ИИ перестаёт быть технологическим трендом и становится фактором давления на экономику: на занятость, стоимость труда и устойчивость бизнес-моделей. Именно это уже влияет на решения бизнеса — от найма до инвестиционной стратегии.

В новом интервью с инвестиционным экспертом и писателем Тимуром Беликовым обсудили ИИ через призму рынков и капитала.

Ключевые мысли
— ИИ уже влияет на рынок труда: под давлением оказываются «белые воротнички», а не только операционные роли
— Появляется новая асимметрия: один специалист с ИИ-инструментами может заменить целую команду
— Инвестиционные модели меняются: компании начинают учитывать сценарии, в которых ИИ влияет на занятость, спрос и поведение рынков

Через этот разговор видно: если раньше автоматизация снижала издержки, то сейчас она начинает менять саму структуру экономики — кто создаёт ценность, как формируется спрос и как перераспределяются доходы.
Для управленца это сигнал: важно не только внедрять ИИ, но и понимать, как он изменит рынок вокруг — клиентов, конкурентов и стоимость ресурсов.

Новое интервью уже доступно по ссылкам (таймкоды — в описании под каждым видео):

➖ВКонтакте
➖YouTube
➖RUTUBE

—
Подписаться на канал
Рубрика: #интервью

Друзья, мы провели серию опросов про доверие к ИИ в медицине. И картина получилась показательная 👇

1️⃣ ИИ принимают, но с ограничениями
74% готовы использовать его, но только как помощь:
— 65% как второе мнение
— 9% если повышает точность
👉 Полное доверие технологии пока не сформировано

2️⃣ В конфликте выигрывает человек
Если мнение врача и ИИ расходится:
— 84% выбирают врача
— только 16% – ИИ
👉 Доверие сегодня – это про ответственность и опыт

3️⃣ Доверие к ИИ – не бинарное
Люди готовы делегировать ИИ задачи по уровням:
— 81% – расшифровка анализов
— 69% – проверка совместимости препаратов
— 53% – контроль терапии
❌ только 3% – постановка диагноза

👉 Чем выше цена ошибки, тем меньше доверие

Что это значит на практике?
Именно то, о чем сейчас говорит рынок: ИИ воспринимается не как «замена», а как усиление эксперта там, где нужен анализ данных, высокая нагрузка и важно ничего не упустить. Но не там, где нужна финальная ответственность.

Доверие к ИИ строится не через технологии, а через правильную роль в процессе: не вместо врача, а рядом с ним.

#globus_мнение

😁😆😁 не забыть выложить материал о вайбкодинге

Тема доверия к ИИ в медицине постепенно выходит на первый план. И это логично: по мере внедрения технологий вопрос смещается с «что умеет ИИ» на «где ему готовы доверять».

По данным ряда опросов, около 60% людей готовы использовать ИИ – но не как эксперта, а как «второе мнение». Это хорошо отражает текущее состояние рынка: технология уже принята, но её роль чётко ограничена.

Эту тему обсудили на круглом столе «Московской медиагруппы» с участием представителей индустрии, включая заместителя исполнительного директора Globus Станислава Агапова.

Ключевые мысли:

➡️ ИИ воспринимается как инструмент, а не субъект решения
Даже при высокой точности пользователи не готовы делегировать финальный выбор алгоритму. Ответственность по-прежнему закреплена за человеком – это фундаментальное ограничение для любых сценариев внедрения.

➡️ Основная зона доверия – работа с данными
ИИ эффективен там, где нужно обрабатывать большие массивы информации: собирать разрозненные данные, находить взаимосвязи, подсвечивать риски. Именно в этих задачах он уже воспринимается как полезный и оправданный инструмент.

➡️ Интеграция важнее функциональности
Практика показывает, что востребованы решения, встроенные в существующие системы и процессы. Если технология требует дополнительных действий от пользователя – она не используется, независимо от качества модели.

➡️ Ограничения формируют доверие
ИИ используется как рекомендательная система: он не ставит диагноз и не делает выводы при нехватке данных.
Такая предсказуемость – один из факторов, который позволяет технологии постепенно закрепляться в практике.

💬 Станислав Агапов: «Искусственный интеллект изначально создавался для быстрой обработки больших массивов данных. Среди огромного количества информации с его помощью можно быстрее найти причины заболевания и помочь врачу в диагностике. В результате формируется устойчивая модель: ИИ – это слой аналитики внутри процесса, а не замена специалиста».

И именно в таком формате технологии сейчас переходят из пилотов в рабочие инструменты.

#globus_мнение

Наш кейс — в шорт-листе конкурса Workspace! 🔥

Мы участвуем с мобильным приложением для города будущего Доброград. Это настоящая цифровая экосистема для жизни: от оплаты счетов до управления доступом и городскими сервисами.

Команда Globus переработала ключевые сценарии и сделала приложение действительно удобным инструментом для жителей — чтобы все важные городские сервисы были под рукой и работали без лишних действий.

И сейчас нам очень нужна ваша поддержка!
Проголосовать за наш кейс можно здесь ⬅️

Спасибо и удачи всем участникам! 🤍

#globus_новости

Павел Короткий — «Человек года» в диджитал-разработке по версии Ruward 🏆

Наш генеральный директор победил в номинации «Точка зрения рынка».

🗣 «Для меня эта награда — не столько про личный результат, сколько про команду и среду, которую мы вместе строим. Важно не просто расти, а делать это осмысленно и честно — по отношению к клиентам, коллегам и рынку в целом», — отметил Павел.

Globus развивается, объединяет экспертизу и усиливает команды системно и осознанно. С партнерствами, продуманными решениями и открытым разговором о том, что происходит в отрасли.

Поздравляем! ❤️

#globus_новости

Логистика долго держалась на опыте и ручном управлении. Но к 2026 году эта модель перестаёт масштабироваться: цепочки поставок усложнились, а требования к скорости и точности выросли. В таких условиях «ручной режим» уже не просто замедляет процессы – он становится источником потерь.

По данным MIT Center for Transportation and Logistics (2026), 81% компаний фиксируют рост электронной торговли, а 60% уже перешли к омниканальной логистике. Это резко увеличивает нагрузку на операции и делает автоматизацию базовым условием работы.

При этом рынок выглядит парадоксально. По отраслевым данным за 2026 год, около 35% компаний реально используют искусственный интеллект в логистике, а средний ROI (возврат инвестиций) достигает ~190%. Остальные 65% остаются на стадии пилотов и не масштабируют решения.

Практика внедрений показывает, где именно возникает разрыв. Автоматизация даёт наибольший эффект в прогнозировании спроса, маршрутизации и управлении отклонениями. Но не работает там, где:
❌ данные разрознены
❌ процессы не пересобраны
❌ решения не встроены в операционную модель

На этом фоне растёт давление на бизнес: по отраслевым отчётам, 55% компаний увеличивают инвестиции в технологии для цепочек поставок, а рынок ИИ в логистике растёт на 30–40% в год.

При этом у многих компаний уже есть система управления складом, система управления транспортом и системы бизнес-аналитики. Но они работают разрозненно.

Поэтому главный сдвиг сейчас – от «внедрения систем» к пересборке модели управления. Нужно определить, какие данные являются базовыми, как они передаются и где именно принимаются решения.

В этом контексте интеграция – это не техническая задача, а управленческая. Она определяет, будет ли автоматизация реально влиять на бизнес или останется набором отдельных решений.

Подробнее – в нашей новой статье 📎

#globus_статьи

Вчера на инвестиционном форуме ВТБ представитель Globus Инга Морозова приняла участие в панельной дискуссии «Цифра как драйвер роста», где ответила на один из самых острых вопросов рынка: что будет двигать ИТ-отрасль после волны импортозамещения?

Три года назад освободившиеся бюджеты и уход зарубежных вендоров задали высокую скорость роста. Сейчас этот импульс выравнивается, и рынок переходит в другую фазу.

📎 Ключевой тезис Инги: рынок становится спокойнее, но глубже.

Это не замедление — это взросление. Заказчики перестают искать «аналог» и начинают искать решение с измеримым результатом. А значит, выигрывают те, кто умеет говорить на языке бизнес-эффекта, а не технических характеристик.

➡️ Что формирует спрос сейчас:
— Отечественное корпоративное ПО — и здесь речь уже не о закрытии базовых потребностей, а о реальной функциональности и удобстве
— Платформенные архитектуры вместо разрозненных систем — бизнес устал от «зоопарка» решений, которые не стыкуются друг с другом
— Системная работа с данными — не аналитика ради отчётов, а инфраструктура для принятия решений
— Кибербезопасность — из статьи расходов она превращается в стратегический приоритет
— Прикладной ИИ — не как эксперимент, а как инструмент повышения операционной эффективности

При этом спрос сегодня формируется сразу в трёх секторах.
➖Государство строит базовую цифровую инфраструктуру.
➖Промышленность решает прикладные задачи: управление производством, логистика, интеграция с системами управления предприятием (ERP), производством (MES) и складом (WMS).
➖Частный бизнес остаётся самым динамичным — здесь быстрее принимаются решения и активнее внедряются клиентские сервисы, мобильные приложения и инструменты автоматизации.

⤵️ По оценкам Strategy Partners, рынок корпоративного программного обеспечения в России будет расти примерно на 24% в год до 2030 года.

Рынок, в котором побеждают не скоростью реакции на освободившийся спрос, а качеством экспертизы и глубиной партнёрства, устроен надёжнее.

Именно туда движется Globus: от роли исполнителя к роли технологического партнёра, который помогает сформулировать саму логику цифрового развития — ещё до того, как написано техническое задание.

#globus_мнение

Апрель в Globus 🌸

Основная тема прошедшего месяца – как ИИ перестаёт быть темой для конференций и становится рабочим инструментом. Выступления, обсуждения, публикации – собрали главное.

ИИ в практике
✨ ИИ-ассистент в медицине сокращает часы анализа до минут и высвобождает до 30% времени врача. Как это работает — в статье.
✨ ИИ-агенты ускоряют разработку, но приносят новые риски: технический долг, потеря контроля над кодом, размытая ответственность. Практический взгляд команды Globus — здесь.

Доверие и спрос
✨ 60% людей готовы использовать ИИ — но только как «второе мнение». Станислав Агапов на круглом столе «Московской медиагруппы» — о том, почему встроенность в процесс важнее функциональности.
✨ Рынок после импортозамещения взрослеет: заказчики ищут не аналог, а результат. Инга Морозова на форуме ВТБ — о новой логике спроса и векторе развития Globus.

Интеграция
✨ ROI от ИИ в логистике достигает ~190%, но 65% компаний застряли на пилотах. Почему автоматизация не масштабируется — разобрали в новой статье.

#globus_дайджест

Компании внедряют ИИ примерно с одинаковым энтузиазмом. Но одни получают измеримый эффект через три месяца, а другие спустя год продолжают «пилотировать». Разница почти никогда не в качестве модели — она в состоянии данных, которые в неё подаются.

Представьте двух ритейлеров примерно одного масштаба. Оба решили внедрить прогнозирование спроса на основе машинного обучения.

🔴 Компания А — историческая глубина продаж за пять лет в единой системе, связанная с данными о поставках, остатках и поведении клиентов. Каждая запись структурирована по единому стандарту, за качество данных отвечает выделенная роль. Доступ через внутренний API занимает минуты.

Модель обучилась за несколько недель. Точность прогноза — плюс 23% к базовому уровню. Складские остатки сократились, дефицит на полках снизился. Проект перешёл из пилота в продуктив.

🔴 Компания Б — данные о продажах есть, но в трёх разных системах с разными форматами и без единого идентификатора товара. Часть данных — в таблицах, которые вели менеджеры вручную. За последние два года несколько раз меняли CRM (система управления взаимоотношениями с клиентами), история миграций не сохранена. Доступ к данным — через запрос в ИТ-отдел и ожидание.

Прежде чем обучить модель, команда восемь месяцев занималась подготовкой данных. Часть истории пришлось отбросить как ненадёжную. Точность прогноза оказалась ненамного выше экспертной оценки закупщика. Руководство поставило проект на паузу.

Обе компании потратили сопоставимые бюджеты на саму технологию.

Этот кейс — не исключение, а воспроизводимый паттерн. Готовность данных к работе с ИИ определяется четырьмя параметрами: объём, качество, доступность и структура. Слабое звено в любом из четырёх — и проект либо затянется, либо не даст ожидаемого результата.

👉 Подробнее о том, как оценить готовность данных и что проверить до старта ИИ-инициативы — в нашей новой статье.

#globus_статьи