Пару месяцев назад вышла статья от Google про тренды 2026 ИИ агентов
В их новом отчете «AI Agent Trends 2026» слово "LLM" отходит на второй план. Главный герой теперь - Agentic AI (Агентный ИИ).
Я изучил 50 страниц этого отчета, чтобы вам не пришлось, если кратко то
Спойлер:
Google считает, что эпоха «чат‑ботов» закончилась.
Три месяца назад я наблюдал, как мой агент на Llama 3.1 8B в третий раз спрашивает, как меня зовут.
Я представился в первом сообщении. Двести сообщений назад...
Агент забыл. Не потому что тупой. Потому что контекст переполнился и начало разговора уехало в никуда.
Это был момент, когда я понял: мы неправильно думаем о памяти.
Когда вышел Claude с контекстом на миллион токенов, казалось — проблема решена. Запихиваем всё в контекст, модель помнит всё. Красота.
Потом пришёл счёт за API.
О проблемах найма я узнал не из аналитических отчётов — а потому что сам оказался внутри рынка труда. С одной стороны — как кандидат, с другой — как человек, работавший с HR и процессами найма.
Можно бесконечно смотреть, как течет вода, горит огонь, и рассуждать об инновациях в IT. Но нет лучшего способа понять качество инфраструктуры, чем запустить на ней собственные сервисы.
Если бы я хотел хайпануть, то сказал бы, что моушен-графика больше не требует отдельной профессии, лицензии на Adobe и многих лет обучения. Но я так говорить не буду. Скажу лишь, что если вы разработчик и умеете формулировать задачу, то сегодня вы можете собирать анимированные промо-ролики, описывая их кодом в вашей любимой IDE.
В этой статье я покажу:
Зачем вообще разработчику лезть в моушен,
Что такое Remotion и почему он «выстрелил» именно сейчас,
Причём тут Skills,
И какой результат реально можно получить за 30 минут времени и несколько тысяч токенов.
Может показаться что я рекламирую Claude - нет, у ChatGPT есть такая же штука.
Захочется наброситься со словами - да это же очевидно, открыл Америку! - жгите слогом.
Нейроскептики скажут - опять доверили стохастическому генератору ответственное дело, куда катится мир! - ОПС, ребята
Тут как в FPV - если есть 10 лет опыта, то технологии настолько быстро меняются, что последний год всегда перечеркивает весь предыдущий опыт.
У меня есть продуктовая компания, которая производит и продает контроллеры, позволяющие управлять освещением. Это тысячи электронных плат в год.
Владимир Крылов, профессор математики, научный консультант Artezio и один из самых глубоких русскоязычных экспертов по применению ИИ в разработке, дал интервью по итогам года. Мы поговорили о том, почему reasoning-модели галлюцинируют вдвое чаще обычных (и это математически неизбежно), почему OpenAI объявил «код красный» и отстаёт от Google, и правда ли, что программисты, умеющие писать код только руками, скоро вымрут как вид. Спойлер: Паваротти не умел читать ноты, и это кое-что говорит о будущем vibe-coding.
Владимир Крылов регулярно проводит лекции о практическом применении LLM в разработке на канале Ai4devЧитать полностью »
В обсуждении со специалистами часто встречаю фразу от коллег: «Ассоциируйте AI‑агента с работником организации». В этой статье я не предлагаю решения, я скорее предлагаю тему для обсуждения — насколько привычные управленческие паттерны «из мира людей», применяемые при проектировании организационных структур, применимы для организации взаимодействия AI‑агентов.
Постановка вопросов
Повальное увлечение AI‑агентами привело к возникновению стандартных «управленческих» вопросов, связанных с проектированием мультиагентных систем.
Последние пару лет я активно работаю с автоматизацией и AI-агентами. Проекты разные - от чат-ботов для Telegram до сложных RAG-систем с векторными базами. И знаете, что меня всегда бесило? Каждый раз при развертывании нового проекта уходило несколько часов, а то и целый день на настройку окружения.
Сначала настраиваешь Docker Compose для n8n, потом прикручиваешь Postgres, потом вспоминаешь про Redis (потому что без него n8n в queue mode не заведешь), потом Supabase для векторов, потом Qdrant, потому что Supabase для векторов медленноват... А еще же HTTPS нужно настроить, Caddy или Nginx сконфигурировать, сертификаты получить. И так каждый раз.
Решая соревнования на Kaggle начинаешь замечать паттерн. Baseline сделать просто: загрузить данные, запустить CatBoost или LightGBM, получить baseline метрику. Это занимает полчаса. Но чтобы попасть в топ решений, нужно перепробовать десятки вариантов препроцессинга, сотни комбинаций фичей и тысячи наборов гиперпараметров.
