🌐Как ИИ меняет бизнес🌐

🚨Комментарий Трампа на призыв от лидеров ИИ компаний к замедлению развития технологии:

«Единственный контроль или “ограничители”, которые нужны ИИ, — это СИЛЬНЫЙ И УМНЫЙ (с высоким IQ!) ПРЕЗИДЕНТ, и у США такой есть — в избытке!

Администрация Трампа уже останавливала людей из сферы ИИ от совершения плохих или потенциально плохих “вещей”, таких как Дарио (Anthropic!), который сейчас притворяется “идеальным маленьким ангелом”, — и мы продолжим это делать!

У нас уже есть огромные УГОЛОВНО-ПРАВОВЫЕ и РЕГУЛЯТОРНЫЕ полномочия в отношении этих компаний!

Против ИИ и дата-центров разворачивается БОЛЬНОЙ заговор, и единственный, кто этому рад, — Китай.

КТО ПОБЕДИТ В ИИ — ТОТ ПОБЕДИТ!

Мы опережаем Китай и всех остальных и продолжим это делать.

Сторонники теорий заговора, изменники, предатели и те, кто сливает информацию, — БЕРЕГИТЕСЬ!

Спасибо за внимание к этому вопросу!

Президент ДОНАЛЬД ДЖ. ТРАМП»

🤖💰 Экономика +32%, зарплаты офисных работников - вниз. Anthropic показала, как ИИ может переделить экономику к 2030 году

Anthropic опубликовала довольно любопытную модель будущего экономики США.

И главный вывод там, на мой взгляд, совсем НЕ «ИИ заберёт наши рабочие места».

Он интереснее:

👉 ИИ может сделать общество намного богаче, но большая часть нового богатства будет доставаться не работникам, а владельцам капитала (кто бы сомневался😁)

Anthropic смоделировала три сценария развития ИИ до 2030 года.

1️⃣ Умеренный сценарий

ИИ развивается примерно как интернет: постепенно повышает эффективность, но революции не происходит.

Дополнительный ВВП к 2030 году: +1,6%.

То есть ИИ — важная технология, но экономика продолжает жить примерно по знакомым правилам.

2️⃣ Сильный сценарий

ИИ уже способен выполнять около половины интеллектуальной работы, причём значительную часть — самостоятельно.

Экономика растёт примерно вдвое быстрее обычного.

ВВП к 2030 году оказывается на 8,3% выше, чем был бы без такого развития ИИ.

Но появляется интересный эффект:

📌 зарплаты работников интеллектуального труда практически перестают расти;

📌 зато растёт спрос на профессии, которые сложнее автоматизировать.

Например, электриков, медсестёр, строителей и других специалистов физического мира.

3️⃣ Экстремальный сценарий 🤯

Вот здесь начинается самое интересное.

ИИ становится эффективнее человека почти во всех задачах интеллектуального труда и способен выполнять их практически самостоятельно.

Тогда:

💰 ВВП США к 2030 году может оказаться на 32,4% выше базового сценария;

🚀 ежегодный рост экономики в какой-то момент достигает 15%;

📈 при таких темпах экономика удваивается примерно каждые 4,5 года;

📉 при этом зарплаты работников интеллектуального труда снижаются более чем на 10%, а безработица среди них резко растёт.

Но самая интересная цифра вообще не про безработицу.

🧠 Меняется то, кому достаются деньги.

Сегодня в модели Anthropic примерно 60% создаваемой стоимости получает труд, около 40% — капитал.

В экстремальном ИИ-сценарии:

👨‍💼 работники — 45,2%

🏭 владельцы капитала — 54,8%

То есть пирог становится намного больше.

Но доля работников в нём — меньше.

💡 Что это значит для бизнеса?

Мне кажется, здесь есть три важных следствия.

Первое. Владение ИИ-инфраструктурой становится отдельным конкурентным преимуществом.

Модели, вычисления, данные, автоматизированные процессы, интеллектуальная собственность — всё это превращается из «ИТ-инструментов» в капитал, который сам создаёт всё большую долю стоимости.

Второе. Под угрозой не обязательно профессии целиком — автоматизируются отдельные задачи.

Работа директора, юриста, аналитика или менеджера состоит из десятков разных задач.

Часть останется человеческой.

Часть человек будет делать вместе с ИИ.

А часть ИИ заберёт полностью.

Поэтому главный вопрос для руководителя уже сейчас:

👉 из каких задач состоит работа сотрудников и какие из них действительно должен делать человек?

И третье — возможно самое неприятное.

Если сильный сценарий реализуется, основной экономический конфликт эпохи ИИ будет не «человек против машины».

Он будет между:

теми, кто продаёт свой труд

и

теми, кто владеет машинами, моделями, данными и автоматизированными компаниями.

🐚 Итого:

Многие сегодня смотрят на ИИ как на способ сократить расходы на 10–20%.

Но если Anthropic хотя бы частично права, мы наблюдаем не очередной инструмент автоматизации.

Мы наблюдаем возможное изменение самой экономики: ценность постепенно переходит от выполнения интеллектуальной работы к владению системами, которые эту работу выполняют.

И вот тут интересный вопрос товарищи:

что в мире массовой ИИ-автоматизации станет главным активом - капитал, данные, бренд, доступ к клиентам или всё-таки люди?

Пишите свою версию 👇

🤯 OpenAI заявила, что ИИ решил одну из главных математических задач человечества

И это очень и очень серьезная заявка на потенциал ИИ.

Вчера OpenAI опубликовала работу, в которой утверждает: её новая внутренняя модель нашла решение задачи Навье-Стокса - одной из семи «задач тысячелетия».

🧠 Что вообще такое задачи тысячелетия?

В 2000 году Математический институт Клэя выбрал 7 чрезвычайно сложных нерешённых задач современной математики.

За решение каждой назначена премия $1 млн.

Это фундаментальные вопросы, над которыми лучшие математики мира могут работать десятилетиями. Пока была решена только 1 задача из 7.

🌊 А в чём проблема Навье-Стокса?

Уравнения Навье-Стокса описывают движение жидкостей и газов: воды, воздуха, потоков вокруг самолёта и т.д.

Но есть фундаментальный вопрос:

👉 если поток изначально ведёт себя нормально и плавно - может ли в какой-то момент математика внезапно «сломаться», создав так называемую сингулярность, где скорость стремится к бесконечности?

Почти 90 лет строгого ответа на этот вопрос не было.

🤖 Что утверждает OpenAI?

По заявлению компании, её ИИ построил доказательство того, что такая сингулярность может возникнуть за конечное время.

Причём система не просто выдала текст: доказательство было дополнительно формализовано в системе Lean, которая позволяет проверять математические доказательства машинным способом.

Для поиска решения OpenAI запустила около 10 000 ИИ-агентов параллельно. Они работали примерно 88 часов.

И вот здесь вишенка на торте 🍰.

OpenAI утверждает, что ИИ самостоятельно получил новое доказательство задачи, над которой математики бились десятилетиями.

⚠️ Но праздновать пока рано

Во-первых, результат только опубликован. Ему ещё предстоит независимая проверка математическим сообществом.

Во-вторых, уже появились несогласные.

Например, профессор аэрокосмической инженерии Крис Комбс обращает внимание:

заголовок «ИИ решил уравнения Навье—Стокса» вводит в заблуждение. ИИ не нашёл универсального способа рассчитывать любые потоки - речь идёт о решении конкретной фундаментальной математической проблемы, связанной с существованием сингулярности"

Другие критики считают спорным то, что сингулярность строится при наличии специальной внешней силы. При этом важная деталь: официальная постановка задачи Клэя действительно допускает такой вариант решения, поэтому просто назвать это «лазейкой» тоже неправильно.

🔥 А параллельно разгорается ещё более неприятный спор - об авторстве

Математики Тристан Бакмастер и Левент Альпёге ранее работали над близким направлением и использовали в том числе инструменты OpenAI.

После публикации появились обвинения и подозрения, что OpenAI могла получить преимущество благодаря информации об их ещё не опубликованной работе. На это указывают и несколько активно обсуждаемых сейчас постов в X.

OpenAI уже отдельно ответила на эти обвинения.

Компания утверждает, что её исследователи и ИИ-агенты не видели работы Бакмастера и Альпёге до её публикации, а конкретные пользовательские данные не использовались для решения задачи.

📌Но есть любопытная оговорка: OpenAI признаёт, что не может полностью исключить, что обезличенные данные от использования её продуктов когда-то косвенно помогли улучшить модели.

Итак...результат есть, хайп есть, инфоповод есть. Осталось понять выдержит ли проверку доказательство.

И если так, то возникает "хорошо забытый новый" вопрос:

кому принадлежит научное открытие, если исследователь годами думает над проблемой вместе с ИИ, а затем компания-разработчик ИИ сама приходит к похожему результату?

🚫🤖 Не давайте GPT-6 Astra всем сотрудникам

OpenAI выпустила GPT-6 Astra — свою новую сверхмощную модель.

И первая реакция многих компаний будет предсказуемой:

👉 «Давайте подключим её всем»

Я бы сделал ровно наоборот.

Большинству сотрудников Astra вообще не нужна!!!

Потому что использовать самую сильную и дорогую модель для обычной рутины — это примерно как нанять партнёра McKinsey, чтобы он переносил данные из Excel в CRM.

Смысл Astra совсем в другом.

🔥 Её нужно ставить туда, где одна правильно решённая задача стоит бизнесу сотни или тысячи долларов.

Например:

• изучить сотни документов и найти риски;

• разобраться в большой кодовой базе;

• провести исследование и собрать презентацию руководству;

• выполнить цепочку действий в браузере, CRM и других системах.

То есть новая модель интересна бизнесу не как ещё один «умный чат», а как дорогой цифровой специалист, которому можно делегировать целый кусок работы.

И отсюда я бы сформулировал 5 правил внедрения.

1️⃣ Astra должна быть не моделью «по умолчанию», а моделью эскалации

Простые задачи прекрасно решаются более дешёвыми моделями.

Поэтому архитектура должна быть такой:

🟢 простая задача → дешёвая модель

🟡 сложная задача → Astra

🔴 критически важная задача → Astra + проверка человеком

Например:

Сделать краткое резюме разговора клиента — обычная модель.

А вот изучить всю историю клиента, переписку, договор, предыдущие покупки и подготовить стратегию переговоров по сделке на $1 млн — уже Astra.

2️⃣ Забудьте про стоимость токена

У Astra цена через программный интерфейс — $10 за 1 млн входных токенов и $50 за 1 млн выходных.

На первый взгляд дорого.

Но бизнесу вообще не надо оптимизировать стоимость токена.

Нужно оптимизировать:

💰 стоимость выполненной работы.

Если аналитик потратит на задачу 8 часов, а ИИ сделает её за несколько долларов — уже не так важно, какая именно модель была дешевле на 30%.

3️⃣ Не включайте максимальное мышление без необходимости

У Astra можно регулировать глубину рассуждений.

И здесь компаниям тоже захочется нажать:

🔥 MAXIMUM INTELLIGENCE 🔥

…на каждую задачу.

Не надо😁

Условно:

🟢 обычный документ → низкая глубина;

🟡 серьёзный анализ → средняя;

🔴 стратегия, сложное программирование или решение с высокой ценой ошибки → высокая/максимальная.

4️⃣ Не загружайте в неё всю компанию

Контекст Astra огромный — около 1,05 млн токенов.

Звучит очень соблазнительно:

«А давайте просто дадим ей все договоры, переписку и регламенты».

Плохая идея⛔️

Во-первых, модели не обязательно нужна вся информация.

Во-вторых, после 272 тыс. входных токенов стоимость существенно увеличивается.

Поэтому правильный подход:

сначала найти нужные данные → потом дать их сильной модели → получить решение.

А не:

«Вот тебе корпоративный диск на 10 лет, разбирайся».

5️⃣ Главный эффект будет не от генерации текста

Вот это, на мой взгляд, самое интересное.

Astra умеет работать не только с текстом, но и выполнять задачи через компьютер: браузер, сайты, системы компании.

Именно здесь потенциально лежит самый большой ROI.

Не:

💬 «Напиши отчёт».

А:

⚙️ «Сделай работу».

Например:

🤝 Продажи:

«Изучи 200 крупнейших клиентов → найди тех, у кого высокий риск оттока → подготовь менеджерам рекомендации → обнови CRM».

📊 Стратегия:

«Изучи рынок, конкурентов и финансовые отчёты → сформируй три сценария → собери презентацию для совета директоров».

🐚 И вот какой вывод я бы сделал для руководителей.

Не надо покупать самый мощный ИИ и раздавать его всей компании.

Нужно сначала найти:

👉 10 самых дорогих интеллектуальных процессов в бизнесе.

А потом спросить:

«Какие из них теперь можно частично или полностью отдать Astra?»

Идеальная схема, на мой взгляд, постепенно будет выглядеть примерно так:

80% простой работы → дешёвые модели

15% сложной работы → сверхмощные модели вроде Astra

5% самых критичных решений → ИИ + человек

Компании, которые построят такую систему, получат гораздо больше эффекта.

💬 Кто-нибудь уже опробовал новую модел? Как впечатления?

Пишите 👇

🤖💸 Билл Гейтс: "ИИ нужно обложить налогом. И некоторые профессии сознательно оставить людям"

Билл Гейтс опубликовал большой текст об эпохе ИИ. И это, пожалуй, один из самых тревожных его материалов за последнее время.

Главная мысль:

ИИ либо станет величайшим инструментом выравнивания возможностей в истории — либо создаст чудовищное неравенство

И Гейтс считает, что мы пока вообще не готовы ко второму сценарию.

🐚Почему?

Потому что нынешняя технологическая революция отличается от предыдущих.

Когда появились компьютеры, бизнесу потребовались десятилетия, чтобы перестроить процессы.

ИИ уже работает на существующих устройствах, понимает обычный язык и может обучаться на тех же материалах, на которых компании обучают сотрудников.

То есть скорость его проникновения в бизнес может быть совершенно другой

⚠️ Гейтс выделяет три больших риска

1️⃣ Часть рабочих мест исчезнет навсегда

Под ударом — продажи, клиентская поддержка, программирование, юридическая работа, аналитика, кредитный скоринг и даже часть медицинских задач.

А вслед за «офисным» ИИ придут роботы — в строительство, гостиницы, производство и другие физические профессии.

И здесь включается очень простой экономический механизм:

одна компания автоматизировалась → снизила издержки → снизила цены → конкурентам тоже приходится автоматизироваться.

То есть внедрение ИИ будет ускорять не только технология, но и обычная конкуренция

2️⃣ ИИ резко удешевит кибератаки, мошенничество и манипуляции

Тот же ИИ, который помогает компании найти уязвимость, может помочь преступнику её использовать.

А стоимость подобных атак будет падать.

3️⃣ ИИ может начать заменять не только работу, но и человеческие отношения

Гейтс отдельно беспокоится об ИИ-компаньонах, детях, образовании и снижении критического мышления.

Но самое интересное начинается дальше.

💰 Гейтс предлагает облагать налогом ИИ и роботов

Логика такая:

когда компания нанимает человека — она платит налоги с его труда.

Когда компания покупает робота — это, наоборот, зачастую становится расходом бизнеса.

Получается, налоговая система сама делает замену человека машиной экономически привлекательнее.

Поэтому Гейтс предлагает налог на роботов и использование ИИ, а полученные деньги направлять на переобучение и поддержку людей, потерявших работу.

👨‍⚕️ А ещё он предлагает новую концепцию — Human Reserved, то есть «зарезервировано для людей».

Смысл:

даже если ИИ или робот технически способен выполнять какую-то работу, общество может сознательно решить:

нет, здесь должен оставаться человек

Например, сообщение пациенту о смертельном диагнозе, уход за пожилыми, часть образования или психотерапии.

👀 Что здесь важно для бизнеса

На мой взгляд, Гейтс описывает будущий конфликт, который пока недооценивают.

С одной стороны:

👉 автоматизация становится экономически неизбежной;

👉 компания, которая не использует ИИ, рискует проиграть по себестоимости конкуренту, который использует;

👉 малый бизнес получает возможности, которые раньше требовали большого штата и огромных бюджетов.

С другой:

👉 государства могут начать налогооблагать автоматизацию;

👉 появятся профессии и процессы, где использование ИИ могут сознательно ограничить;

👉 стоимость сокращения сотрудников перестанет быть только внутренним решением бизнеса.

💬 А что, думаете вы? Если ИИ действительно начнёт массово заменять людей — нужно ли вводить налог на ИИ и роботов?

Или это просто искусственное торможение прогресса?

Пишите в комментариях 👇

🧪🌍 ИИ научился запускать «рынок» ещё до запуска продукта. И речь уже про миллиарды виртуальных агентов

За последние два месяца вышли две статьи, которые вместе показывают очень интересный тренд:

❌ вместо того чтобы сразу тестировать идею на реальных людях, компании смогут сначала прогнать её через огромное синтетическое общество из ИИ-агентов.

В одной работе исследователи построили Light Society — систему, способную моделировать взаимодействия более 1 млрд агентов. Причём агентам задаются демография, убеждения, цели, память и социальные связи, а затем исследователи смотрят, как внутри такой «страны в компьютере» распространяются мнения и меняется поведение.

Во второй работе — MatrAIx — авторы пошли ещё ближе к бизнесу.

Они создали базу 8,3 млрд различных персон с 1 290 характеристиками: от возраста, дохода и профессии до привычек, интересов, навыков и отношения к технологиям. Важно: это не 8,3 млрд одновременно запущенных ИИ-агентов, а огромная база профилей, из которой можно собирать нужную аудиторию и превращать выбранные профили в агентов.

🤯 И вот тут начинается самое интересное для бизнеса.

Представьте, что вы хотите поднять цену продукта.

Сегодня варианты примерно такие:

• провести опрос;

• собрать фокус-группу;

• сделать A/B-тест на реальных клиентах;

• просто повысить цену и посмотреть, что случится 😁

А теперь появляется ещё один вариант:

💡создать несколько тысяч виртуальных клиентов с разными доходами, возрастом, мотивацией и привычками — и сначала протестировать решение на них.

В MatrAIx исследователи как раз показывают такие сценарии: что произойдёт после повышения цены, продолжит ли человек пользоваться ИИ-помощником после его ошибки, насколько разные пользователи готовы терпеть медленный ответ сервиса и т.д. Система умеет взаимодействовать с опросами, чат-ботами, сайтами и приложениями. Всего авторы подготовили 1 010 задач более чем в 25 отраслях и провели 18 189 экспериментальных прогонов.

📌 Почему две статьи вместе важнее каждой по отдельности?

Потому что мы постепенно переходим от:

«ИИ имитирует одного человека»

к:

«ИИ имитирует рынок и общество, где миллионы агентов взаимодействуют друг с другом».

А это уже совершенно другой инструмент.

💲 Что можно будет проверять до выхода в реальный мир?

1️⃣ Цены

Как повышение цены повлияет на разные группы покупателей и кто отвалится первым.

2️⃣ Новые продукты

Как разные типы клиентов будут пользоваться новой функцией ещё до дорогостоящего массового запуска.

3️⃣ Маркетинг

Как один и тот же оффер воспринимают люди разных возрастов, доходов, профессий и взглядов.

4️⃣ Интерфейсы и сервис

Где пользователь запутается, когда бросит оформление заказа, сколько ошибок простит чат-боту.

5️⃣ Репутационные сценарии

Как новость, слух или изменение политики компании может распространяться через социальную сеть и влиять на разные группы людей.

Light Society, например, уже моделирует распространение мнений внутри сети из миллиарда агентов.

🐚 А теперь главный вывод.

Мне кажется, здесь зарождается новый класс бизнес-инструментов — «цифровые полигоны» для управленческих решений.

До того как:

👉 изменить цену,

👉 запустить продукт,

👉 переделать интерфейс,

можно будет спросить:

«А что произойдёт, если мы сначала дадим это виртуальному рынку?»

И провести тысячи сценариев за компьютером, прежде чем экспериментировать на настоящих клиентах.

И вот это уже может очень сильно изменить экономику продуктовых исследований.

💬 Вопрос товарищи:

Если бы сегодня у вас был достаточно точный «виртуальный рынок», какое решение вы бы первым прогнали через него — цену, новый продукт, рекламу или интерфейс? 👇

🤖💰 OpenAI предлагает новую метрику эффективности ИИ: забудьте про стоимость токенов

Главный вопрос, который сегодня задают финансовые директора:

«Как получить больше пользы от денег, вложенных в ИИ?»

Раньше эффективность программ оценивали по количеству купленных лицензий, активных пользователей и продлений подписки.

Но для ИИ эти показатели почти ничего не говорят.

Можно купить доступ тысяче сотрудников — и не получить никакого измеримого результата.

Поэтому OpenAI предлагает считать другое:

📌 сколько полезной работы компания получает на каждый потраченный доллар

И вот здесь начинается самое интересное.

💸 Самая дешёвая модель не всегда обходится дешевле

Бизнес часто сравнивает модели по цене токена.

Логика понятная: меньше цена — меньше расходы.

Но дешёвая модель может:

• ошибаться чаще,

• требовать нескольких попыток,

• заставлять сотрудника долго проверять результат,

• создавать дополнительную работу вместо экономии времени.

Более дорогая модель иногда выполняет задачу правильно с первого раза — и в итоге обходится бизнесу дешевле.

Поэтому считать нужно не стоимость одного запроса, а полную стоимость успешно выполненной задачи:

стоимость модели + время сотрудника + проверка + исправления + повторные попытки.

📊 OpenAI предлагает руководителям оценивать ИИ по четырём вопросам:

1️⃣ Какую полезную работу выполнил ИИ?

Не «сколько запросов отправили», а:

• сколько обращений клиентов решили,

• сколько договоров проверили,

• сколько часов сотрудников освободили

2️⃣ Сколько стоит успешно выполненная задача?

Например, ИИ проверил 100 договоров.

Но только 60 результатов можно было использовать без серьёзных исправлений.

Значит, стоимость нужно делить не на 100 запусков, а на 60 качественно выполненных задач.

3️⃣ Насколько результату можно доверять?

OpenAI предлагает разделять результаты на три категории:

✅ можно использовать сразу;

🛠 требуется исправление;

👨‍💼 сотруднику пришлось вмешаться и закончить работу самостоятельно.

Чем больше результатов попадает в первую категорию, тем выше реальная экономическая ценность системы.

4️⃣ Растёт ли отдача при масштабировании?

Если компания увеличивает использование ИИ, количество выполненной работы должно расти быстрее общих затрат.

🐚 Что это означает для бизнеса

Похоже, заканчивается эпоха экспериментов в стиле:

«Мы раздали сотрудникам доступ к нейросети — значит, внедрили ИИ».

Теперь руководству придётся связывать каждое внедрение с конкретным результатом:

📌 сокращением времени обработки заявки;

📌 снижением стоимости проверки документа;

📌 ростом количества закрытых продаж;

📌 уменьшением числа ошибок;

Главная единица — успешно выполненная работа

💬 Вопрос к вам, товарищи:

Как сегодня в вашей компании измеряют эффект от ИИ — по количеству пользователей, сэкономленным часам или конкретному финансовому результату?

Пишите в комментариях 👇

🤖🔥 Y Combinator выпустил новый Requests for Startups

Самое интересное: YC больше не делает ставку на "ещё один AI-чат".
Они зовут строить компании там, где ИИ становится частью образования, обороны, инфраструктуры, комплаенса, физического мира и самого слоя доверия в интернете.

Коротко по ключевым направлениям:

1️⃣ The Primer

ИИ как почти персональный наставник для ребёнка. Не просто бот с ответами, а система, которая помогает учиться в своём темпе. Если это взлетит, образование может стать по-настоящему массово персонализированным.

2️⃣ The Future of American Defense

Очень мощный сигнал: ИИ и deeptech теперь — часть оборонной машины. YC ждёт стартапы для дронов, сенсоров, логистики, производства и дешёвых систем перехвата. Это уже не "эксперименты", а новая промышленная политика.

3️⃣ A Cloud for Small Software

Агенты резко упростят создание маленьких программ под команду или конкретную задачу. Но теперь нужен новый способ их безопасно запускать, раздавать и поддерживать. По сути — “облако для микрософта”, который будут делать не только разработчики.

4️⃣ Multiplayer AI

Сегодня ИИ в основном используют поодиночке. YC считает, что следующий шаг — коллективная работа с агентами, когда команда взаимодействует не с файлом, а с “живым умным процессом”.

5️⃣ Compute at Sea

Земли, энергии и разрешений под дата-центры становится всё меньше. Отсюда идея: часть вычислительной инфраструктуры переносить в море. Безумно? Да. Но именно так и выглядит рынок, где дефицит мощностей становится стратегической проблемой.

6️⃣ AI-Powered Consumer Products for 1 Billion People

YC ждёт не просто очередные AI-приложения, а массовые продукты для миллиардов людей. Это ставка на то, что ИИ станет новым интерфейсом повседневной жизни: в обучении, деньгах, здоровье, передвижении и коммуникации.

7️⃣ AI for the Aging Population

Пожилых людей становится больше, а рук для ухода не хватает. Значит, огромный рынок — это голосовые интерфейсы, мониторинг состояния, координация ухода и домашняя роботизация. Не благотворительность, а один из самых недооценённых сегментов будущего.

8️⃣ New Operating Systems for the Physical World

Вот где реально начинается новая эпоха. В логистике, стройке, обслуживании и полевых операциях скоро будут работать сразу люди, роботы и ИИ-агенты. А значит, нужен новый “операционный слой”, который управляет ими вместе.

9️⃣ The Best Time to Build in Crypto

YC отдельно напоминает: строить в крипте лучше в плохие времена, а не на пике хайпа. Ставка здесь — на финансовую инфраструктуру: платежи, стейблкоины, торговлю, масштабируемые сети и будущие расчёты между AI-агентами.

🔟 Data for the Real World

Для текста и картинок данных уже море. Для физического мира — всё ещё дефицит. Поэтому один из главных будущих рынков — сбор качественных данных из реальности через сенсоры, роботов и автономные системы.

1️⃣1️⃣ Proving You’re Human

На фоне дипфейков и поддельных голосов появляется новый рынок: как доказать, что перед тобой действительно человек. Это может стать базовой инфраструктурой доверия для банков, платформ, видеозвонков и транзакций.

1️⃣2️⃣ AI-Native Compliance Infrastructure

Комплаенс сегодня — это боль: ручная работа, таблицы, проверки, дорогие специалисты. YC считает, что это идеальная отрасль для AI-first-систем, где ИИ не помогает точечно, а становится основой контроля, отчётности и аудита.

1️⃣3️⃣ Self-Maintaining APIs

Очень прикладная идея: API меняются, интеграции ломаются, команды тратят время на починку. YC хочет продукты, где агент сам отслеживает изменения, находит уязвимые места и предлагает исправления почти без участия человека.

🐚 Что всё это значит?

YC фактически говорит рынку:

главная ставка теперь — не на "умный интерфейс", а на контроль над процессом, средой и данными.

💬 А вам какой блок кажется самым сильным как бизнес-ставка?

Пишите в комментариях 👇

❌ Как самому обычному предпринимателю начать использовать ИИ?

Недавно на встрече в Ереване я рассказывал о том, как компаниям правильно внедрять искусственный интеллект в бизнес-процессы.

И в какой-то момент из зала прозвучал очень правильный вопрос:

«А как ИИ может использовать простой предприниматель?»

Не корпорация с отдельным бюджетом на инновации.

Не компания со своим IT-департаментом и командой AI-специалистов.

А небольшой бизнес, в котором работает несколько человек и каждый день нужно продавать, общаться с клиентами и решать десятки операционных задач.

Мой ответ:

Начните с ИИ-менеджера, который отвечает на вопросы потенциальных клиентов

Представьте обычную ситуацию.

Человек заходит на ваш сайт, интересуется продуктом или услугой, но у него появляются дополнительные вопросы (стандартная ситуация). Часто ответы уже есть на сайте, но клиенту проще написать, чем самостоятельно искать информацию.

Что происходит дальше?

Он пишет вам или вашему сотруднику.

Но сотрудник может быть занят, отвечать слишком долго или вообще не работать в этот момент. Особенно если клиент написал вечером, ночью или в выходной.

А теперь представьте, что у вас есть менеджер по продажам, который:

— отвечает клиентам 24/7;
— знает всё о ваших товарах и услугах;
— не забывает отвечать и не теряет заявки;
— задаёт уточняющие вопросы;
— помогает клиенту выбрать подходящий вариант;
— передаёт вам уже заинтересованного и подготовленного к покупке лида.

Именно такой сценарий, на мой взгляд, является одной из самых понятных и доступных точек входа в ИИ для малого и микробизнеса.

Не нужно начинать со сложной автоматизации всей компании.

Начните с процесса, в котором вы уже сегодня теряете клиентов и деньги

Выше прикрепил инфографику, на которой сравнил ИИ-менеджера и обычного менеджера.

А как сейчас обрабатываются входящие обращения в вашем бизнесе: вручную или уже с помощью автоматизации?

Если вам интересно внедрить такого ИИ-менеджера в свой проект, можно обратиться к нам за бесплатной консультацией:

👉 @Ai_for_2026

🤖 На Ближнем Востоке ИИ уже вышел на уровень топ-менеджмента

По данным IBM, 67% компаний региона уже назначили Chief AI Officer — отдельного руководителя по ИИ.

Итак, ИИ становится частью управления бизнесом.

Если вы пока не хотите нанимать такого сотрудника в штат, можете обратиться к нам на бесплатную консультацию — пишите сюда: @Ai_for_2026

🤖📈 ИИ-агенты меняют работу быстрее, чем многие ожидали

Пока многие компании всё ещё используют ИИ как "умный чат", происходит куда более важный сдвиг:

👉 ИИ начинает брать не отдельные вопросы, а целые рабочие задачи, которые раньше занимали у человека десятки минут, часы, а иногда и почти полный рабочий день. Об этом OpenAI пишет в свежем материале про то, как агенты меняют работу: к маю 2026 года 80,6% изученных пользователей Codex хотя бы раз делегировали задачу, которую человеку пришлось бы делать больше 30 минут, 70,2% — больше часа, а 25,6% — больше 8 часов. При этом внутри OpenAI Codex уже стал основным ИИ-инструментом почти для всех функций, включая юристов, финансы и рекрутинг.

💉 Что здесь главное?

Раньше ИИ чаще работал в формате:

• “напиши письмо”
• “сделай summary”
• “помоги с идеей”

Теперь всё чаще формат другой:

• “разбери данные”
• “собери решение”
• “прогони задачу через несколько шагов”
• “доведи до результата с помощью инструментов”

То есть мы переходим от “ИИ как собеседник” к “ИИ как цифровой исполнитель”.

📌 Самый важный сигнал из статьи

OpenAI прямо пишет, что adoption сначала шёл от инженеров, что логично, но потом особенно быстро начали расти неразработчики. С августа 2025 года число non-developer пользователей выросло в 137 раз среди индивидуальных пользователей и в 189 раз среди организационных. Это очень сильный сигнал: агенты выходят далеко за пределы разработки.

👀 Почему это реально меняет бизнес?

1️⃣ Меняется единица работы

Раньше автоматизировали отдельные действия.
Теперь можно отдавать ИИ целые куски процесса.

Не “помоги написать отчёт”, а
“собери данные, проверь, структурируй и подготовь черновик”.

2️⃣ ИИ размывает границы ролей

В статье есть очень сильное наблюдение: сотрудники нетехнических функций начали делать через агента задачи, которые раньше требовали техспециалиста — автоматизацию, обработку данных, отладку, техническое исполнение.

Это значит, что:

• маркетинг сможет быстрее запускать аналитику
• финансы — собирать и проверять модели
• HR — автоматизировать воронки и отчёты
• юристы — ускорять проверку и подготовку документов

3️⃣ Побеждать будут не те, у кого “есть ChatGPT”

А те, кто перестроит процессы под агентный режим работы.

Потому что разница между:

“сотрудник иногда спрашивает ИИ”

и

“сотрудник управляет 3–5 агентами, которые параллельно делают работу”

— это уже разница в скорости компании.

🐚 Что я бы вынес для бизнеса уже сейчас:

✅ Агентов надо тестировать не только в IT, но и в финансах, HR, legal, продажах, операционке
✅ Главная ценность — не генерация текста, а делегирование длинных задач
✅ Следующая конкуренция будет не “у кого лучше модель”, а “у кого быстрее перестроены процессы”

И да — вот это, пожалуй, главный вывод:

ИИ всё меньше похож на помощника
и всё больше — на новый слой рабочей силы.

💬 Вопрос к вам:

Какой процесс в компании первым выиграет от ИИ-агентов по-настоящему сильно:
продажи, аналитика, документы, найм или операционка?

Пишите в комментариях 👇

🤖📈 Дарио Амодеи: мы уже не в "эпохе ИИ-игрушек". Мы в начале ИИ-экспоненты, где политика и бизнес просто не успевают

Дарио Амодеи опубликовал большой текст “Policy on the AI Exponential” в июне 2026 года. Главная мысль очень сильная:
ИИ растёт экспоненциально, а государственные институты, законы и рынок труда — нет. И именно из-за этого главные риски и главные возможности будут нарастать быстрее, чем система успеет адаптироваться.

📌 Что особенно важно в этом тексте

1️⃣ Амодеи считает, что мы подходим к “Powerful AI” очень быстро

Он пишет, что если нынешние законы масштабирования продолжат работать ещё год-два, то мы можем получить системы уровня “страна гениев в дата-центре” — то есть ИИ, который по множеству интеллектуальных задач будет радикально сильнее нынешних инструментов.

2️⃣ Политика отстаёт от скорости технологии

В статье есть очень точная мысль: за те несколько лет, которые нужны государству на выработку законов, ИИ может пройти путь от “забавной технологии” до системы стратегического значения для экономики и нацбезопасности.

3️⃣ Anthropic уже открыто говорит: одной “прозрачности” мало

Если раньше, по словам Амодеи, хватало идеи “пусть компании просто раскрывают свои меры безопасности и инциденты”, то теперь этого уже недостаточно. Он прямо пишет, что риски стали слишком реальными, и предлагает идти к обязательному тестированию передовых моделей, внешнему аудиту и даже праву государства блокировать выпуск моделей при неприемлемом уровне риска.

4️⃣ В центре риска — не только фейки и не только рынок труда

Амодеи выделяет 4 критических зоны для проверки самых мощных моделей:

• кибербезопасность,
• биориски,
• потеря контроля над ИИ-системами,
• автоматизированные R&D-возможности, которые могут ускорять остальные риски.

То есть разговор уже идёт не про “ИИ иногда ошибается”, а про инфраструктурные и государственные риски.

🧠 Что здесь главное для бизнеса

1. ИИ перестаёт быть просто софтом

Если логика Амодеи верна, то ИИ скоро будет ближе не к обычному SaaS, а к авиации, энергетике или фарме:
мощная технология, огромная выгода, но и высокий уровень последствий при ошибке.

А значит, для бизнеса появляется новый вопрос:
вы внедряете просто инструмент повышения продуктивности или уже новый слой критической инфраструктуры?

2. Регулирование станет частью стратегии компании

Многие компании до сих пор думают про ИИ как про внутреннюю автоматизацию: чат-боты, документы, аналитика, поддержка.
Но из текста Амодеи следует другой вывод: очень скоро конкурентоспособность будет зависеть ещё и от того, насколько компания готова жить в мире:

• обязательных проверок,
• отраслевых ограничений,
• требований к безопасности моделей,
• отчётности по инцидентам.

3. Рынок труда может качнуть сильнее, чем кажется

Амодеи отдельно пишет, что ИИ может дать очень быстрый экономический рост, но одновременно усилить неравенство и привести к серьёзному, возможно длительному вытеснению людей из части когнитивных профессий. Он подчёркивает: это не то, чего надо хотеть, но к этому нужно готовиться заранее — через измерение эффекта, стимулы к сохранению занятости и долгосрочные механизмы поддержки доходов.

⚡ Почему это важный сигнал именно сейчас

Этот текст интересен не тем, что “ещё один CEO ИИ-компании предупреждает о будущем”.
А тем, что один из главных игроков рынка уже говорит почти бюрократическим языком:

нужны правила, проверки, внешняя оценка и новый общественный договор.

То есть даже внутри самой индустрии ИИ всё меньше воспринимают как просто рынок инноваций.
Всё больше — как новую силу, которая меняет экономику, безопасность, власть и саму скорость принятия решений в государстве.

🐚 Вывод:

Если смотреть на текст Амодеи без эмоций, то главный вывод для руководителей такой:

следующая фаза ИИ — это уже не гонка “кто внедрит помощника в отдел продаж”.
Это фаза, где ИИ становится одновременно:

• источником гиперроста,
• источником новых регуляторных рисков,
• фактором передела рынков,

🤖🌍 OpenAI выложили свой план: сделать ИИ таким же массовым, как электричество. Звучит красиво. Но за этим скрывается куда более серьёзная история

8 июня 2026 года Сэм Альтман и Якуб Пахоцкий опубликовали текст “Built to benefit everyone: our plan”. В нём OpenAI прямо сравнивает ИИ с электрификацией: сначала технология кажется “чудом”, а потом становится базовой инфраструктурой для повседневной жизни и экономики.

📌 Главная мысль текста:

OpenAI говорит не просто “мы строим сильные модели”.
Они говорят гораздо шире:

следующая задача — сделать передовой ИИ массовым, дешёвым, безопасным и доступным каждому человеку и каждой организации.

И вот тут начинается самое интересное.

1️⃣ ИИ подаётся как новая общественная инфраструктура

В статье OpenAI пишет, что ИИ должен помогать людям в реальных задачах: разбираться с медицинскими счетами, осваивать новые навыки, запускать малый бизнес, принимать юридические и финансовые решения, ухаживать за пожилыми родственниками и даже делать научные открытия.

То есть рамка уже не “удобный чат-бот”.
Рамка другая:

ИИ = базовый слой экономики и социальной жизни.
Почти как электричество, интернет или смартфон.

2️⃣ OpenAI прямо говорит: концентрировать такую силу в немногих руках нельзя

В тексте есть очень важная формулировка: компания не хочет видеть будущее, где власть сосредоточена у нескольких компаний, государств или отдельных людей. Наоборот, OpenAI пишет, что более безопасное будущее — это широкое распределение силы и доступа.

Звучит очень правильно.
Но для бизнеса это ещё и сильный сигнал:

кто контролирует доступ к ИИ, тот в будущем контролирует огромный кусок производительности, знаний и скорости принятия решений.

3️⃣ OpenAI не хочет мира, где всё полностью автоматизировано

Это тоже важный момент. В статье прямо сказано, что “полностью автоматизировать всё” — не та цель, которую компания считает правильной: это и опасно, и лишает людей смысла. OpenAI подчёркивает, что по мере роста возможностей ИИ человеческая роль становится важнее: люди должны задавать направление, принимать компромиссы, применять суждение, вкус, ценности и ответственность.

То есть официальная позиция такая:

ИИ должен усиливать человека, а не выталкивать его из центра решений.

4️⃣ Но самый сильный фрагмент — другой

OpenAI пишет, что в ближайшие несколько лет именно ИИ, который помогает делать ИИ-исследования, может стать главным двигателем прогресса. Более того, внутри компании считают, что к марту 2028 года значительная часть их исследований может выполняться ИИ-системами совместно с исследователями.

Вот это уже реально большой поворот.

Потому что это означает:
мы движемся не просто к полезным помощникам, а к системе, которая ускоряет собственное улучшение.

А это уже совсем другой темп рынка.

5️⃣ И OpenAI прямо зовёт к международной координации

В тексте сказано, что по мере развития frontier AI будет расти важность национальной и глобальной координации. OpenAI даже пишет, что в итоге нужен международный орган, который поможет координировать усилия ведущих игроков, снижать катастрофические риски и при необходимости даже замедлять развитие передовых систем, если общественная устойчивость и безопасность не успевают за прогрессом.

Вот здесь особенно видно:
речь уже не про “рынок новых технологий”.

Речь про попытку заранее описать архитектуру власти вокруг сильного ИИ.

🧠 Что это значит для бизнеса

1. ИИ становится не функцией, а средой

Скоро мало будет сказать:
“мы внедрили ИИ в поддержку”

Важнее будет другое:
на какой ИИ-инфраструктуре вообще работает ваша компания.

2. Следующая конкуренция — за доступ, стоимость и контроль

Если передовой ИИ станет массовым слоем экономики, то борьба пойдёт не только за качество модели.
Она пойдёт за:

• цену доступа,
• надёжность,
• уровень контроля,

3. Малый бизнес может резко усилиться

OpenAI прямо пишет, что ИИ должен помогать людям запускать малый бизнес и превращать идеи в реальные проекты. А значит, барьер входа в предпринимательство будет падать ещё сильнее.

🤖🔓 "Trust us" больше не работает: почему закрытые ИИ-модели становятся риском для бизнеса

Наткнулся на сильный текст “Trust Us: Anthropic and the Case for Open Weights”. Главная мысль там очень неудобная, но важная для любого бизнеса:
если поставщик ИИ может тайно менять поведение модели, ограничивать ответы и хранить ваши данные по новым правилам — вы больше не управляете своим инструментом. Инструмент управляет вами.

💥 Что особенно цепляет в материале:

• Автор утверждает, что Anthropic выпустила модель с логикой, где часть ограничений видна пользователю, а часть может срабатывать незаметно — то есть качество ответа в отдельных темах может ухудшаться без явного предупреждения.

• Ещё жёстче звучит претензия к данным: для нового класса моделей, как пишет автор, вводится обязательное хранение запросов и ответов 30 дней, включая сценарии, где компании раньше рассчитывали на zero-data-retention.

• И финальный слой конфликта: автор связывает это не только с безопасностью, но и с борьбой за контроль над рынком ИИ — кто получит “полную” версию технологий, а кто только урезанную.

📌 Почему это важно не только для технарей, а для любого руководителя

Раньше многие смотрели на ИИ как на “ещё один SaaS-сервис”.
Но сейчас становится видно другое:

1️⃣ ИИ-вендор = новый инфраструктурный риск

Если CRM сломалась — неприятно.
Если сломался ИИ-помощник — вы это можете даже не заметить.

Он просто начнёт:
• хуже писать,
• хуже анализировать,
• осторожничать в нужных вам задачах,
• “подрезать” качество в чувствительных темах.

И самое опасное — вы не всегда поймёте, что проблема не в вашей команде, а в самом поставщике.

2️⃣ Данные становятся полем битвы

Компании всё чаще подключают к ИИ не просто чат, а:
• документы,
• историю переписки,
• клиентские заметки,
• внутренние базы знаний,
• память агентов.

А значит, вопрос уже не в том, “можно ли спросить у модели”.
Вопрос в другом:
кто контролирует весь контекст, который вы в неё загружаете?

3️⃣ Закрытая модель = зависимость от чужих правил

Сегодня правила одни.
Завтра вендор меняет политику, ограничения, хранение данных или список “разрешённых” сценариев.

И у бизнеса внезапно появляется новая реальность:

• продукт нельзя проверить до конца,
• условия могут меняться в одностороннем порядке,
• ключевой цифровой слой компании зависит не от вас.

🧠 Главный вывод для бизнеса

В ближайшие годы конкуренция будет не только между “какая модель умнее”.
Она будет между двумя подходами:

Закрытый ИИ:
удобно, мощно, быстро стартовать — но высокий риск зависимости.

Открытые веса / open-weight модели:
сложнее внедрять, зато выше контроль, предсказуемость и возможность строить свою инфраструктуру без чужого “невидимого переключателя”.
Эту идею и продвигает автор текста.

🐚 Итак, вывод:

Следующий большой вопрос для бизнеса звучит уже не так:
"Какой ИИ самый сильный?"

А так:
"Какой ИИ я реально контролирую?"

Потому что в момент, когда ИИ становится частью продаж, аналитики, документооборота, поддержки и стратегии —
доверие без проверки превращается в прямой операционный риск.

💬 Вопрос к вам:

Что для бизнеса важнее в 2026 году:
максимальная мощность модели или контроль над тем, как она работает и что делает с вашими данными?

Если вы в Армении, то приходите 😉

Планирую рассказать про основные этапы внедрения ИИ в компанию, распространённые ошибки и мифы среди предпринимателей, влияние трендов (ассистенты / агенты / мультиагентные слои), а также о том, как перейти от экспериментов с ИИ к измеримому бизнес-результату.

📌Регистрация: https://luma.com/2x61a5hc

📅21 июня, воскресенье
⏱️ 17:00
📍Letters and Numbers, Туманяна 35Г, Ереван

Вход = регистрация + donation, любая армянская купюра

​Telegram-чат комьюнити: @unicornmakers_yerevan

❗️Количество мест ограничено

🤖📚 Anthropic выкатила сразу две новые модели: Claude Fable 5 и Claude Mythos 5

Сегодня, 9 июня 2026, Anthropic объявила о запуске Claude Fable 5 для широкого доступа и Claude Mythos 5 — более “свободной” версии для ограниченного круга trusted-партнёров, прежде всего в киберзащите и инфраструктуре. По заявлению самой компании, это их самая сильная публично доступная модель на сегодня.

Что здесь важно не только для технарей, но и для бизнеса:

1️⃣ Рынок ИИ окончательно делится на “массовые” и “спецрежимные” модели

Fable 5 — это модель для обычных пользователей и компаний, но с дополнительными ограничителями. Если система считает запрос чувствительным — например, в кибербезопасности, биологии, химии или попытках “вытащить” саму модель, — ответ отдает не Fable 5, а более слабая Claude Opus 4.8. Anthropic пишет, что такие срабатывания происходят в среднем менее чем в 5% сессий.

2️⃣ ИИ становится не просто умнее, а заметно автономнее

Anthropic делает упор не на “модель ответила лучше на один вопрос”, а на длинные сложные задачи: программирование, аналитика, работа с таблицами, изображениями, научные исследования. Компания утверждает, что чем длиннее и сложнее задача, тем заметнее отрыв Fable 5 от прошлых версий Claude.

3️⃣ Главный сигнал для бизнеса — ускорение не на проценты, а в разы

Самый яркий пример из анонса: Stripe сообщила, что в тестах Fable 5 выполнила миграцию в Ruby-кодовой базе на 50 млн строк за день — работу, которая вручную заняла бы у команды больше двух месяцев. Это уже не “умный чат”, а инструмент, который начинает сжимать месяцы работы в дни.

4️⃣ ИИ все сильнее уходит в regulated-зоны

Mythos 5 Anthropic пока отдает не всем. Его запускают через Project Glasswing вместе с правительством США и сначала дают доступ киберзащитникам и провайдерам критической инфраструктуры. То есть самые мощные модели будут все чаще попадать не сразу “на рынок”, а сперва в контуры государства, обороны, кибербезопасности и крупных доверенных игроков.

5️⃣ Цена тоже важна

Anthropic заявила цену $10 за миллион входных токенов и $50 за миллион выходных токенов — меньше чем вдвое от Claude Mythos Preview. Это важный сигнал: frontier-модели становятся не только сильнее, но и ближе к массовому коммерческому применению.

🐚 Что это значит для бизнеса?

Очень простую вещь:

мы входим в этап, где конкурентное преимущество получает не компания, которая “пробует ИИ”, а та, которая умеет отдавать ИИ длинные, дорогие и межфункциональные задачи.

Не “напиши письмо”.
А:
— перепроверь договоры,
— перестрой кусок продукта,
— собери аналитику из 200 документов,
— найди ошибки в процессах,
— подготовь варианты решений с аргументацией.

То есть ИИ постепенно становится не помощником на 5 минут, а цифровым исполнителем на полдня или несколько дней.

⚠️ Но есть и второй вывод:

чем мощнее модели, тем сильнее рынок будет делиться на:
• “безопасную массовую версию для всех”
• “расширенную версию для доверенных структур”

А значит, вопрос доступа к самым сильным ИИ скоро станет не только технологическим, но и политическим, юридическим и отраслевым.

💬 Вопрос к вам:

В каком процессе вашей компании “длинный автономный ИИ” дал бы самый большой эффект уже сейчас:
в разработке, аналитике, документах, финансах или операционке?

Пишите в комментариях 👇

🤖💣 Автономным ИИ-агентам рано выдавать «ключи от бизнеса»

Появилась сильная работа с говорящим названием Agents of Chaos. Исследователи не тестировали агентов в стерильном чатике, а дали им почти «рабочую среду»: память между сессиями, почту, Discord, файлы и доступ к выполнению команд. После этого 20 исследователей две недели пытались их запутать, обмануть и сломать.

Итог — очень отрезвляющий.

📌 Что нашли авторы?

Они описали 11 реальных сценариев сбоев у автономных агентов: выполнение команд не от владельца, утечки данных, разрушительные действия на уровне системы, неконтролируемое потребление ресурсов, подмена личности, распространение плохих практик между агентами и даже частичный захват системы. При этом в ряде случаев агент сообщал, что задача выполнена, хотя по факту состояние системы этому противоречило.

То есть проблема уже не в духе «модель где-то ошиблась в ответе».

Проблема в другом:

когда ИИ не просто советует, а действует, цена ошибки резко растёт.

👀 Самое важное здесь для бизнеса

Многие компании сейчас идут к модели:

«дадим агенту доступ к CRM, почте, календарю, документам, внутренним чатам и пусть работает».

Звучит красиво.

Но эта работа показывает: как только у агента появляются память + инструменты + право действовать, возникают новые классы рисков, которых нет у обычного чат-бота.

А именно:

1️⃣ Риск ложного выполнения

Агент пишет: «сделано», «удалил», «отправил», «закрыл задачу».
А по факту — нет. Или сделал не то. Для бизнеса это особенно опасно в финансах, поддержке, комплаенсе и ИТ-операциях.

2️⃣ Риск подмены полномочий

Если агент плохо понимает, кто реально имеет право отдавать команды, он может послушаться не того человека. Это уже история не про UX, а про безопасность и убытки.

3️⃣ Риск каскадных сбоев

Один агент ошибся, передал это другому, тот — следующему. В результате проблема начинает распространяться по системе, как вирус в бизнес-процессе.

4️⃣ Риск “слишком усердного помощника”

Иногда агент пытается выполнить цель любой ценой и выбирает разрушительное действие как «самый эффективный путь». Формально хотел помочь. По факту — навредил.

🐚 Что из этого следует?

Главный вывод очень простой:

2026 — это год, когда бизнесу уже надо думать не только “что ИИ умеет”, но и “какие у него права, границы и проверка действий”.

Победят не те компании, которые первыми прикрутят «агента ко всему».
Победят те, кто первыми построят контроль над агентами:

• кто может отдавать команду,
• какие действия требуют подтверждения,
• что агенту вообще запрещено делать,
• как проверяется факт выполнения,
• как быстро его можно остановить.

Иначе вместо «цифрового сотрудника» можно получить очень вежливый источник хаоса😁🤯

🔴 Как этого избежать?

Если вы, будучи собственником бизнеса либо руководителем подразделения в компании, задумываетесь о внедрении мультиагентного слоя в бизнес-процессы, — приходите к нам на бесплатную консультацию (пишите сюда: @Ai_for_2026). Мы можем подсказать с чего начать, чтобы минимизировать риски неконтролируемого поведения ИИ-агентов))

💬 Вопрос к вам:

Какой доступ вы бы точно не дали ИИ-агенту сегодня без жёсткого контроля:
почта, CRM, база клиентов, документы, платежи или серверы?

Пишите в комментариях 👇

🤖💸 ИИ начинает обходиться бизнесу дороже людей

Пока рынок продавал нам мечту «заменим дорогой труд ИИ-агентами», начала вылезать неприятная экономика.

🤓 Суть простая:

чем дешевле становится один токен, тем больше компании начинают жечь токены вообще на всё подряд.

Агентный ИИ особенно опасен для бюджета: такие системы могут тратить в разы и даже на порядки больше токенов, чем обычный запрос к модели, потому что они делают задачу в несколько шагов — сами думают, проверяют, переспрашивают, запускают действия.

И вот тут начинается парадокс:

📌 эффективность растёт,
но общий счёт тоже растёт.

По данным Fortune, Goldman Sachs ожидает, что к 2030 году потребление токенов может вырасти в 24 раза. Microsoft уже сворачивает часть лицензий Claude Code внутри компании и переводит команды на свой Copilot CLI. А в Amazon сотрудники, по сообщениям СМИ, местами даже раздували использование ИИ ради внутренних метрик 😅

То есть мы пришли к очень важному моменту:

❌ проблема уже не в том, что ИИ «слишком слабый»
❌ и не в том, что токен «слишком дорогой»

Проблема в другом:
если агент начинает делать 20–50 шагов там, где человек сделал бы 2–3 действия, экономика внедрения резко меняется.

👀 Что это значит для бизнеса?

1️⃣ Считать следует не цену запроса, а цену завершённой задачи

Не “сколько стоит один вызов модели”, а:
сколько стоит закрыть тикет, обработать лид, собрать отчёт, подготовить договор, провести саппорт-кейс.

2️⃣ Не всякий ИИ-агент даёт ROI

Если агент красиво работает в демо, но съедает слишком много токенов, проверок и итераций — он может оказаться дороже сотрудника или классической автоматизации.

3️⃣ Один из KPI 2026 года — не «сколько ИИ мы используем», а «сколько прибыли/экономии он даёт на единицу расхода»

Иначе компании начнут соревноваться не в эффективности, а в сжигании бюджета.

4️⃣ Вероятно, победят не те, у кого “больше ИИ”, а те, у кого лучше экономика процесса

То есть:
меньше лишних шагов,
меньше агентной самодеятельности,
больше контроля,
больше пользы на каждый рубль/доллар затрат.

🐚 Вывод следующий:

Следующая большая волна на рынке — это не просто “внедрить ИИ”.
Это “внедрить ИИ так, чтобы он был дешевле, чем человек + быстрее, чем человек + достаточно надёжен”.

И вот это уже намного сложнее, чем просто купить подписку на модную модель))

💬 Вопрос к вам:

В каком процессе у бизнеса сегодня выше риск “переплатить за ИИ”, чем реально получить выгоду:
поддержка, продажи, разработка, аналитика, документы?

Пишите в комментариях 👇