Сентябрь хорошо показал, куда сейчас движется рынок ИИ. Если раньше основной вопрос был «насколько хорошо модель отвечает», то сейчас всё больше внимания смещается в сторону исполнения:
может ли ИИ сам выполнить задачу, работать с данными и приложениями, соблюдать ограничения и довести процесс до результата.
Что я выделила как важные новости сентября:
🌸 OpenAI выпустила GPT-6 Astra
Новая модель заметно усилилась в сложных многошаговых задачах, работе с браузером, компьютером, кодом и профессиональными инструментами.
Для бизнеса меняется сам критерий оценки модели. Уже недостаточно сравнивать качество ответов в тестовых сценариях. Гораздо полезнее смотреть, какую часть рабочего процесса можно передать ИИ целиком.
Отдельно OpenAI отнесла Astra к самому высокому уровню риска по кибервозможностям. Чем больше действий может выполнять модель, тем важнее заранее определять её полномочия и ограничения.
📇 OpenAI представила инфраструктуру для создания ИИ-агентов
В сентябре появилась Agents API — инфраструктура для создания агентов, которые могут работать длительное время, использовать инструменты, запускать код, сохранять промежуточные результаты и подключать других агентов.
Раньше компании в значительной степени самостоятельно собирали связку:
модель + память + инструменты + логика действий + контроль
Теперь часть этой инфраструктуры постепенно становится стандартной возможностью AI-платформ.
Это снижает порог входа в агентные решения и делает их более доступными для реальных бизнес-процессов.
💻 Google и Microsoft встраивают ИИ прямо в рабочую среду
Google усилила возможности ИИ в Gmail, Drive, Docs, Sheets, Slides и Chat.
Microsoft развивает Copilot в сторону режимов, где системе можно передать задачу, а она продолжает работать самостоятельно и использовать несколько инструментов.
Сотруднику всё реже нужно отдельно открывать AI-сервис, искать документы, загружать их и заново объяснять контекст.
ИИ постепенно работает там же, где находится сама работа.
Для корпоративного обучения это тоже меняет акцент. Навык написания длинных и сложных промптов становится менее значимым сам по себе.
Гораздо важнее:
▪️ правильно поставить задачу;
▪️ дать нужный контекст;
▪️ определить ограничения;
▪️ задать критерии результата;
▪️ проверить итог.
🆕 Anthropic обновила Claude и снова снизила стоимость работы моделей
В течение сентября Anthropic выпустила несколько обновлений моделей Claude, включая новые версии Opus и Sonnet.
При этом производители всё активнее конкурируют сразу по трём параметрам:
качество + скорость + стоимость.
Вопрос «какая модель самая сильная?» переходит в плоскость оптимизации затрат:
какая модель даёт нужное качество для конкретной бизнес-задачи при разумной стоимости.
Нужно считать не только цену подписки или объём использованных токенов, а стоимость выполненной задачи или процесса.
🎤Голос превращается в способ ставить задачи ИИ
OpenAI и Google усилили голосовые режимы: ИИ получает доступ к инструментам и рабочему контексту и может не только отвечать, но и выполнять действия.
То есть сценарий постепенно меняется с «поговорить с ИИ» на «cобери информацию по проекту, сравни документы и подготовь презентацию».
Для руководителей это может стать одним из самых естественных способов работы с ИИ — ставить задачи голосом почти так же, как сотруднику.
✔️ Безопасность агентов становится отдельным направлением
Когда ИИ только отвечал на вопросы, основное внимание было сосредоточено на конфиденциальности данных.
С агентами этого уже недостаточно. Нужно определять:
🔴 к каким системам агент имеет доступ;
🔴 какие действия ему разрешены;
🔴 где требуется подтверждение человека;
🔴 как фиксируются его действия;
🔴 кто и как может остановить процесс.
28 сентябре NVIDIA представила Open Agent Safety Platform — инфраструктуру для ограничения прав агентов и независимого контроля их действий.
Это хорошо показывает общий сдвиг: безопасность ИИ всё больше касается не только данных, но и полномочий.
🍎 Что я забираю из сентября
Если собрать всё в одну логику, развитие ИИ сейчас выглядит так:
чат → агент → корпоративные данные → приложения → действия → контроль
Поэтому и корпоративное обучение должно постепенно выходить за рамки промптинга.
Сотрудникам и руководителям нужны навыки другого уровня:
▪️что можно делегировать ИИ;
▪️ как встроить его в рабочий процесс;
▪️ какие данные и инструменты ему предоставить;
▪️ где оставить контроль человеку;
▪️ как оценивать качество, стоимость и риски.
И это я помогаю выстроить у своих клиентов. На этом уровне уже начинается не просто использование нейросетей, а системное внедрение ИИ в работу компании.