VK Tech и Trivio автоматизировали оформление командировок: от заявки до авансового отчета в одном окне

Американская Anthropic с 12 ноября вводит обновленную политику Supported Regions («Поддерживаемые регионы» — 1 и 2), которая блокирует доступ к чат-боту Claude для организаций, зарегистрированных в России или контролируемых российскими лицами, независимо от гражданства и местонахождения сотрудников. Ограничения распространяются на Claude.ai, Claude Code, API и модели, предоставляемые через облачные платформы и реселлеров. Ключевое изменение касается корпоративного контроля: запрет действует для компаний, прямо или косвенно находящихся под мажоритарным контролем лиц из неподдерживаемых юрисдикций, даже при регистрации в третьих странах. В документах Anthropic уточняется, что речь идет о разъяснении ранее действовавших правил, а не о совершенно новом запрете. Компания объясняет ужесточение подготовкой к IPO и необходимостью очистить выручку от клиентов, нарушающих региональную политику.

В прошлой статье мы уговаривали металлобазу обновить сайт. Допустим, что уговорили: цены текстом, сортамент, форма "Рассчитать стоимость". Заявки пошли. А через пару месяцев в понедельник директор задает простой вопрос: "Почему на прошлой неделе с сайта пришло меньше заявок?" Ответ лежит в Яндекс Метрике. Но директор в Метрику не заходит, менеджер по продажам в ней путается, а подрядчик пришлет отчет в пятницу. Мы сделали для таких случаев открытый MCP-сервер: он подключает Метрику к ИИ-ассистенту (Claude, Cursor, VS Code и другим), и вопросы можно задавать обычными словами. Ниже разбор на условной металлобазе. Цифры придуманы для примера, а ход расследования типичный.

Представим обычную задачу: нужно расширить покрытие REST API автотестами. Сейчас с такими задачами справляются ИИ-агенты: изучают существующий код, добавляют необходимые методы клиента, пишут тестовые сценарии и возвращают готовую реализацию. На первый взгляд все отлично. Тесты написаны, код аккуратный, а pytest успешно собирает новые проверки. Но означает ли это, что задача действительно выполнена? Не обязательно. Например, агент может проверить, что при некорректном запросе API возвращает HTTP 400, но не проверить структуру тела ошибки. Или убедиться, что запрос на удаление Git-тега завершился успешно, но не проверить, исчез ли тег из самого репозитория. Формально тесты есть. Возможно, они даже проходят. Но насколько им можно доверять? С этой проблемой я столкнулся, когда начинал активно делегировать ИИ-агентам разработку автотестов.