Автоматизация изучения данных: как ИИ-агенты справляются с реальными задачами
Исследование демонстрирует возможности ИИ-агентов в автоматизации data science: от классификации изображений до прогнозирования вулканических извержений.
Исследование демонстрирует возможности ИИ-агентов в автоматизации data science: от классификации изображений до прогнозирования вулканических извержений.
Стартап Echelon вышел из скрытого режима с $4,75 млн финансирования, предлагая AI-агентов для автоматизации внедрения ServiceNow, что угрожает традиционным консалтинговым моделям Accenture и Deloitte.
Amazon внедряет агентный ИИ Nova Act в QuickSight для автоматического создания аналитических отчетов, что может сократить время подготовки данных на 80%.
Стартап AUI заявляет о создании модели Apollo-1, которая значительно повышает надежность AI-агентов в выполнении задач, достигая 92.5% успеха в тестах.
Исследователи выпустили TOUCAN — крупнейший открытый набор данных с 1,5 млн реальных взаимодействий для обучения AI-агентов работе с инструментами.
Otter.ai расширяет функционал от простой транскрибации встреч до корпоративной базы знаний с новыми инструментами интеграции и AI-поиском.
Notion полностью перестроил архитектуру своей платформы для поддержки агентного ИИ, отказавшись от устаревших prompt-ориентированных подходов в пользу автономных reasoning-моделей.
Фреймворк ReasoningBank позволяет ИИ-агентам учиться на успехах и ошибках, повышая эффективность решения задач на 8.3% и сокращая операционные затраты вдвое.
Google представил Gemini 2.5 Computer Use — ИИ-модель для управления пользовательскими интерфейсами. Агенты могут кликать, вводить текст и выполнять задачи в веб-приложениях.
DeepMind представила ИИ-агент CodeMender для автоматического исправления уязвимостей в коде. За полгода система отправила 72 фикса в open source проекты.