От автора: это серия постов – попытка ответить на вопрос, что ждёт SEO-аффилиатов в ближайшем будущем. Если ты здесь впервые: пролог и часть 1.
В «Дивном новом мире» Сома – это не просто наркотик. Это государственная политика: дай гражданину комфорт, убери трение, сделай его счастливым и незаинтересованным в вопросах. Один грамм – и тревога растворяется. Два – и ты не помнишь, зачем вообще что-то искал.
pre-AGI mode работает по тому же принципу. Только вместо таблетки – интерфейс.
Что ждёт пользователя
Сценарий 1. «Найди рейс в Барселону на пятницу, дешевле 200 евро, место у окна». Появляется виджет с вариантами цен. Ты выбираешь данные пассажира из списка сохраненных, подтверждаешь passkey. Билет куплен. Не открывается Skyscanner, сайта авиакомпании ты тоже не видел.
Сценарий 2. «Вызови такси до аэропорта, через 20 минут». Виджет показывает ближайшие машины, время подачи, цену - все в разбивке по перевозчику. Ты нажимаешь «ок». Водитель уже едет.
Сценарий 3. «Выведи топ онлайн-казино в Испании?». Виджет показывает интерфейс с перечнем казино на основе данных агрегаторов (!). Но это будут объективные, верифицируемые характеристики – и сортировка по любому из параметров прямо в интерфейсе. Никаких обзорников. Откуда берутся эти данные и почему именно они – здесь много нюансов, о которых поразмышляем в следующих постах.
Покупки, бронирования, денежные переводы – по той же логике: всё внутри экосистемы, passkey вместо отдельных приложений. Но важнее другое. Интерфейс будет максимально персонализированным: система формирует preferred sources на основе выбора пользователя – источники, которым ты доверяешь по умолчанию. Твой корпус данных значительно отличается от корпуса соседа. Ваши ответы на один и тот же вопрос – тоже.
Персонализированная Сома. Индивидуальная дозировка для каждого. Уже сейчас 93% запросов в AI Mode заканчиваются нулевым кликом. В pre-AGI mode эта цифра стремится к 100%. Один раз попробовал – назад не возвращаешься.
Как это работает под капотом
Под каждый запрос система строит mini-RAG на лету. Механизм называется query fan-out: параллельно запускается несколько поисков по подтемам, результаты собираются, ранжируются и подаются в LLM для синтеза ответа.
Технически источники превращаются в embeddings – числовые векторы, отражающие семантику. LLM находит в этом пространстве фрагменты, наиболее близкие к запросу, и синтезирует из них ответ. Этот процесс называется grounding: ответ «заземляется» на конкретные источники – к которым добавляются citations.
Два момента, которые определяют всё
Latency. Источники, которые медленно отвечают или недоступны в момент запроса, в mini-RAG не попадают. Попасть в ответ = быть быстрым и авторитетным. Это структурное преимущество крупных платформ с серьёзной инфраструктурой.
Compute. Сгенерировать ответ через LLM несравнимо дороже, чем показать список ссылок. Именно поэтому Google на днях подписал соглашение со SpaceX на $920 млн в месяц – 110 000 GPU Nvidia для AI-вычислений. Официально объяснили «спросом на Gemini Enterprise». Думаю, вы уже понимаете, куда это реально пойдёт.
Сома тем и хороша, что не вызывает вопросов.
Но у любой Сомы есть производитель. В следующем посте – про то, кто контролирует корпус данных, почему citation без валидации это дыра и что это значит для тех, кто работает с доменами.
P.S. Ну и главное помнить – omnia transeunt.