автоматизация

  • Ловушка цифровой загруженности: почему автоматизация и искусственный интеллект не обеспечивают прорыв российскому бизнесу

    Ловушка цифровой загруженности: почему автоматизация и искусственный интеллект не обеспечивают прорыв российскому бизнесу

    Массовое внедрение систем автоматизации и искусственного интеллекта привело современный бизнес к парадоксальному кризису ложной производительности.

    Об этой опасной тенденции рассказал управляющий партнер кадровой компании Cornerstone Владислав Быханов в интервью для «Газеты.Ru». По словам эксперта, несмотря на колоссальные инвестиции в новые технологии, позволяющие генерировать тексты за минуты и анализировать массивы данных за секунды, руководство большинства предприятий не фиксирует реального улучшения бизнес-показателей. Специалист объясняет этот феномен системным искажением приоритетов: «Мы научились производить больше действий, но это не означает, что стали принимать больше правильных решений. Сегодня бизнес часто измеряет количество, хотя конкурентное преимущество создается качеством».

    Цифровые инструменты, призванные оптимизировать рабочее время, на практике спровоцировали колоссальный информационный шум. Сотрудники оказываются перегружены десятками чатов, бесконечными созвонами и горами сопутствующей документации, автоматически созданной нейросетями. Формально показатели вовлеченности ползут вверх, однако реальная результативность и качество труда остаются на прежнем уровне. Иллюстрируя данную проблему, Быханов отмечает: «Если человек подготовил десять презентаций вместо двух, это не значит, что компания стала успешнее. Эффективность — не количество действий, а качество решений, которые двигают бизнес вперед».

    Критерии ложной эффективности и новые вызовы для менеджмента

    Бизнес по-прежнему склонен измерять исключительно легко поддающиеся подсчету метрики. Из-за этого компании совершают ряд типичных управленческих ошибок:

    • Оптимизируют второстепенные показатели, включая количество встреч, отправленных писем или закрытых задач, которые слабо влияют на конечный финансовый или стратегический результат.
    • Сталкиваются с ситуацией, когда «Это ловушка ложной эффективности: когда оценивают скорость вместо качества, сотрудники работают на показатели, а не на результат».
    • Игнорируют сложные для оцифровки, но критически важные факторы, такие как глубина принимаемых решений, уровень взаимного доверия внутри коллектива или способность своевременно скорректировать общую стратегию компании.

    Развитие искусственного интеллекта освобождает значительные временные ресурсы, но одновременно ставит перед топ-менеджментом фундаментальную дилемму выбора правильного пути развития. Оценивая ключевую роль человеческого фактора, эксперт констатирует: «ИИ отвечает на вопрос «как сделать быстрее», но не на вопрос «что действительно стоит делать». Именно здесь рождается главная ценность руководителя». В складывающихся условиях ключевой задачей становится пересмотр систем оценки персонала с переходом от вопроса «Сколько сделали?» к вопросу «Какую ценность это имеет для бизнеса?». Подводя итог трансформации рынка труда, Быханов резюмирует: «Мы вступаем в эпоху, когда главным ресурсом становится не скорость работы, а способность принимать правильные решения. Все остальное уже умеют делать технологии».

  • Гендерный перекос автоматизации: почему женщины первыми попадают под удар ИИ

    Гендерный перекос автоматизации: почему женщины первыми попадают под удар ИИ

    Новое исследование показало, что развитие технологий искусственного интеллекта (ИИ) представляет непропорционально высокую угрозу для трудоустройства женщин. Об этих тревожных тенденциях сообщает информационный портал Point.md. Аналитики подчеркивают, что более 80% рабочих мест в секторах, наиболее подверженных автоматизации, на текущий момент заняты именно женщинами.

    Опасная концентрация в офисном секторе

    Согласно отчету «AI and Emerging Risks for Women Workers», под наибольшим ударом оказываются административные и офисные специальности. Процент женщин среди секретарей, офисных сотрудников и регистраторов на ресепшене критически высок, что делает эти группы населения максимально уязвимыми перед лицом внедряемых алгоритмов. Такая ситуация может значительно усилить уже существующее неравенство на рынке труда и привести к росту социальной нестабильности.

    Исследование выделяет несколько ключевых факторов риска для работающих женщин:

    • Более 8 из 10 работников в профессиях, наиболее подверженных автоматизации, — женщины.
    • Технологии внедряются в офисную среду быстрее, чем в производственные сектора.
    • Отсутствие четких законодательных барьеров оставляет сотрудников беззащитными перед сокращениями.

    Необходимость правовой защиты

    Эксперты выражают серьезную обеспокоенность тем, что цифровая трансформация происходит на фоне неоконченной борьбы за трудовые права. Президент Национального партнерства за права женщин и семей Джоселин Фрай утверждает: «ИИ начинает менять американские рабочие места в то время, когда мы все еще боремся за равенство и справедливость для женщин». В свою очередь, Татьяна Голдман акцентирует внимание на ответственности властей, заявляя: «Законодатели имеют возможность и ответственность установить четкие правила, которые поддерживают ответственное внедрение ИИ и защищают работников от ущерба».

    Несмотря на пугающую статистику, специалисты напоминают, что абсолютно защищенных от влияния технологий профессий сегодня не существует. Решением проблемы может стать развитие уникальных человеческих навыков, которые ИИ пока не способен воспроизвести. Основной задачей для общества остается создание условий для ответственной цифровизации, которая не допустит деградации прав уязвимых групп работников.

  • Tesla выводит Optimus в цеха: тысяча гуманоидов уже работают

    Tesla выводит Optimus в цеха: тысяча гуманоидов уже работают

    По данным отраслевых источников, Tesla уже распределила около 1000 человекоподобных роботов Optimus по своим предприятиям в США. Машины работают на заводах в Техасе и Фримонте, постепенно включаясь в реальные производственные процессы.

    Еще недавно гуманоидные роботы считались неэффективными для промышленности. Специализированные манипуляторы были дешевле и проще. Однако Tesla делает ставку на универсальность и снижение стоимости. Компания рассчитывает довести цену Optimus до 20–30 тысяч долларов.

    Роботы в цехах, а не на сцене

    Сейчас Optimus в основном перемещает грузы и учится работать с аккумуляторными ячейками. Роботы сортируют элементы и комплектуют тяговые батареи для электромобилей.

    На предприятиях уже используется третье поколение Optimus. Оно оснащено кистями с 22 степенями свободы. Приводы перенесены в предплечье. Пальцы управляются «сухожилиями», а датчики на кончиках точно регулируют усилие захвата.

    Обучение за часы вместо недель

    За обучение отвечает архитектура FSD v15, созданная для автопилота Tesla. Роботы ориентируются в пространстве с помощью восьми камер и быстро осваивают новые операции.

    Вместо языковых моделей применяются большие поведенческие модели. Они описывают взаимодействие с реальными объектами. Новые навыки теперь можно загрузить за несколько часов, а не недель программирования.

    Массовое производство и социальные риски

    Tesla уже строит в Техасе отдельный корпус для выпуска Optimus. Компания рассчитывает произвести до 50 тысяч роботов к концу года. В перспективе возможна и бытовая версия.

    Роботы уже способны работать 8–10 часов без подзарядки. Этого достаточно для замены нескольких смен персонала. При этом остаются проблемы износа механизмов и социальных последствий замещения людей.

  • Гуманоидный робот Atlas готов к промышленной работе

    Гуманоидный робот Atlas готов к промышленной работе

    Boston Dynamics представила финальную производственную версию гуманоидного робота Atlas. После многих лет тестирования проект довели до промышленного стандарта. Первыми заказчиками станут Hyundai и Google DeepMind.

    Компания заявляет, что Atlas рассчитан на «широкий спектр промышленных задач». Робот ориентирован на стабильность и надежность. Он может работать автономно, под управлением оператора или через планшет.

    Характеристики и возможности

    Финальная версия Atlas получила параметры, рассчитанные на тяжелую промышленность:

    • радиус действия до 2,3 метра
    • грузоподъемность до 50 килограммов
    • рабочая температура от −20 до +40 градусов

    Робот полностью электрический. Переход с гидравлики завершили в 2024 году. Тогда же показали работу с автомобильными деталями.

    Когда Atlas выйдет на конвейер

    Hyundai планирует начать использование Atlas на автозаводах с 2028 года. Сначала роботу доверят последовательную укладку деталей. К 2030 году задачи расширят до сборки компонентов и тяжелых операций.

    Google DeepMind получит Atlas для интеграции ИИ-моделей Gemini Robotics. Партнерство нацелено на автономную работу роботов в сложных производственных условиях. Проект объединяет робототехнику и искусственный интеллект.

  • Фоткай — и производи: новая эра CAD-моделей

    Фоткай — и производи: новая эра CAD-моделей

    Исследователи опубликовали настоящую сенсацию в мире инженерии и AI — GenCAD, первую открытую нейросеть, способную по фотографии генерировать полноценную параметрическую CAD-модель.

    Но это не просто красивый рендер — речь идёт о скрипте, который можно немедленно загрузить в редактор, изменить и… отправить в производство.

    Разработчики подчёркивают: существующие image-to-mesh-решения работают с вокселями, облаками точек и полигональными сетками — красиво, но бесполезно для инженерии. GenCAD идёт дальше. Она выдаёт не модель-«болванку», а последовательность команд, из которых строится полноценная инженерная модель.

    Сердце GenCAD — сложная архитектура:

    • трансформер-кодировщик, сжимающий команды в компактное ядро;
    • контрастивное обучение, выравнивающее язык команд и визуальный образ;
    • диффузионная модель, превращающая фото в скрытое представление;
    • декодер, который восстанавливает из этого набора параметрические инструкции.

    Главная сенсация — редактируемость. Полученный скрипт можно адаптировать под нужды производства, изменить отдельные параметры и моментально интегрировать в рабочие процессы.

    Вместе с релизом кода на GitHub исследователи выложили датасет и обученные модели. Это не просто шаг к автоматизации дизайна — это революция для всего производства.