Последний месяц я читал всё подряд: отчёты Goldman Sachs, Gartner, McKinsey, интервью Дарио Амодеи и Сэма Альтмана, анонсы с CES 2026. Пытался понять, что реально изменится в этом году и что из этого следует для меня и моих клиентов.
Получилось 50+ источников. Здесь — выжимка. Без воды, с ссылками на всё.
Немного контекста: кто я и как работаю с AI
Меня зовут Александр Ярыгин. Сейчас я развиваю агентство измеримых AI-решений для бизнеса. Мы помогаем компаниям внедрять генеративные модели в их процессы, чтобы экономить деньги, время и ресурсы. До этого 5 лет в EdTech на разных управленческих позициях: маркетинг, операционка. Я знаю, как работает большой бизнес не понаслышке.
Эта статья — попытка разобраться, что реально происходит. Без паники и ложных обещаний.
1. ИИ-агенты вместо чат-ботов: как агенты автоматизируют задачи
Последние два года мы общались с нейросетями. Спрашивали — получали ответы. Хотели что-то сделать — делали сами, AI подсказывал.
В 2026 это меняется. Теперь ты даёшь задачу, а система сама её разбивает на части, выполняет, проверяет и исправляет косяки. Без твоего участия.
Это называется «агенты». Совсем другая история.
Чем ИИ-агент отличается от модели в формате чат-бота
Gartner пишет: к концу 2026 года 40% корпоративных приложений будут работать с агентами. Год назад было меньше 5%.
«ChatGPT перестанет быть чат-ботом и станет «супер-ассистентом», который сам понимает твои цели и проактивно помогает их достигать».
Проактивно — ключевое. Не ты спрашиваешь, а он сам предлагает. Видит, что через час встреча — готовит брифинг. Замечает просроченную задачу — напоминает и предлагает варианты.
Я сам такую штуку себе собрал на Claude Code. Система планирует день, обрабатывает встречи, следит за задачами. Подробнее рассказывал вот тут.
Если коротко: один человек с агентами делает работу пятерых. Это не преувеличение.
2. Open-source модели догнали закрытые платформы: почему это важно
Долго считалось, что топовые модели — это дорого. Сотни миллионов на обучение, инфраструктура, таланты. Всё это могли позволить себе единицы.
А потом оказалось, что качество уровня GPT-4 достижимо при 90% экономии.
Alibaba Qwen — 700+ миллионов скачиваний на Hugging Face. Первое место среди всех open-source моделей в мире. В декабре 2025 скачивания Qwen превысили совокупные скачивания следующих восьми моделей — включая Meta Llama и OpenAI.
Это про то, что экономика изменилась.
Раньше: хочешь топовую модель — плати OpenAI. Они диктуют цены и условия.
Теперь: берёшь open-source, дообучаешь под себя, разворачиваешь на своих серверах. Качество сопоставимое, контроль полный.
Для тех, кто строит что-то на AI — вывод простой: не привязывайтесь к одному провайдеру. Архитектура должна позволять менять модели. Сегодня GPT, завтра Claude, послезавтра локальный Qwen.
3. Роботы-помощники и физический AI: продукты с реальной ценой
Январь 2026, CES в Лас-Вегасе. На сцене Jensen Huang, сооснователь и СЕО Nvidia, говорит:
«Момент ChatGPT для физического AI наступил — машины начинают понимать, рассуждать и действовать в реальном мире»
За этими словами — конкретные продукты.
Boston Dynamics объединился с Google DeepMind. Gemini Robotics интегрируют в роботов Atlas. Первые поставки — в этом году. Характеристики нового Atlas: рост 188 см, размах рук 228 см, грузоподъёмность 50 кг. Это не игрушка.
1X NEO — первый потребительский гуманоид. $20 000 или $499/месяц по подписке. Складывает бельё, убирается, приносит вещи. Обучается через телеоперирование — показываешь движение в VR-шлеме, робот повторяет.
Домашний гуманоид Neo, который умеет делать бытовые задачки
Понятно, что $20 000 — это не масс‑маркет. Но вспомните первые смартфоны или Tesla. Цена падает, качество растёт. Через 3–5 лет роботы‑помощники будут такой же нормой, как умные колонки.
4. AI-инфраструктура и расходы: почему инфраструктура не справляется
Агенты едят ресурсы. Один запрос к агенту может генерировать сотни внутренних «мыслей» — каждая требует вычислений. Если раньше запрос к ChatGPT — это один вызов API, то запрос к агенту — цепочка из десятков вызовов.
Goldman Sachs считает: капитальные расходы на AI-инфраструктуру в 2026 году превысят $527 млрд. В 2024 было ~300 млрд. Рост на 70% за два года.
Консенсус-оценки капитальных расходов AI-гиперскейлеров. Аналитики постоянно недооценивали, сколько компании готовы тратить.
Куда идут деньги: дата-центры, GPU, системы охлаждения, энергетика.
С энергетикой вообще отдельная история. Дата-центры потребляют как небольшие страны. Microsoft заключает контракты с атомными станциями. Amazon покупает ядерные реакторы.
По данным того же Goldman, чтобы окупить текущие инвестиции, компаниям нужно генерировать более $1 триллиона годовой прибыли от AI. Текущий консенсус аналитиков — $450 млрд.
Разрыв в два раза.
Если строите продукт на AI — закладывайте рост расходов. Инференс будет дорожать. Бесплатные API будут ограничиваться.
5. Регулирование AI: мир снова делится на блоки
Три подхода, три разных мира.
США — дерегулирование. Трамп отменил указы Байдена по AI-безопасности. Фокус на лидерстве, минимум ограничений.
Европа — жёсткие правила. EU AI Act вступает в полную силу 2 августа 2026. Штрафы — до €35 млн или 7% глобальной выручки.
Китай — суверенная инфраструктура. Собственные модели, собственные чипы, минимальная зависимость от Запада.
Если работаете с европейскими клиентами — готовьтесь к EU AI Act. По оценкам Orrick, затраты на compliance: $2–5 млн для среднего бизнеса, $8–15 млн для крупного.
Единых правил не будет. Каждый блок пойдёт своим путём.
6. Рынок труда и навыки: как меняются профессии и зарплаты
В интервью CNN, Dario Amodei, глава Anthropic, по факту второй человек в AI говорит:
«AI может автоматизировать половину entry-level white-collar позиций и поднять безработицу до 10–20% в ближайшие годы»
Это человек, который строит эти системы и видит их возможности изнутри.
В интервью WSJ на Давосе он же:
«Не думаю, что пройдёт много времени, прежде чем AI станет лучше людей почти во всём»
Под давлением: джуны-разработчики, копирайтеры, первая линия поддержки. AI уже делает их работу.
Растёт спрос: на тех, кто умеет интегрировать AI и управлять агентными системами.
По данным PwC, работники с AI-навыками получают премию к зарплате до 56%. Это вдвое больше, чем год назад.
Pragmatic Engineer провёл опрос среди разработчиков: 85% уже используют AI-инструменты. 41% всего кода в 2025 году написано с помощью AI.
AI не заменяет людей. AI меняет, что люди делают. Те, кто освоит инструменты — усилят свою ценность. Остальные проиграют тем, кто освоил.
7. Софт vs данные и процессы: почему софт перестаёт быть главным преимуществом
То, что раньше требовало команды разработчиков, теперь делает один человек с Claude Code.
Я сам не классический разработчик, но за последний год сделал ряд рабочих продуктов — автоматизации, боты, внутренние инструменты. Всё с помощью LLM.
По данным JetBrains, 85% разработчиков регулярно используют AI для кодинга. Но главное — AI-инструментами пользуются и не-разработчики.
Claude Code — CLI, который сильно повлиял на рынок AI кодинга
Маржа на софт падает. Клиент не хочет платить $50/месяц за SaaS, если может сделать похожее за выходные. Скорость копирования растёт.
Конкурентное преимущество смещается. От «у нас есть софт» к «у нас есть данные, процессы, отношения».
Что из этого следует для России: выводы и практические риски
Налоги растут, маржа тает, кадры дорожают. Это реальность 2026 года.
При этом:
Китайские (и не только) модели доступны бесплатно
Open-source не требует больших бюджетов
Агенты закрывают работу целых отделов
AI — не «модная штука». Это инструмент выживания. Компания с 5 людьми и AI-автоматизацией может делать работу компании с 20 людьми без неё. Я большой приверженец микро-команд в текущих реалиях.
При правильном подходе и измеримых вложениях в AI — совсем небольшие компании экономят реальные деньги. Я это вижу по тем проектам, которые мы делаем в агентстве.
Кто внедрит сейчас — масштабируется без пропорционального роста затрат. Кто подождёт — через пару лет будет куплен теми, кто не ждал.
Что делать: пошаговая инструкция для бизнеса и специалистов
Если руководите бизнесом:
Пройдитесь по процессам. Где рутина? Где люди делают то, что может AI?
Обучите людей. Они должны уметь работать с AI. Нет смысла внедрять «AI-трансформацию», если сотрудники не используют LLM модели в ежедневной работе
Начните с одной автоматизации. Посмотрите результат, потом масштабируйте
Не привязывайтесь к одной модельке
Если специалист:
Освойте что-то одно: ChatGPT, Claude, Gemini
Автоматизируйте свою рутину
Стройте экспертизу: юрист + AI, маркетолог + AI, финансист + AI
Следите за темой — она меняется быстро
Коротко и по делу: главный вывод про AI в 2026
2026 — год, когда AI перестаёт быть игрушкой. Становится инфраструктурой.
Игнорировать это — как в 2005 игнорировать интернет. Как говорится, можно, но зачем? Вероятно, через год пожалеете.
Главное, чтобы вложения окупались! Работаем над этим!
Интересно, что думаете. Вы уже внедряете AI в работу или пока присматриваетесь? Что останавливает — непонятно с чего начать, нет времени разбираться, или просто не верите в эффект?
Напишите в комментариях — хочу понять, на каком этапе большинство.
Комментарии (0)
Войдите или зарегистрируйтесь, чтобы оставить комментарий
Загрузка комментариев…