Другие ИИ

Обряд посвящения младших консультантов — бессонные ночи над слайдами, бесконечный ручной поиск — трещит по швам. "Lilli" от McKinsey просматривает 100 000+ документов за секунды и набрасывает презентации; "Deckster" от BCG мгновенно доводит слайды; по одной из оценок ~80% исследовательской и слайдовой работы младшего аналитика могут быть заменены за секунды. Как следующий выпуск серии "Влияние ИИ по отраслям" после #068 (торговые компании) и #094 (маркетинг), статья обозревает консалтинг: картину в цифрах (Big Four и стратегические дома вложили 10+ млрд долларов в ИИ с 2023 года, PwC 1 млрд за три года, BCG ~25% выручки в 14,4 млрд за 2025 год = ~3,6 млрд от ИИ, исследование HBS с 758 консультантами BCG: пользователи ИИ делали на 12,2% больше задач, на 25,1% быстрее, на 40%+ качественнее), пять областей, которые меняет ИИ (исследования, слайды, анализ, протоколы и новые ИИ-стратегические услуги — пока чистый создатель рабочих мест в крупных фирмах), крах пирамидальной модели (рутинная работа джуниоров, ~80% по одной из оценок, автоматизируется за секунды; движение к компактным командам несколько-человек-плюс-ИИ с тревогой за карьерный конвейер), тектонический сдвиг цен (парадокс производительности — закончить быстрее значит выставить меньше при почасовых ставках — и 73% клиентов предпочитают оплату по результату, толкая переход к оплате по результату и фиксированной цене), неизменную суть ценности (постановка вопроса, интерпретация, суждение, доверие, исполнение — консультант, управляющий системой, важнее самой системы), разделение на гигантов-танкеров против бутиков-катеров (рост небольших фирм до 50% по оценкам) и советы по ролям для соискателей, практиков и компаний-клиентов. Вопрос, который ставит ИИ: ваша ценность — это работа или суждение?

На форуме в Davos в январе 2026 года ведущие умы отрасли столкнулись по поводу «AGI уже не за горами» против «до сути ещё далеко» — а запалом послужил AGI (Artificial General Intelligence). Эта понятная для новичков статья начинается с того, что такое AGI — «универсальный ИИ, который, подобно человеку, способен сам учиться и решать даже совершенно новые задачи в любой области» (хотя это ещё не реализованная цель на 2026 год), — затем разбирает решающее отличие от сегодняшнего узкого ИИ в стиле ChatGPT (может ли он «переносить» знания в другую область; обобщение и автономное освоение навыков), трёхступенчатую схему узкий ИИ → AGI → ASI (сверхинтеллект), широкий разброс прогнозов экспертов по срокам (Amodei из Anthropic оптимистичен — в пределах нескольких лет/около 2027 года, Hassabis из DeepMind осторожен — ~50% к 2030 году, медиана опроса исследователей — 2047 год, скептики вроде Marcus говорят, что это далеко или не случится — разброс проистекает из различающихся определений), насколько сегодняшний ИИ близок (ниже человеческого базового уровня на ARC-AGI, но подбирается к порогу за счёт мультимодальности и агентов), надежды (ускорение исследований болезней и науки) и риски (рабочие места, злоупотребления, проблема согласования — позиционируемая Anthropic и UK AISI как критическая точка принятия решений), а также частые мифы вроде «ChatGPT — это уже AGI» и «AGI = обладает сознанием». Ни чрезмерно боясь, ни чрезмерно мечтая, освойте узкий ИИ, что у вас в руках, спокойно наблюдая за тем, что придёт дальше.

Когда генеративно-ИИ рождественский ролик Coca-Cola в конце 2024 года раскритиковали как «бездушный», это символизировало перетягивание каната, которое ИИ привносит в маркетинг: «эффективность и результативность» против «доверия и эмоций». Эта статья обозревает тему, сначала измеряя положение дел в цифрах (около 87% маркетологов используют генеративный ИИ, рост с 51% в 2024 году; более 71% рекламных бюджетов управляются алгоритмами; Google создал около 70 миллионов креативов с помощью Gemini только за Q4 2025; расходы на ИИ-инструменты в маркетинге выросли примерно втрое за 18 месяцев). Она охватывает пять областей, которые меняет ИИ (① создание контента ② рекламный креатив ③ таргетинг и доставка / программатик ④ персонализация / DCO ⑤ аналитика и измерения) и сообщённые эффекты (DCO с ~32% более высокой CTR и ~56% более низкой CPC, тексты от ИИ с 3,2-кратным ROI, first-party/контекстный таргетинг вплоть до 2-кратного ROAS — все опубликованы, зависят от условий); ядро, которое не меняется (стратегия, бренд, доверие, прорывное творчество остаются за людьми — ИИ это усилитель, нулевая база означает нулевой ответ); тектонический сдвиг SEO/AEO/LLMO (с внутренними ссылками); риски (разрыв восприятия 82% руководителей против 45% потребителей в отношении ИИ-рекламы, правдоподобные выдумки, brand safety, права/регулирование, бесконтрольная работа на автомате); как смещается работа маркетолога (задачи забираются, ответственность за суждения тяжелее; от производителя к главному редактору и стратегу); и пятишаговый план практики на сегодня. Самое большое влияние ИИ — освобождение человеческого времени от делания ради решения.

Презентация — завтра с утра, а слайды пустые — но напечатайте одну строку с темой, и через минуты перед вами 20 черновых слайдов. Это ИИ-слайды в 2026 году. Гид разбивает создание слайдов на три этапа (структура, текст, дизайн) и излагает два подхода: генерация «всё в одном» (дайте тему — получите всё) против разделения труда (доведите структуру и текст в ChatGPT/Claude/Gemini, затем оформите специализированным инструментом). Сравниваются основные инструменты (быстрый Gamma, нативный-.pptx-без-поломок Copilot в PowerPoint, сильный в совместной работе Gemini для Google Slides, самый красивый Beautiful.ai, богатый шаблонами Canva, надстройка ChatGPT для PowerPoint, запущенная в мае 2026 — абсолютного чемпиона нет; выбирайте по выходу), самый воспроизводимый процесс из 5 шагов (структура → текст → влить в инструмент дизайна → проверить цифры и источники → экспорт в .pptx/Slides), три готовых промпта (план, развернуть слайд с заметками докладчика, переформатировать для инструмента дизайна), шесть приёмов для слайдов, которые попадают в цель (одно сообщение на слайд, сократить текст вдвое и др.) и подводные камни — поломка вёрстки .pptx, раздутый первый черновик, правдоподобно выдуманные данные, отправка конфиденциального и закрытие инструментов (закрытие слайдов Tome в апреле 2025 как урок). ИИ — партнёр, который выдаёт черновик в одно мгновение; сокращение и проверка — работа человека.

Рукописная заметка, бумажный чек, английский внутри скриншота, вывеска на фото — перепечатка, которую вы всегда делали вручную, в 2026 году почти полностью не нужна благодаря ИИ. Это руководство начинается с того, чем AI OCR отличается от традиционного OCR (чтение по одному символу против понимания всей страницы по смыслу), затем сортирует три варианта (обычный чат-ИИ / специализированные инструменты вроде Google Lens / API и OSS, такие как Mistral OCR и PaddleOCR-VL) по сценариям. Сравниваются ChatGPT (GPT-5.5), Gemini 3.1 Pro и Claude (Opus 4.8) по сильным сторонам (рукопись → семейство GPT, структурирование таблиц → семейство Claude, множество страниц → длинный контекст Gemini, «чистый» OCR → специализированные модели; абсолютного чемпиона нет), даются три готовых промпта (расшифровать, не ломая; таблица в Markdown; чек в JSON, все с правилом «не выдумывать»), лучший выбор под каждый случай (рукопись, чеки, PDF, сложные таблицы, вертикальный/старый текст, формулы и код), шесть советов по точности с качеством изображения как 80 % результата, и единственная величайшая слабость AI OCR — правдоподобно выдумать то, что не смог прочитать (всегда сверяйте суммы, даты и имена с оригиналом) — плюс предостережения о приватности при отправке конфиденциального, об авторских правах и использовании для обучения. ИИ можно доверить только «чтение»; подтверждение — за человеком, который видел оригинал.

Вы знаете, «что такое RAG», но при сборке ответ выходит мимо — потому что это всё ещё наивный RAG: небрежная нарезка и обычный векторный поиск. Как практическое продолжение статьи 030, здесь поэтапно разбирается практический конвейер RAG 2026 года (умный chunking, embedding, vector DB, гибридный поиск, reranking): стратегии chunking (recursive 512 как дефолт, semantic/structural/parent-child, Contextual Retrieval, по сообщениям сокращающий неудачи извлечения вплоть до 67%), выбор модели embedding (text-embedding-3-large и др.), сравнение шести vector DB (Chroma для прототипирования, pgvector с Postgres, низколатентный Qdrant, полностью управляемый Pinecone, чемпион по гибриду Weaviate, крупномасштабный Milvus), гибридный поиск со слиянием BM25 + плотных векторов через RRF, retrieve-then-rerank с bi-encoder, затем cross-encoder (Cohere/Voyage/BGE/Jina), разделение LlamaIndex (извлечение) против LangChain/LangGraph (управление), почему окно в 1M токенов не заменяет RAG (lost in the middle, отвлечение) и нюансы вывода в продакшн, такие как построение набора для eval в первую очередь.

Вы знаете, «что такое ИИ-агент» — так как же построить его? В 2026 году без кода можно запустить рабочий агент за один вечер простым перетаскиванием, а современные SDK позволяют собрать практичный менее чем в 100 строк. Как практическое дополнение к «что такое ИИ-агент», здесь разбираются анатомия (мозг LLM + инструкции + инструменты + память + автономный цикл), два пути (без кода и с кодом), универсальный каркас сборки из 5 шагов (очерти задачу, выбери основу, напиши инструкции, подключи инструменты, тестируй на малом), сравнение инструментов без кода (Dify как полноценная платформа, n8n для бизнес-интеграции, Flowise для прототипирования и самые простые Custom GPT/Gemini Gems/Claude Projects), сравнение кодовых фреймворков (надёжные Claude Agent SDK/OpenAI Agents SDK, LangGraph для сложного контроля, CrewAI для координации ролей), конкретный разобранный пример (суммировать письмо в поддержку, затем уведомить в Slack), стоимость (~$10-$50/месяц за платформу плюс использование модели) и ориентиры по срокам, а также ловушки (не расширяй область чрезмерно, права доступа и контроль над «разносом», остерегайся «только PoC»). Большинству людей правильный ход — сначала собрать один агент без кода.

«ChatGPT, Claude или Gemini — на что оформить подписку?» В 2026 году все три стоят около $20 в месяц и все первоклассны, поэтому единственного «вот этот побеждает» нет. Правильный вопрос — «какой лучше для вашего сценария использования». На основе консенсуса по источникам разобраны основы (поставщик, основное семейство моделей, цены бесплатного/стандартного/премиального тарифов), различия характеров (Claude = мастер письма/анализа/кода, ChatGPT = универсал с экосистемой и изображениями/голосом, Gemini = мультимодальность, длинный контекст, интеграция с Google), подробная таблица по сценариям (письмо, код, общее, генерация изображений, голос, понимание изображений/PDF/видео, очень длинный текст, интеграция с Google, исследования, русский язык), как выбрать план по объёму использования и умная связка из двух инструментов, когда нельзя выбрать один (одно ядро + один, чтобы закрыть пробелы). Лидер меняется каждые несколько месяцев, поэтому вместо погони за фиксированным «лучшим» используйте каждый по сильной стороне и измеряйте на своих задачах на бесплатном тарифе.

Вы по-прежнему тратите час-другой каждую неделю, набирая протокол вручную с записи? В 2026 году бо'льшую часть этого можно автоматизировать. Это руководство разбивает протокол на четыре этапа (запись → расшифровка → резюмирование → извлечение решений и задач), сравнивает два подхода (специализированный ИИ, который присутствует на звонке, против DIY-схемы запись → ИИ для расшифровки → LLM), сопоставляет основные инструменты (Otter, Notta, Fireflies, tl;dv, Fathom, Granola — с пометкой, что точность заявлена вендорами), охватывает встроенный ИИ в Zoom/Teams/Meet, проходит путь DIY с Whisper и ChatGPT/Claude/Gemini и примером промпта «не заполняй пробелы догадками», даёт пять советов для повышения точности (качество звука, словарь имён собственных, диаризация спикеров, соответствие языку, шаблонный промпт) и излагает оговорки о приватности, согласии и чрезмерном доверии. Последняя линия обороны — человек: всегда просматривайте решения и задачи глазами.

В 2026 году большая четвёрка инструментов AI-кодинга обрела ясные очертания — Cursor, Claude Code, GitHub Copilot и Codex. Но попытка короновать одного победителя сбивает с пути, ведь эти четыре — разные типы. Статья сначала фиксирует главное — разницу в типах (Cursor = AI-редактор, Copilot = встроенный в IDE плагин, Claude Code = локальный CLI-агент, Codex = облачный асинхронный агент) — затем разбирает, чем на деле является каждый инструмент, таблицу характеристик по одним осям (тип, цены входа и топа, модели, контекст, сильные стороны), как читать переход 2026 года от фиксированной платы к «лимиту + использованию (кредиты)», выбор под ваш тип (простота = Copilot от $10, опыт в редакторе = Cursor, тяжёлая работа со множеством файлов = Claude Code, асинхронные пакеты = Codex), привычку умелых разработчиков совмещать «один инструмент со стороны IDE + один терминальный агент» и честные оговорки о ценах и бенчмарках — всё на основе официальных источников и нескольких изданий.

«Хочу перевести документацию на много языков. Claude Code или Codex?» В вопросе скрыта ловушка: ни то ни другое не является движком перевода — это агентные CLI-среды, а текст создаёт модель под капотом. Статья делит задачу на две оси: рабочая среда (выбор инструмента) и качество перевода (выбор модели). На стороне инструмента Claude Code — с прямым доступом к локальным файлам, контекстом на 1M токенов и сильным согласованным редактированием по многим файлам — подходит для перевода репозитория, а Codex (асинхронное облако, автоматизация PR, CLI с открытым кодом) подходит для пакетов без вмешательства. На стороне модели, используя официальные оценки Anthropic по языкам относительно английского (от испанского 98.1% до японского 96.9%) как первичные данные, изложены тенденции: Claude для согласованности тона в длинных документах, линейка GPT-5.5 для естественности и идиом и линейка Gemini 3.1 Pro / Flash для широты охвата редких языков и диалектов. Добавлены таблица по языкам и сценариям, пять железных правил конвейера перевода (глоссарий, параллельные запуски и другое) и честные оговорки вроде «бенчмарк — не реальное качество перевода» — всё актуально на 2026 год.

28 мая 2026 года Anthropic выпустила Claude Opus 4.8 всего через два месяца после прежней модели. Главный заголовок на этот раз не приросты бенчмарков, а «стать честнее». На основе официального анонса Anthropic и system card в статье разбираются базовые характеристики (claude-opus-4-8, 1M tokens, 128K максимальный вывод), сравнение бенчмарков лицом к лицу (SWE-bench Pro 64.3 до 69.2%, USAMO 2026 69.3 до 96.7%, GraphWalks 1M 40.3 до 68.1%, при этом GPQA Diamond немного просел), цены (стандартный режим без изменений плюс быстрый режим ~в 2.5 раза быстрее и фактически втрое дешевле), три новые функции (четырёхуровневый параметр effort и адаптивное мышление, динамические рабочие процессы, порождающие от десятков до сотен параллельных субагентов в research preview, и записи system в Messages API), самый большой скачок из всех — честность (0% некритичного воспроизведения ошибочных результатов, в 10 раз меньше излишней самоуверенности, около четверти пропусков недостатков в коде) — а также регрессии, о которых стоит сказать честно (устойчивость к prompt-инъекциям 6.0 до 9.6%, не лидер в многоязычности), и кому стоит обновиться прямо сейчас.