Дайджест за 19 сентября 2026

Новая парадигма управления ИИ-агентами: контроль в реальном времени

ИИ и агенты · Modern Data 101 · 9/10

Материал описывает фундаментальный сдвиг в подходе к управлению автономными ИИ-агентами: переход от статических политик и одобрений к механизмам контроля, работающим в момент выполнения каждого действия. Традиционное управление предполагает, что деятельность описана заранее и происходит медленно, но агенты разлагают одобренную цель на сотни неожиданных действий в реальном времени, что делает бумажные политики неэффективными. Автор предлагает архитектуру с двумя ключевыми компонентами: Policy Enforcement Point (PEP) перехватывает каждый вызов инструмента, а Policy Decision Point (PDP) принимает решение (ALLOW, DENY, MASK или REQUIRE_APPROVAL) на основе контекста действия.

Практический пример: агент расследует скачок возвратов и пытается получить данные уровня клиента, создать рекомендацию по кредиту и выдать кредиты — каждый шаг требует отдельной оценки с разными правилами. Платформа данных содержит большую часть инфраструктуры (управление доступом, маскирование, контракты данных, аудит), которая становится механизмом управления при встраивании в цикл решений агента.

Автор подчеркивает, что не всё поддаётся автоматизации: стратегические и этические решения остаются с человеком, а автоматизация работает лучше всего, когда контекст доступен, правило точно сформулировано, действие проходит через контролируемую границу и обратимо. Управление должно быть фундаментальной инфраструктурой, а не проверкой на финальном этапе.

Выводы автора:

• Управление агентами должно происходить во время выполнения (runtime), а не только на этапе утверждения, так как один одобренный запрос может развернуться в сотни непредвиденных действий.
• Для эффективного контроля нужна архитектура с Policy Enforcement Point, перехватывающим каждое действие, и Policy Decision Point, оценивающим его в контексте идентификации, ролей, чувствительности данных и целей.
• Человек остаётся необходим для решений, которые требуют субъективного суждения, стратегического учёта или морального выбора, которые не могут быть сведены к автоматическим правилам.

Справедливое управление позволяет организациям действительно выпускать агентов ответственно. Управление, существующее только в документе, может лишь описать постфактум, что должно было произойти. Разница между ними не философская — это вопрос о том,

Оригиналы:Основная статья об управлении ИИ-агентами

Дешёвые модели ИИ стали достаточно умными для программистов

ИИ и агенты · Habr · 8/10

Опытный программист делится открытием, что самые дорогие и «умные» ИИ-модели больше не нужны для повседневного кодирования — дешёвые модели вроде GPT-5.6 Luna справляются задачу в 20 раз дешевле ($0.18 против $3.26 за задачу), если задача хорошо сформулирована. Квалифицированный программист не нуждается в переключении на более мощные модели, в отличие от новичков, которые полагаются на «мозговую силу» модели. Гонка за умностью моделей практически завершена — дешёвые варианты (индекс Artificial Analysis 38–40) уже достаточны для профессионалов. Новая проблема — скорость генерации: на стандартных сервисах модели выдают 25–50 токенов в секунду, что приводит к ожиданию 5–15 минут на задачу, в то время как DeepSeek-V4.1-Flash через прямой API достигает 300 токенов в секунду и решает задачу менее чем за минуту. Автор предвидит, что следующий фронтир — переход на stateful (имеющие долгосрочную память) LLM вместо stateless, чтобы модель не переучивалась с каждой новой задачей и не тратила 80% работы на переизучение кодовой базы. Рост контекстного окна (уже достигший 1 млн токенов) теряет смысл без решения проблемы долгосрочной памяти. Автор также сменил инструменты: отказался от платной JetBrains IDE в пользу бесплатного Zed, переместился с раздутых Codex и Claude Code (18–30 тыс. токенов на простой запрос) на Pi harness (3 тыс. токенов), так как меньший контекст помогает модели лучше сосредоточиться на задаче.

Выводы автора:

• Качество дешёвых LLM-моделей уже достаточно для профессиональных программистов; гонка за умностью завершена, и следующий фронтир — скорость генерации
• Переход на stateful LLM с долгосрочной памятью необходимнее, чем увеличение размера контекстного окна
• Меньший и точнее сформулированный контекст в инструментах разработки лучше помогает моделям справляться с задачами, чем раздутые интерфейсы

Похоже, гонка за тем, у кого модель умнее, подходит к концу. Следующим этапом развития агентского ИИ становится скорость.

Оригиналы:Я перестал пользоваться самыми умными ИИ-моделями. Программировать стало быстрее и дешевле

Обзор книги Морони по ИИ и машинному обучению на PyTorch

ИИ и агенты · Habr · 8/10

Обзор новой книги Лоуренса Морони «Искусственный интеллект и машинное обучение для программистов в PyTorch», которая на первый взгляд кажется стандартным учебником, но на деле охватывает гораздо более широкий спектр современного ИИ. Книга начинается с практического подхода code-first: в первой главе читатель собирает простейшую нейросеть на PyTorch, затем постепенно осваивает датасеты, токенизацию, embeddings, RNN и LSTM. После этого фокус смещается на готовые инструменты: инференс, хостинг моделей через TorchServe и Flask, Hugging Face Hub, Transformer архитектуры. Ключевая часть книги — глава 16 о работе с большими языковыми моделями, где Морони показывает три инженерных решения: fine-tuning, RAG и локальные LLM через Ollama. Завершают книгу главы о диффузионных моделях и LoRA для генерации изображений. Педагогическая стратегия автора эффективна: сначала читатель строит модели самостоятельно, затем узнаёт, как превратить их в сервис, потом учится использовать готовые модели и адаптировать их под свои задачи. За 400+ страниц книга успешно ведёт программиста от основ PyTorch через NLP и временные ряды к современному генеративному AI.

Выводы автора:

• Книга структурирована так, чтобы читатель сначала научился писать модели с нуля, затем освоил развёртывание их в production, и только потом перешёл к использованию и адаптации готовых решений.
• Морони демонстрирует три практических подхода к работе с LLM: fine-tuning для специализации, RAG для добавления своих данных без переобучения и локальный запуск через Ollama для полного контроля.
• Книга не привязана к одному стеку технологий и показывает гибкий инструментарий современного разработчика ИИ, позволяя выбирать способ работы в зависимости от задачи.

Одно дело — обучить модель в ноутбуке, совсем другое — сделать из неё работающий сервис.

Оригиналы:Не только PyTorch. О чём на самом деле новая книга Лоуренса Морони

Nuance Labs: $50M на модель, которая моделирует людей, а не текст

ИИ и агенты · Linas from Linas's Newsletter · 8/10

Стартап Nuance Labs привлёк $50 млн в Series A под руководством Lightspeed при участии NVIDIA и других инвесторов. Компания, основанная тремя бывшими исследователями Apple, пока не имеет продукта на рынке и предложила революционный подход к разговорным ИИ-агентам. Проблема современных визуальных агентов в том, что они преобразуют речь в текст, обрабатывают его LLM, синтезируют ответ и анимируют лицо — каждый компонент может быть отличным, но общий результат кажется неживым. Nuance утверждает, что это архитектурная проблема: текст теряет колебания голоса, взгляд, ритм, прерывания, мимику и микровыражения, которые сигнализируют о присутствии живого человека. Решение компании — нативная аудиовизуальная модель, которая предсказывает как слова, так и движения человека как единый непрерывный поток. По сути, Nuance пытается создать человеческую интерфейсную модель (human-interface model) — намного более амбициозная задача, чем просто «ИИ-аватар». Материал глубоко анализирует 13-слайдовую презентацию раунда финансирования, тестирует её аргументы против новых данных о конкурентах (от Tavus до ByteDance) и показывает, что компания пока не доказала свою центральную гипотезу.

Выводы автора:

• Текст как промежуточный формат в конвейере обработки уничтожает ключевые сигналы живого общения, и Nuance ставит на нативную аудиовизуальную модель как решение этой архитектурной проблемы.
• Компания претендует на создание человеческой интерфейсной модели, а не просто аватара, что намного амбициознее, но и намного сложнее доказуемо.
• В питче нет метрик тракции, бенчмарков, размера рынка или примеров клиентов — вся ставка на одну идею и её архитектурную валидность.

Языковые модели научились моделировать язык. Nuance будет моделировать людей.

Оригиналы:Nuance Labs: ставка на то, что текст разрушил ИИ-разговор

Искусственный интеллект: смерть учителя или рождение нового?

ИИ и агенты · Habr · 7/10

Статья рассуждает о влиянии ИИ на профессию учителя и трансформации образования. Автор утверждает, что учителя, работа которых сводится к объяснению правил, пересказу учебника и проверке упражнений, уже технологически устарели прямо сейчас. ИИ выполняет эти функции быстрее, терпеливее и дешевле, может моментально адаптировать сложность материала, генерировать примеры и быть доступным ученику в любое время суток. Автор признаёт, что современные языковые модели имеют недостатки (галлюцинации, ошибки), но указывает: профессиональную судьбу функции решает не совершенство технологии, а её удобство и доступность для большинства обычных случаев. Рушится традиционная модель обучения, при которой учитель говорит, ученик записывает и воспроизводит. Автор предостерегает: если защищать эту устаревшую модель, то мы защитим не профессию учителя, а самый легко заменяемый набор его функций.

Выводы автора:

• Рутинные функции учителя (объяснение, проверка, создание материалов) уже сейчас технологически устарели перед лицом ИИ.
• Традиционная модель образования, основанная на воспроизведении информации, рушится и должна трансформироваться.

Искусственный интеллект выполняет эту часть работы быстрее, терпеливее и дешевле, не устаёт повторять одно и то же, способен за несколько секунд изменить уровень сложности.

Оригиналы:Искусственный интеллект: смерть учителя — или рождение нового?

Отказоустойчивость в мультиклауде: архитектура и реальные кейсы Туту

Разработка и архитектура · Habr · 9/10

Статья описывает стратегию и архитектуру обеспечения отказоустойчивости крупной системы бронирования путешествий Туту, которая обслуживает миллионы транзакций и не может позволить себе простои. Компания использует гибридный подход: собственные приватные облака (основной объём на уже купленной инфраструктуре CAPEX) дополняются публичными облаками для специфических нужд (GPU, масштабирование, сертификаты вроде PCI DSS и ГОСТ). Ключевая идея мультиклауда — размещение инфраструктуры на трёх независимых «плечах» отказоустойчивости с использованием разных вендоров, что снижает риски технических и юридических отказов, позволяет балансировать стоимость и подтолкивает к использованию cloud-agnostic инструментов. Для stateless-сервисов используется схема Anycast + BGP + LVS (L4-балансировщик), где LVS встаёт перед всеми сервисами и обеспечивает равномерное распределение нагрузки с прямым ответом клиентам от бэкендов. Для stateful-систем (с диском данных) применяются дополнительные механизмы и проксирование. Ключ к надёжности — полная автоматизация управления (Terraform, Ansible, автоматический сбор метрик), готовность к отказам любого элемента и наличие экспертов для реагирования на инциденты. При построении надёжного сервиса из потенциально ненадёжных компонентов компания сознательно резервирует инстансы без нагрузки, чтобы убедиться в их способности выдержать пиковый трафик.

Выводы автора:

• Мультиклауд с несколькими независимыми вендорами и собственными облаками уменьшает риски отказа и позволяет оптимизировать стоимость инфраструктуры, но требует полной автоматизации и cloud-agnostic подходов.
• Архитектура stateless-сервисов строится на Anycast, BGP и LVS-балансировщиках, обеспечивающих прозрачный фейловер между облаками с минимальными потерями запросов.
• Надёжность системы из ненадёжных частей достигается не только автоматизацией, но и сознательным резервированием ресурсов, тщательным мониторингом и готовностью экспертов-операторов к критическим ситуациям.

Больше частей означает статистически чаще какая-то из них не работает. Поэтому нужно делать надежный сервис поверх потенциально ненадежных частей — это самая сложная часть.

Оригиналы:Отказоустойчивость в мультиклауде: архитектура и реальные кейсы

Чем заменить top, ps и netstat в 2026 году: современные инструменты мониторинга

Разработка и архитектура · Habr · 8/10

Статья о замене устаревших утилит мониторинга Linux на современные альтернативы. Классические top, ps и netstat имеют ограничения: top не знает о контейнерах и cgroup-лимитах, ps обрезает команды под ширину терминала, netstat работает медленно на серверах с большим числом соединений. Вместо top рекомендуют btop (показывает диск, сеть, температуру, GPU), glances (с веб-интерфейсом), atop (логирует активность), bottom (минималистичный на Rust). Для ps подойдут procs (с цветами и деревом процессов), pidstat из sysstat (история по процессам), инструменты из bcc (eBPF для реального времени). Вместо netstat нужна ss из iproute2, которая фильтрует по состоянию, портам, адресам. Для анализа трафика по процессам используйте nethogs, iftop для потоков, iotop для диска. Статья приводит готовую последовательность диагностики из восьми команд, которая находит проблему за 30 секунд, и напоминает, что в контейнерах и rescue-окружении могут быть доступны только старые инструменты.

Выводы автора:

• Замену top, ps и netstat надо начинать с htop, btop/glances и ss — современные аналоги работают быстрее и показывают больше информации о контейнерах и виртуализации.
• Для диагностики нагрузки эффективнее всего использовать последовательность из uptime → htop → iotop → nethogs → ss, которая охватывает CPU, диск, сеть и соединения за одну минуту.
• В контейнерах, rescue-окружении и на старом железе может остаться только BusyBox, поэтому базовый синтаксис классических утилит забывать не стоит.

Новые утилиты просто экономят время и нервы, но понимание того, откуда данные берутся, остаётся главным.

Оригиналы:Чем заменить top, ps и netstat в 2026 году, и когда их лучше не трогать

EasyP: российский аналог Buf Build для gRPC и Protobuf

Разработка и архитектура · Habr · 8/10

Российская компания разработала полнофункциональную замену заблокированного в России инструмента Buf Build для работы с gRPC и Protobuf. История началась в 2023 году, когда Buf Build прекратил обслуживание российских пользователей; разработчик Эдгар Сипка за месяц отреверс-инжинирил проприетарный сервер Buf и создал 100% совместимый аналог. Продукт EasyP решает основную проблему микросервисной архитектуры — стандартизацию контрактов между сервисами и предотвращение конфликтов при изменении API. Основные возможности: строгий линтер для контроля совместимости Protobuf-контрактов, пакетный менеджер для управления зависимостями, проверка обратной совместимости на этапе CI/CD, интеграция с IDE (плагин для GoLand). В 2025 году авторы заявили о де-факто монополии на российском рынке — серверы полностью локальные, код open source под Apache 2.0, никакие данные не утекают на чужие облака. Планируется выпуск версии 1.0 и расширенной enterprise-версии.

Выводы автора:

• gRPC и бинарная сериализация Protobuf дают 2-3х преимущество по пропускной способности и нагрузке на процессоры по сравнению с REST+JSON, что критично при масштабах Big Tech
• EasyP обеспечивает централизованный контроль совместимости микросервисных контрактов через линтер на CI/CD, предотвращая runtime-ошибки и потери бизнеса
• Локальное хранение данных и архитектура на основе Git делают решение привлекательным для российских компаний, ищущих альтернативы зарубежным платформам

Если разраб сервиса заказов случайно удалит поле, а сервис уведомлений всё ещё завязан на него, линтер просто заблокирует деплой и скажет: стоп, ты ломаешь обратную совместимость.

Оригиналы:Оригинальная статья на Habr

Доработка FNIRSI 2C53T: решаем проблемы зарядки и наводок

Разработка и архитектура · Habr · 8/10

Статья описывает глубокий анализ и доработку популярного китайского портативного прибора FNIRSI 2C53T (мультиметр с осциллографом и генератором). Несмотря на удобство самого устройства, автор столкнулся с двумя критическими проблемами при попытке заряжать его через USB-C под нагрузкой. Первая проблема: зарядный контроллер TC4056A ограничен примерно 600 мА, что совпадает с потреблением самого прибора, в результате батарея практически не заряжается при работе устройства. Вторая проблема: при подключении сетевого блока питания через USB появляются фантомные десятки вольт переменного напряжения на измерениях из-за паразитной емкостной связи между первичной и вторичной сторонами импульсного БП. Автор решил первую проблему заменой резистора RPROG с 2 кОм на 1,5 кОм, увеличив ток зарядки до 800 мА. Для решения второй проблемы потребовалось установить изолированный DC/DC преобразователь TRACO TMR 6–0511 с очень низкой проходной емкостью (50 пФ вместо типичных мегаом), разорвав гальваническую связь между USB GND и землей прибора. После переделки устройство стало пригодным для длительной работы от сетевого питания с одновременной зарядкой батареи и без паразитных наводок. Автор критически оценивает как конструкторские решения в исходном устройстве, так и стоимость используемого модуля (примерно половина стоимости самого прибора).

Выводы автора:

• Проблема медленной зарядки при включенном устройстве решается увеличением зарядного тока путем замены резистора RPROG с 2 кОм на 1,5 кОм, повышая ток с 600 мА до 800 мА.
• Паразитные емкостные связи в импульсных блоках питания требуют установки изолированного DC/DC преобразователя с минимальной проходной емкостью (не просто высокой электрической прочностью), чтобы устранить наводки высокоомного входа мультиметра.
• Конструкция FNIRSI 2C53T содержит несколько необоснованных ограничений, которые свидетельствуют о недостаточном тестировании при условиях реального использования.

USB-кабель в штатной схеме выполнял в основном функцию моральной поддержки.

Оригиналы:FNIRSI 2C53T — классный прибор с отвратительной зарядкой. Доделываем то, что не смог завод-изготовитель

Вышла OpenCloud 8.0 — открытая платформа обмена файлами

Разработка и архитектура · Habr · 7/10

Состоялся релиз OpenCloud 8.0 — открытой платформы для развёртывания на локальных серверах системы обмена файлами и совместной работы с контентом, альтернативы проприетарным решениям вроде SharePoint, Google Drive и Dropbox. Серверная часть написана на Go под лицензией Apache 2.0, десктоп-клиент на C++ с Qt, веб-интерфейс на TypeScript и Vue.js; проект поддерживает микросервисную архитектуру и масштабируется от Raspberry Pi до многосерверных установок. OpenCloud основана на форке платформы OCIS, переписанной с PHP на Go, и включает интеграцию с Collabora Online для совместного редактирования, OCR для извлечения текста, проверку файлов через ICAP, управление доступом на основе ролей (RBAC) и архитектуру Privacy-First. В версии 8.0 реализована совместная работа над Markdown-файлами в реальном времени с режимом только чтения, оптимизирована поисковая система Bleve (потребление памяти снизилось с 1,1 ГБ до 120 МБ при индексации 100 тыс. файлов), добавлена поддержка движущихся фотографий, ускорена работа с каталогами из 1000+ изображений, реализована подсветка синтаксиса для 37 языков программирования и экспорт в PDF.

Выводы автора:

• OpenCloud 8.0 предоставляет полнофункциональную открытую альтернативу коммерческим системам обмена файлами с соблюдением требований GDPR и архитектурой Privacy-First, позволяющей администратору не иметь доступ к пользовательскому контенту.
• В релизе 8.0 основной упор сделан на совместное редактирование документов в реальном времени, оптимизацию производительности поиска и работы с графикой, а также расширение возможностей форматирования и синтаксической подсветки.

Создатели OpenCloud попытались избавить кодовую базу от лишней функциональности и сосредоточиться на максимально качественной реализации основной задачи — совместной работы с файлами.

Оригиналы:Релиз открытой платформы обмена файлами OpenCloud 8.0

Восстановление данных со сломанной SD-карты: полный разбор аппаратно-программного решения

Данные и аналитика · Habr · 8/10

Статья описывает проект по восстановлению данных с физически сломанной пополам SD-карты памяти Samsung объёмом 32 ГБ, которая 9 лет лежала без использования. Автор с нуля разбирается в устройстве NAND-памяти, восстанавливает распиновку микросхемы Samsung K9PFG08U5M через анализ даташитов похожих чипов, затем создаёт переходную плату на базе STM32H723 для снятия полного дампа памяти. Ключевые находки: микросхема содержит 4 физических чипа (CE) с 8 внутренними кристаллами (DIE), размер страницы 8192 байта плюс 448 байт служебной информации, каждый DIE имеет 531456 страниц, организованных в 4152 блока по 128 страниц. Автор реализует USB-CDC интерфейс для передачи данных с микроконтроллера на ПК и создаёт программу на C# для управления процессом чтения. Последующие части статьи посвящены теории помехоустойчивого кодирования (полям Галуа, синдромам и локаторам ошибок) для восстановления повреждённых данных. Спойлер: восстановление прошло успешно.

Выводы автора:

• Физически повреждённая NAND-память может быть восстановлена путём прямого снятия дампа через GPIO и микроконтроллер даже при невозможности восстановления электрических связей на плате.
• Распиновка и параметры неизвестной микросхемы памяти определяются эмпирически через чтение ID-кодов и экспериментальное измерение размеров страниц и блоков без доступа к даташиту.
• Современные 32-ГБ NAND-микросхемы используют архитектуру с несколькими физическими чипами и кристаллами, с поддержкой параллельного программирования и встроенными мультиплексорами в адресном пространстве.

Микросхема определялась с нулевым объёмом – карта отправилась в ящик ждать «лучших времен». Прошло 9 лет, и в результате очередной уборки-инвентаризации нашёл эту старую карточку. Вот и настали «лучшие времена».

Оригиналы:Восстановление данных с нуля со сломанной пополам SD-карты памяти

Как Private Banking эволюционирует: от продуктов к роли Chief Wealth Officer

Финтех и финансы · Б.О: Банки · 9/10

На форуме РБК «Кэпитал Маркетс» обсудили трансформацию сегмента Private Banking для состоятельных клиентов. Главный тренд: конкуренция смещается от ассортимента продуктов к качеству решений, доверию и роли консультанта. После эпохи высоких депозитных ставок (18–20%) клиенты переходят не на акции, а в выжидательную позицию, диверсифицируют в ОФЗ, недвижимость и альтернативные активы. Второй ключевой сдвиг — переопределение риска: помимо волатильности и доходности появляется третья ось «доступность», учитывающая инфраструктурные и санкционные риски. Число личных фондов утроилось в 2025 году (более 850 фондов), и теперь они используются не только для наследства, но как инструмент управления семейным капиталом и владения бизнесом. Банки сталкиваются с конфликтом между продажей собственных продуктов и ролью независимого советника — около 18% клиентов уже используют внешние мнения независимых консультантов. Возникает тренд на открытую архитектуру (best-of-breed модель). AI не вытеснит банкира, но уберёт его информационную монополию: теперь ценность в правильной интерпретации данных, а не в асимметрии информации. Lifestyle-сервисы (concierge, рестораны, путешествия) стали не профит-центром, а «социальным клеем» и инвестицией в отношения. Наконец, Private Banking трансформируется в outsourced family office — банк становится координатором всей системы капитала семьи, включая инвестиции, налоговое планирование, наследство и управление активами.

Выводы автора:

• Private Banking переходит от продажи услуг к роли главного консультанта и координатора семейного капитала (Chief Wealth Officer), требуя открытой архитектуры и независимого совета вместо закрытого продавца
• Клиент больше не стремится вложиться в акции при падении ставок по депозитам, а диверсифицирует по валютам, географии и формам владения, учитывая инфраструктурный риск и доступность капитала
• Число личных фондов утроилось в 2025 году и превратилось из инструмента наследства в универсальный механизм управления семейным капиталом и передачи бизнеса между поколениями

Открытая архитектура — неизбежность. AI не отменяет банкира, он отменяет его информационную монополию. Банк становится аутсорсом для владельца family office.

Оригиналы:От продуктовой полки к роли Chief Wealth Officer

Крипторынок после закона: как Россия встраивает ИИ в финсистему

Финтех и финансы · Б.О: Технологии · 9/10

Материал анализирует, что на самом деле произошло 1 сентября 2026 года в России: не разрешение криптовалют (они уже существовали), а переведение существующего рынка в регулируемую финансовую инфраструктуру. Федеральный закон № 282-ФЗ создал новые категории участников (организации обмена и цифровые депозитарии), определил требования к капиталу и технологиям, и запустил переходный период до 1 июля 2027 года. Ключевой компромисс: неквалифицированные инвесторы получили доступ к криптоактивам после тестирования, но с лимитом 300 тысяч рублей в год через одного посредника. Эта цифра вызвала жаркий спор: для финучреждений построение инфраструктуры контроля окажется дорогой, но закрытие легального контура вернёт операции в нелегальный сектор. Автор выделяет три разных рынка, скрытых под словом «крипто»: инвестиции в цифровые активы (Bitcoin, Ethereum), трансграничные расчёты для бизнеса и токенизация реальных активов. Для каждого нужны разные подходы. В инфраструктуре появится спрос на кастодиальные сервисы, депозитарии, AML-решения и блокчейн-аналитику — это потенциально больший B2B-рынок, чем спекуляции на курс. Критическая проблема токенизации: создаёт ли она реальную экономическую ценность или просто упаковывает старые финансовые инструменты в цифровую оболочку? Без ликвидности и вторичного рынка токены остаются «технологически красивыми неликвидными требованиями». Новый закон — это встраивание глобального рынка цифровых активов в национальную финансовую систему через российский регулируемый шлюз.

Выводы автора:

• Регулирование криптовалют в России — это не разрешение новой технологии, а перевод существующего рынка в институциональный контур с лицензированием участников и требованиями к капиталу и комплаенсу.
• Легальная инфраструктура должна конкурировать по цене и удобству с иностранными платформами, иначе клиенты останутся на нелегальных маршрутах; риск должен иметь экономическую цену, но не быть неконкурентоспособным.
• Крипторынок распадается на три разных рынка с разными логиками: инвестиции в глобальные активы, трансграничные расчёты для бизнеса и токенизация, которая должна найти экономическую задачу, решаемую лучше традиционного финансового рынка.

Можно построить очень правильную систему: лицензии, резервы, контроль, AML, отчётность. А потом обнаружить, что операция обходится клиенту заметно дороже, чем на внешней платформе. И клиент просто туда уйдёт.

Оригиналы:Крипторынок после закона: разрешить недостаточно

Репутация как измеримый актив: влияние на стоимость компании

Финтех и финансы · Б.О: Не банки · 7/10

Материал о том, как репутационные риски стали частью фундаментального анализа и влияют на инвестиционную оценку компаний. Финансовая отчетность показывает текущее состояние, а репутационные риски помогают спрогнозировать будущие потери через отток клиентов, регуляторные проверки или санкции. Автор выделяет четыре категории рисков: регуляторные претензии (пример — штраф ФАС компании МТС на 110 млрд рублей, после чего акции упали с 291 до 181 рубля), корпоративное управление (скандал Hindenburg Research с Freedom Holding), производственные инциденты (разлив топлива «Норникеля» на 147,8 млрд рублей иска) и комбинированные кризисы (Boeing потратил более 2,5 млрд долларов после катастроф 737 MAX). По исследованию Aon, ущерб репутации входит в топ-10 корпоративных уязвимостей, причём основные триггеры — ESG-факторы, киберинциденты и соцсети. Инвесторы отслеживают корпоративное управление, действия регуляторов и реакцию руководства на кризисы, так как эти факторы часто становятся первыми сигналами о проблемах, финансовые последствия которых проявляются позже.

Выводы автора:

• Репутация превратилась из вопроса имиджа в измеримый актив, напрямую влияющий на стоимость компании и условия привлечения капитала.
• Инвесторам следует отслеживать четыре основных источника репутационных рисков: регуляторные претензии, конфликты в корпоративном управлении, производственные инциденты и кризисные ситуации.
• Репутационные сигналы часто предшествуют финансовым последствиям, позволяя опережающему инвестору выявить потенциальные проблемы раньше, чем они отразятся на цене акции.

Если финансовая отчетность показывает текущее состояние бизнеса, то репутационные риски помогают оценить вероятность будущих потерь.

Оригиналы:Репутация как искусство

Почему спортивные команды стоят миллиарды: анализ парадокса оценок

Экономика · App Economy Insights · 8/10

Материал объясняет феномен взлёта стоимости спортивных франшиз на примере приобретения Безосом доли в Liverpool FC стоимостью более 7 миллиардов долларов. В то время как европейский футбол генерирует рекордные 40,2 млрд евро в год, средняя команда Premier League стоит в четыре раза дешевле средней франшизы НФЛ, несмотря на сопоставимые доходы. Ключевая причина: американские лиги (НФЛ, НБА) создают механизмы, которые ограничивают расходы и генерируют прибыль, в то время как футбольные клубы вынуждены переводить весь прирост дохода на зарплаты игроков и трансфертные сборы.

НФЛ использует salary cap и распределяет медиа-доходы поровну (каждый клуб получит 453 млн долларов независимо от результатов), тогда как в европейском футболе клубы находятся в постоянной гонке вооружений, рискуя вылетом из лиги или Лиги чемпионов. Футбольные команды имеют уникальное преимущество: глобальную аудиторию, столетнюю историю и фиксированное количество брендов мирового значения, что привлекает растущее число миллиардеров в условиях ограниченного предложения.

Выводы автора:

• Спортивные команды ценятся не столько за текущую прибыль, сколько за скудность предложения, глобальную аудиторию и долгосрочный рост стоимости актива
• Экономическая разница между американскими лигами и европейским футболом обусловлена структурой стимулов: salary cap и равное распределение доходов в НФЛ/НБА против свободного расходования в футболе
• Средняя премьер-лиговская команда генерирует доход, сопоставимый с НБА, но получает лишь четверть оценки франшизы НФЛ из-за низкой прибыльности

Безос покупает не прибыль, которую производит Ливерпуль сегодня. Он покупает актив, который мир не может произвести больше.

Оригиналы:Почему Безос покупает Liverpool FC

Oracle после сокращений на 13% призывает сотрудников не перегружаться

Продукт и карьера · Habr · 7/10

В Oracle новый финансовый директор Хилари Максон после очередного раунда сокращений штата заявила, что принцип «делать больше меньшими силами» неприемлем. За финансовый год, завершившийся 31 мая, компания сократила численность на 21 000 человек (13% персонала). Максон подчеркнула, что речь должна идти об упрощении неполезных процессов и стратегическом выборе приоритетов, а не об увеличении нагрузки на оставшихся сотрудников. Компания инвестирует колоссальные суммы в ИИ-инфраструктуру: капитальные затраты в Q1 составили $28,5 млрд (против $8,5 млрд годом ранее), а прогноз на 2027 финансовый год — $90-95 млрд. Сокращения штата призваны компенсировать эти расходы и контролировать затраты на оплату труда. Руководители акцентировали внимание на росте спроса и возможностях ИИ, призывая сотрудников фокусироваться на ценности для клиентов. Выходное пособие предусматривает четыре недели зарплаты за первый год работы плюс по неделе за каждый дополнительный год стажа (максимум 26 недель).

Выводы автора:

• Руководство Oracle признаёт, что в условиях огромных инвестиций в ИИ нельзя просто перекладывать работу на оставшихся сотрудников без изменения процессов.
• Компания пытается балансировать между масштабными капитальными затратами на инфраструктуру ИИ и финансовой дисциплиной через сокращение затрат на персонал.
• Несмотря на сокращения, менеджмент позиционирует ситуацию через возможности роста и спроса на ИИ-решения, а не через недостаток ресурсов.

Я не имею в виду принцип «делать больше меньшими силами» — эту фразу я терпеть не могу. Речь идёт об упрощении процессов, которые не приносят пользы клиентам.

Оригиналы:В Oracle после сокращений попросили сотрудников не делать больше работы меньшими силами