Аналитика

Бывшие исследователи OpenAI и других крупных лабораторий собрали сотню экспертов и провели десятки сессий, чтобы описать, что может случиться с генеративным ИИ в ближайшие два года. Так появился проект AI-2027.com. И картина, которую они предлагают, совсем не про лайфхаки с нейросетями. Это про фундаментальные сдвиги — в экономике, власти, безопасности и распределении контроля. Если смотреть их сценарий в целом, он строится на очень понятной логике: ИИ-системы становятся не просто «умнее» — они всё ближе к тому, чтобы действовать автономно, быстро и стратегически. И на каждом шаге эта автономия перестаёт быть чем-то локальным. 2025: ИИ начинает работать вместо людей, а не с людьми Первая веха — массовое распространение ИИ-агентов. Не чат-ботов, не ассистентов, не «помощников для маркетолога». А агентов, которые умеют брать задачу, сами разбивать её на шаги, обращаться к нужным инструментам, проверять результат и запускать следующий цикл. Не просто «сгенерировать текст», а «сформировать стратегию», «запустить исследование», «провести закупку». В AI-2027 это описано как начало настоящей автоматизации «белых воротничков». Когда не производство заменяется машинами, а офис. Люди, привыкшие быть связующим звеном между таблицами, письмами, базами, инструкциями — в этой схеме становятся ненужными. И дело не в том, что агент «умнее». Он просто быстрее и не устаёт. Такие агенты уже появляются (см. Devin, AutoGPT, Agent1), но в 2025-м они могут стать массовым продуктом — особенно в стартапах, SaaS и b2b-сегменте. Это повысит производительность, но и приведёт к первым волнам увольнений «белых воротничков». 2026: первая потеря контроля и рост тревожности По мере того как ИИ-системы получают доступ к более мощным вычислениям и большему количеству данных, начинается их развитие вглубь: не просто в новые функции, а в способ мышления. Ожидается кратный рост вычислительных мощностей моделей. Это сделает возможным запуск ИИ, которые: понимают сложные инструкции, могут имитировать действия команд из 5–10 специалистов, не просто «генерируют текст», а стратегически планируют. Они начинают планировать, принимать решения, выстраивать длинные логические цепочки. У них появляется способность делать то, что даже разработчики не всегда могут объяснить — или предсказать. Именно в этот момент, по сценарию AI-2027, возможны первые кризисы управления. Системы начинают работать в неожиданных направлениях. Что-то ломается. Кто-то получает доступ к тому, к чему не должен. И в публичном поле впервые появляется настоящая обеспокоенность: не от энтузиастов и философов, а от политиков, инвесторов, военных. Это не катастрофа. Но это — поворотный момент. После него все понимают: ИИ — это уже не просто новая технология, а инфраструктура. И если она не под контролем, последствия становятся системными. 2027: момент, когда обсуждать уже поздно К 2027 году сценарий предполагает появление сверхразумных систем — тех, что по интеллектуальным способностям уходят за пределы человека. Не просто быстрее думают, а по-другому. Не просто знают больше, а умеют использовать знания так, как мы не можем заранее смоделировать. Такие системы уже невозможно «полностью понимать». Их можно лишь ограничивать, сдерживать или обучать на уровне принципов. Если успеем. Именно в этой точке авторы сценария говорят, что у общества может не хватить времени на выработку норм, инфраструктуры и сдержек. Мы окажемся в ситуации, где реальность диктует ИИ, а не наоборот. Где доступ к таким системам становится источником силы, сравнимым с атомным оружием или управлением мировой валютой. Если такие системы появятся — начнутся глобальные сдвиги: в экономике, политике, военной сфере. Но при этом инфраструктура, регулирование и культура работы с ИИ будут отставать на годы. Почему это важно читать уже сейчас AI-2027 — не пугающий сценарий. Это очень аккуратный, трезвый разбор. В нём нет алармизма, только попытка понять, куда мы можем прийти, если просто будем продолжать делать то, что делаем. Он показывает: если ИИ продолжит развиваться такими темпами, у нас остаётся совсем немного времени, чтобы: разработать защитные меры; ввести регуляции; выстроить этическую и правовую основу; успеть адаптироваться на уровне бизнеса, госструктур и личных решений. Именно поэтому важно, чтобы такие материалы читали не только исследователи. А те, кто делает продукты (о, как мы, grinit.ru), строит процессы, отвечает за инфраструктуру, а также пользуется ими.

Клиентский сервис — это не просто “ответить быстро”. Настоящее качество обслуживания начинается с анализа: кто пишет, что говорит, какие эмоции транслирует человек на том конце диалога. До недавнего времени всё это было недоступно в масштабе. Руководители контакт‑центров и отделов продаж могли только интуитивно догадываться, как команда взаимодействует с клиентами. Сейчас у бизнеса появился способ видеть картину целиком — через ИИ анализ коммуникаций. Эти технологии позволяют обрабатывать весь массив входящих обращений — звонков, чатов, e‑mail — и строить на их основе выводы, которые раньше были просто недоступны. Речь не только о скоростях. Речь о понимании того, что происходит между сотрудником и клиентом — в динамике, в деталях, в настроении. Это меняет саму природу сервиса: от реакции к управлению, от наблюдения — к действию. Что делает ИИ-анализ — и почему он не просто “статистика” Внедряя ИИ анализ звонков, компания получает инструмент, который не просто собирает статистику. Он обрабатывает речь, распознаёт ключевые фразы, эмоции, тональность, паузы, перебивания. Эта информация формирует то, что называется sentiment score — индекс эмоционального состояния клиента. Если он резко снижается в середине разговора — ИИ зафиксирует это и может передать сигнал супервайзеру или автоматической системе эскалации. Технология также позволяет определять, насколько разговор шёл по скрипту, какие темы поднимались, сколько времени сотрудник тратил на вводные формальности, а сколько — на реальную помощь. Всё это анализируется не вручную, а автоматически, и доступно для дальнейшего улучшения процесса: обновления сценариев, адаптации обучения, корректировки приоритетов. Как это влияет на качество обслуживания Главное, что даёт ИИ аналитика разговоров или похожие системы — это возможность выявлять закономерности, которые в обычной работе не видны. Например, в рамках одной из интеграций, при анализе нескольких тысяч разговоров выяснилось: клиенты чаще отказываются от услуги не после объяснения условий, а после того, как менеджер неуверенно переходит к финальной части диалога. Это — нюанс, который не поймать вручную, но именно такие мелкие отклонения систематически портят общую оценку обслуживания. ИИ показывает не только слабые места, но и сильные: какие фразы убеждают, какие структуры диалога повышают доверие. Это особенно важно для новых сотрудников, которым в первые недели не хватает уверенности. Система может автоматически подсказывать им формулировки в момент общения или разбирать типовые ситуации на основе реальных кейсов. Поддержка становится обучающей системой, а не просто интерфейсом для приёма жалоб. Какие показатели можно улучшать с помощью ИИ CSAT (Customer Satisfaction) — уровень удовлетворённости клиента после контакта FCR (First Call Resolution) — сколько запросов решено при первом обращении Sentiment score — оценка эмоционального тона разговора Time to Resolution — среднее время, за которое решаются вопросы Rate of escalation — сколько обращений передаются на следующий уровень Script deviation rate — частота отклонений от сценария общения В отличие от ручной отчётности, где данные часто искажаются или агрегируются поздно, здесь всё обновляется в реальном времени. Это позволяет оперативно корректировать процесс: например, замечать, что новая кампания вызывает рост негативных отзывов уже на второй день, или что клиентам всё чаще приходится переспрашивать одно и то же — и это отражается в общей тональности разговоров. Зачем это бизнесу Для контакт‑центра, где проходит тысяча разговоров в день, ручной контроль невозможен. Но без контроля — нет понимания качества. Именно это решает ИИ анализ коммуникаций: он не заменяет людей, а расширяет возможности управлять тем, что раньше было “чёрным ящиком”. Маркетинг и продажи получают конкретные данные: что действительно волнует клиентов, какие страхи чаще звучат, какие аргументы убеждают. Служба поддержки — объективные ориентиры, а не “ощущения” о работе операторов. Руководство — точку опоры для решений: от изменения продукта до перераспределения нагрузки. Почему стоит начать с Grinit Мы в Grinit разрабатываем ИИ-агентов под задачи бизнеса — не абстрактные платформы, а конкретные рабочие инструменты, которые вписываются в процессы компании. Один из наших направлений — аналитика коммуникаций, включая агентов для анализа звонков, переписок, жалоб, внутренних обращений и любых текстов, где важно улавливать смысл, тональность и паттерны. Наши ИИ-модели не просто «считают слова» — они понимают контекст. Раздражение без ругани? Притворная лояльность? Повторяющиеся сигналы усталости в команде? Мы делаем агентов, которые всё это распознают и передают менеджеру в понятном виде: в виде алерта, отчёта, рекомендации или автоматического действия.

Отчет BOND Capital по искусственному интеллекту за 2025 год — это не просто аналитика на 340 страниц. Это описание того, как ИИ за последние два года перешёл из области перспективных технологий в реальную экономику. ИИ становится неотъемлемой частью бизнес-среды. Он перестраивает то, как компании работают с данными, принимают решения, общаются с клиентами и управляют командами. Его развитие не просто быстрое — оно опережает всё, что мы видели раньше: интернет, мобильные технологии, облачные сервисы. И скорость — далеко не единственное, что должно привлечь внимание бизнеса. В этой статье мы расскажем про 10 самых интересных фактов из отчета. Технология, которая развивается быстрее всех в истории ChatGPT достиг 100 миллионов пользователей всего за 0,2 года. Для сравнения: TikTok понадобился почти год, Instagram — два с половиной, а iPhone вышел на эту цифру за 74 дня и при этом стоил пользователю более $750. Такая скорость означает не просто популярность продукта — она показывает, что пользователи готовы мгновенно адаптироваться к технологиям, которые предлагают реальную пользу и не требуют сложной настройки. Если темпы сохранятся, то более половины американских домохозяйств начнут регулярно использовать ИИ уже к 2027 году. Бизнесу это сигнал: если вы не используете ИИ сейчас, значит, вы опаздываете. Причём не по отношению к гигантам, а к массовому рынку. ИИ с самого начала — глобальное явление Если раньше новые технологии запускались в США и лишь потом распространялись на остальной мир, то с ИИ всё иначе. Уже сегодня 90 % пользователей ChatGPT — вне Северной Америки. Такие страны, как Индия и Индонезия, стали крупнейшими по числу активных пользователей. Китай активно развивает собственные модели. DeepSeek — одна из ведущих open-source платформ — набрала 54 миллиона пользователей за четыре месяца. Это подтверждает, что ИИ больше не является технологией одной страны или одного рынка. Он сразу глобален. Он развивается одновременно в десятках экосистем, часто с опорой на собственные стандарты, регуляции и подходы. Разработчики уже перестроились. А компании — не всегда По данным отчёта, 63 % разработчиков в 2024 году использовали ИИ-инструменты, тогда как годом ранее этот показатель составлял 44 %. Экосистема развивается стремительно: количество проектов на GitHub, связанных с ИИ, выросло на 175 % за 16 месяцев.Это означает, что технические специалисты уже адаптировали ИИ в свой рабочий процесс. Но бизнес, в большинстве случаев, всё ещё отстаёт: руководители продолжают воспринимать ИИ как нечто отдельное, требующее «отдельного проекта» или «пилотного запуска», тогда как сотрудники уже интегрируют его в ежедневные задачи. Ключевые инвестиции теперь — в вычисления За последние 10 лет доля капитальных затрат (CapEx) крупнейших IT-компаний на инфраструктуру выросла почти вдвое: с 8 % до 15 % от выручки. У Amazon Web Services доля инвестиций в ИИ-дата-центры достигла почти половины всей выручки. Иными словами, сегодня самые большие деньги тратятся не на доступ, не на хранение, а на вычисления. Это подтверждает и рост спроса на GPU, и переориентация компаний на развитие собственных вычислительных платформ. В ближайшие годы это станет ключевым фактором конкурентоспособности. Компании с доступом к вычислениям получат преимущество не в будущем — уже сейчас. Стоимость использования ИИ упала. А затраты выросли С 2022 по 2024 год стоимость инференса — то есть обработки запроса к модели — снизилась на 99,7 %. Это позволило резко снизить порог входа: ИИ стал доступен не только крупным компаниям, но и стартапам, фрилансерам, внутренним командам без отдельного бюджета. Но при этом общие издержки на ИИ в компаниях растут. Это объясняется просто: обучение модели — разовая операция. А инференс — постоянная. С каждым днём возрастает количество кейсов, в которых ИИ применяют, и, соответственно, количество запросов, которые нужно обрабатывать. В долгосрочной перспективе это означает: использовать ИИ — дёшево. Но масштабировать его — дорого. Особенно для тех, кто не просчитал нагрузку заранее. ИИ работает не только в коде Искусственный интеллект уже используется не только в цифровой среде. В отчёте приводится статистика: Tesla за три года увеличила количество полностью автономных километров в 100 раз. Waymo контролирует более четверти рынка райдшеринга в Сан-Франциско.ИИ управляет логистикой, роботизированными складами, производственными линиями и даже военными системами. Речь идёт не просто о «цифровизации», а о полном переходе от физического капитала к программируемому — там, где решения принимаются не людьми, а алгоритмами. Внедрение больше не тестируется — оно происходит ИИ больше не находится в стадии экспериментов. Более половины компаний из списка S&P 500 упоминают ИИ в публичных отчётах. JPMorgan уже сэкономил миллиарды за счёт автоматизации процессов. В Bank of America ИИ-ассистент провёл более двух миллиардов клиентских взаимодействий. Медицинский гигант Kaiser использует ИИ-секретарей, которые фиксируют и обрабатывают данные более чем на 10 миллионах врачебных приёмов. Эти решения давно перешли из зоны «интересного теста» в зону «бизнес-критичной инфраструктуры». Open-source догоняет закрытые платформы Несмотря на лидерство крупных платформ, таких как GPT-4 или Gemini, open-source модели активно сокращают отставание. DeepSeek и LLaMA показывают конкурентные результаты при существенно меньших затратах. Для бизнеса это возможность — особенно если важны локальная адаптация, контроль над данными, гибкость и стоимость. В таких сценариях открытые модели становятся всё более привлекательной альтернативой. Китай формирует собственную архитектуру ИИ Китай активно развивает национальную ИИ-инфраструктуру. Он лидирует по числу открытых моделей, количеству промышленных роботов и масштабу господдержки в этой сфере. В отличие от большинства стран, Китай рассматривает ИИ не как отдельную индустрию, а как системообразующий элемент экономики и государственной политики. Крупнейшие игроки, такие как Huawei, Baidu, Alibaba и DeepSeek, не просто создают аналоги западных моделей — они выстраивают полный цикл: от разработки чипов до облачной инфраструктуры и корпоративных решений. При этом Китай делает ставку на открытые модели, которые дешевле обучать и проще масштабировать в условиях ограниченного доступа к западным GPU и софту. В результате формируется параллельная технологическая экосистема, способная конкурировать с западной не только на внутреннем рынке, но и в странах, которые заинтересованы в альтернативных решениях с локальной адаптацией и меньшей зависимостью от США. Это уже не вопрос технологического прогресса — это вопрос суверенитета. Китайская архитектура ИИ — это стратегия на десятилетия, в которой ИИ становится таким же базовым ресурсом, как электроэнергия, транспорт или сеть 5G. И для остальных игроков на глобальном рынке это означает одно: впереди не просто соревнование компаний, а полноценное геополитическое перераспределение технологических влияний. Вычислительные мощности и капитал меняют правила конкуренции Один из самых важных — но часто недооценённых — сдвигов в индустрии ИИ касается не алгоритмов, а