страничка. Тут давеча редакцию попросили послушать подкаст про ИИ, но увидев там в описании термин AGI все члены редакции впали в философское настроение и 4 дня изучали вот эту статью (см ниже), которая давно болталась в закладках.

Я, конечно, совсем не претендую на глубокое понимание современных теорий реальности, но мне статья показалось в целом неплохим самари текущего дискурса участников кружка любителей теоретической физики. Но если тут есть более продвинутые специалисты - welcome в комментарии.

В общем, основная мысль статьи «мы знаем, что мы ничего не знаем и узнать не можем» - кажется мне близкой. И особенно часто последнее время думаю о том, насколько идеи древних философов, религий и мыслителей средних веков «похожи» на то, о чем сейчас говорит теоретическая физика. Наверное это потому, что инструменты исследования нашего внутреннего субъективного мира у нас не изменились за тысячелетия и остается теми же: «размышлением» и «рефлексией» :)

Суть статьи перескажу цитатой автора: «Мы ничего не можем сказать о Мире, пока в нём не появится хотя бы один субъект, точка отсчёта. Каждому субъекту выпадает уникальная возможность появиться в Мире и оценить его по отношению к себе (а также оценить, что он сам представляет собой в Мире). Но один субъект ничего не знает о том, как будут воспринимать Мир другие субъекты. И когда появляется второй субъект, первый, контактируя с ним (если это возможно), начнёт догадываться, что часть элементов (форм) его субъективного мира как-то воспринимает и другой субъект. Так рождается реальность, относительная объективность.»

И каждый из нас живет в своем субъективном мире, который порожден неким реальным Миром никто не способен выйти за пределы субъективного мира и познать Мир реальный.

А при чем тут ИИ? Ну вот кажется что нельзя нам создать никакой AGI, потому что для того, что бы «вдохнуть искру жизни» во что-то, надо выйти в пределы того Мира, который вдохнул «искру жизни» в нас - а этого сделать невозможно. как не бейся, мы будем упираться в физические пределы, подходя к ним вплотную, но имея возможности их преодолеть.

Но тут в статье и возникает фундаментальное противоречие имхо в статье автор рассуждает об устройстве реального Мира, хотя познать реальный Мир мы не может по утверждению автора :)

https://habr.com/ru/articles/871044/

Коллеги, будьте бдительны!

Вот вам тем что не верит в AGI!

Дайджест статей

A New Era of Unified Lakehouse: Who Will Reign? A Deep Dive into Apache Doris vs. ClickHouse
https://dzone.com/articles/apache-doris-vs-clickhouse-real-time-analytics

«Облачные хранилища: как выбрать идеальное решение для бизнеса» (1 часть)
https://habr.com/ru/articles/920578/

Топ полезных функций в DataLens и Tableau
https://habr.com/ru/articles/918854/

BI в небольших аптечных сетях: примеры готовых дашбордов и калькулятор выгоды
https://habr.com/ru/companies/w_code/articles/919510/

Через два года ИИ-агенты полностью трансформируют бизнес-процессы — исследование IBM
https://habr.com/ru/articles/918988/

Проблемы данных ритейла и их решение через BI-систему
https://habr.com/ru/articles/918924/

Обнаружение аномалий в данных временных рядов с помощью статистического анализа
https://habr.com/ru/companies/otus/articles/919248/

Управление ИИ (AI Governance) в 2025: пять главных вызовов и пути их преодоления
https://habr.com/ru/articles/920386/

Витрина данных: сверка с эталоном
https://habr.com/ru/companies/neoflex/articles/918628/

Очень хороший обзор методов и практик управления временем, личным планированием и эффективностью. Тема интересна для многих тут в канале и особенно актуальная в наше время перегрузки задачами и информацией.

Кажется, что ИИ и его использование не приводит к тому, что мы меньше работаем, а наоборот, теперь мы делаем больше задач за тоже время.

Так что я думаю подходы для повышения личной эффективностью только набирают свою важность.

Дополню пост цитатой: В конце XIX века известный русский физиолог Введенский Николай Евгеньевич сказал:

«Мы устаем и изнемогаем не потому, что много работаем, а потому, что плохо работаем, не организованно работаем, бестолково работаем»

https://habr.com/ru/companies/axenix/articles/903940/?utm_source=habrahabr&utm_medium=rss&utm_campaign=903940

Что то я не понимаю идеи. Пользователю программный продукт нафиг не нужен. Ему нужен результат. И лучший программный продукт это тот, которого нет, а задача решается.

Зачем делать инструмент для создания софта в то время как мы все ждут то, что софт станет принципиально другим? Или видится тупик в текущих перспективах развития LLM?

⚡️Anthropic завтра объявит, что Claude станет платформой для создания приложений

Полчаса назад издание Venture beat случайно опубликовало новость, которая должна была выйти завтра.

Суть в том, что Claude превратится из чат-бота, который отвечает на вопросы и ведёт диалоги, в платформу для создания приложений:

1. Пользователи, даже не умеющие программировать, смогут с помощью Claude создавать интерактивные приложения.

2. Приложения будут не просто статичными, а позволят взаимодействовать с пользователями, например, обрабатывать вводимые данные, давать персонализированные результаты или выполнять задачи.

3. Созданные приложения можно будет делиться с другими — публиковать для общего доступа или отправлять друзьям/коллегам, чтобы они тоже могли ими пользоваться.

Это шаг к тому, чтобы ИИ стал не только помощником для разговоров, но и инструментом для создания полноценных программных продуктов, доступных каждому.

Boston Consulting Group выпустила аналитический обзор по теме AI-агентов и протокола Model Context Protocol (MCP)!

Редакция сделала документ доступным для офлайн-просмотра (см. вложение в первом комментарии).

В этом материале подробно рассматривается, как развиваются автономные агенты, где они уже приносят реальную пользу и почему такие протоколы, как MCP (Model Context Protocol) и A2A (Agent-to-Agent Communication), критически важны для масштабирования агентов в корпоративной среде — безопасно и надёжно.

Основные наблюдения редакции:
• То, что мы сейчас называем агентами — лишь первый шаг к по-настоящему сложным системам (см. слайд 4).
• Для построения более продвинутых агентов критически важно уметь воспринимать обратную связь из реального мира в процессе выполнения задач. Поэтому мультимодальность — не просто тренд, а необходимость (см. слайд 7).
• Пока мы ещё не до конца разобрались, что именно считать микросервисами, нам уже предлагают забыть об этом и мыслить в терминах коллаборативных единиц (см. слайд 8).
• Отдельно вызывает вопросы сдвиг акцента в оценке качества агентов: теперь приоритет — это сложность решаемой задачи, а не корректность её выполнения. Важно помнить, что для бизнеса ключевыми остаются точность, предсказуемость и воспроизводимость результатов.
• MCP — безусловный must-have для построения масштабируемых и надёжных агентных систем.
• Также нельзя забывать о новых рисках и угрозах, возникающих при внедрении таких технологий (см. слайд 23).
• В целом, в документе представлена качественная референсная архитектура с указанием всех ключевых компонентов: от data platform до Guardrails (см. слайд 25).

MIT Media Lab провели исследование, в котором они изучали, как люди учатся с использованием LLM (например, ChatGPT) и без него. В эксперименте участвовали три группы людей в возрасте от 18 до 39 лет. Каждый месяц им нужно было писать эссе: одной группе разрешили использовать LLM, другой — обычный интернет-поиск, третьей — только собственные знания. Во время написания участники были подключены к ЭЭГ, чтобы фиксировать мозговую активность, а затем ученые анализировали и сами тексты.

Вывод исследователей — нейросети действительно могут влиять на когнитивное развитие: критическое мышление, память, умение принимать решения и общую интеллектуальную самостоятельность. И не в лучшую сторону.

Понятно, что никто не призывает отказаться от LLM — такие инструменты уже кардинально упростили доступ к информации. Но авторы работы подчеркивают: важно помнить о потенциальных рисках и продолжать их внимательно изучать.

https://www.researchgate.net/publication/392560878_Your_Brain_on_ChatGPT_Accumulation_of_Cognitive_Debt_when_Using_an_AI_Assistant_for_Essay_Writing_Task