Как мы помогли ФСК снизить нагрузку на команду на 40% с помощью AI-агентов

«Есть ли в этой квартире панорамные окна?» — на такие вопросы AI должен отвечать точно. Один неверный ответ может стоить сделки. Для группы компаний ФСК, одного из крупнейших девелоперов России, мы внедрили смарт-платформу с двумя AI-агентами. Один работает с клиентами, второй помогает сотрудникам. В итоге — автоматизация обработки данных, управление знаниями и снижение нагрузки на поддержку и коммерческий департамент без риска для бизнеса.

🔗 Разложили всё на Хабре: как строили систему, какие технологии использовали и как проверяли точность. Читайте свежий кейс.

#AI_moment #роботайм

AI, который понимает мир — не метафора, а roadmap на 3 года. Зачем он нужен бизнесу?

Следующий этап в развитии AI — системы, которые понимают физический мир и умеют в нём действовать. Над этим уже работают Meta и Google. Собрали главные мысли техлидеров.

Ⓜ️ Глава Meta AI* Ян Лекун заменяет термин AGI (общий искусственный интеллект) продвинутым машинным интеллектом — AMI. По его словам, человеческий разум слишком привязан к контексту и узко решает конкретные задачи — копировать его нет смысла. Цель — построить архитектуру, которая обучается, рассуждает, предсказывает и адаптируется под среду. До первых жизнеспособных систем нам осталось около 3-5 лет. 

🌐 CEO Google DeepMind Демис Хассабис говорит о том же: мы научились побеждать в Go, но пока не можем перенести эти навыки в реальный мир. AGI начнётся с систем, которые работают в условиях неопределённости и действия, а не в симуляциях.

AGI как финальная форма ещё впереди, но AI уже берёт на себя его функции. Мы переходим от генерации — к действию. Это меняет архитектуру продуктов, API, подход к разработке и сборке команд. Для бизнеса это не теория, а сдвиг в инфраструктуре: от прототипов — к интеграции в процессы, от чат-ботов — к агентам. 

* Запрещена в РФ

#AI_moment #трендвотчинг

Рынок AI расширяет границы — от визуального анализа до прототипов в браузере

Аналитический центр red_mad_robot рассказывает и комментирует главные события индустрии на неделе с 31 марта по 4 апреля. 

🟥Alibaba выпустил QVQ-Max: новая визуальная reasoning-модель понимает содержание фото и видео, анализирует контекст и предлагает решения. В планах — создание визуального AI-агента, способного управлять устройствами.

Почему это важно: Qwen2.5-VL, Omni и теперь QVQ-Max — китайские LLM последовательно наращивают мультимодальные возможности. Модели всё лучше ориентируются в визуальном мире: не просто «видят», а понимают, что происходит, и умеют на это реагировать. Это фундамент для создания AI-агентов, которые действуют в физическом мире.

🟥«Авито» представил стратегию по GenAI: компания инвестирует 12 млрд рублей в развитие GenAI до 2028 года, запускает образовательные программы с вузами и уже использует собственные модели: A-Vibe (текст) и A-Vision (мультимодальная). LLM должны обновить существующие функции внутри платформы. 

Почему это важно: на российском рынке формируется новая группа игроков, готовых не просто внедрять чужие решения, а развивать собственные. Помимо Сбера, Яндекса и Т-Банка, появляются компании, которые инвестируют в локальный стек и двигают рынок вперёд. Такой подход позволяет не только сократить временные затраты, но и найти возможности для получения финансовой выгоды.

🟥Amazon запустил Nova Act: AI-агент может управлять браузером и имитировать простые действия человека. Во внутренних тестах Nova Act превосходит Operator от OpenAI и Computer Use от Anthropic. Вместе с агентом доступен SDK для прототипирования. 

Почему это важно: Amazon не в топе AI-лабораторий, но у компании — инфраструктура и миллионы пользователей. Если Nova Act окажется полезным в реальных сценариях, это может стать переломным моментом для рынка агентов. Либо наоборот — подорвать к ним доверие.

Также на неделе:
• MTS AI представила LLM для бизнеса и будущих отраслевых агентов
• Яндекс запустил RAG-платформу для создания персональных баз знаний 
• Китайский Zhipu AI вывел на рынок агента для глубоких исследований
• OpenAI работает над открытой LLM с продвинутым логическим выводом
• Amazon начал тестировать агентскую функцию Buy for Me
• Midjourney выпустила первое обновление почти за год
 
#AI_moment #трендвотчинг

⚡️ Тот самый прогноз AI 2027 — собрали главное в одном документе

AI 2027 — один из самых амбициозных футуристических прогнозов про AI за последнее время. Над ним работали инженеры, исследователи и аналитики, в том числе из OpenAI. Авторы описали хронологию возможных событий с 2025 по 2030 год: от массового появления агентов до усиления государств, в основе которых действует AI, и рисков потери контроля.

Аналитики red_mad_robot перевели и адаптировали отчёт, чтобы вы могли ознакомиться с ключевыми идеями (целых 16 страниц!). А также добавили глоссарий — с ним будет удобнее ориентироваться в терминах. 

🔗 Отчёт — в PDF ниже. Читайте, скачивайте и пишите мысли в комментариях. 

#AI_moment #трендвотчинг #рынки

Рассказали «Неискусственному интеллекту» о том, как GenAI применяют в индустрии развлечений

На Западе LLM уже пишут сценарии, озвучивают героев и собирают кадры. В России технология только набирает обороты — но кейсы уже есть: персонализированные рекомендации, автоматизация модерации, адаптивные сюжетные линии в играх.

↗️ О том, где GenAI ещё приносит результаты и какие решения интересны бизнесу, читайте в полном интервью CEO red_mad_robot AI Ильи Филиппова.

#AI_moment

AI выходит на агентский уровень: экосистемы, протоколы и память становятся новым стандартом

Аналитический центр red_mad_robot рассказывает и комментирует главные события индустрии на неделе с 7 по 11 апреля. 

🟥Google делает ставку на агентов: на Cloud Next компания представила инфраструктуру для разработки и запуска AI-агентов: фреймворк Agent Development Kit, протокол Agent2Agent для взаимодействия между агентами, визуальную среду Firebase Studio и маркетплейс готовых решений.

Почему это важно: крупные платформы перестраиваются под экосистему AI-сервисов. Вместо универсальных моделей бизнесу предлагают гибкий рынок агентских решений: бери нужное, подключай и сразу внедряй. Это снижает входной порог, упрощает тестирование гипотез и ускоряет переход к масштабируемым AI-помощникам в компаниях.

🟥OpenAI добавил новую систему памяти в ChatGPT: теперь чат-бот помнит и анализирует все прошлые чаты (кроме временных) и учится на протяжении всей истории взаимодействия.

Почему это важно: последнее обновление сигнализирует о переходе от эпизодических взаимодействий к развивающимся — AI-системы начинают конкурировать не только по точности, но и по способности выстраивать отношения. Это сдвиг в сторону более зрелых, вовлечённых цифровых ассистентов. 

🟥Vectara выпустила Open RAG Eval: открытый фреймворк позволяет оценивать точность поиска, качество генерации, количество галлюцинаций и производительность в RAG-системах — вплоть до отдельных компонентов.

Почему это важно: AI-системы быстро растут в сложности — особенно с переходом к агентному подходу. Появление надёжных методологий, сочетающих научный подход и понимание бизнес-задач, помогает избежать дорогостоящих ошибок при создании или оптимизации RAG-решений.

🟥Meta* представила семейство моделей Llama 4: Scout, Maverick и Behemoth — мультимодальные, используют архитектуру Mixture of Experts (MoE) и поддерживают несколько языков. Но на практике LLM оказались нестабильны: пользователи жалуются на слабые результаты, отсутствие прозрачности в обучении и ограниченный доступ к самим моделям.

Почему это важно: разочаровывающие релизы показывают, что у бигтеха возникают сложности с развитием моделей. Простое наращивание мощности и параметров больше не даёт прорыва — индустрии нужны новые архитектуры и подходы к обучению.

* Запрещена в РФ 

Также на неделе:
• DeepSeek предложила новый метод улучшения соответствия LLM пользовательским предпочтениям
• MTS AI показала второе поколение AI-помощника для кодинга 
• Amazon обновила Nova Reel и запустила дешёвую голосовую модель Nova Sonic
• Deep Cogito представил гибридные модели, которые превосходят лучшие открытые аналоги
• Google добавил мультимодальный поиск в AI Mode
• Copilot научился работать с камерой и выполнять действия в вебе

 #AI_moment #трендвотчинг

Обычно мы здесь пишем про бизнес, AI и технологии. Но за многими этими историями стоит сильная аналитическая команда — та, что выстраивает процессы, помогает принимать решения и двигает проекты вперёд.

Частью этой экспертизы мы делимся в канале red_mad_product (да, ещё один). Там — про подходы, инструменты и повседневную работу внутри проектов. Сейчас как раз запустили Weekend offer для системных и бизнес-аналитиков с шансом попасть в команду ⚡️

#роботайм

Фаундер red_mad_robot Алексей Макин — в подкасте #безвотэтоговотвсего

Подкастов много. Интервью тоже. Но это — разговор, который стоит послушать, если вы работаете с системами, строите бизнес и думаете про будущее. Алексей Макин — фаундер red_mad_robot и фонда Bright dots. Он редко даёт интервью, поэтому получилось содержательно и точно.

В новом выпуске подкаста #безвотэтоговотвсего:

📍 Почему классическая IT-разработка в России — тупиковая модель
📍 Как мы запускаем активы и выходим из них, если рост не x3
📍 Как в r_m_r  устроен «интеллектуальный лифт» — от инженера до управляющего активом
📍 Почему AI — не технология, а новая среда мышления

Также обсудили Bright dots — неклассическую управляющую компанию, созданную для исследований, стратегической поддержки и финансирования инновационных решений с фокусом на AI. А ещё — работу в бизнес-школах Сколково и МГУ, где Алексей преподаёт архитектуру управления и подходы к запуску бизнесов. 

Слушать интервью — YouTube, VK, Apple Music, Яндекс Музыка

#роботайм #AI_moment

@Redmadnews

Подборка российских AI-решений для задач бизнеса

В первой части мы уже делились международными инструментами, которые помогают бизнесу экономить ресурсы и ускорять процессы. Теперь очередь за российскими решениями. Проверенные сервисы — в подборке от red_mad_robot.

↗️ Сохраняйте, делитесь и дополняйте в комментариях

#AI_moment

@Redmadnews

AI продолжает ускоряться — в вычислениях, понимании и взаимодействии

Аналитический центр red_mad_robot рассказывает и комментирует главные события индустрии на неделе с 14 по 18 апреля. 

🟥OpenAI представила модели o3 и o4-mini: обе имеют расширенные навыки рассуждений, которые помогают использовать и комбинировать инструменты внутри ChatGPT. o3 подходит для сложных задач, o4-mini — для экономичных сценариев с быстрым откликом.

Почему это важно: OpenAI предлагает бизнесу выбор — не между моделью и человеком, а между скоростью и глубиной. Это позволяет точнее распределять задачи и расходы в AI-продуктах.

🟥Cohere выпустила Embed 4: новая эмбеддинг-модель упрощает поиск в сложных бизнес-документах, обрабатывает текст, изображения и графики, поддерживает до 128k токенов и заточена под отраслевые данные.

Почему это важно: в индустрии появляется надёжный инструмент для поиска и анализа сложных документов — от медицинских карт до технических спецификаций. Это снижает барьер для внедрения GenAI в регулируемых отраслях и ускоряет принятие решений.

🟥Meta* представила инструменты для развития AMI (Artificial Multimodal Intelligence): Perception Encoder — для обработки изображений и видео, Perception Language Model — для сложного визуального распознавания, а также Collaborative Reasoner — для оценки и улучшения взаимодействия между агентами и людьми и агентами и агентами. 

Почему это важно: AI-рынок движется к более сложным формам взаимодействия между агентами и пользователями. Meta* работает на стыке восприятия и коммуникации — это шаг к созданию AI-систем, которые не просто выполняют задачи, а понимают контекст и умеют работать в команде. Для бизнеса это основа новых интерфейсов и форматов коллаборации.

* Запрещена в РФ 

Также на неделе:
• Google выпустил Gemini 2.5 Flash с управляемым бюджетом reasoning
• OpenAI представила семейство GPT-4.1, включая версии mini и nano
• NVIDIA показала гибридные модели на базе Mamba и Transformer
•  Anthropic добавит в Claude интеграцию с Google Workspace, инструмент глубоких исследований и голосовой режим
• Microsoft разработал 1-битную модель, работающую на CPU
• OpenAI запустила локального программного агента для терминала
•  Яндекс обновил Алису и научил распознаванию объектов, работе с файлами и глубокому рассуждению

 #AI_moment #трендвотчинг

@Redmadnews

От слов к вычислениям: AI учится работать быстрее, точнее и тише

Аналитический центр red_mad_robot рассказывает, что изменилось в индустрии за неделю с 21 по 25 апреля.

🟥Google представил Gemma 3 QAT: новая версия открытой модели использует Quantization-Aware Training и сжимает параметры в четыре раза без серьёзной потери качества.

Почему это важно: бизнес ждёт от GenAI не только мощности, но и реальной окупаемости. QAT позволяет запускать модели на потребительском оборудовании без существенных затрат на инфраструктуру. Это открывает путь к внедрению AI в большее количество продуктов — особенно там, где стоимость обслуживания критична.

🟥Anthropic изучила, что важно для Claude: команда проанализировала 700 тыс анонимных диалогов и зафиксировала, что Claude чаще всего демонстрирует полезность, профессионализм и прозрачность. Отклонения встречаются крайне редко и в основном при попытках обхода ограничений.

Почему это важно: компании, которые интегрируют AI в продукты или процессы, рискуют репутацией и безопасностью. Понимание, как модели реально ведут себя на практике, снижает риски, позволяет улучшить alignment-подходы, помогая прогнозировать поведение системы в разных ситуациях, и формирует доверие пользователей. 

🟥Letta и UC Berkeley предложили Sleep-Time Compute: модель обрабатывает контекст ещё до получения запроса, используя «время простоя» между запросами для предварительных вычислений.

Почему это важно: компании всё чаще упираются в рост расходов на инфраструктуру при масштабировании AI-сервисов. Sleep-Time Compute даёт возможность снизить стоимость владения без ухудшения пользовательского опыта: вместо увеличения мощности серверов бизнес получает более экономичную модель загрузки ресурсов. Это особенно важно для сервисов с высоким количеством коротких сессий — например, в поддержке клиентов, голосовых интерфейсах или рекомендательных системах.

Также на неделе: 
• Alibaba выпустила модель для генерации видео по первому и последнему кадру
• xAI расширила Grok: теперь LLM видит через камеру устройства, поддерживает многоязыковое аудио и умеет искать информацию в вебе во время голосового общения
• Anthropic спрогнозировал появление AI-сотрудников к 2026 году
• OpenAI открыла API-доступ к GPT-Image-1 — его уже тестируют Adobe, Canva, Instacart и другие
• Character AI анонсировала модель для генерации фотореалистичных аватаров с синхронизацией речи и движений

#AI_moment #трендвотчинг

@Redmadnews

Вот это да — в канале уже шесть тысяч человек! Спасибо, что читаете, делитесь, задаёте вопросы, а иногда даже спорите⚡️

Для нас это повод ещё раз внимательно посмотреть на аудиторию. Ниже — несколько коротких опросов. Ответы, конечно же, помогут сделать канал ещё точнее и полезнее.

Почему бизнес уходит от универсальных AI-решений к мультиагентным системам

Подключить LLM, загрузить базу знаний, настроить поиск по документам — кажется, что этого достаточно. Но на практике сложные запросы выходят из контекста, ответы размываются, а вместо решений система предлагает «посмотреть документацию». Там, где бизнес ждёт точности и конкретики — универсальный AI не справляется.

Вместе с руководителем направления искусственного интеллекта в red_mad_robot Валерой Ковальским разбираем, как мультиагентная архитектура закрывает эти пробелы: помогает обрабатывать сложные запросы, снижает нагрузку на команды и даёт измеримый эффект в бизнес-процессах.

↗️Читайте свежий кейс на Habr

#AI_moment

@Redmadnews