Според информация от специализираните технологични медии Android Central [1] и 9to5Google [2], Google е приключил разпространението на интеграцията на изкуствения интелект Gemini в мобилния браузър Chrome за Android за потребители в САЩ. Това дългоочаквано обновление пренася мощни възможности за автоматизация директно в уеб браузъра, превръщайки го от обикновен инструмент за сърфиране в активен личен асистент.

Интеграцията на Gemini в мобилния браузър Chrome се осъществява чрез удобен плъзгащ се панел (slide-up sheet), който се появява от долната част на екрана [2]. Този интерфейс е вдъхновен от десктоп версията на браузъра и може да бъде лесно фиксиран (докван) на екрана. Потребителите имат бърз достъп до асистента чрез бърз бутон на лентата с инструменти (toolbar) или през главното меню с трите точки.

Авторско изображение / Svetni.me

През 2021 г. датският логистичен гигант Maersk внедри специализирани ИИ агенти от стартъпа Pactum с цел автоматизиране на преговорите по договори с превозвачи за товарни превози. Вместо просто да подпомага човешкия състав при снабдяването, софтуерът пое изцяло управлението на процеса: от първоначалното свързване с доставчиците и провеждането на няколко кръга от обсъждания на цените и графиците до финализиране на условията. Този подход доведе до 96% успеваемост при сключването на споразумения, без да се изисква каквато и да е човешка намеса при отделните трансакции.

Ускоряването на клиничните проучвания остава едно от най-сериозните организационни и финансови предизвикателства пред съвременната биофармацевтична индустрия. Статистическите данни на Tufts Center for the Study of Drug Development показват, че близо 80 процента от клиничните изпитания не успяват да спасят първоначално планираните срокове за набиране на пациенти, като всеки ден забавяне струва на инициаторите приблизително 500 000 щатски долара [1]. Основната причина за това се крие в изключително трудоемкия и фрагментиран процес на скрининг, при който медицинските екипи анализират ръчно хиляди страници неструктурирани данни от електронни здравни досиета, лабораторни резултати, образни изследвания и хронологии на лечението. В отговор на тази неефективност, AWS предлага референтна архитектура за автоматизиран скрининг и оценка на безопасността на пациенти, захранвана от автономни AI агенти.

Процесът на оценка на пригодността на пациентите за участие в определени клинични проучвания изисква щателно съпоставяне на техния здравен профил с десетки критерии за включване и изключване. С увеличаването на сложността на съвременните протоколи, особено в сферата на персонализираната онкология и биомаркерно-ориентираните терапии, традиционният ръчен преглед спира да бъде мащабируем. Това води до високи нива на грешки при скрининга и пропускане на критични прозорци за терапия.

Изображение: Svetni.me / ИИ генерирано изображение

Изследователският екип на фирмата за сигурност Varonis наскоро разкри критична уязвимост в рамките на Microsoft Copilot, която би могла да компрометира сигурността на потребителските данни с един-единствен клик. Според официалния доклад на компанията, публикуван в техния блог, атаката, наречена CoSnitch, се възползва от недокументирани параметри в URL адресите на асистента, позволявайки скрито изпълнение на команди [1].

Изображение: Svetni.me / ИИ генерирано изображение

Според репортаж на ZDNET, компанията Anthropic обяви въвеждането на текстови водни знаци в своите модели Claude, за да отговори на изискванията на член 50 от Закона за ИИ на ЕС [1, 4]. Този ход задължава разработчиците на ИИ да предоставят инструменти за прозрачност и доказване на произхода на генерираното съдържание. Решението обаче предизвика остра вълна от недоволство сред авторите и потребителите, пораждайки широк обществен дебат относно контрола върху текстовия изказ и корпоративното съответствие [1].

Парадоксална тенденция се наблюдава в корпоративния сектор при управлението на риска, свързан с внедряването на технологии с изкуствен интелект. Според проучване на изследователската дивизия VB Pulse на медията VentureBeat, голяма част от бизнесите реагират на грешките на ИИ с намаляване на човешкия контрол. Общо 85% от предприятията, които са претърпели публични или финансово значими загуби в резултат на грешки на техните системи в производство, избират да намалят зависимостта си от човешки експерти, вместо да увеличат надзора [1].

Тази оптимизация засяга ключови роли как инженери по качеството (QA), редактори и специалисти по анотиране на данни. Намаляването на човешкия ресурс се случва в момент, когато ИИ системите стават все по-комплексни и трудни за предвидимо тестване.