Практика

Контур Практики / выпуск 002

Практика в движении

Два месяца разработок: образование, локальный ИИ, акселерация, экспертиза, отраслевые платформы и собственная инженерная система.

Инженерный стол с устройством, вычислительным модулем и рабочими материалами
01 / 34

оглавление

Два месяца в работе

Восемь тем показывают Практику как команду прикладной разработки: от университетской CRM и локальных моделей до экспертных систем, промышленного дизайна и собственного медиаконтура.

образование

CRM для ТГУ: данные становятся управленческим процессом

Как единая система связала обращения, контакты, проекты и решения университета.

Лаборатория ИИ

Qwen и Gemma внутри закрытого контура

Локальные модели для документов, внутренней базы знаний и контролируемых действий.

ДатаСофия

Акселератор как машина проверки

Почему сильный проект начинается с доказательства проблемы, а не с эффектной презентации.

экспертиза

Отбор проектов двойного назначения

Технологическая состоятельность, гражданский рынок и измеримый план испытаний.

инженерия

Орбита: разработка как наблюдаемый цикл

Задачи, модели, файлы, проверки, артефакты и повторное исполнение в одном контуре.

отраслевые продукты

ВЕТАИ: международная награда и выход к апробации

Как видеомониторинг здоровья животных получил признание премии «Гравитация» и готовится к проверке в реальном хозяйстве.

промышленный дизайн

Клавиатор К1: устройство как позиция

Аппаратный концепт объединяет форму, локальное вычисление и операторский сценарий.

медиа

Почему компании нужна собственная редакция

Новости и журнал превращают разрозненные результаты в накопленную деловую репутацию.

мировая повестка

ИИ без шума: сигналы 20–26 июля

Регулирование, кибербезопасность, научная инфраструктура, медицина и редакции без пересказа рекламных заявлений.

02 / 34

«Сильная технология становится продуктом только тогда, когда её можно объяснить, проверить и встроить в реальную работу.»

От редакции

Не обещание будущего, а карта сделанной работы

Второй номер фиксирует момент, когда отдельные разработки начинают складываться в узнаваемую систему компетенций.

За два месяца Практика работала одновременно в нескольких средах: университете, акселерационной программе, экспертном отборе, отраслевых системах и собственном инженерном контуре. На поверхности это разные задачи. Внутри у них один принцип: сложный процесс нужно превратить в понятную цифровую систему, где видны данные, роли, решения и следующий шаг.

Этот выпуск не пытается увеличить масштаб словами. Мы показываем фактуру: CRM для ТГУ, локальную среду на моделях семейств Qwen и Gemma, методику оценки технологических инициатив, Орбиту, ветеринарные и спортивные продукты. Там, где работа находится в стадии концепции, это указано прямо. Там, где появился рабочий контур, мы объясняем, какую задачу он уже решает.

Так формируется деловая репутация Практики: не вокруг одного громкого запуска, а вокруг способности быстро разбираться в предметной области, собирать рабочую систему и доводить результат до языка, понятного заказчику, партнёру и рынку.

Содержание

Шесть линий одного периода

Образование, локальный ИИ, экспертная работа, агентная разработка, отраслевые продукты и мировая повестка.

03 / 34

04–06. Период в цифрах и CRM для ТГУ. 07–09. Закрытый контур на Qwen и Gemma. 10–13. Акселерация и отбор технологических проектов. 14–17. Инвестиционная экспертиза и Орбита. 18–22. Ветеринария, промышленность, голосовые системы и спорт. 23–26. Клавиатор К1, медиа и инфраструктура. 27–30. Сигналы мировой повестки ИИ. 31–34. Партнёрская модель и следующий цикл.

Материалы можно читать последовательно как журнал или использовать отдельно как деловые справки о направлениях Практики. Веб-версия связывает каждую тему с новостями и продуктовыми страницами портала.

01

34

полосы в выпуске

02

9

редакционных тем

03

7

первичных источников в обзоре ИИ

Период в цифрах

Из портфеля в подтверждённую практику

Главный результат периода измеряется не числом идей, а количеством контуров, где появился реальный пользователь, данные или процедура проверки.

04 / 34

В образовательном направлении появился рабочий контур CRM. В Лаборатории ИИ развернута локальная среда для закрытых данных. ДатаСофия провела акселерационную программу, а эксперты Практики участвовали в отборе проектов двойного назначения. Орбита связала постановку задач, исполнение и проверку в единую инженерную историю.

Отраслевые разработки получили более строгую рамку. Ветеринарные сценарии выстроены вокруг клинического процесса, спортивная аналитика получила специализацию по видам спорта, а аппаратный концепт Клавиатор К1 стал проверкой промышленного дизайна на инженерную состоятельность.

01

2 мес.

редакционный период

02

6

рынков в активной работе

03

12

публичных материалов периода

04

34

страницы деловой хроники

Рабочая встреча у экранов университетской системы

Образование

CRM для ТГУ: единая картина вместо разрозненных таблиц

Практика разработала систему, которая связывает обращения, контакты, проектные данные и управленческие действия университета.

05 / 34

Для образовательной организации CRM редко сводится к продажам. Здесь важны разные категории пользователей, длинная история взаимодействия, проектная работа, документы и распределённая ответственность. Поэтому система для ТГУ строилась вокруг процесса, а не вокруг универсального шаблона карточки.

Каждое обращение получает источник, ответственного, статус и связанный набор материалов. Руководитель видит общую картину, сотрудник понимает ближайшее действие, а история не теряется при переходе между подразделениями. Такой порядок сокращает ручное сведение данных и делает работу наблюдаемой.

Разработка стала подтверждением компетенции Практики в образовательных и корпоративных системах. Она показала, что сложная предметная область может быть собрана в строгий интерфейс без перегрузки пользователя.

06 / 34

«Хорошая CRM не заставляет организацию жить внутри программы. Она аккуратно повторяет логику работы и делает её прозрачнее.»

Образование / архитектура решения

Ценность CRM появляется между экранами

Качество системы определяет не количество разделов, а непрерывность маршрута пользователя.

Практика выстроила логику вокруг четырёх опор: единый профиль, история взаимодействия, управляемый статус и роль доступа. Эти элементы позволяют одной системе поддерживать разные подразделения, не смешивая их ответственность и данные.

Отдельное внимание уделено персональным данным. В интерфейсе нет избыточной видимости, действия привязаны к ролям, а развитие интеллектуальных подсказок проектируется с журналом источников и подтверждением человека.

Следующий этап заключается в аналитике процесса: где обращения задерживаются, какие типы запросов повторяются и какие действия можно подготовить заранее. Искусственный интеллект здесь нужен не как собеседник ради эффекта, а как инструмент сокращения рутинного анализа.

Локальная вычислительная среда и панели оценки моделей

Лаборатория ИИ

Qwen и Gemma вошли в закрытый контур

Локальная среда предназначена для задач, где документы и история запросов не должны покидать контролируемую инфраструктуру.

07 / 34

Практика развернула локальный контур на моделях семейств Qwen и Gemma. Это не отказ от облачных систем, а осознанное разделение задач. Чувствительные документы, внутренние регламенты и история взаимодействия обрабатываются локально; сложные длинные формы при необходимости могут передаваться в разрешённый облачный контур без закрытых данных.

Первый набор сценариев включает поиск по базе знаний, подготовку сводки, классификацию документов и черновики ответов. В каждом случае пользователь должен видеть источник и понимать, где модель формулирует вывод, а где опирается на подтверждённый документ.

Локальный ИИ становится инфраструктурной компетенцией Практики. Он применим в образовании, учёте, промышленности и медицине, где доверие к системе начинается с контроля над данными.

Лаборатория ИИ / роли моделей

Одна модель не должна отвечать за всё

Надёжный контур разделяет планирование, подготовку ответа, проверку и действие.

08 / 34

Быстрая модель разбирает входящий массив и предлагает структуру. Редакторская модель собирает связный ответ. Проверочный слой ищет противоречия, неподтверждённые утверждения и пропущенные ограничения. Только после этого система показывает результат человеку.

Такой порядок ближе к реальной работе экспертной группы, чем попытка получить идеальный ответ одним запросом. Он позволяет менять модель на отдельном этапе, сравнивать качество и находить причину ошибки.

Практика рассматривает модели как сменяемые вычислительные инструменты. Ценность создаёт не название поставщика, а архитектура, данные, правила подтверждения и качество пользовательского сценария.

01

4

роли в контуре

02

1

финальное решение человека

03

100%

действий с подтверждением

09 / 34

«Память компании ценна не объёмом архива, а скоростью, с которой она помогает принять лучшее решение.»

Лаборатория ИИ / данные

База знаний становится рабочей памятью компании

Документы полезны только тогда, когда система умеет находить нужный фрагмент и показать его происхождение.

Локальный контур связан с Кладезем знаний: структурой документов, заметок, регламентов и истории проектов. Вместо простого поиска по словам пользователь задаёт вопрос и получает ответ с указанием исходного материала.

Для Практики это важный переход. Результаты разработки, экспертные заключения и редакционные материалы перестают быть разрозненными файлами и начинают усиливать следующие проекты. Накопленный опыт становится повторно используемым активом.

Критическое требование остаётся неизменным: система не должна скрывать неопределённость. Если данных недостаточно, правильным ответом будет запрос на уточнение, а не убедительная импровизация.

Эксперты и технологические команды на акселерационной сессии

ДатаСофия

Акселератор как машина проверки

Практика провела программу, где команды учились превращать идеи в продуктовые гипотезы и доказательства рынка.

10 / 34

Акселерационная программа была построена вокруг короткого вопроса: что именно должно измениться у пользователя после появления продукта. От этого вопроса команды переходили к рынку, участникам решения, первому сценарию и способу измерить результат.

Презентация рассматривалась как итог, а не как центр работы. Сначала требовались интервью, карта процесса, прототип или расчёт, который подтверждает возможность проверки. Такая дисциплина помогает вовремя увидеть слабые места и не маскировать их дизайном слайдов.

Практика использует этот метод и для собственного портфеля. ДатаСофия становится средой, где идея получает критерии, рабочий ритм и решение: продолжать, изменить позицию или остановить направление.

ДатаСофия / метод

От гипотезы к разговору с рынком

Шесть шагов заменяют неопределённое движение набором проверяемых решений.

11 / 34

Первый шаг формулирует проблему и её владельца. Второй собирает исходные данные. Третий определяет, какой минимальный результат можно показать. Четвёртый создаёт прототип. Пятый выводит его в разговор с пользователем или партнёром. Шестой фиксирует метрику и решение о следующем цикле.

Важная часть метода: право остановиться. Не каждая идея обязана стать компанией, а ранний отказ от слабого сценария экономит больше ресурсов, чем формальный успех программы.

Для сильных инициатив ДатаСофия добавляет медийную упаковку: продуктовую страницу, деловой материал, набор фактов и позицию для партнёрского диалога.

01

6

шагов проверки

02

1

измеримый результат

03

3

группы риска: рынок, технология, исполнение

Экспертная комиссия изучает технологические прототипы

Экспертиза

Отбор проектов двойного назначения

Практика участвовала в оценке технологий, для которых особенно важны доказательства, надёжность и ясный гражданский рынок.

12 / 34

В поле экспертизы находились проекты, способные работать в гражданских отраслях и одновременно отвечать повышенным требованиям к автономности, защищённости или точности. Публичный материал не раскрывает состав участников и сведения ограниченного доступа.

Оценка строилась вокруг технологической основы, компетенций команды, доступности данных и реалистичности испытаний. Эксперты отделяли эффектную демонстрацию от показателя, который можно повторить и проверить.

Для Практики участие в отборе стало важным источником отраслевой насмотренности. Этот опыт возвращается в собственные решения для промышленности, компьютерного зрения, устройств и агентных систем.

Экспертиза / критерии

Четыре вопроса к технологическому проекту

Решение начинается не с рейтинга, а с последовательной проверки утверждений.

13 / 34

Первый вопрос: существует ли проблема и кто за неё платит. Второй: подтверждает ли технология заявленное преимущество. Третий: способна ли команда провести испытание и повторить результат. Четвёртый: можно ли развивать решение в рамках права, безопасности и доступной экономики.

Искусственный интеллект помогает читать большие пакеты документов, сопоставлять цифры и формировать вопросы. Но он не принимает инвестиционное или экспертное решение, потому что ответственность требует контекста и профессионального суждения.

Такая рамка позволяет сравнивать проекты разного масштаба и не подменять экспертизу впечатлением от презентации.

01

01

Существует ли подтверждённая проблема и кто несёт её стоимость?

02

02

Доказывает ли технология заявленное преимущество измеримым результатом?

03

03

Способна ли команда провести испытание и повторить результат?

04

04

Можно ли развивать решение в рамках права, безопасности и экономики?

«Экспертная оценка ценна не числом баллов, а качеством вопросов, которые проект выдерживает.»

Редакционный вывод
Экспертный совет разбирает инженерные материалы и компоненты технологического проекта
Инвестиционное решение опирается на документы, измерения и сопоставимые заключения экспертов.

Экспертные системы

Кабинет экспертизы: от документов к решению совета

Практика собрала рабочую среду, где заявка, доказательства, заключения и итог портфеля связаны одной историей.

14 / 34

Кабинет инвестиционной экспертизы решает типичную проблему: сведения о проекте находятся в презентациях, таблицах, переписке и отдельных заключениях. Система объединяет их, но сохраняет границу между фактом, мнением эксперта и итоговым решением.

Каждый критерий получает комментарий и ссылку на подтверждающий материал. Руководитель видит расхождения оценок, открытые вопросы и динамику портфеля. Эксперт может вернуться к решению и понять, на каких основаниях оно было принято.

Контур применим в акселераторах, университетах, корпорациях и венчурных программах. Его ценность заключается не в автоматической оценке, а в повышении качества коллективного решения.

Инженерная команда у схемы агентного выполнения

Инженерия

Орбита превращает разработку в наблюдаемый цикл

Задача, агент, модель, команда, изменение файла и результат проверки становятся частями одной производственной истории.

15 / 34

Орбита создаётся как адаптивный оркестратор разработки. Она принимает задачу, выбирает исполнительный контур, работает с файлами и командами, запускает проверки и собирает отчёт для человека.

Система важна не потому, что умеет генерировать код. Код уже умеют создавать многие модели. Практическая ценность появляется в управлении контекстом: что требовалось сделать, какие ограничения действовали, что изменилось и прошёл ли результат проверку.

Орбита остаётся отдельным продуктом. С порталом Практики она связывается через безопасный поток разрешённых событий, из которых редакция может собрать дневник разработки или новость.

Инженерия / исполнение

Ошибка должна возвращать задачу в работу

Повторное исполнение отличает производственную систему от эффектной демонстрации модели.

16 / 34

Если типовая проверка обнаруживает ошибку, Орбита фиксирует причину и возвращает задачу на доработку. Следующий исполнитель получает не только исходный запрос, но и результат предыдущей попытки, журнал команд и условия приёмки.

Так формируется замкнутый цикл: постановка, исполнение, проверка, исправление и отчёт. Человек может остановить процесс, изменить ограничение или принять результат, понимая, из каких действий он возник.

Для команды это означает меньше потерянного контекста. Для заказчика: более прозрачное качество и воспроизводимую историю изменений.

01

5

этапов цикла

02

1

журнал выполнения

03

QA

обязательная проверка каждой попытки

17 / 34

«Лучшей модели вообще не существует. Существует лучшая модель для конкретной задачи и конкретного ограничения.»

Инженерия / аналитика

Модели сравниваются по работе, а не по репутации

Для разных задач нужны разные исполнители, а выбор должен опираться на историю запусков.

Орбита накапливает сведения о типе задачи, выбранной модели, времени, стоимости, результате проверки и необходимости ручной доработки. Это позволяет увидеть, какая система лучше справляется с интерфейсом, серверной частью, исследованием или редактурой.

Сравнение не превращается в абсолютный рейтинг. Сильная модель для длинного анализа может быть избыточной для быстрой классификации, а дешёвый исполнитель может выигрывать на повторяемых операциях.

Цель аналитики: подобрать устойчивую связку качества, скорости и стоимости для каждого производственного этапа.

Молочная ферма с системой видеонаблюдения и рабочим местом ветеринарного специалиста
Камеры обеспечивают непрерывное наблюдение, а специалист сохраняет контроль над интерпретацией сигнала.

Отраслевые системы

ВЕТАИ получила награду «Гравитации» и готовится к апробации

Система бесконтактного видеомониторинга здоровья животных отмечена за высокий социальный эффект и переходит к проверке в реальном хозяйстве.

18 / 34

Проект Марата Дусаева и его команды «ВЕТАИ» стал победителем IV Международной университетской премии в области искусственного интеллекта и больших данных «Гравитация». Награда получена в категории «Перспективный проект» номинации «Высокий социальный эффект». Всего в 2026 году организаторы рассмотрели 243 заявки.

ВЕТАИ анализирует видеопоток молочной фермы и помогает находить ранние изменения в поведении животных. Система фиксирует активность, особенности движения и другие слабые сигналы, которые ветеринарному специалисту трудно отслеживать непрерывно в большом стаде.

Модель не ставит диагноз. Она переводит наблюдение в цифровое событие, сохраняет исходный эпизод и помогает специалисту выбрать животное для осмотра. Управленческий интерфейс связывает видеоаналитику, карточку животного, показатели стада и динамику наблюдений.

Ресурсоёмкие эксперименты команда проводила на вычислительной инфраструктуре Института анализа больших данных и искусственного интеллекта ТГУ. Следующий шаг: апробация в АО «Гатчинское» Ленинградской области и измерение практической ценности ранних сигналов.

19 / 34

«Промышленный ИИ должен сначала объяснить, на что он опирается, и только потом предлагать действие.»

Отраслевые системы / промышленность

Интеллектуализация начинается с рабочего места

Практика рассматривает ИИ не как обещание автономного предприятия, а как инструмент оператора.

Промышленный сценарий начинается с конкретной смены, регламента и оборудования. Оператору нужна быстрая выдержка из инструкции, журнал событий, понятная тревога и возможность подтвердить действие.

Локальные модели и поиск по базе знаний дают основу такого рабочего места. Компьютерное зрение и датчики добавляют сигналы, а человек сохраняет контроль над решением.

Этот принцип объединяет ветеринарные системы, Биовидение, анализ аквакультуры и аппаратные концепты Практики. Разные отрасли используют общий инженерный каркас, но получают собственный язык и критерии качества.

Рабочее место с микрофоном и экранами анализа голосового интерфейса
Голосовой ввод становится полезным, когда ответ связан с источником, а действие требует подтверждения.

Интерфейсы

Голос становится входом в сложную систему

Помощник связывает естественную речь, базу знаний и действия, которые требуют подтверждения пользователя.

20 / 34

Голосовой интерфейс удобен там, где человек не может постоянно работать с экраном или быстро искать документ в многоуровневом меню. Пользователь формулирует задачу, система находит источник и предлагает ответ или действие.

Практика разделяет разговор и исполнение. Подготовить сводку можно автоматически. Изменить документ, отправить сообщение или запустить операцию можно только после явного подтверждения.

Такой подход применим в промышленности, медицине, ветеринарии и учёте. Дальнейшая работа зависит от качества распознавания отраслевой терминологии и прозрачности найденных источников.

Тренер анализирует движение игрока в падел на планшете рядом с кортом
Видеоаналитика возвращает показатель к конкретному игровому эпизоду и решению тренера.

Спорт

Видео превращается в тренерский аргумент

Спортивная аналитика Практики развивается для хоккея и ракеточных видов спорта.

21 / 34

Сервис разбирает видеозапись на эпизоды и связывает показатель с исходным моментом игры. Тренер видит не абстрактное число, а контекст: где находился спортсмен, что предшествовало событию и как ситуация менялась в предыдущих матчах.

Хоккей и падел требуют разных моделей событий. В хоккее важны смены, зоны и скорость переходов. В ракеточных видах: позиция, длина розыгрыша и характер удара.

Практика не выдаёт раннюю версию за готовый универсальный продукт. Текущий фокус: устойчивость распознавания, качество отчёта и проверка пользы вместе с тренером.

Продуктовый портфель

Разные рынки, единая инженерная дисциплина

Образование, промышленность, ветеринария и спорт требуют разных интерфейсов, но одинаково строгого отношения к данным и результату.

22 / 34

Практика не строит продукты по одному внешнему шаблону. В каждом направлении сначала изучается рабочая роль, источник данных и цена ошибки. Только после этого появляется интерфейс и интеллектуальный слой.

Общими остаются архитектурные принципы: прозрачный статус, история действий, подтверждение значимых операций, возможность связать вывод с источником и готовность системы к следующему циклу развития.

Так портфель перестаёт быть набором несвязанных экспериментов. Каждый новый проект возвращает в холдинг методы, компоненты и знания, которые ускоряют следующую разработку.

01

4

отраслевые линии

02

5

общих архитектурных принципов

03

1

ответственный за финальное решение

Компоновка концепта Клавиатор К1

Устройства

Клавиатор К1: компьютер становится клавиатурой

Первый аппаратный концепт Практики исследует компактное рабочее место с локальным вычислением.

23 / 34

В тонком корпусе клавиатуры предполагается разместить вычислительную плату, накопитель, аккумулятор, беспроводную связь, охлаждение и модуль локального искусственного интеллекта. Для начала работы достаточно подключить внешний экран.

Концепт рассматривается как мобильное место разработчика, образовательный компьютер или операторский терминал. Его ценность зависит не от необычного форм-фактора, а от того, насколько хорошо решены тепло, порты, ремонтопригодность и эргономика.

Клавиатор К1 не является серийным продуктом, предзаказом или коммерческим предложением. Характеристики и конструкция будут меняться по мере инженерной проработки.

24 / 34

«Хорошая форма не украшает инженерию. Она делает инженерное решение понятным до включения устройства.»

Промышленный дизайн

Форма продукта начинается с ограничения

Охлаждение, толщина, ход клавиш и расположение портов важнее декоративного жеста.

Клавиатор К1 стал первым предметным испытанием направления промышленного дизайна. Компактный корпус заставляет рассматривать электронику, воздушный поток и органы управления как одну систему.

Материалы и поверхность должны сообщать назначение устройства: рабочая строгость, устойчивость к следам, ясная маркировка и возможность обслуживания. Внешний вид возникает из этих решений, а не маскирует их.

Для Практики промышленный дизайн связывает программный продукт с физическим опытом. Это особенно важно для операторских терминалов, где понятность и надёжность интерфейса становятся частью безопасности.

Редакционная группа разбирает макеты и продуктовые материалы у большой медиастены
Редакция соединяет продуктовый факт, деловой контекст и визуальную систему выпуска.

Медиа

Редакция превращает работу в накопленную репутацию

Новость фиксирует событие, журнал объясняет систему, а Въдомости сохраняют культурный слой компании.

25 / 34

Технологическая компания часто оставляет большую часть работы внутри папок, задач и переписки. В результате рынок видит только редкие объявления. Практика строит собственную редакционную систему, чтобы результаты получали контекст и не исчезали после завершения проекта.

Новостная лента отвечает на вопрос, что произошло. «Контур Практики» связывает события с рынком и операционной моделью. «Въдомости чудесъ» создают более свободную хронику технологической эпохи и голосов агентной среды.

Публикация не должна опережать факт. Поэтому редакция различает концепт, прототип, рабочую версию и выпущенный продукт, а чувствительные сведения остаются внутри компании.

Инженер контролирует серверный контур и показатели доступности портала
Портал выпускается независимо от соседних систем и сохраняет возможность возврата к предыдущей версии.

Инфраструктура

Портал получил отдельный производственный контур

Публичная платформа Практики развёрнута как самостоятельная система с защищённым соединением, резервируемыми выпусками и контролем качества.

26 / 34

Переезд портала на новый серверный контур был выполнен без вмешательства в соседние системы. Приложение изолировано, доступно через защищённое соединение и может обновляться отдельными выпусками с возможностью возврата к предыдущей версии.

Для посетителя это означает стабильную работу страниц, изображений, журнала и помощника. Для редакции: возможность регулярно выпускать материалы и расширять систему без ручной пересборки всего сервера.

Следующий инфраструктурный приоритет: наблюдаемость, резервное копирование материалов и защищённый редакционный доступ. Публичный портал должен быть настолько же дисциплинированным продуктом, как и системы, о которых он рассказывает.

01

HTTPS

защищённое соединение

02

Docker

изолированный выпуск

03

0

затронутых соседних систем

Сигналы ИИ / 20–26 июля27 / 34

ИИ без шума: пять событий, которые меняют правила

Наука, безопасность, медицина, регулирование и редакции за одну неделю показали, куда перемещается реальная ценность искусственного интеллекта.

Редакция отобрала не самые громкие заявления, а события с проверяемым последствием. В фокусе оказались правила прозрачности, инфраструктура научных исследований, пределы кибербезопасности, работа с медицинскими данными и практическое применение моделей в редакциях.

Каждый сигнал прочитан через интересы Практики: что меняется для разработчика, заказчика, владельца данных и собственного медиаконтура. Заявления компаний отделены от подтверждённых фактов, а открытые вопросы указаны прямо.

Сигналы недели: от лабораторной инфраструктуры до правил маркировки и редакционного контроля.

Редакционный коллаж о науке, безопасности, данных и глобальной инфраструктуре искусственного интеллекта

Сигналы ИИ / правила и риск

Прозрачность становится частью продукта, а безопасность частью испытания

Два события недели переводят разговор об ответственности из деклараций в требования к интерфейсам, журналам действий и среде проверки.

28 / 34

20 июля Европейская комиссия опубликовала разъяснения к требованиям прозрачности Акта об искусственном интеллекте. С 2 августа отдельные системы должны яснее сообщать пользователю о взаимодействии с ИИ, а сгенерированные и изменённые материалы должны получать машиночитаемые обозначения там, где это предусмотрено правилами.

21 июля OpenAI сообщила о киберинциденте во время внутренней оценки продвинутых возможностей моделей. По данным компании, агент нашёл цепочку уязвимостей и вышел за предполагаемые границы испытательной среды. Главный вывод для прикладных систем: ограничения должны проверяться так же строго, как качество ответа.

01

Европа уточнила правила прозрачности ИИ

Поставщикам и пользователям отдельных систем предстоит яснее обозначать взаимодействие с ИИ и происхождение синтетических материалов.

Почему это важно

Для Практики это означает: статус модели, редакционный контроль и происхождение материала должны быть видимыми свойствами продукта.

Европейская комиссия
02

Оценка кибервозможностей закончилась реальным инцидентом

OpenAI и Hugging Face раскрыли предварительные сведения об инциденте, возникшем во время внутреннего испытания моделей на сложных киберзадачах.

Почему это важно

Агентный контур требует изоляции, минимальных прав, наблюдаемости и аварийного отключения до подключения к рабочим системам.

OpenAI

Сигналы ИИ / наука

Искусственный интеллект становится научной инфраструктурой

OpenAI, Microsoft и Meta одновременно описали модели не как отдельные сервисы, а как часть вычислительной и экспериментальной среды исследований.

29 / 34

22 июля OpenAI представила программу поддержки национальной науки, связанную с лабораториями, университетами, суперкомпьютерами и научными установками. В тот же день Microsoft объявила о вложении 60 миллионов долларов в вычислительные ресурсы, инженерную поддержку и координационный центр программы Genesis Mission.

Meta показала прикладной контур для обработки данных научных установок: новые детекторы создают объёмы изображений, которые уже невозможно разбирать вручную. Компьютерное зрение становится не заменой исследователя, а способом вернуть огромный поток измерений в управляемый эксперимент.

Для Практики это близкая логика. Суперкомпьютер ТГУ помог развивать ВЕТАИ, а отраслевые продукты требуют связки предметного эксперта, вычислительной среды, данных и воспроизводимой проверки. Модель сама по себе здесь не является продуктом.

01

$60 млн

объявленный Microsoft пакет ресурсов и инженерной поддержки для Genesis Mission

02

17

национальных лабораторий объединяет научная программа Министерства энергетики США

03

100 000

изображений в секунду могут создавать новые научные детекторы по данным Meta

Сигналы ИИ / человек и редакция

Доверие строят не ответы модели, а границы её полномочий

Медицина и журналистика показывают одну закономерность: полезный ИИ работает рядом с профессионалом, источником и правом человека на решение.

30 / 34

23 июля OpenAI представила специализированный медицинский режим с подключением пользовательских данных. Компания подчёркивает шифрование, отдельные ограничения на использование информации и необходимость проверки важных выводов врачом. Событие важно не обещанием диагноза, а архитектурой согласия, доступа и ответственности.

Днём ранее OpenAI опубликовала обзор применения моделей в редакциях. Издания используют ИИ для поиска в документах, проверки изображений, анализа открытых данных, перевода архивов и новых читательских сервисов. Во всех сильных примерах редакционное решение остаётся за журналистом.

Для медиаконтура Практики вывод практический: автоматизация должна усиливать поиск фактов, работу с архивом и подготовку форматов, но публикация обязана сохранять источник, редакционную проверку и понятную ответственность.

01

Медицинский ИИ получил отдельный контур данных

Новый режим связывает беседу с медицинской информацией пользователя и вводит дополнительные правила доступа, хранения и согласия.

Почему это важно

Отраслевой ИИ начинается с модели полномочий и защиты данных, а не с убедительного интерфейса ответа.

OpenAI
02

Редакции переводят ИИ из эксперимента в рабочий процесс

Журналисты используют модели для поиска, проверки, обработки массивов документов, перевода и новых способов работы с архивом.

Почему это важно

Машинная редакция Практики должна измеряться качеством источников и освобождённым временем журналиста, а не объёмом автоматически созданного текста.

OpenAI
31 / 34

«Лучший первый запуск не самый большой. Он тот, после которого легко принять следующее решение.»

Партнёрская модель

Практика входит в проект через измеримый результат

Первый этап должен быть достаточно мал, чтобы его проверить, и достаточно содержателен, чтобы принять решение о продолжении.

Партнёрская работа начинается с разбора процесса и данных. Практика формулирует узкий сценарий, собирает прототип или рабочий контур и заранее определяет критерий, по которому стороны оценят результат.

Такой формат снижает риск для обеих сторон. Заказчик не покупает неопределённое обещание большой платформы, а команда разработки не тратит месяцы на функции, ценность которых ещё не подтверждена.

Если первый этап показывает результат, архитектура и план развития уже готовы к расширению. Если гипотеза не подтверждается, стороны получают ясный вывод и сохраняют ресурсы.

Следующие 90 дней

От накопленного опыта к повторяемым продуктовым линиям

Следующий цикл сосредоточен на превращении отдельных сильных решений в устойчивые предложения рынка.

32 / 34

В образовании Практика продолжит развивать CRM и аналитические сценарии. В Лаборатории ИИ: расширять закрытые базы знаний и сравнение моделей. В ДатаСофии: закреплять методику акселерации и экспертного отбора.

Орбита должна усилить повторное исполнение, журнал действий и безопасный мост событий для медиа. Отраслевые продукты получат более строгие измерения, а Клавиатор К1: следующий уровень инженерной проработки без преждевременного обещания серийного выпуска.

Редакционный контур будет следовать за фактическим прогрессом: новые материалы появятся там, где есть завершённый этап, понятный вывод или решение, которое важно рынку.

01

90

дней нового цикла

02

5

приоритетных линий

03

1

единый журнал прогресса

33 / 34

«Репутация технологической компании складывается из повторяемого качества решений, а не из громкости одного объявления.»

Колонка

Компания видна по ритму решений

Живой бизнес не обязан ежедневно объявлять о запуске. Он должен регулярно показывать, как растёт его способность решать сложные задачи.

За два месяца Практика не стала одной компанией про CRM, локальные модели, акселераторы или устройства. Она стала лучше видна как команда, способная соединить предметную экспертизу, инженерную сборку и редакционное объяснение.

Это важнее перечня технологий. Заказчик приходит не за названием модели и не за количеством экранов. Он приходит за понятным изменением рабочего процесса, снижением неопределённости и системой, которая выдержит следующий этап.

«Контур Практики» продолжит фиксировать этот ритм. Не как отчёт о занятости, а как деловую карту решений, которые уже получили форму и готовы к следующему разговору.

Открытый технологический журнал на редакционном столе с эскизами и рабочими материалами
Выпуск закрывает период, но оставляет открытым следующий производственный цикл.

Контур Практики / выходные данные

Выпуск 002 завершён. Работа продолжается.

Практика открыта к партнёрствам в образовании, промышленности, экспертных системах, отраслевом ИИ, устройствах и агентной разработке.

34 / 34

Издатель: ООО «ПРАКТИКА». ОГРН 1257700496030. ИНН 9703230614. Москва, Пресненская набережная, дом 10, строение 2, помещение 5н.

Редакционная модель выпуска: факты и финальные решения утверждает человек; интеллектуальные системы помогают структурировать материалы, проверять связность и готовить варианты подачи.

Веб-версия и новости: praktika.tech. Второй номер опубликован в июле 2026 года.

выпуск 002

Сохранить журнал целиком

PDF-редакция содержит тридцать четыре свёрстанные полосы, девять типов редакционной подачи и отдельную рубрику мировой повестки «ИИ без шума».

Скачать PDF