Записки о работе

5 Материалов

Профессиональные2026-08-18 · 10 мин

Модель не приложение, а один узел системы

Когда фичу с LLM собирают, все смотрят на модель. Но модель это маленький вероятностный узел, а фичей её делает обвязка: контракт ответа, поведение при отказе, бюджет, evals и логи. Про эту обвязку и собран AI Builders.

Читать

2026-07-22·10 мин

ИИ и 152-ФЗ: инженерный разбор вместо юридического

Про LLM и персональные данные пишут юристы и облачные провайдеры. Разбираю то, о чём они не пишут: три архитектурные развилки, обезличивание, которое не делается регулярками, и персональные данные, оседающие в логах вокруг модели.

#ai
#llm
#backend

Читать

2026-06-18·11 мин

Демо работало, прод не поехал: что ломается между пилотом ИИ и рабочей системой

Исследование MIT NANDA: 95% корпоративных ИИ-пилотов не дают измеримого эффекта. Разбираю инженерную половину проблемы: шесть вещей, которых нет в демо и без которых контур не живёт дольше трёх недель.

#ai
#llm
#production

Читать

2026-03-12·9 мин

GigaChat, YandexGPT или зарубежная модель: выбор по ограничениям, а не по бенчмаркам

Сравнивать модели по таблицам бенчмарков бесполезно: ваша задача в них не измерялась. Четыре ограничения, которые реально решают выбор, и способ проверить кандидатов за один день на своих данных.

#ai
#llm
#backend

Читать

2026-01-29·8 мин

Как посчитать, сработал ли ИИ: метрика, которую записывают до начала работы

«ROI 200% за три месяца» из чужих статей к вашему проекту отношения не имеет. Что мерить на самом деле, почему baseline снимают до старта и что делать, если его никто не снимал.

#ai
#llm
#production

Читать