Моя лента

Всем привет, я Владимир Назаров, основатель и руководитель агентства поискового маркетинга Head Promo.

Сегодня вновь хочу поговорить о теме GEO-продвижения и ответах нейросетей. Тема уже укрепилась, многие про неё слышали и используют ИИ как отдельный маркетинговый канал.

Но сегодня я не про то, как попасть в ответы. А про то, что важно не только в них попасть, но и про то, как именно нейросеть будет говорить о бренде компании.

Бренд может регулярно появляться в ответах ChatGPT, Алисы и Perplexity – и при этом проигрывать конкурентам. Нейросеть может включить компанию в подборку, но поставить её ниже, описать без преимуществ или представить как второстепенную альтернативу. Поэтому одного показателя видимости недостаточно: необходимо оценивать то что я бы назвал ”качество присутствия бренда в ответе”.

Давайте рассмотрим на примере китайских авто, попросим Perplexity нам порекомендовать надежный китайский бренд:

Для некоторых людей общительный ИИ может стать гораздо большим, чем просто инструментом. К такому выводу пришла Марита Скьюве в своей докторской диссертации, защищённой на факультете психологии Университета Осло.

Её работа включала три качественных исследования пользователей Replika — социального чат‑бота, предназначенного для личного и эмоционального общения. В одном исследовании учёные провели интервью с 18 опытными пользователями, а в двух других наблюдали за людьми, которые лишь недавно начали пользоваться Replika.

Скьюве обнаружила, что отношения человека с чат‑ботом могут развиваться похожим на человеческие отношения образом. Особенно важными оказались доверие и самораскрытие: по мере того как пользователи всё свободнее делились личной информацией, некоторые из них сообщали о всё более близких и эмоционально значимых отношениях с ботом.

Разговоры охватывали всё, от повседневных мелочей и увлечений до рассказов о психологических травмах, сексуальных фантазиях и личных отношениях. Многие участники говорили, что общаться с социальным ИИ им проще, поскольку они не ожидают от него осуждения.

Большинство пользователей при этом прекрасно понимали, что разговаривают с программой. Тем не менее некоторые воспринимали сами отношения и возникавшие у них чувства как настоящие и описывали чат‑бота словами, которыми обычно говорят о друзьях или романтических партнёрах.

Исследования также показали, что отношения с чат‑ботами развиваются по‑разному. Технические ограничения, нестабильность и неудачные ответы могли ослаблять связь, тогда как ощущение поддержки, компании и возможность лучше разобраться в собственных мыслях способствовали её укреплению. Некоторые пользователи также сталкивались со стигматизацией и не хотели рассказывать окружающим, насколько важным стал для них чат‑бот.

WAF нужен не только крупным порталам и интернет-магазинам, но и любому сайту, доступному из интернета, – вплоть до скромной страницы с услугами или обычной корпоративной визитки. Боты не делят жертв на «достойных атаки» и «слишком маленьких»: они работают массово и автоматически, перебирая всё подряд. Разбираем, как устроен WAF, от каких атак защищает, где его разворачивают и почему он не заменяет базовую гигиену безопасности.

14 сентября 2026 года состоялся выпуск обновления HWMonitor 1.68 — freeware утилиты для мониторинга компонентов ПК на ОС Windows. Разработка проекта ведётся более 16 лет. Обновление HWMonitor 1.60 опубликовали в октябре 2025 года.

С 20 мая 2026 года вступил в силу приказ ФСБ России от 22.04.2026 № 161, утвердивший новый Порядок аккредитации центров государственной системы обнаружения, предупреждения и ликвидации последствий компьютерных атак и единые требования к таким центрам. Для организаций, планирующих передать функции мониторинга и реагирования на киберугрозы внешнему исполнителю, это означает появление четких и объективных ориентиров выбора.

В статье систематизируем все измеримые требования, которые должен проверить Заказчик, чтобы принять обоснованное решение и минимизировать риски при взаимодействии с аккредитованным Центром ГосСОПКА. 

Microsoft признала, что обновление KB5002914 от сентября 2026 года «незаметно» нарушает работу функции копирования и вставки в Excel. Жалобы на сбой в Excel 2016 и других версиях начали поступать от пользователей вскоре после выхода апдейта.

AI‑агенты часто теряют качество не из‑за ограничений LLM, а из‑за неправильно организованного контекста. В статье разберём типовые ошибки работы с контекстом: перегруженные базы знаний, отсутствие памяти, устаревшие инструкции и попытки решить всё одним промптом. Поговорим о том, как выстроить архитектуру знаний, чтобы AI‑агент стал предсказуемым инструментом.

Три способа тихо сломать приложение сборкой зависимостей: два пула к базе, не тот кэш, разъехавшиеся ветки конфигурации. Компилятор их не ловит — типы верные. Рантайм-контейнеры ловят половину и приносят свои отказы. Про diogen — compile-time DI для Go: внедрение зависимостей на этапе компиляции, обычный Go-код на выходе, без рантайм-контейнера и без рефлексии.

Не так давно наткнулся на статью Red Hat про разблокировку LUKS-шифрования по SSH. Суть там простая: сервер с зашифрованным корнем перезагружается, замирает в initramfs и ждёт парольную фразу на консоли, за которой никто не сидит. Решение у редхатовцев выглядит довольно простым: поставить пакет dracut-sshd, включить модуль NetworkManager в initramfs, дописать параметры ядра. Несколько команд, и застрявшая машина открывается по SSH с вашего дивана.

И стало мне интересно: а как та же задача решается, если у меня на серваках крутится не RHEL, а наш Альт? Копировать редхатовский рецепт вслепую смысла нет: у Альта собственная система сборки initramfs и свои механизмы ранней загрузки. Тем любопытнее посмотреть, как всё устроено здесь.

TL;DR. Сделать можно. Проверил это на живой виртуалке. Рецепт в итоге вышел на удивление прямолинейный, но с двумя-тремя особенностями, о которых лучше узнать из статьи.

Я искал простой self-hosted инструмент для первой линии поддержки: чтобы ИИ отвечал пользователям по базе знаний в Telegram, MAX, email и веб-чате, а сложные вопросы передавал человеку. Подходящего решения для своих задач не нашёл, поэтому сделал Chatballs — open source платформу с ИИ-агентами, группами операторов, звонками, порталами поддержки и возможностью подключать собственные модели.

Краны, экскаваторы, самосвалы, погрузчики — достаточно редко увидишь такую технику на дорогах общего пользования. Эта техника не ездит по расписанию, а «скачет» между объектами в окрестностях города. Цена плохого решения в распределении такой спецтехники считается не минутами простоя, а сотнями тысяч рублей на перегонах и упущенными возможностями по заказам.

Разберём, как с помощью точных методов мат. моделирования (MIP, CP-SAT) собрать систему распределения парка по заказам, которая не гоняет технику через весь город и может закрыть почти на 19% больше заказов, чем жадная логика «бери ближайшую заявку».

Материал будет полезен специалистам по математической оптимизации и разработчикам, которые ищут очередной практический кейс MIP/CP-SAT (будут тонкости). А диспетчерам и управленцам компаний-арендодателей спецтехники, возможно, будет интересно узнать, во сколько на самом деле обходится распределение «на глаз».

Многие руководители ИБ сталкиваются с одной и той же проблемой: средства защиты есть, но процессы ИБ не работают или работают неэффективно. Не всегда понятно, что именно защищать, какие процессы построить в первую очередь и как их оценить. В результате управление ИБ превращается в постоянное «тушение пожаров» вместо системной работы.

Приглашаем вас на вебинар, где обсудим как навести порядок в процессах информационной безопасности и выстроить управляемую систему без лишних затрат.

О чем поговорим:

✓ зачем нужны процессы в ИБ и какие из них являются ключевыми;
✓ почему защищать всё одновременно — сложно и нецелесообразно
✓ как навести порядок в активах, требованиях и задачах и уйти от ручного управления в таблицах;
✓ какие инструменты автоматизации помогают ИБ-подразделению работать эффективнее.

🗓 Дата: 16 сентября 2026
🕚 Время: 11:00 по МСК
💻 Онлайн
🔗 Регистрация по ссылке

Каждый участник получит инструмент самооценки уровня зрелости ИБ.

— В этом проекте нам надо хорошо распознавать документы.

— А что значит «хорошо»?

— Сейчас же везде ИИ. Я загружаю документ в чат, и он мне всё правильно отвечает. Нам надо так же для всех документов.

Такие диалоги я всё чаще слышу при обсуждении новых проектов.

А значит, ситуация, когда со стороны бизнеса звучит вопрос «почему сложно сделать так же, как в чате — только на все документы», — уже обыденность.

Я много лет занимаюсь промышленными системами обработки и распознавания документов. Когда система «смогла» на одном документе, я стараюсь не очароваться этим и не смотреть как на магию. Я стараюсь думать, как это сделать потоком.

Современные модели ИИ действительно почти стирают грань между вопросом к текстовому документу и вопросом к изображению. Выглядит как магия.

Но надо разобраться, что делать с документами, когда магии не случилось. Попробую обобщить подходы к организации обработки потока документов и поразмышлять, о чем лучше не забывать, проектируя такой поток.

^{patents.google.com}

Некоторое время назад мне на глаза попалась любопытная информация, о том, что примерно в середине 2000-х годов в сети начала распространяться информация о появлении некоего «загадочного электродвигателя Бедини», который, якобы задействует некую «свободную энергию» :-) и вообще представляет собой «чудесный прорыв» (хе-хе). 

Тем не менее, при взгляде на него, меня тут осенила одна мысль, которую я в сети ещё не встречал и мне всё стало «ясно как день» что же мы тут видим перед собой на самом деле! (Спойлер: в целом — ничего фантастичного, но, тем не менее, интересно и корни глубокие). 

Собственно, чем и хочу поделиться с вами…

Последние две недели я плотно гонял GPT-6 Astra и Fable 5.1 на реальных проектах. В итоге выбрал одну, но работать всё равно буду с обеими.

В предыдущей статье мы разобрали пятое базовое понятие BABOK — Контекст (Context). Мы выяснили, что контекст — это не фоновое знание, а структурированный анализ среды, который определяет границы возможного решения.

Теперь цепочка почти замкнута: мы нашли нужных людей (Stakeholders), поняли что им нужно (Needs), спроектировали переход (Change), выбрали решение (Solution) и убедились, что оно жизнеспособно в данной среде (Context). Остаётся один — финальный и, пожалуй, самый честный — вопрос:

А зачем всё это было нужно? И как мы поймём, что оно сработало?

Именно на него отвечает шестое и последнее базовое понятие BABOK — Ценность (Value). Оно завершает цепочку. Разберём, что такое ценность в понимании BABOK и почему без её измерения работа аналитика технически никогда не завершена.

Почитателям настолок и культовой ролевой игры D&D (Dungeons & Dragons, «Подземелья и Драконы») хорошо известно, насколько важна ее фэнтези-атмосфера. Настроение создают правильно подобранные мелочи, к которым относятся и миниатюры персонажей.

В этой статье я расскажу, как создаю игровые фигурки с использованием ИИ (Gemini, Tripo3D). Покажу путь от генерации 2D-концепта до покраса на примере кастомных монстров-растений для нашего D&D ваншота.

Ровно 18 лет назад, 15 сентября 2008 года, обанкротился Lehman Brothers — крупнейшее банкротство в истории США. Банк не использовал стресс-тесты для коммерческой недвижимости, поэтому ответа на вопрос «а что, если офисы и торговые центры обесценятся» у него не было.

Сегодня стресс-тест доступен любой компании, а не только банку с отделом риска. «А что, если доставка вырастет на 3 дня», «конкурент снизит цену на 15%», «ставка по ипотеке поднимется на 3 пункта» — на каждый вопрос можно ответить числом, а не словами.

Далее — шаги, как посчитать на своих данных. Код движка и инструкция в опенсорсе.

Алиса AI теперь анализирует запрос и выбирает модель, которая лучше справится с задачей пользователя. Для повседневных задач ассистент выбирает модели, которые быстро подготовят ответ. А если нужно учесть много условий, изучить несколько документов, выполнить расчёты или составить пошаговый план — подключает режим «Эксперт». Его можно включить и вручную, но по умолчанию Алиса AI сама определяет, когда он нужен. Быстрые ответы остаются быстрыми, а задачи со множеством условий получают больше ресурсов.

Сейчас около 80% запросов обрабатывает модель Alice AI LLM. Мы каждый день тестируем разные модели для режима «Эксперт» и планируем регулярно обновлять их набор. В нём могут использоваться как решения из семейства Alice AI, так и общедоступные модели с открытыми весами, работающие на серверах Яндекса.

Расскажем, почему Алиса AI использует разные модели и как выбирает подходящую под задачу. А ещё объясним, почему модель — ещё не весь продукт, что такое харнесс и как мы с помощью бенчмарков проверяем его влияние на качество ответов.

Кажется, что при создании сложных инженерных систем разработка создает технологию, а продукт упаковывает ее для заказчика. У каждой команды своя зона ответственности. На самом деле всё не так просто.

Мы в «Фалькон Тех» уже 9 лет разрабатываем цифровые решения для умного города на основе видеоаналитики и машинного зрения. В статье рассказываем, почему продукт и разработка должны работать в связке, а не передавать друг другу задачи по цепочке.