Итоги эпохи AI: прорывы, провалы и ожидания от 2026 года 0:50
Завершающийся год в мире искусственного интеллекта ознаменовался технологическим скачком, однако массовое внедрение инструментов остается ограниченным, не превышая 10% среди пользователей и бизнеса. В специальном выпуске подкаста «ToTheMoon» ведущие анализируют, почему, несмотря на появление мощных reasoning-моделей и инновационных функций, индустрия сталкивается с проблемами адаптации, провалами интерфейсов и миграцией пользователей между платформами.
🧠 Reasoning-модели: главный технологический сдвиг 2:30
Оба собеседника сошлись во мнении, что ключевым технологическим изменением года стали reasoning-модели (модели рассуждения).
- DeepSeek R1: По словам ведущих, публикация DeepSeek R1 в январе стала «моментом DeepSeek», когда модель стала топ-скачиваемым приложением в App Store.
- Технологический фундамент: Хотя OpenAI первыми предоставили массовый доступ к O1, алгоритмы reasoning (например, GRPO) были заложены в наработки DeepSeek еще годом ранее.
- Тренды: Развитие идет по пути увеличения количества токенов, выделяемых на процесс «мышления» модели.
🔍 Deep Research: революция для профи 4:33
Функция Deep Research, запущенная в феврале, изменила подход к поиску информации, однако ее реальное использование остается нишевым.
- Сценарии использования: Deep Research незаменим при глубоком анализе территорий, поиске нишевых товаров или сложных бытовых задач (например, изучение питания для питомца), где требуется обработка большого массива документов.
- Барьеры: Основная проблема — психология пользователя. Люди избалованы мгновенными ответами и не готовы ждать результат исследования 15 минут, даже если это необходимо для качественного решения сложной задачи.
🏢 Enterprise и потребительский рынок 10:54
Ведущие констатируют, что прошедший год стал «годом потребителя» (consumer AI), в то время как корпоративный сектор (Enterprise) практически не внедряет технологии.
- Отсутствие реальных кейсов: Количество компаний из списка Fortune 500, открыто заявляющих об измеримых результатах внедрения AI, остается крайне малым.
- CRM-системы: Несмотря на прогресс AI, инструменты автоматизации бизнеса (ERP, CRM) остаются примитивными, напоминая «работу с Excel 30-летней давности».
- Финансы: Сотни миллиардов долларов стали нормой оценки для таких компаний, как OpenAI, Anthropic и xAI, однако бизнес-модели внедрения остаются туманными.
🇨🇳 Китай против США: стратегия внедрения 24:23
По мнению участников, Китай совершил колоссальный рывок, который часто недооценивают из-за фокуса США на бенчмарках.
- Реальные технологии: В Китае ИИ активно интегрируется в государственную логистику, управление и работу автономной техники (например, беспилотных тракторов).
- Контраст: Америка делает упор на капитализацию и тесты производительности (бенчмарки), в то время как Китай фокусируется на масштабном внедрении в реальные сектора экономики.
📱 Провалы агентов и Apple Intelligence 27:30
Большинство экспериментов с AI-браузерами и агентами в прошедшем году ведущие оценили как сырые.
- Провал Apple: Apple Intelligence был назван провалом года из-за невыполнения обещаний по запуску и плохой интеграции с остальной инфраструктурой, включая ChatGPT.
- Проблемы интерфейсов: Попытки создания «автономных агентов» (например, «Манус» в марте) выглядели впечатляюще в презентациях, но оказались неработоспособными в повседневных задачах.
🏁 Смерть бенчмарков и ожидания от 2026 года 37:15
Ведущие прогнозируют, что 2026 год станет «годом смерти бенчмарков», так как цифры в тестах перестали отражать реальную ценность продуктов для пользователей.
- Смена фокуса: Компаниям придется переходить от демонстрации абстрактных «попугаев» к наглядным коммерческим кейсам (case studies) и масштабной рекламе (например, билборды, объясняющие решение конкретных проблем).
- Миграция: Участники отметили личный переход на использование Gemini 3.0 Pro и Cursor вместо ChatGPT, так как модели OpenAI стали казаться пользователям «неприятными» и перегруженными.
