Google режет трафик паблишерам, а разработчики режут промпты LLM: дайджест за 4 августа

01 · ДиректGoogle обнулил паблишерам иллюзии: минус 34% трафика за год

Трафик паблишеров из Google упал на34% за год, и это сухая статистика, а не пресс-релиз оптимистов. Сильнее всего досталось мелким и средним площадкам. У них нет ни брендового трафика, ни бюджета на SEO-реанимацию, ни ресурсов конкурировать за место в выдаче, которая всё активнее скармливает ответы прямо в сниппетах и AI-обзорах.

Крупные издания проседают меньше: у них есть прямые заходы, рассылки, соцсети и узнаваемость бренда, которая работает как страховка. А нишевые сайты, которые жили исключительно на органике из Google, сейчас в позиции «либо меняй модель монетизации, либо закрывайся».

Органика перестаёт быть бесплатным каналом, площадки для медиабаинга сжимаются

• Органика перестаёт быть бесплатным каналом. Если раньше можно было выехать на контенте и терпении, то теперь без диверсификации трафика (соцсети, email, платный трафик) сайт медленно, но верно теряет аудиторию.
• Рекламные площадки для медиабаинга сжимаются. Меньше трафика у паблишеров, меньше инвентаря для размещения рекламы, особенно в нишевых вертикалях.
• AI-обзоры в выдаче забирают клики себе. Пользователь получает ответ прямо в поиске и не доходит до сайта, поэтому ценность классического SEO-трафика падает, а ценность прямых каналов растёт.

02 · ИИЗакон об ИИ есть, а инфраструктура — нет: только 20% КИИ готовы

По данным исследования К2Тех, только20% компаний из критической информационной инфраструктуры имеют data-инфраструктуру, полностью готовую к требованиям закона об ИИ. Остальные 80% находятся где-то между «частично готовы» и «а что, уже нужно было готовиться?».

Закон об ИИ требует от компаний прозрачности данных, контроля происхождения датасетов и соответствия процессов хранения информации новым нормам. Для КИИ, банков, энергетики, телекома это обязаловка с понятными санкциями за нарушение.

Инфраструктура данных становится узким горлышком для ИИ-проектов

• Инфраструктура данных становится узким горлышком. Красивые ИИ-пилоты не взлетят, если данные хранятся в хаосе без учёта требований регулятора.
• 80% компаний рискуют попасть в цейтнот. Готовиться постфактум, когда проверки уже начнутся, будет дороже и нервознее, чем сделать это сейчас.
• Юристы и дата-инженеры теперь работают в одной команде. Комплаенс по ИИ включает не только бумажки, но и техническую архитектуру хранения и обработки данных.

03 · ИИDocGen: как затащить AI-ассистента в работу системного аналитика и не сгореть

Автор на Habr рассказал историю созданияAI-ассистента для системного аналитика под названием DocGen, проекта, который писался в связке с агентским чатом внутри IDE. Это конкретный кейс с граблями реальной разработки, а не абстрактная теория про «ИИ всё изменит».

Статья написана соавтором, который непосредственно кодил с ассистентом, а не просто наблюдал со стороны. Это придаёт тексту практическую честность: без утверждений, что ИИ решит всё или что он бесполезен, с конкретикой, что получилось и какой ценой.

AI-ассистенты для аналитиков становятся рабочим инструментом команд

• AI-ассистенты для аналитиков — это уже не эксперимент, а рабочий инструмент. Задачи вроде генерации документации становятся зоной, где ИИ реально экономит часы.
• Агентские чаты в IDE меняют роль разработчика. Всё больше кода пишется в диалоге с моделью, а не с нуля вручную, и это требует новых навыков постановки задач.
• Личный опыт ценнее маркетинговых кейсов вендоров. Такие статьи дают редкий шанс увидеть реальные трудности внедрения, а не глянцевую презентацию с конференции.

Habr

04 · CRMПереписали CRest с нуля: гонки токенов и мультипортальность, о которых молчит документация Битрикса

Разработчик описал на Habr, как пришлосьпереписать CRest, официальную обёртку Битрикс24 для REST API, с нуля, потому что стоковая версия ломается при выходе в реальную эксплуатацию с несколькими порталами и фоновыми воркерами. Штатный CRest умещается в один файл и отлично работает в демо, но не в проде.

Основные проблемы стока: гонки токенов при параллельных запросах, даунтаймы при обновлении access-токенов и полное отсутствие поддержки мультипортальности, то есть работы с несколькими инсталляциями Битрикса одновременно из одного приложения.

Копипаста CRest ведёт в технический долг интеграторов

• Копипаста CRest из примеров — путь в технический долг. То, что работает в туториале, разваливается на реальной нагрузке с несколькими порталами.
• Мультипортальность нужно проектировать заранее. Если приложение растёт за пределы одного клиента, штатная архитектура CRest становится узким местом.
• Гонки токенов — это не гипотетическая проблема. Даунтаймы при обновлении токенов бьют по реальным пользователям в проде, а не только по тестовым стендам.

Habr

05 · ИИКак приручить LLM: вопросы, на которые никто не хочет отвечать честно

Автор материала на Habr поднимает практичный набор вопросов о цифровых сотрудниках на базе LLM: получилось ли их сделать, сколько времени это заняло, насколько они качественные и во сколько обходится их обслуживание. Это попытка трезво разобраться в технологии ведения диалогов нейросетями, а не рекламный пост про очередного идеального ИИ-бота.

Сама постановка вопросов показательна: индустрия наигралась восторгами про «цифровых сотрудников» и постепенно доходит до стадии, где важнее не факт запуска бота, а его реальная стоимость владения и качество на дистанции.

Стоимость обслуживания LLM-ботов важнее факта их запуска

• Вопрос не «работает ли ИИ», а «сколько он стоит в обслуживании». Многие проекты недооценивают эксплуатационные расходы после первого успешного запуска.
• Долго старались — не значит хорошо получилось. Время разработки и качество результата — разные метрики, и их путают чаще, чем стоило бы.
• Диалоговые LLM требуют постоянной донастройки. Это не «поставил и забыл», а живой процесс с итерациями.

Habr

06 · ИтогЧто все эти новости значат для бизнеса

Картина дня простая: старые каналы, органика из Google, сжимаются, новые требования закона об ИИ наступают на пятки, а внутри разработки, что CRM, что LLM-ассистентов, приходится переписывать чужие коробочные решения под реальную нагрузку. Никакой магии, только инженерная работа и трезвый расчёт затрат.

Нельзя строить стратегию на одном канале трафика и на одном вендорском промисе про ИИ. Данные нужно готовить к регуляторике заранее, а не когда придёт проверка. Любой AI-инструмент, будь то ассистент аналитика или чат-бот, стоит оценивать не по хайпу презентации, а по реальной стоимости владения через полгода эксплуатации. В AdUnicorn периодически проходят через те же грабли с клиентскими проектами, и дешевле учиться на чужих кейсах с Habr, чем на своих.