Apple ограничила ИИ-бюджет инженеров до $200 в день.

Исследователи из Мичиганского университета обнаружили ошеломляющую разницу в потреблении ресурсов ИИ. Согласно их выводам, обработка запросов ИИ на неанглийских языках потребляет до 179 раз больше энергии, чем выполнение тех же запросов на английском. Хуже того, этот огромный скачок в энергопотреблении часто приводит к снижению точности.

Это полностью разрушает иллюзию легкого многоязычного ИИ. Если вы создаете продукт, предназначенный для глобальной аудитории, ваши вычислительные затраты и задержки стали дико непредсказуемыми, полностью зависящими от родного языка пользователя. Системы токенизации, лежащие в основе современных моделей, сильно оптимизированы для английского языка, наказывая всех остальных раздутым количеством токенов и мучительно медленным выводом.

Это катастрофа для локализованного SaaS. Если обслуживание французского или японского пользователя обходится вам экспоненциально дороже, при этом он получает худший продукт, то экономика единицы глобального расширения нарушена. Пока базовые модели не пересмотрят свою многоязычную токенизацию, разработчикам придется сильно ограничивать неанглийские функции или смириться с огромными потерями эффективности.

Palo Alto Networks, по сообщениям, ведет переговоры о приобретении стартапа в области кибербезопасности Clutch примерно за $500 миллионов. Конкретная цель этой масштабной предлагаемой сделки — усилить контроль над ИИ-агентами и строго управлять их доступом к внутренним системам компании.

Мы наконец-то видим реакцию предприятий на автономных агентов. Все хотят ИИ, который может действовать от их имени, но никто не хочет, чтобы вышедший из-под контроля скрипт «галлюцинировал» свой путь в базу данных заработной платы. Clutch создал именно те защитные механизмы, которые нужны крупным корпорациям, прежде чем они позволят агентным рабочим процессам касаться их проприетарных данных, и Palo Alto платит премию, чтобы владеть этим узким местом.

Если вы создаете автономные инструменты для B2B клиентов, контроль доступа больше не является функцией — это весь продукт. Корпоративный рынок в ужасе от распространения агентов. Выиграют те стартапы, которые смогут показать, что их ИИ случайно не удалит производственную базу данных при получении нечеткого запроса.

OpenAI официально запустила GPT-6 Cyber, ограниченную модель ИИ, специально разработанную для выявления уязвимостей в программном обеспечении и создания функциональных эксплойтов. Доступ в настоящее время строго ограничен для утвержденных тестировщиков безопасности, что пока удерживает наступательные возможности вне публичного API.

Это огромное изменение в нашем подходе к защите программного обеспечения. Мы перешли от ИИ, который предлагает лучший код, к ИИ, который активно ищет уязвимости нулевого дня и пишет полезную нагрузку для их взлома. Продуктовизируя генерацию эксплойтов, OpenAI признает, что единственный способ обезопасить программное обеспечение следующего поколения — это атаковать его с той же автоматизированной яростью, которую уже разрабатывают злоумышленники.

Для работающих разработчиков запас прочности просто исчез. Если коммерчески доступная модель может автоматически находить и использовать уязвимости в вашей кодовой базе, безопасность через неопределенность мертва. Теперь вы должны предполагать, что каждая открытая вами конечная точка будет мгновенно исследована агентом, более умным, чем инженер, который ее написал.

Proton внезапно отменил запланированные повторные собеседования по использованию ИИ после значительного внутреннего сопротивления. Компания, ориентированная на конфиденциальность, намеревалась опросить почти весь свой персонал относительно того, как они используют ИИ в своей повседневной работе, но широкое сопротивление сотрудников вынудило руководство полностью отказаться от этой инициативы.

Это впечатляющий просчет в понимании корпоративной культуры. Попытка аудита ежедневных привычек ИИ всей вашей инженерной и продуктовой организации больше похожа не на обеспечение политики, а на охоту на ведьм. Разработчики уже используют ИИ для написания кода, составления электронных писем и отладки систем; угроза повторными собеседованиями лишь гарантирует, что они начнут скрывать свое использование вместо того, чтобы его оптимизировать.

Урок здесь прост: вы не можете добиться прозрачности путем запугивания. Если вы хотите знать, как ваша команда использует новые модели, дайте им корпоративные учетные записи и отслеживайте телеметрию. Отношение к внедрению ИИ как к подозрительной деятельности, которую нужно допрашивать, — это гарантированный способ оттолкнуть ваших лучших сотрудников к конкуренту, который им действительно доверяет.

Google представил новые элементы управления ИИ, специально разработанные для образовательных учреждений. Однако обновление вызвало немедленные дебаты о том, смогут ли школы фактически сохранить доступ к традиционному Google Поиску, выборочно отказываясь от его глубоко интегрированных функций ИИ.

Технологический гигант сталкивается с жесткими ограничениями принудительного внедрения. Встроив генеративные сводки непосредственно в основной поиск, Google создал кошмар для школьных администраторов, которые хотят предотвратить автоматический плагиат, не блокируя при этом основной исследовательский инструмент интернета. Трение здесь показывает, что отношение к ИИ как к неотключаемой функции по умолчанию не работает в строго регулируемых средах.

Для разработчиков это мастер-класс по опасностям связывания функций. Если ваш основной продукт незаменим, но ваши новые функции ИИ вызывают споры, связывание их вместе не принуждает к внедрению — оно вызывает отток. Пользователям нужна возможность перейти на детерминированную версию вашего программного обеспечения, иначе они просто найдут провайдера, который позволит им отключить магию.

НФЛ заключила прямое партнерство с исследователями из Университета Карнеги-Меллон, предоставив обширные записи игр и проприетарные данные отслеживания игроков. Сотрудничество направлено на продвижение разработки ИИ для полной автоматизации анализа футбольной стратегии и производительности игроков.

Вот что происходит, когда массивные проприетарные наборы данных встречаются со специализированными моделями. НФЛ располагает десятилетиями высокочастотной, многоугольной телеметрии, к которой никто другой не имеет доступа. Открыв этот сейф для CMU, они закладывают основу для ИИ, который сможет читать оборонительные схемы и предсказывать маршруты бега быстрее любого человеческого скаута.

Здесь главное не алгоритм, а данные. Если вы хотите создать действительно защищенный продукт ИИ, вам нужно найти отрасль, которая годами накапливала неструктурированные данные, и выяснить, как их анализировать. Организации, владеющие исходными записями, будут определять будущее автоматизированного анализа.