25 июня на креативной площадке «Хлебзавод №9» прошла ежегодная технологическая конференция Сбера. Меня зовут Олег Плотников, и я занимаюсь развитием перспективных цифровых проектов. Конечно, я не мог пропустить такое мероприятие, тем более что ИИ на промпредприятиях уже давно никого не удивляет, а GigaChat вообще плотно обосновался в этой сфере. Но обо всём по порядку.
Первые мысли
Программу открыл Андрей Белевцев, старший вице-президент и руководитель блока «Технологическое развитие». Помимо логичных вещей про стремительное развитие GenAI, он озвучил интересное резюме: «Любая современная модель видит, слышит, разговаривает и умеет рассуждать».
Действительно, прошли те времена, когда с ИИ общались через командную строку, и даже время удобных чатов прошло. Сейчас любой передовой модели можно задать вопрос голосом, загрузить в неё скрин, попросить у неё генерацию изображения и даже пофилософствовать с ней на разные темы. Будущее здесь.
Ещё Андрей сказал, наверное, главную мысль GigaConf: «ИИ не заменит инженеров. Но инженеры, использующие ИИ, точно заменят инженеров, ИИ не использующих».
Мультиагентность
Следующим шёл Кирилл Меньшов, старший вице-президент и руководитель блока «Технологии». Тут прозвучала ещё одна тема, которая так или иначе всплывала почти в каждом выступлении.
Сейчас мы находимся в эпохе агентов ИИ, моделей, которые выполняют задачи без вмешательства человека. Но эта эпоха уходит в прошлое, и ей на смену приходят уже мультиагенты, когда несколько агентов учитывают полный контекст задачи, учатся взаимодействовать друг с другом и, что важно, контролировать друг друга. Это новый этап в развитии, ещё больше повышающий автономность ИИ.
Более того, агенты живут и работают в одних интерфейсах не только друг с другом, но и с людьми. К примеру, в некоторых подразделениях Сбера есть общие очереди задач для людей и ИИ.
Эту идею подхватил Фёдор Минькин, СТО GigaPlatform. Он немного рассказал о том, куда движется GigaChat. Главный вектор развития флагманского GenAI Сбера — снова мультиагенты. На данный момент в GigaChat один агент ищет информацию по запросу, второй её критикует и так далее. Выдача при таком подходе получается куда более качественной. А ещё…
Эмпатичная модель
GigaChat активно учится не только писать, но и говорить. Вербальный канал куда сильнее подвержен эффекту «зловещей долины», потому разработчики много делают для эмоциональной окраски сказанного.
Продемонстрировали три голосовых эмоции: возмущение, сарказм и то, что Фёдор описал как «сюсюканье». Оно получилось чуток с примесью того же сарказма, но забавным.
Если брать чуть глобальнее, то будут доступны три техники речи:
Простой синтез.
Контролируемый синтез, когда промптом мы подробно задаём, как и с каким окрасом мы хотим слышать сказанное.
И, наконец, синтез, когда GigaChat по смыслу сам решает, с какой интонацией необходимо произнести то или иное сообщение. Спойлер: он делает это с максимальной эмпатией.
А уже в июле выкатят новую публичную фичу GigaChat: он сможет рассуждать, таким образом полностью отвечая определению современной GenAI-модели по версии Белевцева. В общем, векторов развития хватает. Многое сделано, что-то мы увидим совсем скоро, но предела совершенству нет и не предвидится.
Большой акцент сделали на том, что GigaChat доступен как из облака, через Интернет, так и с развёртыванием в контуре заказчика. Если у вас вопрос, зачем GenAI в закрытом контуре, я сделаю небольшое отступление и поясню, чем именно модель занимается в промке.
Как это по ГОСТу
GigaChat on-Prem — это когда модель живёт в закрытом контуре. Допустим, у нас есть лаборатория завода, где проводятся различные испытания поступившего материала. Испытания — это целая история. В зависимости от назначения из материала вытачивается деталь нужной формы. Далее по ней стучат, её пробуют на разрыв или, наоборот, плющат. Всё это регламентируется тонной бумажной документации, в которой методики, таблицы, коэффициенты и ещё много всего.
Так вот, всё это можно передать в GigaChat и научить его пользоваться конкретными источниками информации. И потом просто задавать ему вопрос: поступила сталь такой-то марки. Что из неё должно быть выточено для испытания на разрыв, и какие метрики считаются в пределах нормы?
Понятно, что такая модель решает очень узкую задачу, и она может знать что-то, что относится к непубличной информации. Потому закрытый контур и максимальная серьёзность.
Технология, когда нейросеть подглядывает в справочники или любые другие внешние источники, называется RAG, и её подробно разбирал в своём выступлении Евгений Третьяков, ведущий Go-разработчик Cloud.ru. Он рассказал о её прикладном применении в рабочих задачах, от внутренних процессов до технической поддержки и консультирования клиентов и обучения AI-агентов. А сам термин RAG занял, наверное, второе место по популярности на конференции после мультиагентов.
Прощай, рутина
Возвращаемся к докладам. Владимир Шульга, директор продуктовой разработки Cloud.ru, анонсировал нового агента-помощника.
Инструмент упрощает работу с облаком Cloud.ru. Помощник на основе GenAI, доступный в режиме Public Preview, не только консультирует, но и совершает конкретные действия. Решение позволяет, например, создавать базовую инфраструктуру в публичном облаке: самостоятельно развернёт виртуальную машину, поможет настроить мониторинг и выставить границы алармов и много чего ещё. Задача ИИ-помощника — минимизировать рутину и ускорить запуск новых проектов с помощью облака.
Это тоже интересный тренд — ИИ-помощники встраиваются во всё большее число интерфейсов и позволяют управлять не через код или ноды, а вполне обычными человеческими фразами. Они пока не снимают с инженера задачу думать, а вот рутину солидно оптимизируют.
Эту идею подхватил уже Рафаэль Тонаканян, директор дивизиона развития и сопровождения производственного процесса Сбербанка. На процессах он и сделал большой акцент.
Кодить стало проще и быстрее. В качестве примера Рафаэль с помощью инструмента GigaCode прямо со сцены написал и запустил игру «Пакман». При этом не просто сгенерил код одним большим куском, а создал полноценный проект со структурой и отдельными папками/файлами.
Убирать рутину и ускорять работу — вот главная цель ИИ-агентов, и они прекрасно с ней справляются. За последний год Сбер видит существенный рост всех метрик, связанных с разработкой, и это только начало.
Адаптируем китайский опыт
На конференции выступил заместитель генерального секретаря ZhongGuanCun IQ Alliance, главный эксперт по применению искусственного интеллекта Чэнь Фэй. По его мнению, одно из самых перспективных направлений развития AI-агентов в России — решения для государственного сектора.
Развить их, преодолеть нехватку специалистов и ограниченность ресурсов поможет адаптация китайского опыта под наши реалии: «При грамотном использовании open source решений российские специалисты могут создавать конкурентоспособные продукты даже в условиях ограниченных ресурсов».
Меня заинтересовал пример, который привёл Чэнь Фэй. Про DeepSeek все знают, однако докладчик рассказал про опыт его внедрения совместно с государством. Например, Пекин официально объявил себя городом ИИ и open source решений. Городской муниципалитет уже инвестировал в развёртывание DeepSeek 72P: нейросеть автоматизирует работу с обращениями граждан.
Подобная помощь от государства и помогла развить экосистему DeepSeek по трём основным направлениям: это SaaS-решения, интеграция в мобильные приложения и корпоративные self-hosted-системы.
Что ждёт бИИзнес
Сергей Крылов, вице-президент по развитию технологического бизнеса Сбербанка, провёл сессию, посвящённую пользе ИИ для бизнеса, тому, какие задачи он решает сейчас и может решать в будущем. В панели участвовали представители Wildberries & Russ, Т-Банка, Альфа-Банка, Авито, X5 Tech. Модератор сразу поставил вопрос ребром. Важно понять, как компании относятся к GenAI — как к новой моде в технологиях или как к реальности, с которой бизнесу необходимо жить, чтобы драйвить финансовые результаты. От этого зависит скорость развития технологии и кейсы применения.
Участники сессии на вопрос ответили: генеративный ИИ — не игрушка, он уже решает бизнес-задачи, помогает людям, оптимизирует работу в самых разных направлениях. AI задействован в онбординге и HR-процессах, даёт ответы на вопросы сотрудников. Именно желание помогать, добиваться с помощью ИИ реальных целей делает его полезным. Разработчик может подкрепить собственные сильные стороны ловкими и удобными готовыми решениями, быстро создать качественный продукт.
В банковской сфере GenAI позволяет персонализировать подход к существующим болям клиентов, устранить посредников между юзером и его потребностями. Лояльность пользователей завоёвывают интерфейсы, в которых интуитивный доступ к нужным функциям обеспечен одним запросом к AI-агенту. При этом технология ещё далеко не на пике своего развития, а те компании, которые продолжат её улучшать, наиболее вероятно завоюют преимущество на рынке.
Андрей Рыбинцев, Chief Data Officer из Авито, привёл интересное сравнение. В целом на конференции появление GenAI сравнивали с появлением электричества или Интернета. Однако Андрей привёл чуть более осторожную, но не менее удачную аналогию. Он сравнил появление GenAI с переходом на мобильность, когда примерно в одно время у нас появился мобильный Интернет, смартфоны и приложения. И логика старого доброго, устоявшегося десктопного Интернета резко поменялась.
Развивать ИИ бизнес хочет сразу в нескольких направлениях. Нужно выстроить новую инфраструктуру: сейчас legacy-системы, отсутствие унифицированных API и инструментов для интеграции агентов мешают качественно масштабировать решения. Важно преодолеть культурные и организационные ограничения: никто не отменял консервативное мышление, нелюбовь к экспериментам и недоверие к новым технологиям в среде сотрудников. Наконец, необходимо преодолеть технологическую незрелость и высокую стоимость технологии: пока что существующие модели дорого эксплуатировать, под некоторые сценарии они не адаптированы — в общем, подводит баланс цены и качества.
Поэтому для компаний ключевые тренды в ИИ на следующий год такие: сделать локальные интерфейсы дешевле, создать новые продукты с принципиально новым пользовательским опытом и сменить парадигму разработки. Вспоминаем слова Андрея в начале конференции: программисты будут управлять AI-агентами, а не писать код вручную.
Не только доклады
Помимо выступлений и сессий, на конференции было несколько павильонов с разработками по мотивам GenAI. Наверное, самую «хайповую» штуку показали ребята из Центра практического искусственного интеллекта Сбера.
На их стенде с мультимодальным медицинским ассистентом GigaDoc стояла обычная веб-камера. После сканирования лица ML-алгоритмы определяли основные биомаркеры здоровья, такие как пульс, артериальное давление, индекс массы тела, уровень стресса, вариабельность сердечного ритма и др. У этого стенда всегда царил ажиотаж — многим хотелось лично протестировать технологию, а некоторые и вовсе не верили, что такое возможно.
Модель безошибочно определяла возраст, а в точности измерения пульса можно было убедиться — данные со смарт-часов показывали лишь минимальные расхождения.
Такие визионерские технологии задают вектор в будущее. Уму это кажется невозможным, но именно так выглядит завтрашний день, делающий первые шаги сегодня. Когда наберётся больше данных, а это будет уже скоро, мы будем с изумлением наблюдать, как по видео нашего лица нам смогут поставить диагноз.
Между докладами в кулуарах я пообщался с разработчиками на разные темы.
Много было разговоров о вайб-кодинге: разработчик формирует идею, создаёт промпт, а ИИ сам пишет код. Участники конференции отмечали этот подход как новый шаг в создании приложений. Даже разработчик с самыми базовыми знаниями может с ним создавать яркие проекты, снижается порог вхождения в профессию.
Алексей, бэкенд-разработчик: «Программирую по старинке, вайб-кодинг только начал осваивать. Наверное, буду пользоваться отечественными продуктами, если будет оперативная техподдержка».
Некоторые разработчики, уже попробовавшие вайб-кодить, говорят о методике сдержанно. ИИ умеет многое, но пока уступает человеку: с читаемостью полученного кода бывают сложности, возможны скрытые уязвимости, а порой трудно объяснить ИИ, что именно от него нужно. «Я всё-таки программист, а не писатель», — сказал один из участников конференции. Из-за разницы в навыках крутой разработчик может столько же потратить на создание многостраничного промта, сколько у него ушло бы на то, чтобы писать код вручную.
Многих привлекла мультиагентная платформа GigaStudio, этакий комбайн для разработчика: создаёт и рекрутирует интерфейс при помощи генеративного AI, параллельно записывая в git-систему GitVerse и пакуя результат в контейнер, размещённый в облаке.
Один участник удивился, как за несколько минут GigaChain с нуля прошёл путь от идеи до полноценной лендинг-страницы, на которой были меню, картинки, цены, отзывы и описание продукта: «Это работа на 15–20 тысяч, только чуть подправить остаётся».
В то же время прагматичные посетители конференции отметили, что пока GigaStudio недостаёт большей креативности в подходах, создаваемые страницы выглядят слишком похоже друг на друга.
Как приготовить свиные крылышки?
Вернёмся к докладам. Другие спикеры говорили о вещах более профильных и узкоспециализированных. Выделю несколько тех, что больше всего запомнились.
Олег Чирухин, владелец продукта GigaIDE, очень подробно и слегка нешаблонно учил писать промпты. Попутно сравнил хороший промпт с хорошим ТЗ и напомнил, что без хорошего ТЗ получается. Именно ему принадлежит то, что на GigaConf мгновенно стало мемом. Показывая, что спрашивать надо правильно, Олег подловил нейросеть на вопросе «Как приготовить свиные крылышки». На свой запрос он получил подробный рецепт, чем вызвал смех в зале. Честно, не пожалейте времени посмотреть выступление Чирухина в записи, оно того стоит. Человек правда понимает в промптах и не даёт шаблонных советов.
Очень понравилась его аналогия нейросетей с «нейродедом». «Нейродед», по версии Чирухина, отлично помнит события молодости, но может забыть сказанное пару часов назад. Так спикер проиллюстрировал колоссальную базу знаний нейронок и проблемы с контекстом в конкретном диалоге. А свиные крылышки всплыли в выступлениях ещё нескольких спикеров.
Александр Сидоров, Head of Data Science компании Wildberries & Russ впечатлил спокойным, но основательным подходом ко вроде бы несложной задаче: автоматическому заполнению карточек товаров. Он рассказал, что происходит, если перевести оптимизированную карточку на язык не из топ-10 по распространённости, например узбекский. Это ломает всю оптимизацию и начинает напоминать Алиэкспресс в его первые годы. Казалось бы, все трудности перевода у нейросетей в прошлом. Но не в продажах.
Wildberries вкладывает большие ресурсы в обучение своих переводчиков, которые не искажают смысл и сохраняют необходимую оптимизацию. А ещё маркетплейс активно развивает помощников, которые смогут ответить на вопрос о товаре, даже если нужных данных нет в характеристиках. В общем, у каждого свои боли.
Сильно зашёл диалог персонажей Директора и Девопса из Korus Consulting. Возможно, по сценарию Авенир Воронов и Илья Атарщиков должны были поспорить, но на сцене эти двое удивительно гармонично дополняли друг друга. И подняли важнейшую проблему: скорость на нейросетях даёт буст развития.
Самый, пожалуй, интересный из примеров — телеграм-бот, который собирает информацию про аварии, старается сделать из них выводы и подсветить причину. Директор очень обрадовался такому помощнику, ибо раньше приходилось долго ходить между инженерами и вытягивать из них подробный отчёт о том, что произошло, а потом думать, как этого не допустить в будущем. А Девопсу на создание этого бота при помощи GenAI понадобилось меньше суток.
Это подняло ещё одну важную тему: благодаря нейросетям мы можем выключить из процесса людей. И это не только оптимизация по времени, но ещё и упрощение процесса, ибо люди бывают капризными или себе на уме. Но излишнее полагание на нейронки может стоить нам компетенций, проблем с информационной безопасностью, глупых ошибок. И всё это возможно, даже если ИИ не галлюцинирует. А уж если добавить свиные крылышки...
Вот такие впечатления оставил GigaConf 2025. Если тоже посетили конференцию, делитесь своими мнениями: что больше всего запомнилось, какие решения и тренды вызвали наибольший интерес. А если не были в этом году, советую посетить конференцию в следующем: скучно точно не будет.
25 июня на креативной площадке «Хлебзавод №9» прошла ежегодная технологическая конференция Сбера. Меня зовут Олег Плотников, и я занимаюсь развитием перспективных цифровых проектов. Конечно, я не мог пропустить такое мероприятие, тем более что ИИ на промпредприятиях уже давно никого не удивляет, а GigaChat вообще плотно обосновался в этой сфере. Но обо всём по порядку.
Первые мысли
Программу открыл Андрей Белевцев, старший вице-президент и руководитель блока «Технологическое развитие». Помимо логичных вещей про стремительное развитие GenAI, он озвучил интересное резюме: «Любая современная модель видит, слышит, разговаривает и умеет рассуждать».
Действительно, прошли те времена, когда с ИИ общались через командную строку, и даже время удобных чатов прошло. Сейчас любой передовой модели можно задать вопрос голосом, загрузить в неё скрин, попросить у неё генерацию изображения и даже пофилософствовать с ней на разные темы. Будущее здесь.
Ещё Андрей сказал, наверное, главную мысль GigaConf: «ИИ не заменит инженеров. Но инженеры, использующие ИИ, точно заменят инженеров, ИИ не использующих».
Мультиагентность
Следующим шёл Кирилл Меньшов, старший вице-президент и руководитель блока «Технологии». Тут прозвучала ещё одна тема, которая так или иначе всплывала почти в каждом выступлении.
Сейчас мы находимся в эпохе агентов ИИ, моделей, которые выполняют задачи без вмешательства человека. Но эта эпоха уходит в прошлое, и ей на смену приходят уже мультиагенты, когда несколько агентов учитывают полный контекст задачи, учатся взаимодействовать друг с другом и, что важно, контролировать друг друга. Это новый этап в развитии, ещё больше повышающий автономность ИИ.
Более того, агенты живут и работают в одних интерфейсах не только друг с другом, но и с людьми. К примеру, в некоторых подразделениях Сбера есть общие очереди задач для людей и ИИ.
Эту идею подхватил Фёдор Минькин, СТО GigaPlatform. Он немного рассказал о том, куда движется GigaChat. Главный вектор развития флагманского GenAI Сбера — снова мультиагенты. На данный момент в GigaChat один агент ищет информацию по запросу, второй её критикует и так далее. Выдача при таком подходе получается куда более качественной. А ещё…
Эмпатичная модель
GigaChat активно учится не только писать, но и говорить. Вербальный канал куда сильнее подвержен эффекту «зловещей долины», потому разработчики много делают для эмоциональной окраски сказанного.
Продемонстрировали три голосовых эмоции: возмущение, сарказм и то, что Фёдор описал как «сюсюканье». Оно получилось чуток с примесью того же сарказма, но забавным.
Если брать чуть глобальнее, то будут доступны три техники речи:
Простой синтез.
Контролируемый синтез, когда промптом мы подробно задаём, как и с каким окрасом мы хотим слышать сказанное.
И, наконец, синтез, когда GigaChat по смыслу сам решает, с какой интонацией необходимо произнести то или иное сообщение. Спойлер: он делает это с максимальной эмпатией.
А уже в июле выкатят новую публичную фичу GigaChat: он сможет рассуждать, таким образом полностью отвечая определению современной GenAI-модели по версии Белевцева. В общем, векторов развития хватает. Многое сделано, что-то мы увидим совсем скоро, но предела совершенству нет и не предвидится.
Большой акцент сделали на том, что GigaChat доступен как из облака, через Интернет, так и с развёртыванием в контуре заказчика. Если у вас вопрос, зачем GenAI в закрытом контуре, я сделаю небольшое отступление и поясню, чем именно модель занимается в промке.
Как это по ГОСТу
GigaChat on-Prem — это когда модель живёт в закрытом контуре. Допустим, у нас есть лаборатория завода, где проводятся различные испытания поступившего материала. Испытания — это целая история. В зависимости от назначения из материала вытачивается деталь нужной формы. Далее по ней стучат, её пробуют на разрыв или, наоборот, плющат. Всё это регламентируется тонной бумажной документации, в которой методики, таблицы, коэффициенты и ещё много всего.
Так вот, всё это можно передать в GigaChat и научить его пользоваться конкретными источниками информации. И потом просто задавать ему вопрос: поступила сталь такой-то марки. Что из неё должно быть выточено для испытания на разрыв, и какие метрики считаются в пределах нормы?
Понятно, что такая модель решает очень узкую задачу, и она может знать что-то, что относится к непубличной информации. Потому закрытый контур и максимальная серьёзность.
Технология, когда нейросеть подглядывает в справочники или любые другие внешние источники, называется RAG, и её подробно разбирал в своём выступлении Евгений Третьяков, ведущий Go-разработчик Cloud.ru. Он рассказал о её прикладном применении в рабочих задачах, от внутренних процессов до технической поддержки и консультирования клиентов и обучения AI-агентов. А сам термин RAG занял, наверное, второе место по популярности на конференции после мультиагентов.
Прощай, рутина
Возвращаемся к докладам. Владимир Шульга, директор продуктовой разработки Cloud.ru, анонсировал нового агента-помощника.
Инструмент упрощает работу с облаком Cloud.ru. Помощник на основе GenAI, доступный в режиме Public Preview, не только консультирует, но и совершает конкретные действия. Решение позволяет, например, создавать базовую инфраструктуру в публичном облаке: самостоятельно развернёт виртуальную машину, поможет настроить мониторинг и выставить границы алармов и много чего ещё. Задача ИИ-помощника — минимизировать рутину и ускорить запуск новых проектов с помощью облака.
Это тоже интересный тренд — ИИ-помощники встраиваются во всё большее число интерфейсов и позволяют управлять не через код или ноды, а вполне обычными человеческими фразами. Они пока не снимают с инженера задачу думать, а вот рутину солидно оптимизируют.
Эту идею подхватил уже Рафаэль Тонаканян, директор дивизиона развития и сопровождения производственного процесса Сбербанка. На процессах он и сделал большой акцент.
Кодить стало проще и быстрее. В качестве примера Рафаэль с помощью инструмента GigaCode прямо со сцены написал и запустил игру «Пакман». При этом не просто сгенерил код одним большим куском, а создал полноценный проект со структурой и отдельными папками/файлами.
Убирать рутину и ускорять работу — вот главная цель ИИ-агентов, и они прекрасно с ней справляются. За последний год Сбер видит существенный рост всех метрик, связанных с разработкой, и это только начало.
Адаптируем китайский опыт
На конференции выступил заместитель генерального секретаря ZhongGuanCun IQ Alliance, главный эксперт по применению искусственного интеллекта Чэнь Фэй. По его мнению, одно из самых перспективных направлений развития AI-агентов в России — решения для государственного сектора.
Развить их, преодолеть нехватку специалистов и ограниченность ресурсов поможет адаптация китайского опыта под наши реалии: «При грамотном использовании open source решений российские специалисты могут создавать конкурентоспособные продукты даже в условиях ограниченных ресурсов».
Меня заинтересовал пример, который привёл Чэнь Фэй. Про DeepSeek все знают, однако докладчик рассказал про опыт его внедрения совместно с государством. Например, Пекин официально объявил себя городом ИИ и open source решений. Городской муниципалитет уже инвестировал в развёртывание DeepSeek 72P: нейросеть автоматизирует работу с обращениями граждан.
Подобная помощь от государства и помогла развить экосистему DeepSeek по трём основным направлениям: это SaaS-решения, интеграция в мобильные приложения и корпоративные self-hosted-системы.
Что ждёт бИИзнес
Сергей Крылов, вице-президент по развитию технологического бизнеса Сбербанка, провёл сессию, посвящённую пользе ИИ для бизнеса, тому, какие задачи он решает сейчас и может решать в будущем. В панели участвовали представители Wildberries & Russ, Т-Банка, Альфа-Банка, Авито, X5 Tech. Модератор сразу поставил вопрос ребром. Важно понять, как компании относятся к GenAI — как к новой моде в технологиях или как к реальности, с которой бизнесу необходимо жить, чтобы драйвить финансовые результаты. От этого зависит скорость развития технологии и кейсы применения.
Участники сессии на вопрос ответили: генеративный ИИ — не игрушка, он уже решает бизнес-задачи, помогает людям, оптимизирует работу в самых разных направлениях. AI задействован в онбординге и HR-процессах, даёт ответы на вопросы сотрудников. Именно желание помогать, добиваться с помощью ИИ реальных целей делает его полезным. Разработчик может подкрепить собственные сильные стороны ловкими и удобными готовыми решениями, быстро создать качественный продукт.
В банковской сфере GenAI позволяет персонализировать подход к существующим болям клиентов, устранить посредников между юзером и его потребностями. Лояльность пользователей завоёвывают интерфейсы, в которых интуитивный доступ к нужным функциям обеспечен одним запросом к AI-агенту. При этом технология ещё далеко не на пике своего развития, а те компании, которые продолжат её улучшать, наиболее вероятно завоюют преимущество на рынке.
Андрей Рыбинцев, Chief Data Officer из Авито, привёл интересное сравнение. В целом на конференции появление GenAI сравнивали с появлением электричества или Интернета. Однако Андрей привёл чуть более осторожную, но не менее удачную аналогию. Он сравнил появление GenAI с переходом на мобильность, когда примерно в одно время у нас появился мобильный Интернет, смартфоны и приложения. И логика старого доброго, устоявшегося десктопного Интернета резко поменялась.
Развивать ИИ бизнес хочет сразу в нескольких направлениях. Нужно выстроить новую инфраструктуру: сейчас legacy-системы, отсутствие унифицированных API и инструментов для интеграции агентов мешают качественно масштабировать решения. Важно преодолеть культурные и организационные ограничения: никто не отменял консервативное мышление, нелюбовь к экспериментам и недоверие к новым технологиям в среде сотрудников. Наконец, необходимо преодолеть технологическую незрелость и высокую стоимость технологии: пока что существующие модели дорого эксплуатировать, под некоторые сценарии они не адаптированы — в общем, подводит баланс цены и качества.
Поэтому для компаний ключевые тренды в ИИ на следующий год такие: сделать локальные интерфейсы дешевле, создать новые продукты с принципиально новым пользовательским опытом и сменить парадигму разработки. Вспоминаем слова Андрея в начале конференции: программисты будут управлять AI-агентами, а не писать код вручную.
Не только доклады
Помимо выступлений и сессий, на конференции было несколько павильонов с разработками по мотивам GenAI. Наверное, самую «хайповую» штуку показали ребята из Центра практического искусственного интеллекта Сбера.
На их стенде с мультимодальным медицинским ассистентом GigaDoc стояла обычная веб-камера. После сканирования лица ML-алгоритмы определяли основные биомаркеры здоровья, такие как пульс, артериальное давление, индекс массы тела, уровень стресса, вариабельность сердечного ритма и др. У этого стенда всегда царил ажиотаж — многим хотелось лично протестировать технологию, а некоторые и вовсе не верили, что такое возможно.
Модель безошибочно определяла возраст, а в точности измерения пульса можно было убедиться — данные со смарт-часов показывали лишь минимальные расхождения.
Такие визионерские технологии задают вектор в будущее. Уму это кажется невозможным, но именно так выглядит завтрашний день, делающий первые шаги сегодня. Когда наберётся больше данных, а это будет уже скоро, мы будем с изумлением наблюдать, как по видео нашего лица нам смогут поставить диагноз.
Между докладами в кулуарах я пообщался с разработчиками на разные темы.
Много было разговоров о вайб-кодинге: разработчик формирует идею, создаёт промпт, а ИИ сам пишет код. Участники конференции отмечали этот подход как новый шаг в создании приложений. Даже разработчик с самыми базовыми знаниями может с ним создавать яркие проекты, снижается порог вхождения в профессию.
Алексей, бэкенд-разработчик: «Программирую по старинке, вайб-кодинг только начал осваивать. Наверное, буду пользоваться отечественными продуктами, если будет оперативная техподдержка».
Некоторые разработчики, уже попробовавшие вайб-кодить, говорят о методике сдержанно. ИИ умеет многое, но пока уступает человеку: с читаемостью полученного кода бывают сложности, возможны скрытые уязвимости, а порой трудно объяснить ИИ, что именно от него нужно. «Я всё-таки программист, а не писатель», — сказал один из участников конференции. Из-за разницы в навыках крутой разработчик может столько же потратить на создание многостраничного промта, сколько у него ушло бы на то, чтобы писать код вручную.
Многих привлекла мультиагентная платформа GigaStudio, этакий комбайн для разработчика: создаёт и рекрутирует интерфейс при помощи генеративного AI, параллельно записывая в git-систему GitVerse и пакуя результат в контейнер, размещённый в облаке.
Один участник удивился, как за несколько минут GigaChain с нуля прошёл путь от идеи до полноценной лендинг-страницы, на которой были меню, картинки, цены, отзывы и описание продукта: «Это работа на 15–20 тысяч, только чуть подправить остаётся».
В то же время прагматичные посетители конференции отметили, что пока GigaStudio недостаёт большей креативности в подходах, создаваемые страницы выглядят слишком похоже друг на друга.
Как приготовить свиные крылышки?
Вернёмся к докладам. Другие спикеры говорили о вещах более профильных и узкоспециализированных. Выделю несколько тех, что больше всего запомнились.
Олег Чирухин, владелец продукта GigaIDE, очень подробно и слегка нешаблонно учил писать промпты. Попутно сравнил хороший промпт с хорошим ТЗ и напомнил, что без хорошего ТЗ получается. Именно ему принадлежит то, что на GigaConf мгновенно стало мемом. Показывая, что спрашивать надо правильно, Олег подловил нейросеть на вопросе «Как приготовить свиные крылышки». На свой запрос он получил подробный рецепт, чем вызвал смех в зале. Честно, не пожалейте времени посмотреть выступление Чирухина в записи, оно того стоит. Человек правда понимает в промптах и не даёт шаблонных советов.
Очень понравилась его аналогия нейросетей с «нейродедом». «Нейродед», по версии Чирухина, отлично помнит события молодости, но может забыть сказанное пару часов назад. Так спикер проиллюстрировал колоссальную базу знаний нейронок и проблемы с контекстом в конкретном диалоге. А свиные крылышки всплыли в выступлениях ещё нескольких спикеров.
Александр Сидоров, Head of Data Science компании Wildberries & Russ впечатлил спокойным, но основательным подходом ко вроде бы несложной задаче: автоматическому заполнению карточек товаров. Он рассказал, что происходит, если перевести оптимизированную карточку на язык не из топ-10 по распространённости, например узбекский. Это ломает всю оптимизацию и начинает напоминать Алиэкспресс в его первые годы. Казалось бы, все трудности перевода у нейросетей в прошлом. Но не в продажах.
Wildberries вкладывает большие ресурсы в обучение своих переводчиков, которые не искажают смысл и сохраняют необходимую оптимизацию. А ещё маркетплейс активно развивает помощников, которые смогут ответить на вопрос о товаре, даже если нужных данных нет в характеристиках. В общем, у каждого свои боли.
Сильно зашёл диалог персонажей Директора и Девопса из Korus Consulting. Возможно, по сценарию Авенир Воронов и Илья Атарщиков должны были поспорить, но на сцене эти двое удивительно гармонично дополняли друг друга. И подняли важнейшую проблему: скорость на нейросетях даёт буст развития.
Самый, пожалуй, интересный из примеров — телеграм-бот, который собирает информацию про аварии, старается сделать из них выводы и подсветить причину. Директор очень обрадовался такому помощнику, ибо раньше приходилось долго ходить между инженерами и вытягивать из них подробный отчёт о том, что произошло, а потом думать, как этого не допустить в будущем. А Девопсу на создание этого бота при помощи GenAI понадобилось меньше суток.
Это подняло ещё одну важную тему: благодаря нейросетям мы можем выключить из процесса людей. И это не только оптимизация по времени, но ещё и упрощение процесса, ибо люди бывают капризными или себе на уме. Но излишнее полагание на нейронки может стоить нам компетенций, проблем с информационной безопасностью, глупых ошибок. И всё это возможно, даже если ИИ не галлюцинирует. А уж если добавить свиные крылышки...
Вот такие впечатления оставил GigaConf 2025. Если тоже посетили конференцию, делитесь своими мнениями: что больше всего запомнилось, какие решения и тренды вызвали наибольший интерес. А если не были в этом году, советую посетить конференцию в следующем: скучно точно не будет.