Разобраться • 20 февраля 2025
Автор: Глеб Обломский, директор по продуктам Just AI
Обложка: Unsplash
Российский бизнес прощается с эпохой экспериментов ради хайпа. Модели-гиганты за триллион параметров уступают место компактным и узким, которые умещаются на обычном ноутбуке и экономят бюджет. ИИ перестает быть «магией» и становится рутиной. Так что в предстоящей «гонке оптимизаций» победит не тот, у кого самая умная нейросеть, а тот, кто точно знает, какую конкретную бизнес-задачу она решает. Расскажем о главных трендах ИИ в 2026 году — от внедрения автономных агентов до новых правил SEO.
Российский бизнес прощается с эпохой экспериментов ради хайпа. Модели-гиганты за триллион параметров уступают место компактным и узким, которые умещаются на обычном ноутбуке и экономят бюджет. ИИ перестает быть «магией» и становится рутиной. Так что в предстоящей «гонке оптимизаций» победит не тот, у кого самая умная нейросеть, а тот, кто точно знает, какую конкретную бизнес-задачу она решает. Расскажем о главных трендах ИИ в 2026 году — от внедрения автономных агентов до новых правил SEO.
Вполне вероятно, что в ближайший год можно ожидать снижения активностей генеративного ИИ и возвращения к проверенным составляющим бизнеса, в первую очередь, к системам поиска и рекомендаций, которые обеспечивают большой объем финансового эффекта любой индустрии (будь то банки, e-commerce, медиа и т.д.).
Арнольд Сааков
Head of Data Science, GenAI, ecom.tech
«Любые генеративные технологии требуют инвестиций в железо, инфраструктуру и прочие виды затрат, а это становится не каждому по силам. При этом сами технологии продолжат развитие, в частности, ожидается появление более мощных LLM-моделей, прогресса в генерации видео».
В 2026 году внедрение ИИ ускорится в тех секторах, где оно развивалось медленно — в промышленности, аграрных и медицинских отраслях.
Ярослав Шмулев
CEO ReML, сооснователь и CTO R77.ai
«Промышленные компании первостепенно используют ИИ для повышения внутренней эффективности сотрудников, внедрения баз знаний, анализов отчетов, документации и так далее».
Активно будет развиваться медицина, где уже сейчас насчитывается десятки потенциальных ИИ-продуктов — от ассистентов по здоровью до систем контроля качества лечения. В агросекторе растет спрос на прогнозирование урожайности, мониторинг полей и автоматизацию распределения ресурсов.
ИИ-агенты на подъеме
ИИ-агенты — эволюционный шаг в развитии интеллектуальных систем, и их ключевое отличие от чат-ботов лежит не в качестве диалога, а в самой архитектуре их функционирования. Но ИИ-агенты не работают в вакууме. Им нужен доступ к корпоративным системам, например, CRM, а они часто разрознены.
Глеб Обломский
директор по продуктам Just AI
«Если чат-бот — это, по сути, реактивная система, предназначенная для ответа на запрос в рамках заданного сценария и базы знаний, то ИИ-агент — это проактивная, автономная сущность, способная к самостоятельному целеполаганию, планированию и исполнению сложных многошаговых задач.В основе агента лежит большая языковая модель (LLM), которая выступает не как генератор текста, а как центральный процессор — ядро для рассуждений. Это позволяет агенту разложить глобальную цель на последовательность конкретных действий. Например, организовать деловую поездку».
Обломский приводит примеры, которые выходят за рамки возможностей любого чат-бота.
Агент по закупкам 2.0
Вместо простого сопоставления заявок (мэтчинга), агент способен проводить полноценный рыночный анализ. Он может автономно отслеживать фьючерсные цены на сырье, анализировать новостной фон на предмет потенциальных сбоев в цепочках поставок и, основываясь на этих данных, проактивно формировать заказ на закупку по наиболее выгодной цене еще до того, как сотрудники осознают эту потребность. Он не просто ускоряет цикл, а оптимизирует его на основе предиктивной аналитики.
HR-агент нового поколения
Его задача — не просто обзвонить кандидатов по списку. Агент начинает с анализа рынка: он самостоятельно изучает профили на LinkedIn, GitHub, Behance, отбирая кандидатов, которые не находятся в активном поиске, но идеально соответствуют профилю должности. Он инициирует персонализированную коммуникацию, проводит первичное техническое интервью с помощью интерактивных тестов, запуская код в песочнице и оценивая результат, и лишь затем передает HR-специалисту шорт-лист из 3–5 наиболее релевантных кандидатов с подробным аналитическим отчетом по каждому.
Агент клиентской поддержки
При поступлении жалобы на сбой в работе сервиса агент в реальном времени обращается к системе мониторинга, анализирует логи, выявляет причину сбоя, самостоятельно создает тикет в Jira с полным техническим описанием для разработчиков и сообщает клиенту не просто «мы решаем проблему», а конкретное время ее устранения и номер заявки для отслеживания. В некоторых случаях он может даже автономно запустить скрипт для перезагрузки нужного сервиса за секунды.
ИИ-агенты — это не «улучшенные чат-боты». Это переход от автоматизации коммуникации к автоматизации целых бизнес-процессов и делегированию полномочий на принятие операционных решений. Наблюдается тренд на переход в формат Machine-to-Machine. Суть в том, что вашими клиентами все чаще будут не люди, а ИИ-агенты других компаний.
Для массового внедрения ИИ-агентов ключевую роль сыграют развивающиеся Low-code и no-code платформы, которые позволят создавать решения быстро и без собственных ИТ-команд. С их помощью технологии станут более доступными не только для бигтехов, но и для МСБ.
Такие решения уже есть и среди российских разработчиков, например, Just AI и Яндекс представили свои платформы этой осенью. Just AI Agent Platform и Yandex AI Studio предоставляют разработчикам инструменты для работы с языковыми моделями, включая поддержку как облачных, так и локальных LLM. Оба сервиса помогают автоматизировать задачи и делают ИИ-агентов доступнее.
Тем не менее далеко не каждый внедренный ИИ-агент станет по-настоящему эффективным. Даже самые продвинутые платформы остаются лишь инструментом, если компания не понимает, какую задачу они должны решать, как измерять результат и как встроить их в реальные процессы. Например, по оценке Gartner, порядка 40% таких проектов могут быть отменены к 2027 году.
К малым формам
По мнению экспертов, в 2026 году российский рынок ИИ будет развиваться по пути упрощения: мы увидим более явный переход от крупных универсальных моделей к компактным решениям.
В прошлом году уже много говорили об SLM — малых специализированных моделях. Они дешевле, быстрее и проще в обучении. В этом году они могут стать еще более востребованными.
Это ответ на реальные проблемы бизнеса. Большие облачные модели обходятся дорого и полностью зависят от решений поставщика. Малые модели позволяют избежать этих рисков и дают бизнесу больше стабильности и управляемости.
Даниил Казанцев
Expert Machine Learning Engineer / Finance
«Посмотрите на игровую индустрию — это большой спойлер того, что ждет сферу ИИ в 2026 году. Вспомните, как было раньше: разработчики почти не думали об оптимизации. Если игра тормозила, нужна была просто видеокарта помощнее и огромный системный блок. С ИИ в последние годы происходило то же самое: модели увеличивали до триллиона параметров и использовали огромные дата-центры, чтобы отвечать на самые простые вопросы пользователей.
А что мы наблюдаем в гейминге сейчас? Люди запускают «тяжелые» игры, сидя в метро, ведь индустрия научилась упаковывать графику (для которой изначально и создавались GPU) в компактное железо.
С ИИ будет то же самое. Эпоха “тяжелого люкса” уходит, и начинается “гонка оптимизаций”. Мы уже видим, как умные модели начинают летать на обычных офисных ноутбуках. Следующим шагом будет запуск таких моделей на смартфонах».
Тренд на уменьшение подтверждает появление таких решений, как Google Gemma 3n — компактной мультимодальной модели, которая работает прямо на устройствах, включая смартфоны, без подключения к интернету и требует всего 2 ГБ оперативной памяти.
В 2026 году легкие модели сделают B2B-решения более доступными. Появятся небольшие студии, которые будут брать открытые модели, дообучать их на данных конкретных ниш и продавать по низкой цене.
Собственный ИИ, независимый от внешних провайдеров, станет таким же доступным инструментом, как Excel или CRM по подписке. Малый бизнес сможет экспериментировать без риска: если не понравилось, как нейросеть пишет посты для соцсетей пекарни, можно будет просто отключить подписку, ничего не теряя. Эпоха «ИИ-элитарности» заканчивается.
От фичи к основе
ИИ становится частью логики цифровых продуктов. Уже сегодня многие сервисы внедряют интеллектуальный поиск, рекомендательные системы и чат-ассистентов, которые закрывают рутинные задачи и улучшают пользовательский опыт.
В «Самокате» разработали ИИ-ассистента, который помогает подобрать товары, рецепты и идеи подарков. На Хабре встроили ИИ-помощника, который помогает разобраться, что обозначает тот или иной код. «Яндекс Маркет» встроил ИИ-агента, который ориентируется в предпочтениях и может находить товары по изображениям, которые ему отправят. На «Банки.ру» работает ассистент на базе YandexGPT, который помогает сориентироваться в финансовых продуктах, а ИИ-помощнику «МТС Линк» можно задать любой вопрос по прошедшим встречам и попросить составить резюме непрочитанных сообщений в чатах.
Сервисы с такими «фичами» не просто умнее — они становятся понятнее и привычнее и формируют новую норму ожиданий.
Но является ли ИИ обязательным? Наверное, не сам факт его наличия, а способность продукта решать задачи быстрее, точнее и в соответствии с желаниями пользователя. Без этого продукт рискует оказаться «устаревшим» для пользователя, который уже привык, что сервис его понимает с полуслова.
При этом погоня за встраиванием ИИ часто приводит к обратному эффекту: компании заходят в проекты, которые изначально не могли окупиться.
Галина Ширанкова
CPO, product mentor
«Чтобы в разработке решений все было хорошо, продакт-менеджерам будет важно проверять гипотезы, которые потом планируется автоматизировать, без ML и LLM. Ведь многое из того, что в итоге будет реализовываться через LLM, можно сделать гораздо проще».
Не стоит думать, что использование LLM автоматически улучшает продукт. Технология сама по себе не двигает развитие. Гораздо важнее точно выбрать проблему, оценить ее важность и стоимость решения, а только потом решать, нужна ли там сложная модель.
Не только люди, но и машины
Сейчас все меньше пользователей заходят на сайты напрямую через поисковик. 29% россиян уже активно перешли на поиск с помощью нейросетей, а среди молодежи этот показатель достигает 47%.
В результате появляется Generative Engine Optimization (GEO) — оптимизация, ориентированная на генеративные модели. В отличие от классического SEO, где важны тексты и ссылки, GEO требует полной прозрачности компании, достоверного экспертного контента и технически корректного сайта, который модели могут легко прочитать, проверить и сопоставить с внешними источниками. Услуги по оптимизации сайтов под нейросети уже активно представлены на рынке.
Есть данные, что клики из ChatGPT конвертируются лучше, чем органический трафик поисковиков. Вероятно, это происходит потому, что ответы нейросети люди воспринимают как личную рекомендацию, а не как безличную выдачу ссылок.
Трансформация культуры
Мы уже наблюдаем, как ИИ меняет культуру российских компаний. Он ускоряет готовность пробовать новое, смещает фокус на реальную продуктивность и заставляет по-новому взглянуть на роли и компетенции сотрудников.
Все чаще говорят о подходе AI-First, когда в работе сначала проверяют, может ли задачу выполнить ИИ, а если это невозможно или неэффективно, подключают людей. Главное отличие от компаний, которые «просто используют ИИ», в том, что тут искусственный интеллект не выполняет отдельные задачи, а становится отправной точкой, задавая направление для развития.
На первый взгляд звучит просто, но этот процесс требует глубокой трансформации. Для этого компаниям нужен опыт работы с ИИ, четкие регламенты, продуманная стратегия и изменения в подходах к работе и управлению.
Дмитрий Легчиков
AI Lead, «2ГИС»
«Одной из наиболее серьезных проблем остается интеграция ИИ в существующие бизнес-процессы, особенно когда компания опирается на устоявшуюся или разрозненную IT-инфраструктуру. В то же время отечественные ИИ-решения на русском языке уже достигли уровня, при котором их можно полноценно внедрять в практику, что особенно важно для компаний, для которых критично использовать исключительно российские модели».
Качественно иной уровень — подход AI-Native. Так называют организации, где ИИ лежит в основе бизнес-модели и встроен во все ключевые функции бизнеса: стратегию, продукты, процессы и коммуникации. Для них искусственный интеллект не дополнительный инструмент, а основа работы. В числе крупных компаний, которые уже применяют такой подход, — гиганты промышленности: «Норникель» и «Северсталь». Помимо автоматизации производственных процессов, «Норникель» внедрил ИИ-ассистентов для офисных сотрудников и технологов, а «Северсталь» запустила платформу, на которой сотрудники могут создавать персонализированных ИИ-ассистентов для решения рабочих задач.
Корпорации стремятся к новой архитектуре управления — человек + агент. Впрочем, ставку на этот подход стоит делать и небольшим разработчикам, и стартапам. В условиях высокой конкуренции это помогает занять нишу и снизить риск провала.