Kurgan-Telecom Ru | Информационные технологии

Привет, Хабр! Меня зовут Анна Пушкарева, я системный аналитик в компании «СИБИНТЕК‑СОФТ». Три года назад я перешла из разработки в аналитику и сейчас участвую в создании внутреннего сервиса для управления проектами — от первых требований до тестирования на реальных пользователях.

В этой статье я расскажу о профессии системного аналитика с практической точки зрения. Материал в первую очередь ориентирован на тех, кто работает или планирует работать в ИТ‑сфере, но будет полезен и аналитикам из других областей — многие подходы и принципы универсальны. Я поделюсь не только теорией, но и конкретными примерами из своего проекта, покажу, какие задачи реально приходится решать и с какими инструментами работать.

Разбираю что делать, когда есть трафик, но нет заявок заявок, и на каком этапе теряются клиенты.

Эта статья выросла из одного наблюдения. К нам регулярно приходят предприниматели с одной и той же жалобой: «Мы платим за SEO-продвижение. Позиции растут. Трафик растёт. Отчёт красивый. А в кассе тихо». Я настолько часто это слышу, что решил один раз подробно разобрать, где именно ломается система.

В своей прошлой статье: «статья», я описал примеры из реальной работы, когда ИИ-инструменты повышают продуктивность разработчика и помогают командам быстрее закрывать таски.

Однако, к сожалению, я хочу признать, что до этой статьи я написал целую серию постов, где разбирал тему проектирования публичного API, которая не нашла какого-то интереса со стороны читателей. И с учётом анализа айтишного поля в инфопространстве сейчас есть лишь две темы, которые обсуждают люди: «Смерть айтишной профессии (в том числе массовые увольнения)» и ИИ-связанные темы. И я решил подумать, а почему это происходит.

«Смерть айтишной профессии» обсуждать не будем, ибо это тема для дум-скроллеров, поговорим про ИИ.

ИИ — потенциальный gamechanger

Если мы предполагаем, что навыки написания кода у ИИ будут развиваться с такой же скоростью, как они развивались после появления ChatGPT, то в какой момент изучение айтишного инструментария станет бесполезным?

Записать созвон — легко. Сложнее потом найти, где именно обсуждали сроки, бюджет и того самого человека, которого нужно было добавить в копию письма.

В какой-то момент я понял, что проблема не в записях, а в доступе к смыслу: файл лежит, но пользоваться им почти так же неудобно, как если бы его не было.

Из этой боли получился pet-проект для работы с голосовой информацией — с распознаванием, поиском, AI-сценариями, шарингом и всеми радостями реального мира: 20 ГБ видео, многочасовыми аудио, плохим интернетом, бот-скриптами и пользователями, которые всегда используют продукт не так, как ты ожидал.

Многие переживают из-за ИИ, который нас тут всех заменит и останемся мы без работы. Не буду отставать от мэйнстрима, и тоже выскажусь на эту тему – поглядим на проблему с разных сторон.

Всё сказанное - сугубо моё личное мнение, на полноту и истину не претендую. Кстати, можете воспользоваться современной опцией - кинуть ссылку в ИИ и спросить, чушь тут написана или нет, и стоит ли её читать :)

Да, и статья - про программистов 1С. Если вы отсюда - вам сюда. Если не отсюда - читните, как оно у нас.

Я изучаю английский уже много лет и перепробовал разные типы приложений — какие-то лучше подходят для заучивания слов, какие-то для оттачивания грамматики, а где-то просто можно классно провести время в формате игры и узнать что-то новое.

В этой статье я расскажу о приложениях, которые мне понравились больше всего. Сразу скажу, что это не рейтинг от лучшего к худшему. Все приложения разные и по-своему хороши — просто выбирайте под свои цели.

Главная проблема корпоративного ИИ — не модели, не инженеры и не промпты. Главная проблема — доверие, узкие места и зрелость процессов.

После семинара легко было бы написать привычный текст про ChatGPT, Claude, Gemini, RAG, GraphRAG, агентов, рынок труда и кодогенерацию. Все эти темы действительно прозвучали. Но главная мысль оказалась не технической.

ИИ ломает не профессию программиста и не профессию преподавателя. Он ломает привычную организацию труда. И именно там начинается настоящая сложность.

Модель можно купить. API можно подключить. Векторную базу можно развернуть. Агентный фреймворк можно выбрать. Но всё это почти ничего не значит, если сотрудники не доверяют результату, данные лежат в хаосе, процессы не описаны, источники истины неизвестны, а ускорение одного отдела просто переносит пробку в следующий отдел.

Поэтому главная проблема внедрения ИИ — не про модели и не про инженеров. Она про доверие, узкие места и дисциплину процессов.

Технология здесь, как ни странно, последнее, о чём стоит беспокоиться.

TL;DR. Один «безобидный» foo.GetAsync().Result в middleware способен превратить ASP.NET Core, державший 50k RPS с p99 = 40 мс, в сервис с 12k RPS и p99 = 4 с — при CPU 8 %. Виноват не сам blocking call, а hill-climbing — фидбэк-луп в ThreadPool, в недрах которого живёт дискретное преобразование Фурье. Разбираем по исходникам CoreCLR, почему это вообще возможно, воспроизводим эффект на ~80 строках кода и разбираемся, почему SetMinThreads — не решение, а анестезия.

Когда я начал поднимать PostgreSQL через Docker для своих проектов, всё выглядело просто: описал сервис в docker-compose.yml, запустил контейнер - база доступна.

Проблемы начались когда, я начал запускать миграции вместе с контейнерами. Иногда миграции стартовали раньше чем PostgreSQL успевал принять подключения, и приложение падало с ошибкой подключение к базе данных.

OpSec (Операционная Безопасность) — способ скрыть важную пользователю информацию в сети для избежания утечек или взлома аккаунтов.

Сам по себе OpSec не является чем то сложным. Соблюдать базу операционной безопасности может абсолютно каждый, достаточно простых знаний того, как работает компьютер или другая электроника.

Дисклеймер: во второй половине статьи речь идёт о продукте OneMix Business от ООО ПАКС ЛАЙВ — я партнёр компании и заинтересованная сторона. Если такое триггерит — закройте сейчас, не обижусь. Если интересно разобрать математику зоопарка корпоративного софта и посмотреть как одна и та же задача решается в России в 2026 году — поехали.

Эта статья выросла из одной простой задачи. Год назад я сел и посчитал во сколько обходится «нормальный набор» корпоративного софта для команды из 50 человек. Когда вышло число, подумал что в формуле ошибка. Пересчитал. Цифра не сдвинулась.

Дальше пошёл по знакомым руководителям. Один партнёр юрфирмы из Питера, один зам технического директора подмосковного завода на пятьсот сотрудников, один владелец сети из четырёх стоматологий. У всех картина одна: платят за разное, в сумме примерно столько же, никто этого нигде не считает.

Ниже разбираю эту математику. Цифры все по прайсам апреля-мая 2026 года, я их проверял.

Представьте, что вы находитесь за рулем автомобиля. Даже находясь на пустой дороге, в отсутствии других участников дорожного движения, вам необходимо постоянно "подруливать", чтобы удержаться в полосе, притормаживать или останавливаться перед перекрестками и, наконец, поворачивать, останавливаться и парковаться. А теперь представьте, что все тоже самое вам необходимо делать с закрытыми глазами — примерно также "ощущает" себя автономный автомобиль без системы локализации.

Всем привет! На связи вновь команда разработки ЭвоКарго, а именно — команда локализации и картирования. Ранее обещали вам рассказать о том, как наш флот автономных грузовиков работает в нынешних условиях постоянного ограничения связи. Сделаем. Но для полноценного погружения решили сперва рассказать о том, как вообще устроена локализация в автономном транспорте. В этой статье в 2-х частях вы узнаете о том, почему задача локализации так сложна и какие способы для ее решения придумали инженеры.

Привет! 20 мая прошел Inside AI Meetup от Wildberries & Russ — про практические кейсы внедрения ИИ: векторный поиск и модерация с 200+ моделями, AIOps для ML/GenAI-сервисов, RAG без галлюцинаций, запуск LLM-продуктов, генерация текстов из видео, поиск и рекомендации.

В программе были кейсы от опыт Wildberries & Russ, MWS, Avito, VK, M2, МФТИ, Сбера, red_mad_robot и Альфа-Банка, а еще новые знакомства и полезный нетворкинг. В статье вы найдете видеозаписи с ивента и фото.

Несколько лет, я экспериментирую с генераторами картинок. Меня интересует один вопрос: можно ли из нейронок получить приемлемые концепт-дизайны сайтов,приложений, интерфейсов? Не с точки зрения кода, а хотя бы лэйаутов, цветовых схем и баланса текста/графики.

Мне захотелось узнать, как игра Cities: Skylines обеспечивает постоянное движение, которое мы видим в растущем городе — жители ищут работу, туристы посещают достопримечательности, мусоровозы ездят по своим маршрутам, люди находят себе пары, но не смог найти почти никакой информации. Поэтому я декомпилировал игру и решил разобраться сам. Выяснилось, что почти все взаимодействия в игре выполняются через простую, изящную систему: торги, напоминающие фондовый рынок.

Если вы делаете RAG (Retrieval-Augmented Generation) на .NET, то рано или поздно упираетесь в вопрос: куда складывать эмбеддинги и как быстро искать по ним.

Существующие варианты делятся на два лагеря.

Внешние сервисы (Pinecone, Qdrant, Weaviate) — хороши, но требуют отдельной инфраструктуры. Сеть, авторизация, сериализация, мониторинг. Каждый запрос — это миллисекунды на HTTP. Плюс вы привязываетесь к конкретному облачному провайдеру или контейнеру.

Существующие .NET-решения — часто либо заброшены, либо имеют проблемы с производительностью (избыточные аллокации, медленный ANN, отсутствие гибридного поиска).

Но есть и третий путь: встраиваемая (embedded) векторная БД, которая работает прямо внутри вашего процесса. Никакой сети. Никакого внешнего сервиса. Только ваш код и процессор.

Месяц назад я писал про парадокс DeepSeek V4 Pro — модель проиграла собственному Flash и Qwen 3.6 Plus трёхнедельной давности. Сегодня прогнал свежий battle на пяти моделях — два американских флагмана и три китайских — и расклад снова поменялся. Главное: Gemini-3.5-flash взял 97/S, тот же балл, что у GPT-5.5, и в 2.5 раза дешевле. Google впервые на моём тесте встал рядом с OpenAI на длинном русском контенте. Tencent Hy3-preview даёт A-tier за $0.0017 за вызов — в 134 раза дешевле GPT-5.5. DeepSeek V4 Pro я прогнал третий раз — качество стоит на месте (87), но цена упала в 5.4× и она снова в зоне полезного. Qwen 3.7 Max упорно вставляет китайские иероглифы в русский текст — регрессия относительно собственной 3.6, где этой проблемы не было. По дороге заметил, что наша формула cost_per_call жила полгода с приближением, которое занижало стоимость на 50–140%. Починили — теперь берём реальные токены из OpenRouter response.usage. И отдельно — почему при такой скорости релизов модель в продукте стоит держать заменяемой, а не зашитой в код намертво.

Онлайн доска DGRM.net кеширует файлы в постоянном кеше. Постоянный кеш не удаляется при закрытии вкладки. Рассказываю как хранить большие файлы в браузере.

У большинства трекеров задачи по умолчанию показываются списком. Этого хватает, пока работа линейная: статус, исполнитель, приоритет. Как только появляются зависимости, иерархия и сроки, нужны другие представления. Ниже — короткий обзор того, что есть на рынке и для каких задач это подходит.

Подписки купили, тренинг провели, через два месяца все вернулись в Excel. Знакомо? Делюсь методологией, через которую мы прошли в Alpina Digital и которую повторили у 40+ корпоративных клиентов.

Жемал Хамидун, Head of AI Alpina Digital, CPO AlpinaGPT