Поиск и подбор сервисов для бизнеса

Схема оргструктуры с фотографиями в табличном редакторе Р7 офис – легко и просто. Фото Magnific

Наиболее простой способ составить организационную схему с портретами — воспользоваться инструментом SmartArt, который доступен в любом из редакторов Р7 офис. Для примера мы воспользуемся табличным редактором, хотя в двух других это тоже можно сделать.

Итак, у нас в наличии тестовая книга со столбцом имён, фамилий и должностей, которые нам нужны для схемки. Чтобы до неё добраться, нужно перейти на вкладку «Вставка», нажать иконку SmartArt. В выпадающем списке вы увидите доступные типы диаграмм; нас же будут интересовать класс «Иерархия». А именно — «Иерархия с круглыми рисунками». 

Смело жмём, получаем примерно такое:

Методом «копировать — вставить» через клавиатурные сочетания Ctrl+C и Ctrl+V расставим наших виртуальных людей по позициям в схеме. Чтобы вставить скопированный из ячейки текст, не нужен двойной клик — достаточно точно попасть в поле ввода курсором мыши.

В результате должна получиться примерно такая картина: 

Получилось? Теперь перейдём к следующему пункту — добавлению фото наших виртуальных сотрудников-управленцев.

В кружках, в которых и должны на нашей схеме размещаться фото, заметны два более светлых квадратика с иконками. Они подсказывают нам, что добавить изображение можно двумя разными способами. Если нажать на бледно синий квадратик справа, появится предложение ввести адрес в Интернете, по которому нужное фото доступно. Например, так:

Но в нашем случае лучший вариант — это кнопочка слева, по которой можно открыть фото, сохранённое локально, на вашем ПК.

Для красоты добавим к изображению тень. Сделать это можно с помощью панели настроек изображения, что находится справа.

И в результате у нас получилась вот такая симпатичная диаграммка.

Кстати, с помощью той же панели настроек справа можно изменить, к примеру, и форму наших фотографий. Делать это можно с помощью меню «Изменить автофигуру». Для примера мы сделаем фото руководителя не круглым, а квадратным. 

Конечно, сделать это можно и с другими нашими виртуалами. Добавим креативности?

GitHub Copilot for Jira теперь доступен для всех пользователей. Фото: из архива компании

С момента анонса в марте 2026 года получила ряд улучшений на основе отзывов пользователей, включая выбор модели, контекст Confluence через MCP, настраиваемых агентов, настраиваемые поля, рекомендации на уровне пространства и уведомления о запросах на проверку в Jira.

Как сообщается, общедоступный релиз включает несколько новых функций, призванных обеспечить большую прозрачность и контроль над сессиями агентов.

Теперь разработчики могут отслеживать прогресс работы агента по кодированию непосредственно в задаче Jira в режиме реального времени: по мере работы агента обновления статуса передаются обратно в тикет, так что можно следить за ходом выполнения, не переключаясь на GitHub.

Кроме того, после завершения работы агента и создания черновика запроса на слияние пользователи могут давать дальнейшие инструкции прямо в чате Jira, и агент продолжит работу над тем же запросом на слияние, не создавая новый, что позволяет объединить все изменения в рамках одного обзора.

Также была упрощена процедура адаптации новых сотрудников — подключение организации и репозиториев GitHub к приложению Jira теперь происходит быстрее с меньшим количеством шагов на этапе настройки.

В дополнение к этому в ходе публичного предварительного просмотра были внедрены выбор модели непосредственно в Jira, ссылки на задачи Jira в заголовках запросов на слияние, интеграция контекста Confluence через MCP, поддержка пользовательских агентов и пользовательских полей, индивидуальные рекомендации на уровне пространства, уведомления о запросах на проверку в Jira, а также улучшены инструкции по адаптации и сообщения об ошибках.

Чтобы начать работу, необходимо установить приложение GitHub Copilot for Jira из Atlassian Marketplace или обновить его до последней версии, если оно уже установлено. GitHub продолжит улучшать интеграцию на основе обратной связи пользователей.

В GitHub внедрили сохранённые представления для задач репозитория. Фото: из архива компании

Теперь любой пользователь с доступом к сортировке или выше может создавать общие представления, такие как «Неназначенные ошибки», «Требует сортировки» или «Проблемы, о которых сообщили клиенты», и достаточно настроить их один раз, чтобы все пользователи репозитория получили доступ к одному и тому же представлению.

Сохранённые представления теперь отображаются в новой боковой панели «Задачи» рядом с быстрыми ссылками, включая «Назначено мне», «Создано мной», «Упомянутые» и «Недавняя активность», что помогает быстро находить наиболее важные задачи, а боковая панель также предоставляет новое место для GitHub Projects, упрощая переход от задач к представлениям планирования, которые команда использует для организации и отслеживания работы, причём доступ к вехам и меткам также стал проще из той же боковой панели.

Помимо этого, в табличных макетах проектов появилась возможность задавать высоту строк: в параметрах просмотра можно выбрать опцию «Высота строки» и установить один из вариантов — «Одиночная», «Средняя», «Высокая» или «Очень высокая», чтобы оставить больше места для дополнительной информации при необходимости.

В GitHub приглашают пользователей делиться отзывами в обсуждениях сообщества, чтобы они напрямую влияли на развитие продукта.

В GitHub Actions шаги рабочих процессов теперь можно выполнять параллельно. Фото: СС0

Ранее все шаги в workflow выполнялись последовательно, и каждый следующий шаг запускался только после завершения предыдущего, хотя существовала возможность использовать фоновый запуск через оболочку с помощью оператора (&), однако это часто приводило к перемешиванию логов от разных шагов.

Новое решение позволяет выполнять шаги параллельно, сохраняя при этом раздельные логи и изолированное выполнение. Для этого вводятся четыре новых ключевых слова: background: true запускает шаг асинхронно и немедленно переходит к следующему; wait и wait-all приостанавливают выполнение до завершения одного или нескольких именованных фоновых шагов, причём wait может нацеливаться на один или несколько конкретных шагов, а wait-all — на все ранее запущенные фоновые шаги; cancel обеспечивает корректное завершение фонового шага, когда он больше не нужен.

Это позволяет запускать долго работающие сервисы и останавливать их в нужный момент; parallel принимает группу шагов и преобразует их в фоновые с автоматическим ожиданием после, что является синтаксическим сахаром для паттерна «выполнить эти шаги одновременно, затем продолжить».

Обновление упрощает обработку типичных сценариев в рамках одного задания: выполнение независимых работ в истинном параллелизме, например, нескольких сборок одновременно; запуск фонового сервиса, выполнение зависимой работы и последующая чистая остановка сервиса; а также запуск неблокирующих задач, которые могут продолжаться во время выполнения последующих шагов, например, загрузка телеметрии параллельно с упаковкой артефакта.

JetBrains внедрила в Rider 2026.2 EAP 8 новый навык для агентов внутри AI Assistant. Фото: из архива компании

Как объясняется в блоге, проблема заключается в том, что, когда приложение зависает на десять секунд, ИИ-агент без доступа к профилировщику вынужден изучать код и делать предположения, находя правдоподобные неэффективности и уверенно выдавая их за причину, но в реальных зависаниях это обычно не работает.

Новый навык dottrace-analyze работает по простой схеме: разработчик передаёт агенту уже захваченный снимок .dtp, сделанный с помощью dotTrace — из Rider, автономного профилировщика или командной строки, — и агент сначала читает профиль, находит, куда на самом деле ушло время, проходит по горячему пути обратно в код и объясняет, что именно медленно работает и почему, с рекомендациями по дальнейшим действиям.

Результаты тестирования оказались впечатляющими: средняя оценка точности выросла с 4,71 до 8,15 из десяти, количество запусков с оценкой восемь и выше удвоилось с 29 до 59 из 80, а число идеальных попаданий в корневую причину более чем удвоилось с 20 до 48.

В одном из тестовых сценариев с известной проблемой зависания Avalonia при завершении работы агент без навыка набирал в среднем 1,6 балла из десяти, блуждая по рендеринговому коду и выдавая общие рекомендации, тогда как с навыком он получил десять из десяти во всех десяти запусках, мгновенно находя горячий путь в текстовом форматировании, где около 88% процессорного времени уходило на доступ к индексатору слайсов внутри правил BiDi.

Агент с навыком не просто называл метод, он объяснял цепочку вызовов, количественно оценивал горячую область, отделял корневую причину от симптомов и предлагал исправление, напрямую вытекающее из профиля — например, материализовать ранжирование в непрерывный Span<T> перед циклами правил.

Стоимость использования навыка, однако, реальна: в основном бенчмарке из 80 запусков средняя стоимость выросла с 1,91 до 2,61 $ за запуск, но в сценарии с зависанием завершения работы агент без навыка тратил 3,74 доллара и 373 секунды впустую, тогда как с навыком — всего 2,58 $ и 206 секунд, потому что измерение сначала резко сокращало пространство поиска.

Траектории поиска радикально изменились: без навыка агент делал 19 вызовов инструментов — два поиска под-агентов, 13 чтений, два глоба и два грепа, никаких измерений, только умозаключения, и в итоге застревал на таймерах Win32DispatcherImpl, тогда как с навыком он делал всего десять вызовов — один вызов навыка, пять вызовов профилировщика, один глоб, один греб и два чтения, сначала читал снимок, находил захват на 7,3 секунды с одним ядром, занятым около 5,5 секунд, затем исследовал дерево вызовов, находил самый большой лист с собственным временем — List<T>.Remove через Classes.RemoveListener, переходил в SafeEnumerableList.cs и подтверждал корневую причину — рекурсивное отсоединение с квадратичной сложностью удаления слушателей.

Навык уже доступен в Rider 2026.2 EAP 8, и в рамках программы раннего доступа его можно попробовать бесплатно, хотя для обычного лицензирования профилирующая часть требует подписки dotUltimate или All Products Pack, поскольку Rider-only не включает dotTrace. Команда JetBrains подчёркивает, что это ранняя экспериментальная реализация, и приглашает пользователей оставлять отзывы о полезности отчётов и надёжности работы, а скачать последнюю публичную сборку можно уже сейчас.

Функция «Чтение вслух» в Google Classroom теперь доступна всем пользователям образовательных учреждений. Фото: СС0

Как сообщил представитель Google Пол Хименес Вела, в компании считают, что это откроет доступ к инструментам повышения грамотности для миллионов учащихся и поможет педагогам и руководителям образовательных учреждений добиться лучших результатов обучения и прогресса в освоении основ грамотности.

Приложение Read Along разработано для развития у учащихся навыков говорения, слушания и декодирования и предлагает гибкие режимы обучения, позволяющие практиковаться вслух с обратной связью в реальном времени, слушать рассказы или читать книги самостоятельно, а чтобы помочь начинающим ученикам перейти от простого обучения чтению к чтению для обучения, Read Along включает вопросы непосредственно в материал для постоянного улучшения понимания, а также поддержку в декодировании посредством разбора слов.

Педагоги могут использовать функцию «Чтение вслух» в Google Classroom для обеспечения персонализированной практики чтения для каждого ученика, а панель аналитики, отображающая прогресс как отдельных учащихся, так и всего класса, помогает в планировании обучения и упрощает создание индивидуальных заданий по чтению с учётом потребностей.

С этим обновлением все пользователи Google Workspace for Education получают доступ к индивидуально настроенному процессу чтения в Classroom, поддержке произношения и разбора слов в реальном времени, аналитике точности, скорости, понимания, фонетических навыков и прогресса, обширной библиотеке из сотен книг на восьми языках, включая английский, испанский, португальский, урду, арабский, тайский, индонезийский и малайский, с такими материалами, как пособия Heggerty, статьи ReadWorks и локализованные издания вроде Turma da Mônica в Бразилии, а также многоязычной поддержкой для изучающих английский язык с обратной связью как на английском, так и на родном языке.

С помощью Gemini педагоги могут создавать дифференцированные задания по чтению, адаптированные к фонетическим навыкам, темам и уровням чтения, а также добавлять существующий контент для лучшей адаптации поддержки учащихся в реальном времени.

Расширенные аналитические возможности, такие как отслеживание прогресса с течением времени или по разным заданиям и выгрузка данных через BigQuery, доступны только в пакете Education Plus и дополнении Teaching & Learning.

Функция будет включена по умолчанию, администраторы могут отключать её на уровне домена и подразделения или включать на уровне группы, даже если она отключена на уровне подразделения.

Развертывание для модулей с ускоренным и запланированным выпуском уже началось и завершится к 3 июля 2026 года. Функция доступна для всех редакций Education — Fundamentals, Standard и Plus, а также для дополнений Google AI Pro for Education, Teaching & Learning и Endpoint Education, а также для некоммерческих организаций.

Команда GitHub добавляет в npm превентивную защиту для учётных записей, оказывающих значительное влияние. Фото: из архива компании

Сообщается, что, когда такая учётная запись меняет свой адрес электронной почты или использует код восстановления двухфакторной аутентификации, она переводится в состояние «только для чтения» на 72 часа.

На предыдущий адрес электронной почты отправляется оповещение, о тоим, что блокируется вектор атаки, использовавшийся в недавних инцидентах с цепочками поставок, когда скомпрометированная учётная запись меняла почту, создавала новый токен и публиковала вредоносные версии пакетов.

В течение периода ограниченного доступа пользователи по-прежнему могут устанавливать и загружать пакеты, просматривать свои организации и команды, а также просматривать настройки учётных записей и пакетов, однако действия, которые могут повлиять на безопасность реестра или учётной записи, такие как публикация, управление токенами, изменение видимости пакетов или изменение членства в организации и команде, приостанавливаются до снятия защитного механизма.

Для восстановления полного доступа никаких действий не требуется: учётная запись автоматически возвращается в нормальное состояние через 72 часа без необходимости повторного подтверждения, а пакеты остаются полностью доступными для всех, кто от них зависит.

Если пользователь считает, что его учётная запись была затронута неожиданно, или ему нужна помощь в период ограниченного доступа, он может обратиться в службу поддержки npm.

Slackbot за три месяца: от действий к зрению, а теперь — к знанию команды и всего стека. Фото: из архива компании

В апреле Slackbot научился действовать — создавать записи в Salesforce, выполнять задачи по расписанию и строить навыки, которые работают внутри систем, уже используемых командой, и один такой навык, созданный инженером по продажам для логирования активности после звонков клиентам, за три недели распространился среди 466 коллег, сэкономив каждому по 43 минуты в неделю, причём 73% узнали о нём через сарафанное радио.

В мае Slackbot научился видеть — выходить за пределы Slack, искать в интернете, читать PDF-файлы, строить нативные диаграммы из сырых чисел и возвращать найденное прямо в разговор, так что результат оказывался там, где уже идёт работа, без необходимости переводить его в отдельный файл или документ.

А 24 июня Slackbot получил ключевое обновление: он научился узнавать пользователя, его команду и весь технологический стек, а также слушать голосовые команды через Voice Actions на мобильном телефоне, позволяя просто сказать вслух, что нужно сделать, выходя из встречи или, когда руки заняты.

В отличие от большинства ИИ, которые запоминают только то, что им рассказали в настройках, Slackbot извлекает контекст из реальной работы команды — решений, принятых в каналах, проектных веток, где хранится настоящий ответ, контекста сделок Salesforce из звонков, произошедших в Slack, и чем больше команда работает в Slack, тем острее становится помощник, который уже знает заинтересованных лиц, спорные моменты и последние слова лидера по сделке, даже если к ней не прикасались шесть недель.

Этот контекст накапливается и распространяется через навыки, когда один человек выясняет эффективный способ подготовки к возобновляющему звонку или превращает запутанные данные в отчёт для вице-президента за 30 секунд, и это знание больше не путешествует только через сарафанное радио, а становится доступным всей команде.

Благодаря MCP Slackbot теперь подключает весь стек — Google, Atlassian, Box, Notion, DocuSign и другие — в один разговор, избавляя от необходимости выходить из Slack, чтобы получить ответ, или переобъяснять контекст.

Сквозная идея всех трёх месяцев проста: память делает Slackbot лучше для отдельного пользователя, навыки распространяют это преимущество на команду, MCP приносит остальной стек в разговор, и каждый сотрудник получает ИИ, который становится умнее не только от собственного использования, но и от того, что его используют все вокруг, а для тех, кто никогда не открывал Slackbot, потому что печатать казалось лишним действием, теперь достаточно просто произнести запрос вслух.

Платформы Cisco AI PODs для совместной работы стали общедоступными. Фото: из архива компании

Это позволяет организациям, которые не могут перейти в облако или работают в изолированных сетях, включая оборонные подрядчики, финансовые учреждения, медицинские организации и государственный сектор, наконец получить доступ к функциям искусственного интеллекта, которые ранее были доступны только облачным клиентам.

Как сообщил представитель Cisco Ашиш Чотаи, платформы обеспечивают транскрипцию в реальном времени для локального сервера Cisco Meeting с практически мгновенным результатом на пяти языках — английском, французском, испанском, итальянском и немецком

При этом все данные обрабатываются локально и никогда не покидают границы инфраструктуры организации, а шифрование TLS 1.3, аутентификация по ключу API и зашифрованное хранилище гарантируют сквозную защиту каждого взаимодействия.

Решение поддерживает развертывание в изолированных сетях без требований к внешнему подключению и масштабируется до 700-800 одновременных сеансов транскрипции на один модуль с интеллектуальной встроенной балансировкой нагрузки, которая автоматически распределяет сессии между несколькими POD-ами, обеспечивая оптимальное использование ресурсов и непрерывную доступность сервиса без ручного вмешательства.

В Cisco подчёркивают, что это не копирование облачных функций, а создание решения, обеспечивающего надёжность, контроль и индивидуальную настройку для уникальных задач локальных развертываний, и концепция взаимосвязанного интеллекта — непрерывного цикла взаимодействия человека с ИИ и человека — остаётся путеводной звездой, гарантируя, что даже самые чувствительные к безопасности организации не будут вынуждены выбирать между возможностями ИИ и контролем над данными.

В планах компании — расширять возможности, включая функцию суммирования с помощью ИИ-помощника, поддержку дополнительных языков и поддержку локальных систем обработки звонков и контакт-центров, а клиенты Webex Cloud также смогут использовать AI PODs для обеспечения того же приватного и контролируемого опыта в гибридных развертываниях.

Центры затрат GitHub теперь поддерживают корпоративные команды. Фото: СС0

Теперь владельцы предприятий и менеджеры по выставлению счетов на платформе GitHub Enterprise Cloud могут добавлять корпоративные команды в качестве ресурсов в центр затрат, и все расходы, понесённые членами команды, автоматически относятся к этому центру затрат. При изменении состава команды — будь то ручное обновление или синхронизация с поставщиком идентификации через SCIM — распределение затрат обновляется автоматически без необходимости переназначать участников вручную.

Корпоративные команды определяют, кто относится к центру затрат, а бюджеты и лимиты использования привязаны к самому центру затрат, поэтому добавление команды служит способом поддержания актуальности членства, а не установления лимитов расходов.

Как считают разработчики сервиса, этот функционал станет особенно полезным для предприятий, которые уже используют корпоративные команды для управления доступом и ролями в масштабах всей организации: теперь можно использовать те же команды для распределения затрат, поддерживая соответствие структуры выставления счетов организационной структуре, а также это создаёт основу для ограничения расходов по группам — как только команда попадает в центр затрат, можно установить бюджет для этого центра, и каждый член команды наследует его.

Чтобы начать работу, нужно перейти в настройки выставления счетов и лицензирования компании, открыть раздел «Центры затрат» и добавить команду компании в разделе «Ресурсы» при создании или редактировании центра затрат.