Артём Попцов | Artem Poptsov

🤖 Когда заказчик может сам улучшать систему

Мне импонируют вендоры, которые дают заказчику возможность своими силами обслуживать и улучшать решение в рамках архитектуры текущей версии. Ещё интереснее, когда часть адаптации берёт на себя сама система. Такой подход помогает быстрее реагировать на изменения и делает эксплуатацию более управляемой.

У ABB появился интересный пример: в Fashion Inductor, решение для складской обработки одежды, встроили AI Robot Trainer.

В одной платформе предусмотрен цикл адаптации: отслеживание работы робота, выявление отклонений, подготовка новых данных, дообучение модели и внедрение улучшений. Это особенно актуально там, где постоянно меняются ассортимент и упаковка.

По заявлению ABB, инструменты рассчитаны на интеграторов и специалистов заказчика и позволяют адаптировать решение без специализированной экспертизы в ИИ. Полностью самостоятельное обучение без участия человека компания при этом не обещает.

Мне близко, что возможность дообучения сразу заложена в продукт.

После подготовки специалисты заказчика должны уметь выполнять повседневные задачи, менять настройки и адаптировать систему в предусмотренных разработчиком пределах. Если каждое небольшое изменение требует отдельного проекта с интегратором, бизнес платит и деньгами, и временем ожидания.

🎯 Для меня самостоятельность заказчика — один из критериев зрелости продукта. Ещё до покупки стоит разобраться: что команда сможет делать после обучения, что система возьмёт на себя, а где понадобится внешняя помощь.

#робототехника #PhysicalAI #цифроваятрансформация

Оборудование установили. А данные передать можем?

На форуме «ИТС России» заказчики и вендоры говорили о зависимости от поставщика. Когда заказчик меняет решение на другое того же назначения — возникают сложности с подключением оборудования, передачей и использованием данных. Тот самый vendor lock.

Я уже писал про стоимость выхода на кейсе VMware: в транспорте та же логика, только масштабнее — годы вложений и оборудование, которое не «мигрируешь за выходные».

На этом фоне интересны две новости из Европы:

- CARUSO изучила доступ к данным автомобилей после начала применения EU Data Act. По оценке компании, наборы данных, способы передачи и условия доступа у производителей различаются. Право на данные ещё не обеспечило удобную работу с ними.
- Webfleet и Mobito расширяют коммерческий доступ к отобранным обезличенным данным автопарков для транспортного анализа и планирования инфраструктуры.
Одна и та же сфера — и два противоположных вектора. Кто-то открывает данные, чтобы экосистема росла. Кто-то формально исполняет закон, но оставляет доступ фрагментарным.

Для быстрого развития и проникновения беспилотных технологий необходимы данные, особенно из смежных систем. Несмотря на то что производители стремятся создавать самодостаточные решения, без внешнего обогащения не обойтись.

Назрел вопрос: зафиксировать достаточный набор данных, который по составу параметров и стандартам его передачи будет поддерживаться теми, кто участвует в информатизации транспорта (V2X или аналоги).

 Иначе при одном шаге вперёд будем делать два шага назад.

#VendorLock #транспортныеданные #V2X #беспилотники #ИТСРоссии

#DataAct #умныедороги #автопарк #техновости

🤖 Первый шаг к роботизации — не купить робота, а измерить человека

⚙️ Маховик роботизации можно начать раскручивать до появления робота.

Несколько недавних новостей о гуманоидах привлекли моё внимание:

👟 Eni и Generative Bionics изучают возможности промышленного выпуска обуви с датчиками.
🦾 Среди победителей конкурса армии США — Ras Labs с тактильными датчиками для пальцев роботов: они позволяют определять усилие, форму предмета и проскальзывание.

💡 Эти новости навели меня на гипотезу: промежуточным этапом между ручным трудом и роботизацией может стать сбор данных о том, как человек выполняет конкретную операцию. 

"вчера на панельной дискуссии говорили что более 10000 точек нужно собирать для того чтобы роборука смогла работать"

Например, сотрудник в сенсорной обуви и перчатках берёт нестандартную деталь, переносит её, устанавливает в крепление. Датчики вместе с записью движений и видео могли бы показать, где меняется опора, какое усилие нужно для захвата, когда деталь начинает выскальзывать. Если фиксировать ещё и результат операции, получится материал для обучения робота под конкретный процесс.

↩️ Ранее писал о маховике Physical AI: полезный сценарий → внедрение → данные → обучение → рост надёжности → новые сценарии → масштаб.

Но у него есть проблема старта. Для надёжной работы нужны данные из реальных условий. Чтобы получить их от робота, его нужно внедрить. А внедрять ненадёжную систему бизнесу сложно.

Так сбор данных сможет начаться раньше, а последующая эксплуатация роботов, в том числе гуманоидов, продолжит раскручивать маховик.

🎯 Для предприятия первый шаг к роботизации тогда становится вполне конкретным: выбрать операцию, оцифровать её в пространстве, научить этому робота. 

#PhysicalAI #робототехника #гуманоиды #датчики

Роботы как инфраструктура экономики будущего — был на панельной дискуссии форума «Цифровые решения».

Ключевое о чем говорят участники рынка:

• Экономику роботизации всерьёз мало кто считает. Примерно стоимость владения оценивают как 3.5 цены робота.
• Кейс застройщиков: роботы в ЖК за 5 лет — роботы на 34% дешевле.
• Точечная роботизация не окупается — эффект дают системные решения.
• Начинать надо с «узкого места» процесса: принципы известны с советских времён.
• Косвенные эффекты недооценивают: например, плотность складирования. Без «обвязки» робот бесполезен.
• Растёт модель RaaS: аренда, сервис и всё включено снижают порог входа.
• Интеграторы начинают со складов и упираются в отсутствие единых протоколов.
• Для обучения роборуки нужно ~10 000 точек данных + компьютерное зрение.
• Денег на масштабную роботизацию нет — рынок ждёт улучшения конъюнктуры. Готовые кейсы тиражируются, новых идей не хватает.

Вывод: Эффект — только от системного внедрения и от реальных кейсов, не для медиа.

---

Ранее писал об этом более подробно:

• Physical AI: слияние ИИ-агентов и робототехники — t.me/ArtemPopcov/167
• Когда технология превращается в экономику — t.me/ArtemPopcov/172
• Гуманоиды и аналогия с роботами-пылесосами — t.me/ArtemPopcov/186
• Робот сам по себе ≠ производственная система — t.me/ArtemPopcov/190
• Барьеры складской роботизации (CeMAT) — t.me/ArtemPopcov/193
• Готова ли инфраструктура принять роботов — t.me/ArtemPopcov/153

🛡️ Одна «супер-железка» — ещё не защита

1 октября CISA добавила в каталог KEV критическую уязвимость FortiMail — CVE-2026-104286. Атакующий без аутентификации может записывать произвольные файлы в систему. Уязвимость уже используют в реальных атаках.

FortiMail — корпоративный почтовый шлюз. Та самая «периметровая железка», которая должна фильтровать угрозы, а теперь сама стала точкой входа.

Я регулярно слышу от коллег: «Поставь нормальный периметр — и будет счастье». Логика понятная. Но даже дорогое средство защиты может оказаться уязвимым.

Отдельный сценарий — кража учётки. Атакующий входит с корректными данными и действует с правами сотрудника. Часть его действий формально разрешена: выгрузка документов, доступ к ресурсам, пересылка почты.

Разрешённое действие ещё не означает, что оно соответствует рабочей задаче. Нехарактерная активность — повод для расследования. Она не доказывает взлом сама по себе, но требует внимания службы ИБ.

В посте об экономике ИБ я уже писал: нужно снижать вероятность и ущерб, сокращать время обнаружения и восстановления.

Здесь тот же принцип: периметр затрудняет вход, сегментация ограничивает продвижение по сети, мониторинг помогает обнаружить атаку, обновления закрывают известные уязвимости, резервные копии помогают восстановиться.

Если выбирать между одной супер-железкой на весь бюджет или разными средствами защиты с качественной эксплуатацией и анализом, я выбираю второе.

Один «колосс» может упасть. Защита должна позволять пережить его отказ и ограничить последствия.

Безопасность — не продукт, который можно купить. Это процесс.

#кибербезопасность #ИБ

🤖 Задача вне вашей профессии. Ответственность — ваша

В июле я писал, что LLM помогают начать работу над задачей и получить второе мнение. Исследование OpenAI «Work at the Frontier» добавляет к этому интересное наблюдение: люди обращаются к ИИ с задачами, которые традиционно относятся к другим профессиям.

📊 В изученной выборке ~20% запросов — из кардинально других областей. При этом тренд имеет восходящую динамику.

Для сотрудников это открывает новые возможности. Но здесь же, на мой взгляд, возникает риск: человек получает ответ в области, где ему не хватает знаний для проверки.

⚠️ Исследование описывает использование ИИ, но не подтверждает правильность полученных результатов.

Представим: руководитель просит LLM оценить окупаемость проекта. Получает убедительный расчёт, но не замечает пропущенные расходы или неверные исходные допущения. На этих цифрах строятся бюджет и решение о запуске.

Дальше расчёт попадает в презентацию, затем — в план. Первоначальные допущения теряются, а цифра продолжает жить как согласованное основание для следующих решений.

Позже обнаружить ошибку сложнее: придётся восстановить, откуда взялась цифра, что проверяли и какие решения успели на неё опереться.

Меня здесь настораживает именно незаметность ошибки. В своей области человек чаще понимает, где стоит усомниться. В чужой — стройное объяснение легко принять за достаточное обоснование.

Поэтому вместе с внедрением ИИ стоит определить:

1️⃣ какие результаты сотрудник может использовать самостоятельно;
2️⃣ где нужна проверка исходных данных и допущений;
3️⃣ какие решения требуют участия профильного специалиста.

❗ Отсутствие своего специалиста не отменяет необходимости проверки.

💡 Чем дороже последствия решения, тем важнее сохранить путь от исходных данных до вывода.

#ИИ #ChatGPT #будущееработы #цифровизация

🚦 Два дня на форуме ИТС России

Организатор — Ассоциация «Цифровая Эра Транспорта», площадка собрала всех, кто реально строит интеллектуальные транспортные системы в стране.

Главный тезис, который звучал едва ли не в каждом докладе: строить научились все. Покрытие оборудованием плотное, инфраструктура есть почти везде. Пора переходить от количественных показателей к качественным — но на уровне регионов этим пока мало кто занимается 📊

По «железу» новинок почти не было. А вот на программном уровне видно: лидеры отрасли применяют современные технологии и в разработке, и в своих продуктах.

В завершение представили рейтинг регионов по ИТС.

🏆 Пермский край — второй год подряд на первом месте

Год назад я уже писал про тот рейтинг: тогда оценку делали по 27 показателям в 6 группах, в этом году расширили показатели оценки до 43 в 10 группах.

Приятно вдвойне: фундамент, который закладывался при моём непосредственном участии, оказался правильным и дал региону существенное преимущество.

Вывод простой: этап «настроить и поставить» пройден. Следующая гонка — за качество управления, и выиграют те кто умеет собирать, хранить и правильно обрабатывать данные.

📅 Программа форума.