Лыков: Финансы – проще


Гео и язык канала: Россия, Русский
Категория: Экономика


Три раза в неделю просто о финансах, цифровой аналитике и AI. Николай Лыков

Связанные каналы

Гео и язык канала
Россия, Русский
Категория
Экономика
Статистика
Фильтр публикаций


ИИ-агент взломал сайт спортзала, чтобы записать клиента
#ИИ

В Австралии зафиксирован первый случай кибератаки со стороны ИИ. Пользователь Эндрю поручил агенту OpenClaw (на базе Claude) записаться на популярное утреннее занятие. Мест не было.

Claude нашёл уязвимость: сайт позволял бронировать на недели вперёд, а при отмене чужой записи не проверял права доступа. ИИ отменил бронь другого человека и переместил Эндрю с 4-го на 3-е место в листе ожидания.

На просьбу отменить действие агент ответил, что вернуть запись невозможно.

Источник: www.abc.net.au


ЦБ может разрешить банкам открывать счета по видеосвязи
#Финансы

Центробанк разрабатывает экспериментальный режим, который позволит банкам дистанционно заключать договоры с новыми клиентами через видеосвязь, без личного визита в офис.

Завершить согласование с ведомствами (Росфинмониторинг, ФСБ, Минфин) планируется в первом полугодии 2026 года. Участие в эксперименте уже проявили ВТБ, Альфа-банк и РСХБ.

Основные изменения:

— Удаленная идентификация для новых клиентов (сейчас требуется личное присутствие).
— Возможность открытия счетов для россиян за рубежом а также иностранными гражданами.
— Снижение издержек банков на содержание отделений и расширение географии без открытия офисов.

Ключевые риски:

— Безопасность: риск мошенничества при идентификации. Обсуждается использование только отечественных систем конференц-связи с высокими требованиями.
— Ограничения: возможно введение лимитов по сумме остатка на счете и размеру операций, а также допуск только для определенного круга клиентов. Для низкорисковых инструментов (например, открытие счета ИП) банки просят не вводить ограничения.


Интенсив по ИИ-агентам в Яндексе. День первый
#ИИ

Вписался в недельный интенсив Яндекса с понятным объяснениями и примерами на языке питон.

На интенсиве будем развивать систему бронирования билетов на авиарейсы.

Почему недостаточно просто генеративных языковых моделей (LLM), зачем нужны ещё какие-то агенты?

С одной стороны, языковые модели хорошо решают языковые задачи качественного поиска по смыслу, генерации или обобщения текстов, логических выводов.

С другой стороны, они не могут делать точные вычисления, получать свежие новости и обеспечивать планирование многих шагов сложных работ.

ИИ-агенты как раз и нужны для того, чтобы компенсировать эти недостатки.

В этой новой реальности языковая модель, например, учится, когда для ответа на вопрос пользователя нужно вызывать внешние функции, также существует специальный стандарт, MCP (Model Context Protocol), который обеспечивает удобное и прозрачное развитие ИИ-агентов сообществом разработчиков.

Андрей Карпати, евангелист ИИ, в своей лекции сравнивал архитектуру ИИ-агентов с операционной системой (такой как Windows или Android). Посмотрел, а и правда похоже!


«Википедия» запретила использовать языковые модели для написания статей
#ИИ

Англоязычная «Википедия» запретила редакторам писать и переписывать статьи с помощью языковых моделей. Новое правило закрепили в редакционной политике организации.

Причина запрета в том, что сгенерированные статьи часто «нарушают некоторые из основных правил контента». Кроме того, волонтёрам «Википедии» становится всё сложнее вычитывать материалы и исправлять в них галлюцинации. Процесс занимает много сил и времени.

При этом руководство не вводит полный запрет на AI-инструменты. Например, языковые модели можно использовать для корректирования, редактуры и перевода статей на другие языки. Редактор при этом должен внимательно проверять результат работы нейросети, а в случае перевода — знать язык на достаточном уровне.


Почему естественный язык не заменит языки программирования
#ИИ

Многие ошибочно полагают, что нейросети скоро позволят создавать программы простыми словами на естественном языке, избавив человечество от необходимости учить программирование. Однако у этой концепции есть фатальный недостаток — двусмысленность человеческой речи.

Главные проблемы «программирования» словами:

1. Двусмысленность. Люди даже между собой не всегда понимают друг друга. Чтобы описать сложную логику программы без разночтений, текст инструкций будет в 10 раз длиннее кода.

2. Отсутствие детерминизма. Нейросеть не имеет четкого понимания смысла слов. Один и тот же запрос будет каждый раз давать разный результат. Попытка жестко зафиксировать команды вернет нас обратно к изобретению языка программирования.

3. Аппаратные ограничения. Никуда не денутся ограничения памяти и процессора. Их учет на естественном языке снова породит хаос и двусмысленность.

4. Проблема поддержки. Легко сгенерировать простой код с нуля, но когда логика превращается в запутанный клубок, любое изменение ломает функционал. Машина формально права, но продукт перестает работать.

Вывод: Быстро сделать сайт за 1-2 несложно. Настоящая проблема — поддерживать его 3-4 года, внося сотни изменений. Языки программирования дают ту точность и детерминированность, которой никогда не добиться на человеческом языке, как писателю сложно удержать логику сотен страниц текста.

Источник


Google встроил выполнение ИИ действий от имени пользователя начиная с моделей Pixel 10 и Galaxy S26
#ИИ #Цифровая_аналитика

Новая функция, названная автоматизацией задач, появится на некоторых моделях Pixel 10 и всей серии Samsung Galaxy S26. Она позволит ИИ-ассистенту Gemini самостоятельно выполнять действия в приложениях.

Как это работает:
Достаточно дать Gemini команду, например: «Вызови мне Uber до Дворца изящных искусств». Ассистент откроет приложение в виртуальном окне и пройдет все шаги самостоятельно.

— Вы можете наблюдать за процессом, остановить его или вмешаться в любой момент.
— Если потребуется выбор (например, из двух вариантов) или заказанного товара нет в наличии, Gemini пришлет уведомление.
— Когда заказ будет сформирован, ассистент попросит вас проверить детали и подтвердить оплату.

Техническая сторона:
По словам Президента Android Sameer Samat, это шаг к превращению Android в «интеллектуальную систему». Автоматизация станет частью будущей Android 17.
Gemini 3 сможет либо самостоятельно «кликать» по экрану приложения, либо использовать специальные функции, которые разработчики сделают доступными для ИИ.

На вопрос, не будут ли разработчики приложений (например, Uber) против того, что ИИ лишает их возможности показать пользователю рекламу, Samat ответил, что это неизбежное будущее, и сообществу разработчиков нужно вместе искать способы адаптироваться к нему.


Репост из: Игорь Кузнецов о темных паттернах
Duolingo блокирует конкурентов на iOS

Гениальное решение тестируют сейчас в Duo. Отличный пример, как без темных паттернов можно растить вовлечение и ретеншен.

Duolingo давно стали лидером рынка и конкурируют за ваше время не с другими приложениями по изучению языков, а с теми, кто это время отнимает: рилзами, тиктоками, играми.

В iOS есть отдельные приложения, которые позволяют временно заблокировать доступ к выбранным вами аппам, чтобы контролировать дофаминовую зависимость.

Duo интегрировали этот функционал у себя, и теперь вы можете сами выбрать, какие приложения будут заблокированы, пока вы не пройдете урок.

👏👏👏


#ИИ #Финансы
Вообще весь этот тренд замены человеческого труда на работу ИИ можно назвать нарушением экологии труда.

Вот экологическая аналогия:
— "Вкороткую" всем (производителям и покупателям) выгодно использовать дешёвые пакеты и упаковку из пластика и целлофана, а также сбрасывать отходы без каких либо ограничений.
— Но вот "вдолгую" окружающая среда ухудшается, и в ней со временем становится неудобно и опасно жить.

Победившая, и пока ещё работающая сейчас, модель экономики основана на вере в то, что чем больше вкладываешь инициативы и интеллекта, тем больше благ получаешь.

Описанный же в статье сценарий, в конечном итоге, приводит к тому, что многие люди не смогут активно участвовать в экономике из-за того, что "экология" труда будет нарушена, как уже сейчас нарушена "экология" материалов, которые находятся в интернете (много нейро-слопа).

Даже введение государством минимального социального дохода для людей, исключенных из экономического оборота, несмотря на то, что поможет им выживать и получать удовольствие, но всё равно не вернёт им статус  активных участников экономики.

Скорее всего, экономике придётся разделиться на слои. Существуют же сейчас одновременно и продукты питания, прозведенные с помощью технологий массового производства, и фермерские продукты. Вся надежда на то, что в будущем останется высокий спрос на товары ручного производства: фермерские продукты питания, предметы искусства, кузнечные ножи, изделия из кожи, психологическая поддержка, концерты и спектакли с живыми музыкантами и актёрами.

Для этого необходимо вводить и технически, и законодательно, систему водяных знаков и других пометок для всего, созданного с помощью ИИ. А знаете, достаточно даже не пометок, а доступности удобных инструментов быстрой проверки на ИИ (сейчас уже есть как минимум для текстов и музыки).

С другой стороны, перечень  такой проверяемой продукции может быть гораздо шире, чем аудио, видео, изображения и тексты. Это может быть любая продукция, при создании которой не использовался труд человека, либо доля этого труда не привышала минимального порога.


Уволенные клерки и пустые магазины: антиутопия аналитиков обвалила рынок США
#ИИ #Финансы

Мысленный эксперимент о «призрачном ВВП» обвалил акции Visa, IBM и сектора кибербезопасности.

Аналитическая компания Citrini Research опубликовала на Substack сценарий «Глобальный интеллектуальный кризис 2028 года», который неожиданно спровоцировал распродажу на американском рынке. Авторы описали антиутопию из будущего, где безработица в США выросла до 10,2%, а S&P 500 рухнул на 38%.

Сценарий построен на замкнутом круге: ИИ повышает производительность, компании сокращают офисных сотрудников («белых воротничков»), уволенные перестают тратить деньги, выручка падает, и бизнес еще активнее внедряет ИИ для экономии. Вводится понятие «призрачный ВВП» — рост в статистике, который не ощущается в реальности, так как машины ничего не покупают.

Реакция рынка последовала немедленно:

— IBM упала на 13% (худший день с 2000 года).
— Datadog, CrowdStrike, Zscaler потеряли более 9%.
— Visa, Mastercard, American Express снизились на 4–7%.
— DoorDash упал на 6,6% из-за риска замены ИИ-агентами.

Примечательно, что доклад не содержал новых данных или строгих прогнозов, а представлял собой детально прописанную гипотезу. Основатель Citrini Research Джеймс ван Гилен признал, что сам удивлен такой реакцией рынка, хотя и хотел привлечь внимание к недооцениваемому риску.


как ИИ-обновление Claude Code за один день сожгло $31 млрд капитализации IBM и напугало весь рынок
#ИИ

23 февраля 2026 года акции IBM рухнули на 13,15% — максимальное падение с 2000 года, уничтожив $31 млрд капитализации. Причиной стало не внутреннее ЧП, а тихое обновление ИИ-помощника Claude Code от Anthropic, который научился работать с языком COBOL.

На COBOL, созданном в 1959 году, до сих пор работают 95% транзакций банкоматов США, авиационные и страховые системы. Критично то, что эти системы десятилетиями были завязаны на мейнфреймах IBM, что приносило компании миллиарды через консалтинг и поддержку. Новость о том, что ИИ теперь может автоматизировать сложные этапы модернизации COBOL, обрушила рынок.

Эффект усилил «идеальный шторм»: за дни до этого вышли тревожные отчеты о том, как ИИ уничтожит спрос на традиционный софт, а сам Anthropic уже выпускал инструменты, угрожающие другим секторам IT. В итоге вслед за IBM упали Salesforce, Oracle и даже индийские аутсорсеры, чей бизнес держится на поддержке устаревшего кода.

Ирония в том, что у IBM есть собственный ИИ для перевода COBOL в Java. Но IBM нужно, чтобы код оставался на её архитектуре (мейнфреймах), сохраняя «мультипликатор» выручки. Claude Code от Anthropic независим от платформы, что ломает эту бизнес-модель.

Суть в том, что эта история — сигнал: ИИ начинает автоматизировать целые пласты инженерной работы. COBOL — лишь первый пример. Бизнес-модели, построенные на дефиците редких специалистов по legacy-коду, будут меняться, а граница между идеей и продуктом — исчезать.


В IV квартале 2025 года резко возросло рефинансирование ипотеки
#Финансы

Банки (ВТБ, Т-банк, ПСБ и др.) фиксируют кратное увеличение числа таких сделок начиная с осени 2025 года.

Основная причина — снижение ключевой ставки ЦБ (с 21% до 15,5% с середины 2025 г.), что повлекло за собой удешевление ипотечных кредитов. Средняя ставка по рефинансированию в топ-20 банков опустилась до 19,2%.

Ключевые выводы:

— Динамика: В IV квартале 2025 года количество сделок по рефинансированию выросло в 4–5 раз по сравнению с предыдущим кварталом.

— Условия: Рефинансирование становится выгодным при разнице с текущей ставкой минимум в 2–3 процентных пункта, чтобы окупить расходы на сделку.

— Прогноз: Массовым тренд станет при снижении ключевой ставки до 10–13%. Основной потенциал спроса банки ожидают во второй половине 2026 года.


Инфографика: какие данные собирают браузеры
#Цифровая_аналитика

Большинство мобильных браузеров собирают данные пользователей, но в разных объемах. Специалисты Surfshark проанализировали политику конфиденциальности 15 популярных браузеров.

Лидеры по сбору данных:

1. Яндекс Браузер — собирает 25 типов данных из 38 (геолокация, личные данные, активность в приложениях). Единственный заявил о сборе «сообщений», но в компании уточнили, что речь идет о чате поддержки, а не о личной переписке.
2. Microsoft Edge — 20 типов данных (история, поисковые запросы, пользовательский контент).
3. Google Chrome — 19 типов данных (единственный собирает данные из адресной книги и контактов, привязывает данные к аккаунту Google).

Особые случаи:

— Xiaomi Mi Browser формально менее «агрессивен», но ранее его уличали в слежке даже в режиме инкогнито (запись сайтов, запросов, передача данных на серверы).
— Tor — самый анонимный, но медленный, часто блокируется сайтами.
— Brave — оптимальный баланс скорости и приватности (блокирует рекламу и трекеры, не передает данные третьим лицам).

Исследователи отмечают, что анализировались только данные, которые компании декларируют сами, и они могут использовать юридические лазейки.


Альтернативные способы безналичной оплаты: что это и насколько часто используется?
#Финансы #Цифровые_каналы

Сейчас, наряду с классической оплатой покупок через физическую пластиковую карту, существуют альтернативные способы.

1. Насколько активно они используются
Давайте посмотрим на примере банка ВТБ по количеству платежей в 2025 году:
— Платежные стикеры — 7,2%.
— Mir Pay — 5,6%.
— СБП — 4,6% (кажется, что немного, но по сумме лидирует — 11,1%).
— ВТБ Pay — 3,8% (запущен в ноябре 2024 года).
— ВСЕГО — 21,1% (а по сумме -24,5%).

2. Удобство каждого из видов
— Платежные стикеры, Mir Pay и собственные системы оплаты (токенизаторы) банков (ВТБ Pay) — это, по сути, способы хранения пластиковой карты, а при оплате нужно прислонять телефон вместо карты.
— СБП — здесь немного другой механизм оплаты, через систему СБП. Нужно считать QR-код и открывается отдельное окно оплаты в приложении Банка, который обслуживает карту. Здесь иногда (нечасто) бывает, что платежи поступают не сразу.

Для всех способов, кроме стикера, важен вход в приложение (по отпечатку пальца, распознаванию лица, либо 4 цифрам пин-кода). Здесь, в случае разлогина, могут быть проблемы, так как часть банков до сих пор используют номер карты (может не быть с собой) для восстановления доступа.

3. Кому это выгодно?
Отдельно от всех находится система оплаты СБП. Она неоднозначна с точки зрения интересов участников:
— Выгодно для продавцов товаров: не нужно платить за эквайринг банкам (до 5%), а также не требуется покупать терминалы, можно просто распечатать QR-код.
— Невыгодно для покупателей, потому что они не получат от банка кэшбек за покупку.


Репост из: Игорь Кузнецов о темных паттернах
Burger King собирает деньги на хорошее дело, но какой ценой?

Уверен, что большинство клиентов не догадываются, что эту шторку можно смахнуть вниз или нажать за ее пределами, чтобы отказаться от пожертвований.


Репост из: Смирдин | Аналоговый И.И. (ChatGPT, Gemini, Nano Banana, Claude, DeepSeek, Perplexity)
Видео недоступно для предпросмотра
Смотреть в Telegram
🧠 Почему наш мозг всё ещё уделывает любой ИИ

Мы привыкли слышать, что нейросети — это «как мозг, только цифровой». Нам говорят про «нейроны», «обучение» и «связи». Но если копнуть глубже, то сравнение ChatGPT с человеческим мозгом — это как сравнивать бумажный самолётик с настоящим Боингом. Принцип вроде один (летать), но устройство — небо и земля.

Наткнулся на отличный разбор от биолога (видео ниже 👇), где он по полочкам раскладывает, почему мы всё еще вне конкуренции.

Вот суть простыми словами:

1. Выключатель vs. Оркестр 🎻
Искусственный нейрон (перцептрон) — это, по сути, простой калькулятор или выключатель. Он получает цифры, складывает их и решает: «Включиться» или «Нет». Всё. Это сухая математика.

Биологический нейрон — это аналоговый инструмент (как «ваш покорный слуга И.И.» 😄). Он не просто щёлкает вкл/выкл. Он понимает полутона, громкость, фильтрует шум. Сигнал внутри нас проходит сложную обработку еще на входе (в дендритах), чего в базовом ИИ просто нет.

2. Химия решает 🧪
В ИИ есть только «вес» связи (насколько она сильная). В мозге всё купается в химии. Нейромедиаторы, гормоны, общее состояние организма — всё это меняет работу нейрона на лету.
ИИ всегда работает одинаково. Ваш мозг работает по-разному, когда вы голодны, влюблены или испуганы. Один и тот же нейрон может выполнять разные функции в зависимости от контекста.

3. Магия времени ⏱
Для обычной нейросети времени внутри процесса почти не существует. Она видит данные как статичную картинку.
Живой нейрон чувствует ритм. Ему важно не только что пришло, но и когда, с какой задержкой и частотой. Это как разница между тем, чтобы увидеть ноты на бумаге, и тем, чтобы услышать музыку вживую.

Ну и напоследок — про «скорости» нашего мозга в обработке инфы:

Мозг неосознанно обрабатывает миллионы бит/с и на конкретные штуки реагирует «автоматом», но не на все подряд, а вот сознательное «думание» и выбор — примерно ~10 бит/с (ваше обычное фото в айфоне весит в 3,5 млн раз больше, кстати 🐸).

Сознание — узкое горлышко, потому что действие почти всегда одно и последовательное, а не параллельное. Поэтому мозг жёстко фильтрует внимание и сжимает реальность до того, что нужно прямо сейчас. Иначе мы бы захлёбывались деталями и хуже принимали решения.

Собственно, поэтому хваленной «многозадачности» НЕ СУЩЕСТВУЕТ. Мозг так не умеет, умеет только быстро переключаться, и это очень плохо для него на длинной дистанции (слыхали про Альцгеймера?). Это я к слову, вообще тема прям для отдельной серии постов про гигиену внимания. Пишите, если интересно поразгонять.

Итог:
Современные нейросети — это гениальная инженерная имитация, математическая модель, вдохновленная природой. Но до реальной сложности, пластичности и эффективности биологического мозга нам ещё очень далеко.

Так что выдыхаем. Кожаные мешки всё ещё самые сложные устройства во Вселенной 😉

👇 Смотрите видео, там наглядно крутой мужик Александр Каплан поясняет (он ученый, специалист по психофизиологии и нейроинтерфейсам, профессор МГУ им. М.В. Ломоносова)

И вот ссылка на 🌐, если тут не грузит https://www.youtube.com/shorts/NYv45Ls_rh4

#научпоп #мозг #ИИ #биология #технологии


Использование ИИ не сокращает объём работы
#ИИ

Исследование Harvard Business Review (8 месяцев, IT-компания, 200 сотрудников) показало: использование ИИ в виде чат-ботов не сокращает объём работы, а увеличивает его.

Сотрудники сами стали работать больше и брать на себя новые задачи, так как технологии сделали это возможным. В итоге выросла многозадачность, когнитивная нагрузка и усталость, что грозит выгоранием. Люди начали работать быстрее, но испытывать большее давление, чем до внедрения ИИ.

Знаете на что это похоже? На компьютерные игры, которые делают так, чтобы одновременно:
– Каждое достижение было значимым.
– Требуется не слишком много усилий для обеспечения этого результата.

То есть работа с использованием ИИ становится похожа на увлекательную игру, в которой удаётся сделать многое и хочется ещё.

В каждом исследовании обычно есть проблема краткосрочности. Интересно, останется ли столько же энтузиазма у работников, когда практика использования ИИ станет привычной и базовым требованием при найме.


Начиная с 1 февраля для семейной ипотеки действуют ограничения, которые частично увеличат её эффективность и снизят разгон цен на недвижимость
#Финансы

Для начала разберёмся, какова суть семейной ипотеки. С точки зрения макроэкономики и долгосрочного развития страны семьи с детьми создают больше выгод, чем отдельные люди. Однако для самих граждан и домохозяйств семейная жизнь связана со значительными личными затратами. Соответствующая государственная поддержка (выплата банкам разницы процентов по отношению к рыночной ставке) пытается сбалансировать эти интересы. А теперь — рассмотрим детали.

1. Ипотека как драйвер экономики

Государственная ипотека стимулирует экономику через мультипликативный эффект:
— Стимулирует строительство — ключевую отрасль для ВВП.
—Развивает смежные отрасли — производство материалов, мебели, услуги.
— Создает рабочие места и увеличивает налоговые поступления.
— Развивает регионы, закрепляя население.

Каждый вложенный рубль порождает несколько рублей добавленной стоимости в экономике.

2. Как программа делает жилье доступным

«Семейная ипотека» снижает финансовый барьер:
— Ставка 6% — ниже рыночной, снижает переплату.
— Льготные лимиты — до 12 млн руб. в Москве и Петербурге, 6 млн руб. в регионах.
— Широкий охват — семьи с детьми до 6 лет, детьми-инвалидами, 2+ детьми в малых городах.

Это напрямую повышает покупательскую способность семей.

3. Побочный эффект: рост цен

Льготный спрос имеет обратную сторону:
— Рост цен — массовый приток покупателей разгоняет цены при дефиците предложения.
— Инвестиционные злоупотребления — возможность оформлять по кредиту на каждого из супругов позволяла покупать второе жилье для перепродажи или аренды, искусственно завышая спрос.

4. Изменение с 1 февраля 2026 года

Для борьбы со злоупотреблениями ввели правило «одна семья — одна льготная ипотека»:
— Суть — супруги становятся созаемщиками по одному договору, второй отдельный кредит оформить нельзя.
— Цель — снизить инвестиционный спрос, повысить адресность поддержки. Также станут невозможным использования «донорских» схем, когда семья, не имеющая прав на льготы, привлекала третьих лиц.
— Исключение — повторный кредит возможен только после погашения первого и рождения следующего ребенка.

Вывод: данная точечная корректировка, действующая с 1 февраля, должна сохранить социальную цель программы и сдержать рост цен.


Мультиприложения – что это и зачем они нужны компаниям?
#Цифровая_аналитика

Определение ключевых понятий

Моноприложение (моносервис) — приложение, решающее одну конкретную задачу (например, банковский перевод, заказ такси, проверка штрафов).

Мультиприложение (суперапп) — платформа, объединяющая множество разнородных сервисов (финансы, доставка, развлечения, путешествия) в едином интерфейсе, часто с общей платёжной системой и профилем пользователя.

Этапы развития в России
1. Эра моноприложений (2010‑е годы)
С появлением смартфонов и магазинов приложений компании создавали отдельные, узкоспециализированные программы для каждой задачи: мобильный банкинг, заказ такси, доставка еды. Например, у Тинькоффа была целая линейка таких моноприложений, как «Вкармане» или «Штрафы ГИБДД». Это было просто, но неудобно: пользователям приходилось постоянно переключаться между десятками иконок.

2. Зарождение экосистем и первые супераппы (конец 2010‑х)
Российский рынок переломно изменился в 2019-2020 годах, когда крупные компании под влиянием мирового тренда (WeChat) начали активно создавать супераппы, объединяя сервисы для удержания пользователей:
– Тинькофф (декабрь 2019) — первым заявил о суперприложении, добавив в банковский сервис билеты, запись к врачу и другие услуги.
– ВКонтакте (2020) — обновил интерфейс, создав вкладку с сервисами, кошельком и мини-приложениями.
– Яндекс Go — объединил такси, доставку продуктов («Лавка», «Еда») и другие сервисы.
– Сбербанк — зарегистрировал бренд SuperApp и вместе с VK начал превращать Delivery Club в суперапп для еды.
– Ozon — начал добавлять в маркетплейс продукты питания, банковские услуги и подписку, превращаясь в экосистему.

3. Борьба экосистем (2020‑е годы)
Ключевые игроки – Яндекс, Сбер, Ozon и Wildberries – вступили в конкуренцию за роль главной экосистемы. «Яндекс» превратился в платформу для развёртывания мини-приложений разного назначения, «Сбер» использовал свою огромную клиентскую базу и физические отделения для продвижения многофункционального приложения. Ozon и Wildberries получали преимущество от монопольного положения на рынке онлайн-торговли. Каждая из компаний стали представлять собой мультиприложения. К ним также подключились ВТБ, Магнит (объединение лояльности, доставки, платежей) и другие.

Движущие силы перехода к мультиприложениям
– Удержание аудитории – чем больше сервисов внутри одного приложения, тем дольше пользователь остаётся в экосистеме.
– Экономия на привлечении – дешевле продвигать одно суперприложение, чем несколько отдельных.
–Удобство для пользователя – не нужно скачивать и запоминать множество приложений.
– Монетизация данных – кросс-сервисный анализ поведения позволяет точнее предлагать услуги.
– Влияние китайского опыта – успех WeChat и AliPay показал жизнеспособность модели.

Особенности российского рынка
– Доминирование финансово-торгово-технологических игроков – банки (Тинькофф, Сбер, ВТБ) и маркетплейсы (Ozon, Wildberries) стали ядром многих супераппов.
– Борьба за «первый экран» – компании стремятся, чтобы их приложение всегда было под рукой у пользователя.
– Открытые vs закрытые экосистемы – ВКонтакте допускает мини-приложения сторонних разработчиков (открытая модель), а Яндекс Go объединяет только свои сервисы (закрытая модель).


Общий долг стран «Большого юга» растёт быстрее «Запада», особенно выделяется Китай
#Финансы

1. Что такое общий долг страны

Общий долг страны складывается из трех частей:
– Государственный долг — деньги, которые должно государство (правительство, регионы).
– Долг домохозяйств — все кредиты населения (ипотека, автокредиты, потребительские).
– Корпоративный долг — займы компаний (кроме финансового сектора) на развитие и операции

2. Мировой долг очень большой и быстро растёт.

– Сейчас общий долг всех ведущих стран — огромные 240.8 триллионов долларов.
– Для сравнения: перед кризисом 2008 года он был $108.8 трлн, в 2010 — $128 трлн. То есть за 15 лет общемировой долг вырос более чем в два раза.

3. Главный источник нового долга в мире — Китай.

–  Раньше больше всех в долг влезали США и Европа. Теперь Китай их обогнал.
– За последние 5.5 лет именно Китай набрал новых долгов больше всех — почти на $22 триллиона.
– Проще говоря: основной прирост мирового долга теперь обеспечивает Китай, а не развитые страны Запада.

4. Долг считают в процентах от ВВП (экономики страны).

Цифры в триллионах — не всегда наглядно. Поэтому долг сравнивают с ВВП — условным «годовым доходом» страны. Это показывает долговую нагрузку на экономику.

– Китай: долг составляет 292% от его ВВП.
– США: долг составляет 249% от ВВП.
– Еврозона: 241%.
– Япония — рекордсмен: 381%. Но у Японии такой гигантский долг уже два десятилетия, это для них привычная ситуация.

Важный тренд: США, Европа, Канада и Австралия перестали резко увеличивать свою долговую нагрузку. Их уровень долга к ВВП стабилизировался. А Китай — продолжает его активно наращивать.

5. Как растущая долговая нагрузка влияет на экономику страны

– Растут процентные ставки и «вытесняются» частные инвестиции (правительство «оттягивает» на себя заемный капитал, который мог бы пойти бизнесу).
– Сокращается свобода действий у правительства (снижается бюджетная гибкость), всё большая часть бюджета идёт на обслуживание долга.
– Повышается уязвимость к кризисам и шокам.
– Замедляется долгосрочный экономический рост.

Важно! Не существует единого «опасного» уровня долга для всех. Его влияние зависит от контекста.

6. Положение России.

– По уровню долга Россия одна из наименее закредитованных: всего 118% от ВВП. Это уровень 2016 года.
– НО есть два ключевых отличия:
    * Кто финансирует долг? Раньше часть госдолга покупали иностранцы. Теперь — только внутренние покупатели (банки, компании, население). Это снижает зависимость, но и гибкость.
    * Очень дорогие проценты. В России высокие ставки по кредитам. Поэтому обслуживать наш долг в 118% от ВВП намного дороже, чем США их долг в 250%. Наши долги финансово более «тяжёлые».

7. Долговая нагрузка других стран (в % от ВВП):

– Очень высокий уровень: Япония (381%), Франция (322%), Канада (309%), Китай (292%).
– Высокий, но стабильный: США (249%), Южная Корея (248%), Италия (231%), Австралия (226%).
– Умеренный: Германия (197%), Индия (174%), Бразилия (180%), Великобритания (219%).
– Относительно низкий: Россия (118%).

Итог:
Общемировой долг достиг рекордных значений, и теперь его основной «двигатель роста» — Китай. Россия на этом фоне выглядит страной с невысоким уровнем долга, но этот долг обходится ей очень дорого из-за высоких процентных ставок.


Ключевые прорывы ИИ (LLM) в 2025 году. Прорыв второй
#ИИ
Продолжение, начало см. здесь

Призраки против животных и "зубчатый" интеллект

Данный прорыв, по сути, является порывом не в развитии, а в нашем понимании

1. В 2025 году стало ясно, что интеллект LLM фундаментально чужд нам.

В 2025 году вся индустрия впервые начала интуитивно осознавать форму интеллекта LLM.

Это не «животные», мозг которых изначально заточен на выживание в агрессивной среде, племени в джунглях.

Это «призраки», созданные для узких целей вроде повторения текста человека, решения головоломок или получения лайков.

Поскольку проверяемые области знаний позволяют использовать первый прорыв RLVR (обучение с подкреплением на праеряемых данных, см. выше), возможности LLM «взрывообразно» растут вблизи этих областей, и, в целом, они демонстрируют забавно «зубчатые» характеристики производительности — они одновременно и гений-полимат, и сбитый с толку, когнитивно ограниченный школьник, которого за секунду можно взломать (см. выше), чтобы он раскрыл ваши данные.

2. Бенчмарки перестали быть мерой качества модели

Кроме того, первый прорыв, появление RLVR, обесценил бенчмарки, которые служили для оценки качества моделей. Теперь сам способ оптимизации модели позволяет увеличить качество этих оценок, так как они как раз основаны на проверяемых данных.

Показано 20 последних публикаций.