Аналитика Telegram-канала
Подписчики
2 049
Охват за 24 ч
216
ER за 24 ч
10,54%
Публикаций
212

Динамика подписчиков

7 дней 30 дней 6 месяцев Больше
12 ноя15 ноя18 ноя
Показаны последние 7 дней Больше истории →

Охваты публикаций

30.1003.1105.1110.1113.1117.11
116
Средний охват
312
Лучший результат
Показаны 6 публикаций — последние в канале Больше статистики →

Упоминания

3
Упоминаний
1
Из них репостов
3
Каналов
Нет примеров за последние 90 дней
Все упоминания

Последние посты

3 из 212 2 из 212
ИИ ускоряет разработку. Но что происходит с качеством кода и стоимостью его поддержки? В одном из прошлых постов мы рассказывали, почему разработать собственную систему автозаказа с помощью ИИ сложнее, чем кажется. ⠀ А недавно нам попались интересные исследования, которые показывают, какие проблемы могут возникать при дальнейшем развитии и поддержке программных продуктов, созданных с помощью ИИ. ⠀ Компания GitClear в 2026 году проанализировала 623 млн изменений программного кода. Исследователи выявили несколько интересных тенденций: ⠀ 🔹 На 81% выросло дублирование кода. 🔹 На 35% снизилась связность нового кода с существующим. 🔹 На 74% сократилась доля изменений, затрагивающих код старше года. ⠀ Ещё один показательный результат — из исследования Software Improvement Group (SIG) за 2026 год: ⠀ 🔹 В коде, созданном ИИ, обнаружено примерно в 2 раза больше нарушений требований безопасности, чем в коде, написанном человеком. ⠀ Важно отметить: исследования не доказывают, что все выявленные проблемы вызваны исключительно использованием ИИ. Однако они показывают риски, которые необходимо учитывать при разработке сложных программных продуктов. ⠀ Что всё это означает для бизнеса? ⠀ На этапе создания прототипа использование ИИ действительно может дать впечатляющий результат. За короткое время появляется работающая система с интерфейсом, расчётами и основными функциями. ⠀ Но по мере развития проекта начинают проявляться проблемы, которые не всегда заметны на старте. ⠀ 🔹 Доработки становятся сложнее и дороже. Если в системе много дублирующегося кода, изменение одного бизнес-правила может потребовать исправлений сразу в нескольких местах. А чем больше таких зависимостей, тем выше трудозатраты и риск ошибок. ⠀ 🔹 Развитие системы постепенно замедляется. Когда новые функции создаются без учёта существующей архитектуры, система становится всё более запутанной. Даже небольшие изменения могут затрагивать множество компонентов и требовать дополнительного тестирования. ⠀ 🔹 Накапливается технический долг. Вместо совершенствования существующих механизмов разработчики постоянно добавляют новые. Со временем всё больше ресурсов уходит на исправление ошибок, переработку кода и поддержание работоспособности системы. ⠀ 🔹 Растут требования к контролю качества и безопасности. Сгенерированный ИИ код необходимо проверять, тестировать и регулярно обновлять. Иначе проблемы, незаметные при первоначальной разработке, могут проявиться уже в процессе эксплуатации. ⠀ Для систем управления запасами это особенно важно. Ошибки и сбои здесь могут напрямую влиять на закупки, доступность товаров и финансовые показатели компании. ⠀ Главный вывод: быстро и недорого создать работающий прототип — не значит получить систему, которую будет так же просто и дёшево поддерживать годами. ИИ ускоряет написание кода, но не отменяет необходимости продуманной архитектуры, тестирования и постоянного развития продукта. ⠀
ещё
89 1 17 ноя, 10:28
Почему нам так сложно мыслить вероятностями? ⠀ Мы в Forecast NOW! много говорим о преимуществах вероятностного прогнозирования и о том, почему за ним будущее. Но при этом понимаем, что для многих сама идея вероятностного подхода остаётся сложной и непривычной. И дело не столько в математике, сколько в том, как мы привыкли мыслить. ⠀ Мы привыкли искать один правильный ответ: сколько продадим, сколько нужно заказать, каким будет спрос. А вероятностный подход предлагает мыслить иначе — учитывать разные варианты развития событий, их вероятности и последствия. ⠀ Поэтому мы написали статью о вероятностном мышлении. Постарались без сложной математики объяснить: ⠀ 🔹 Почему нашему мозгу трудно воспринимать вероятности и какие ошибки мы из-за этого совершаем. 🔹 Чем вероятностное мышление отличается от привычного и почему одного числа в прогнозе недостаточно. 🔹 Как два товара с одинаковым средним спросом могут требовать совершенно разных запасов. 🔹 Почему даже точный прогноз не всегда приводит к выгодным решениям. 🔹 Какие пять привычек помогут научиться мыслить вероятностями. ⠀ В статье много примеров из исследований, повседневной жизни и практики управления запасами. ⠀
ещё
93 0 13 ноя, 09:02
Почему разработать свою систему автозаказа с помощью ИИ сложнее, чем кажется? «Зачем покупать готовую систему, если пара разработчиков с ИИ напишет свою за пару месяцев?» Сегодня такой подход может казаться вполне реалистичным. ИИ умеет писать код, настраивать серверы, создавать интерфейсы и интеграции. Но быстро собрать работающий прототип — не то же самое, что создать систему, которой можно доверить закупки компании. В чём основные сложности? 1. Написать код — лишь часть работы. ИИ ускоряет разработку, но не заменяет проектирование архитектуры, проверку результатов и ответственность за работу системы. Ошибка в отчёте — это неправильный график. Ошибка в автозаказе — лишние запасы, дефицит и реальные финансовые потери. 2. Автозаказ — это не просто прогноз спроса. Нужно учитывать сроки и нестабильность поставок, кратности, минимальные партии, бюджеты, промо, сроки годности и десятки других ограничений. Даже идеально написанный код не поможет, если сама логика расчёта неверна. 3. Основные затраты скрыты за пределами алгоритма. Интеграции с 1С и ERP, очистка данных, тестирование, мониторинг, резервное копирование, безопасность, поддержка пользователей и регулярные обновления. Всё это придётся не только разработать, но и поддерживать годами. 4. Несколько разработчиков не заменят полноценную команду. Понадобятся эксперты по закупкам, прогнозированию и расчёту заказа, архитекторы, разработчики, инженеры данных, специалисты по тестированию и эксплуатации. Некоторые роли можно совмещать, но исключить их нельзя. 5. Экономия не гарантирована. ИИ сокращает время написания кода, но не отменяет расходы на специалистов, инфраструктуру, внедрение и дальнейшее развитие. Собственная система может оказаться не дешевле готового решения, а дороже. В статье подробно разобрали 20 задач, которые часто упускают при планировании собственной системы автозаказа, оценили необходимый состав команды, сроки разработки и затраты.
ещё
58 1 3 10 ноя, 09:07
Больше постов

Похожие Telegram-каналы

Все о цепях поставок
Больше похожих каналов

Продолжить анализ этого канала

  • История роста подписчиков
  • Просмотры и охваты публикаций
  • Кто упоминает канал и кого упоминает он
  • Похожие каналы и подбор для рекламы
Открыть аналитику
Демо до 14 дней