Внедрить ИИ-инструменты — это лишь первый шаг

Игровой издатель Arkadium запустил Game Lab — открытый рейтинг того, как разные нейросети играют в простые игры.

Ожидание было такое: топовые модели, которые решают олимпиадные задачи по математике, легко разберутся и с игрой Gin Rummy. Это карточная игра на двоих, где выигрывает тот, кто быстрее соберёт карты в комбинации, что-то вроде упрощённого покера. На практике же топовые модели проигрывали обычным игрокам-людям 9 партий из 10.

Тогда Arkadium обучили свою маленькую модель: 4,6 млн параметров, 18 мегабайт, на обычном процессоре, без дорогих серверов. И уже она начала выигрывать у человека 9 партий из 10, а обходиться в $60 в год вместо потенциально миллионов на аренде большой модели уровня GPT.

Сверху появился второй доход: Arkadium продают анонимные данные об игровых партиях компаниям вроде Anthropic, OpenAI и DeepMind, которые как раз и строят большие модели. Те дообучаются на этих данных и подтягиваются, например, GPT-5.6 после этого заметно улучшила результаты в решении кроссвордов.

Ещё один пример: Cursor строился поверх модели Claude от Anthropic. Anthropic же называла свой Claude Code только «исследовательским проектом», а он тем временем вырос в прямого конкурента Cursor.

Мысль обеих историй одна: выигрывает тот, кто чётко понимает цель и умеет измерить результат. Внедрить ИИ-инструменты — только первый шаг: главная сложность в определении измеримых бизнес-целей и метрик «хорошего» результата.