AGI на бенчмарках, боты в переписке и 1С, которая опять сломалась

01 · ИИРешили бенчмарк — получили AGI? Не так быстро

ARC Prize Foundation во главе с Франсуа Шолле продвигает бенчмарк ARC-AGI-3 — тест на способность ИИ-агентов к обучению через сложные интерактивные задачи, а не на банальное угадывание паттернов из тренировочных данных. Вопрос, вынесенный в заголовок статьи на Хабре, простой и неудобный: если этот бенчмарк однажды решат, значит ли это, что у нас появился общий искусственный интеллект.

Автор статьи напоминает очевидную, но регулярно забываемую вещь: бенчмарки существуют не для философских деклараций, а для инженерной пользы — проверить свой проект, сравнить с конкурентами, откалибровать ожидания. У каждого теста своя узкая цель, и ARC-AGI-3 не исключение: он меряет конкретный срез способностей, а не «интеллект» целиком, каким бы соблазнительным ни было такое обобщение в питчах стартапов.

Что это меняет для тех, кто покупает ИИ-решения

• Маркетинг вокруг AGI — это маркетинг, а не сертификат. Когда вендор говорит «наша модель прошла ARC-AGI-3», это повод спросить, что именно измерялось, а не повод сразу переписывать бюджет на закупку «настоящего искусственного разума».
• Обучаемость ≠ универсальность. Способность агента решать новые интерактивные задачи — полезное свойство для автоматизации, но не равно способности заменить команду целиком.
• Хайп вокруг AGI живёт своей жизнью отдельно от инженерных метрик. Пока одни спорят о философии, другие просто смотрят, решает ли модель их конкретную бизнес-задачу дешевле человека.

Источник: Хабр

02 · CRMКак не превратить ИИ-агента в позорище в чате с клиентом

Автор серии статей на Хабре продолжает разбирать, как довести ответ ИИ-агента от генерации до реального клиента и CRM через n8n. В предыдущих частях уже был дебаунс на Redis, который склеивает дробные сообщения от клиента в одно осмысленное, и модуль привязки «чат = сделка» — с отдельным акцентом на то, почему вебхуки нужно держать в изолированных ключах.

Третья часть цикла закрывает финальный и самый нервный этап: сгенерированный ИИ текст должен корректно доехать до клиента в мессенджере и одновременно синхронизироваться с CRM, без дублей, без потери контекста сделки и без гонки вебхуков друг с другом.

Что это меняет для тех, кто внедряет ИИ-агентов в продажи

• Дьявол в интеграционном слое, а не в промпте. Красивый ответ модели бесполезен, если он приходит клиенту дважды или теряется между чатом и сделкой в CRM.
• Дебаунс сообщений — маст-хэв, а не опция. Клиенты пишут дробно («Привет» → «Хочу заказать» → «Можно скидку?»), и без склейки агент отвечает невпопад на каждый обрывок.
• Изоляция вебхуков спасает от гонки состояний. Когда несколько событий летят параллельно, без изоляции ключей легко получить состояние сделки, которое не соответствует реальности.
• Это инженерная задача, а не «просто подключить GPT». Полноценный ИИ-агент в продажах — это конвейер из нескольких сервисов, а не один API-вызов.

Источник: Хабр

03 · Dev Tools1С обновили — что теперь сломалось, никто не скажет заранее. Ну, почти

На Хабре описан инструмент 1C Extension Auditor — анализатор совместимости расширений 1С после обновления типовой конфигурации. Автор показывает, чем обычной ручной проверки расширений недостаточно, как искать изменения в процедурах и функциях, от которых расширения зависят, и зачем вообще сравнивать конфигурацию до и после обновления, а не полагаться на память разработчика.

Боль знакома каждому, кто работал с 1С: обновили типовую конфигурацию — и где-то в глубине расширений что-то тихо перестало работать, а узнают об этом обычно пользователи, а не разработчики.

Что это меняет для бизнеса на 1С

• Обновления конфигурации перестают быть лотереей. Инструмент заранее подсвечивает зависимости, которые могут сломаться, вместо того чтобы находить их постфактум через жалобы бухгалтерии.
• Сравнение «до/после» — это база, а не роскошь. Без него любая проверка расширений — это проверка вслепую по памяти, а не по фактическим изменениям кода.
• Экономия времени разработчиков на постпродакшн-дебаге. Найти проблему до релиза дешевле, чем тушить пожар после того, как обновление уже раскатано на всех.

04 · ИтогЧто со всем этим делать в понедельник

Три новости дня — на самом деле об одном: автоматизация обещает волшебство, а требует инженерной дисциплины. ARC-AGI-3 напоминает, что модный тест на «интеллект» — это узкий инструмент с конкретной целью, а не билет в AGI-утопию, что бы ни говорили питчи. Серия про ИИ-агента на n8n показывает изнанку любого «умного бота»: без дебаунса, изоляции вебхуков и грамотной синхронизации с CRM красивый ответ модели превращается в дубли и путаницу в сделках. А история про 1C Extension Auditor — просто честное напоминание, что любое обновление системы, на которой держится бизнес, требует диагностики до, а не после того, как что-то отвалилось. Мы в AdUnicorn видим одну и ту же закономерность во всех трёх кейсах: ценность не в громком названии технологии, а в том, кто продумал стыки между системами. Практический вывод простой — прежде чем внедрять ИИ-агента или обновлять конфигурацию, спросите не «что нового умеет модель», а «что именно проверено на границах между модулями».