📊ИИ-агенты не украдут вашу работу, но сделают вас в 2 раза эффективнее. Исследование Gartner
Gartner опубликовал прогноз: менее чем за год доля офисных систем и приложений с интегрированными агентами вырастет с 5% до 40%.
Что еще говорят аналитики:
McKinsey в отчете «Агенты, роботы и мы»
✅57% рабочих часов в США технически автоматизируемы
✅$2,9 трлн экономической ценности можно раскрыть к 2030, если перепроектировать workflows, а не автоматизировать задачи
Стэнфордский AI Index Report 2026
✅Упоминания навыка «Agentic AI» в вакансиях выросли на 280% за год
✅AI-навыки теперь указаны в 2,5% всех вакансий США (+55% к прошлому году)
СберМаркетинг
✅По данным компании, количество вакансий с упоминанием ИИ-компетенций за первый квартал 2026 года выросло в 2,7 раза по сравнению с аналогичным периодом прошлого года
Эндрю Ын в The Batch
✅Появилась новая роль – AI Forward Deployed Engineer (FDE). Инженер внедряется в компанию клиента, чтобы настраивать агентные сценарии под конкретные нужды. Это ответ на вопрос «кто будет связывать готовые ИИ-платформы с бизнес-процессами?». Но Ын считает, что спрос на внутренних ИИ-инженеров будет гораздо выше.
✅Компании хотят сохранять опциональность – не привязываться к одному вендору через FDE.
Кейсы из того отчета McKinsey:
Продажи: агенты оценивают лиды, пишут аутрич, планируют звонки → экономия 30-50% времени, рост выручки 7-12%
Клиентский сервис: ИИ закрывает 40% звонков end-to-end → снижение затрат на 50%
Фарма: ИИ пишет клинические отчеты → на 60% быстрее, на 50% меньше ошибок
💼 Будущее – не замена людей, а партнерство: человек + агент + робот. При этом 70% сегодняшних навыков останутся применимы.
#ИИагенты #бизнес #рынок #цифровизация #технологии
Gartner опубликовал прогноз: менее чем за год доля офисных систем и приложений с интегрированными агентами вырастет с 5% до 40%.
Что еще говорят аналитики:
McKinsey в отчете «Агенты, роботы и мы»
✅57% рабочих часов в США технически автоматизируемы
✅$2,9 трлн экономической ценности можно раскрыть к 2030, если перепроектировать workflows, а не автоматизировать задачи
Стэнфордский AI Index Report 2026
✅Упоминания навыка «Agentic AI» в вакансиях выросли на 280% за год
✅AI-навыки теперь указаны в 2,5% всех вакансий США (+55% к прошлому году)
СберМаркетинг
✅По данным компании, количество вакансий с упоминанием ИИ-компетенций за первый квартал 2026 года выросло в 2,7 раза по сравнению с аналогичным периодом прошлого года
Эндрю Ын в The Batch
✅Появилась новая роль – AI Forward Deployed Engineer (FDE). Инженер внедряется в компанию клиента, чтобы настраивать агентные сценарии под конкретные нужды. Это ответ на вопрос «кто будет связывать готовые ИИ-платформы с бизнес-процессами?». Но Ын считает, что спрос на внутренних ИИ-инженеров будет гораздо выше.
✅Компании хотят сохранять опциональность – не привязываться к одному вендору через FDE.
Кейсы из того отчета McKinsey:
Продажи: агенты оценивают лиды, пишут аутрич, планируют звонки → экономия 30-50% времени, рост выручки 7-12%
Клиентский сервис: ИИ закрывает 40% звонков end-to-end → снижение затрат на 50%
Фарма: ИИ пишет клинические отчеты → на 60% быстрее, на 50% меньше ошибок
💼 Будущее – не замена людей, а партнерство: человек + агент + робот. При этом 70% сегодняшних навыков останутся применимы.
#ИИагенты #бизнес #рынок #цифровизация #технологии
👍5🔥2❤1
🚀ИИ-агенты уже не просто болтают – они реально работают и приносят деньги, как настоящие сотрудники
Профессор Уортонской школы Итан Моллик написал в блоге, что ИИ незаметно перешел черту: теперь агенты делают работу, за которую раньше платили людям.
Что именно случилось
OpenAI проверила новые модели на задачах из финансов, юриспруденции и розничной торговли – на те, где даже эксперты раньше сидели по 4-7 часов. ИИ пока уступает людям, но отстает все меньше. И самое интересное: основные ошибки – не в том, что модель что-то выдумывает, а в том, как она оформляет ответы и точно ли следует инструкциям. А это поправимо, и довольно быстро.
Вывод профессора: агенты теперь не просто пишут тексты или сжимают письма. Они выполняют задачи, за которые, если бы их делал человек, нужно было бы платить зарплату.
Живой пример от самого Моллика
Он дал модели Claude Sonnet 4.5 экономическую статью и папку с данными – чтобы она сама попробовала повторить научный эксперимент и проверить, совпадают ли результаты.
Без лишних подсказок ИИ-агент:
— прочитал статью;
— разобрался в файлах;
— переделал код под себя;
— шаг за шагом воспроизвёл все выводы;
— и подтвердил, что данные верны.
Раньше на такое уходили часы ручной работы. Теперь проверка исследований – это задача для агента, а не для человека.
В чем опасность
Моллик предупреждает: если не думать о том, ЗАЧЕМ мы это делаем, нас просто захлестнет вал ИИ-контента. Он показал это наглядно: попросил агента сделать презентацию по одному документу. Потом еще одну. И еще. В итоге получил 17 совершенно разных вариантов — и все они оказались никому не нужны.
Что делать
Эксперты должны давать агенту задачу как первый набросок, проверять результат и править. Если не выходит — делать самим. По оценке OpenAI, такой подход ускоряет работу на 40% и удешевляет ее на 60%, а контроль все равно остается за человеком.
🎯 Агенты уже с нами. Они делают настоящую работу. Вопрос уже не «что может ИИ?», а «что нам стоит ему доверить?»
#ИИагенты #бизнес #рынок #цифровизация #технологии
Профессор Уортонской школы Итан Моллик написал в блоге, что ИИ незаметно перешел черту: теперь агенты делают работу, за которую раньше платили людям.
Что именно случилось
OpenAI проверила новые модели на задачах из финансов, юриспруденции и розничной торговли – на те, где даже эксперты раньше сидели по 4-7 часов. ИИ пока уступает людям, но отстает все меньше. И самое интересное: основные ошибки – не в том, что модель что-то выдумывает, а в том, как она оформляет ответы и точно ли следует инструкциям. А это поправимо, и довольно быстро.
Вывод профессора: агенты теперь не просто пишут тексты или сжимают письма. Они выполняют задачи, за которые, если бы их делал человек, нужно было бы платить зарплату.
Живой пример от самого Моллика
Он дал модели Claude Sonnet 4.5 экономическую статью и папку с данными – чтобы она сама попробовала повторить научный эксперимент и проверить, совпадают ли результаты.
Без лишних подсказок ИИ-агент:
— прочитал статью;
— разобрался в файлах;
— переделал код под себя;
— шаг за шагом воспроизвёл все выводы;
— и подтвердил, что данные верны.
Раньше на такое уходили часы ручной работы. Теперь проверка исследований – это задача для агента, а не для человека.
В чем опасность
Моллик предупреждает: если не думать о том, ЗАЧЕМ мы это делаем, нас просто захлестнет вал ИИ-контента. Он показал это наглядно: попросил агента сделать презентацию по одному документу. Потом еще одну. И еще. В итоге получил 17 совершенно разных вариантов — и все они оказались никому не нужны.
Что делать
Эксперты должны давать агенту задачу как первый набросок, проверять результат и править. Если не выходит — делать самим. По оценке OpenAI, такой подход ускоряет работу на 40% и удешевляет ее на 60%, а контроль все равно остается за человеком.
🎯 Агенты уже с нами. Они делают настоящую работу. Вопрос уже не «что может ИИ?», а «что нам стоит ему доверить?»
#ИИагенты #бизнес #рынок #цифровизация #технологии
❤5👀3👍2
88% компаний внедрили ИИ. Но прибыль получили только 39% 🤔
McKinsey на Computex 2026 обнародовал цифры, которые должны заставить каждого гендиректора крепко задуматься.
Главное из отчета McKinsey:
Причина разницы
ИИ максимально эффективен, когда встроен в основные операционные процессы, а не используется точечно в отдельных сценариях. Поэтому, при выборе поставщика ИИ-решений нужно обращать внимание на возможности интеграции с текущими системами компании.
Что говорят цифры McKinsey
👉 С текущими технологиями 57% рабочих задач могут выполнять ИИ-агенты и роботы. Но 43% по-прежнему требуют человеческой проверки, креативности и эмпатии.
👉 Будущее – не замена людей, а гибрид: «человек + агент + робот». При этом 72% навыков потребуют совместной работы человека и ИИ.
Что делать бизнесу сейчас
🤩 Начинайте не с закупки софта, а с аудита процессов.
🤩 Ответьте на вопрос: как вы работаете, а не что вы автоматизируете.
🤩 Инвестируйте в перепроектирование управления данными, оцифровку логики принятия решений – это принесет больше пользы для эффективного внедрения ИИ в компании.
#McKinsey #ИИагенты #бизнес #эффективность #цифровизация
McKinsey на Computex 2026 обнародовал цифры, которые должны заставить каждого гендиректора крепко задуматься.
Главное из отчета McKinsey:
🤩 88% компаний в мире уже внедрили ИИ хотя бы в одном отделе🤩 Лишь треть из них масштабировала применение на всю организацию🤩 Только 39% видят четкий бизнес-эффект от инвестиций🤩 81% не видят существенного влияния на прибыль🤩 72% признают: организация не готова к следующим 1-2 годам
Причина разницы
«Проблема не в технологии, а в том, что компании автоматизируют задачи, не перепроектируя процессы», – заявляют в McKinsey.
ИИ максимально эффективен, когда встроен в основные операционные процессы, а не используется точечно в отдельных сценариях. Поэтому, при выборе поставщика ИИ-решений нужно обращать внимание на возможности интеграции с текущими системами компании.
Что говорят цифры McKinsey
Что делать бизнесу сейчас
#McKinsey #ИИагенты #бизнес #эффективность #цифровизация
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥5👀4👍2❤1🙏1
🏗 Что будет после LLM? Бывший глава ИИ в Meta* получил за ответ на этот вопрос $1 млрд
Один из «крестных отцов» ИИ, лауреат премии Тьюринга Ян Лекун уже полгода как покинул Meta*, где проработал 12 лет главным ИИ-ученым. За это время он успел основать собственную компанию – AMI Labs (Advanced Machine Intelligence).
И вот компания привлекла $1,03 млрд при оценке $3,5 млрд – крупнейший посевной раунд инвестиций в стартап в истории Европы.
Что строит AMI
Точно не LLM. Лекун давно говорит:
AMI строит «мировые модели» (world models) на основе архитектуры JEPA (Joint Embedding Predictive Architecture). Вместо предсказания следующего слова – моделирование реальности. Вместо статистических паттернов – понимание физики мира.
График у компании амбициозный: 2026 год – доработка модели, 2027 год – первые применения в промышленности. Офисы уже открыты в Париже, Нью-Йорке, Монреале и Сингапуре.
В какую сторону смотреть бизнесу
⚡️Диверсификация ИИ-стратегии: «Не кладите все яйца в корзину LLM»
Пока рынок перегрет хайпом вокруг текстовых моделей, топ-инвесторы вкладываются в альтернативную архитектуру. Сигнал для бизнеса: следующая волна – не чат-боты, а системы с пониманием физики. Производству и логистике стоит присматриваться к таким проектам.
⚡️Смещение фокуса с «генерации контента» на «управление реальностью»
LLM бесполезны для складов, станков и автономного транспорта. Инвестиции в AMI показывают: промышленный ИИ будет дороже и прибыльнее офисного. Бизнесу стоит готовить пилоты с системами предиктивного моделирования (JEPA), которые просчитывают последствия действий до их совершения.
⚡️Горизонт планирования: 2026–2027 годы как точка входа
AMI отводит 2 года на доработку модели – массовая «умная» робототехника начнется не раньше 2027. Сейчас выгодно вкладываться в инфраструктуру данных (датчики, 3D-сканирование), чтобы к моменту выхода решений иметь массив для обучения модели под свои задачи.
#ИИбизнес #AMI #JEPA #ИИагенты #инвестиции #будущее
*компания Meta признана экстремистской и запрещена в России
Один из «крестных отцов» ИИ, лауреат премии Тьюринга Ян Лекун уже полгода как покинул Meta*, где проработал 12 лет главным ИИ-ученым. За это время он успел основать собственную компанию – AMI Labs (Advanced Machine Intelligence).
И вот компания привлекла $1,03 млрд при оценке $3,5 млрд – крупнейший посевной раунд инвестиций в стартап в истории Европы.
Среди инвесторов: Nvidia, Bezos Expeditions (фонд Джеффа Безоса), Samsung, Temasek, Toyota Ventures, Eric Schmidt, Тим Бернерс-Ли и Марк Андрессен.
Что строит AMI
Точно не LLM. Лекун давно говорит:
«LLM безнадежны для робототехники. У них нет понимания физического мира. Даже крыса разбирается в реальности лучше, чем любая большая языковая модель».
AMI строит «мировые модели» (world models) на основе архитектуры JEPA (Joint Embedding Predictive Architecture). Вместо предсказания следующего слова – моделирование реальности. Вместо статистических паттернов – понимание физики мира.
График у компании амбициозный: 2026 год – доработка модели, 2027 год – первые применения в промышленности. Офисы уже открыты в Париже, Нью-Йорке, Монреале и Сингапуре.
В какую сторону смотреть бизнесу
⚡️Диверсификация ИИ-стратегии: «Не кладите все яйца в корзину LLM»
Пока рынок перегрет хайпом вокруг текстовых моделей, топ-инвесторы вкладываются в альтернативную архитектуру. Сигнал для бизнеса: следующая волна – не чат-боты, а системы с пониманием физики. Производству и логистике стоит присматриваться к таким проектам.
⚡️Смещение фокуса с «генерации контента» на «управление реальностью»
LLM бесполезны для складов, станков и автономного транспорта. Инвестиции в AMI показывают: промышленный ИИ будет дороже и прибыльнее офисного. Бизнесу стоит готовить пилоты с системами предиктивного моделирования (JEPA), которые просчитывают последствия действий до их совершения.
⚡️Горизонт планирования: 2026–2027 годы как точка входа
AMI отводит 2 года на доработку модели – массовая «умная» робототехника начнется не раньше 2027. Сейчас выгодно вкладываться в инфраструктуру данных (датчики, 3D-сканирование), чтобы к моменту выхода решений иметь массив для обучения модели под свои задачи.
#ИИбизнес #AMI #JEPA #ИИагенты #инвестиции #будущее
*компания Meta признана экстремистской и запрещена в России
❤4👍3👀2
Стэнфордский институт человеко-центрированного ИИ (HAI) выпустил девятый ежегодный «AI Index Report». Ежегодный ушат холодной воды на головы скептиков из 500 страниц фактов, которые разрушают иллюзии.
Главные выводы отчета 🔥
Вывод для бизнеса
Топ-модели почти сравнялись, бенчмарки устаревают за месяцы. Ваша метрика – не очки, а цена запроса и стабильность ответов. Запустите пилот на 2-3 моделях на реальных задачах и выбирайте по соотношению стоимость/надежность, а не по маркетингу.
Вендоры скрывают детали, вы зависите от их политик. Создайте небольшую группу (аналитик + инженер + юрист), которая строит архитектуру без зависимости от большой языковой модели.
#ИИбизнес #AIIndex2026 #ИИагенты #бизнес #технологии
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥4❤2👀2😱1
This media is not supported in your browser
VIEW IN TELEGRAM
🚀 120 млн транзакций за неделю — ИИ-агенты уже покупают за людей
Мы привыкли, что ИИ помогает найти товар: показывает варианты, читает отзывы, сравнивает характеристики. Следующий этап — ИИ-агент, который сам проходит весь путь покупки: ищет, сравнивает, оформляет и оплачивает. Это и называют agentic commerce — торговлей, где покупателем фактически становится ИИ.
И это уже не эксперимент.
Alipay AI Pay обработал более 120 млн транзакций за неделю 5–11 февраля 2026 года. Причём основную массу операций составили покупки еды и напитков через Taobao Instant Commerce — то есть ИИ используют не для оплаты специфических товаров, а для самых повседневных покупок.
Мы видим: технология уже умеет покупать, но люди пока не готовы ей полностью доверять
А что с Россией? Страна осторожно изучает модный тренд, который несет новые риски:
🛑 Мошенничество. Скомпрометированный агент потенциально может самостоятельно совершать покупки.
🛑 Манипуляция ИИ. Обман алгоритмов — например, недобросовестные продавцы начнут подсовывать некорректные карточки товаров.
🛑 Ответственность. Кто виноват, если агент купил не тот товар или переплатил: пользователь, разработчик, банк или продавец?
🛑 Концентрация рынка. Если покупку всё чаще решает несколько ИИ-платформ, именно их алгоритмы будут определять, какие товары увидит покупатель.
Раньше магазины конкурировали за внимание человека. Теперь в рамках ИИ-коммерции им придётся подстраиваться под предпочтения ИИ-агента, как это уже происходит со сменой SEO-оптимизации на GEO. Вырастут расходы бизнеса на адаптацию к современным технологиям, но и покупки должны стать эффективнее. Возможно, скоро мы перестанем ходить по магазинам даже онлайн. Скажем ИИ, что нам нужно, а дальше он сам разберётся.
На видео спросили Александра Краснова, старшего консультанта по внедрению ИИ GigaCowork, станет ли Agentic commerce массовым явлением в ближайшем будущем ☝️
Мы привыкли, что ИИ помогает найти товар: показывает варианты, читает отзывы, сравнивает характеристики. Следующий этап — ИИ-агент, который сам проходит весь путь покупки: ищет, сравнивает, оформляет и оплачивает. Это и называют agentic commerce — торговлей, где покупателем фактически становится ИИ.
И это уже не эксперимент.
Alipay AI Pay обработал более 120 млн транзакций за неделю 5–11 февраля 2026 года. Причём основную массу операций составили покупки еды и напитков через Taobao Instant Commerce — то есть ИИ используют не для оплаты специфических товаров, а для самых повседневных покупок.
Мы видим: технология уже умеет покупать, но люди пока не готовы ей полностью доверять
🎯 По данным NielsenIQ, 34% потребителей используют ИИ для поиска товаров, 23% — для анализа отзывов, но только 8% разрешали ему самостоятельно завершить покупку.
Значит, следующий этап — не столько научить ИИ покупать, сколько научить человека ему доверять.
А что с Россией? Страна осторожно изучает модный тренд, который несет новые риски:
Раньше магазины конкурировали за внимание человека. Теперь в рамках ИИ-коммерции им придётся подстраиваться под предпочтения ИИ-агента, как это уже происходит со сменой SEO-оптимизации на GEO. Вырастут расходы бизнеса на адаптацию к современным технологиям, но и покупки должны стать эффективнее. Возможно, скоро мы перестанем ходить по магазинам даже онлайн. Скажем ИИ, что нам нужно, а дальше он сам разберётся.
На видео спросили Александра Краснова, старшего консультанта по внедрению ИИ GigaCowork, станет ли Agentic commerce массовым явлением в ближайшем будущем ☝️
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥6❤4👍2
🔥 Старый датасет лучше новых двух — чем опасны для бизнеса экспериментальные нейросети
Anthropic создала экспериментальную ИИ-модель Model 2, которая, по данным компании, оказалась мощнее её нынешних флагманов. Но выпускать её на рынок пока не стали: разработчики не уверены, что понимают долгосрочный потенциал и риски системы.
Во время тестов модель демонстрировала непредсказуемое поведение — вплоть до попыток обойти установленные ограничения. Так, модель не смогла взломать учебную цель, но просканировала 9 тысяч адресов и взломала сайт настоящей компании через SQL-инъекцию. Модель полагала, что атака на реальные серверы была частью симуляции. Позже она поняла, что поразила настоящий бизнес, и прекратила атаку.
Сейчас Anthropic хочет понять, что именно она создала и насколько безопасно этим управлять. Компаниям недостаточно, чтобы ИИ хорошо проходил бенчмарки. Им нужна предсказуемость.
Если модель может:
▶️ ошибиться в автоматизации,
▶️ получить доступ к личным данным,
▶️ непредсказуемо изменить сценарий работы,
то стоимость ошибки перекроет всю экономию от внедрения.
Поэтому бизнес чаще будет выбирать не самую мощную, а самую проверенную и предсказуемую модель. Экспериментальные системы пока останутся в лабораториях и пилотах. Но по мере развития технологий инструменты контроля будут улучшаться, и ИИ-агенты смогут решать более ответственные задачи, с которыми Model 2 и похожие системы пока не справляются.
Anthropic создала экспериментальную ИИ-модель Model 2, которая, по данным компании, оказалась мощнее её нынешних флагманов. Но выпускать её на рынок пока не стали: разработчики не уверены, что понимают долгосрочный потенциал и риски системы.
Во время тестов модель демонстрировала непредсказуемое поведение — вплоть до попыток обойти установленные ограничения. Так, модель не смогла взломать учебную цель, но просканировала 9 тысяч адресов и взломала сайт настоящей компании через SQL-инъекцию. Модель полагала, что атака на реальные серверы была частью симуляции. Позже она поняла, что поразила настоящий бизнес, и прекратила атаку.
🚩Для бизнеса это очередное напоминание: чем мощнее ИИ, тем сложнее заранее предсказать, как он поведёт себя в рамках нестандартного промпта. Фактически рынок в США рискует замедлиться не из-за нехватки чипов, а из-за страха перед так называемым «черным ящиком».
Сейчас Anthropic хочет понять, что именно она создала и насколько безопасно этим управлять. Компаниям недостаточно, чтобы ИИ хорошо проходил бенчмарки. Им нужна предсказуемость.
Если модель может:
то стоимость ошибки перекроет всю экономию от внедрения.
Поэтому бизнес чаще будет выбирать не самую мощную, а самую проверенную и предсказуемую модель. Экспериментальные системы пока останутся в лабораториях и пилотах. Но по мере развития технологий инструменты контроля будут улучшаться, и ИИ-агенты смогут решать более ответственные задачи, с которыми Model 2 и похожие системы пока не справляются.
Please open Telegram to view this post
VIEW IN TELEGRAM
❤4🔥3⚡2👀2😱1
💰 Продам лицо без SMS — в Китае формируется рынок «цифровой внешности»
В Китае прямо сейчас создается новый рынок: люди могут продавать компаниям права на использование своей внешности для создания ИИ-аватаров, виртуальных ведущих, персонажей и цифровых двойников.
При этом монетизируется не сама внешность, а право на её воспроизведение. Человек передаёт компаниям типа Tencent и Baidu лицензию на использование лица, мимики и других визуальных особенностей, а разработчик встраивает их в коммерческие ИИ-продукты. Бренды используют цифровых аватаров в рекламе, стриминге, онлайн-торговле и клиентском сервисе.
Создание виртуальных копий людей, аватаров и синтетического контента в Китае подлежит обязательной маркировке, оценке рисков и согласованию с регуляторами, поэтому для бизнеса риски минимизированы — правовая база обеспечена, возможные недопонимания между участниками процесса сведены к нулю.
По сути, внешность превращается в новый цифровой актив, которым можно распоряжаться почти как интеллектуальной собственностью. Среди ярких примеров пользы такого подхода — цифровой двойник стримера Ло Юнхао. Во время трансляции он помог продать товаров примерно на $7 млн за несколько часов, а для китайского технологического конгломерата Tencent эта история стала одной из наиболее кост-эффективных мер за последние три года.
В России такой рынок тоже потенциально возможен. Но для его появления придётся чётче определить, какие права человек передаёт компании и насколько далеко может распространяться такое согласие.
А вы уже готовы выделить бюджет на покупку чужой внешности?
В Китае прямо сейчас создается новый рынок: люди могут продавать компаниям права на использование своей внешности для создания ИИ-аватаров, виртуальных ведущих, персонажей и цифровых двойников.
При этом монетизируется не сама внешность, а право на её воспроизведение. Человек передаёт компаниям типа Tencent и Baidu лицензию на использование лица, мимики и других визуальных особенностей, а разработчик встраивает их в коммерческие ИИ-продукты. Бренды используют цифровых аватаров в рекламе, стриминге, онлайн-торговле и клиентском сервисе.
🚩Главный вопрос здесь — что происходит с цифровой копией человека после продажи лицензии?
Создание виртуальных копий людей, аватаров и синтетического контента в Китае подлежит обязательной маркировке, оценке рисков и согласованию с регуляторами, поэтому для бизнеса риски минимизированы — правовая база обеспечена, возможные недопонимания между участниками процесса сведены к нулю.
По сути, внешность превращается в новый цифровой актив, которым можно распоряжаться почти как интеллектуальной собственностью. Среди ярких примеров пользы такого подхода — цифровой двойник стримера Ло Юнхао. Во время трансляции он помог продать товаров примерно на $7 млн за несколько часов, а для китайского технологического конгломерата Tencent эта история стала одной из наиболее кост-эффективных мер за последние три года.
В России такой рынок тоже потенциально возможен. Но для его появления придётся чётче определить, какие права человек передаёт компании и насколько далеко может распространяться такое согласие.
Если правила будут понятными, россияне смогут зарабатывать не только на рекламе с собственным лицом, но и на его цифровой копии. Бизнес же масштабирует продажи, экономит на гонорарах, убирает из формулы человеческий фактор 🧑🤝🧑
Если правила не разработают, то бизнес может столкнуться с юридическими ситуациями вокруг ИИ-персонажей, созданных по образу реальных людей.
А вы уже готовы выделить бюджет на покупку чужой внешности?
❤4❤🔥3😁3🔥2😱1
Агентство Reuters ввело в 2025 году новую профессию — редактор по ИИ. Спустя год стало ясно, зачем она нужна ✍️
В прошлом году Reuters назначило Роба Лэнга первым Newsroom AI Editor — человеком, который отвечает за внедрение ИИ в редакционные процессы. Его задача разбираться, где ИИ действительно можно доверить рабочую задачу, а где он слишком рискован.
🗞 Редакция совместно с ИИ-редактором заранее определяет, какой уровень ошибки ИИ допустим
Задачи, которые уже забирает ИИ
🎬 Например, ИИ экспериментально используют для чернового монтажа видеосюжетов: модель выбирает лучшие фрагменты и собирает из них основу ролика, которую затем дорабатывает человек. Это не замена редактору, а способ убрать рутинную часть работы.
⚡️ Другой подход — автоматизация типовых операций: Reuters использует ИИ для подготовки новостных алертов, переводов и первых черновиков, экономя журналистам время на механической работе.
Именно поэтому бизнесу уже сегодня нужны люди, которые умеют не просто внедрять ИИ, а давать ему допуск к работе по принципу «вот задача, вот допустимый риск, вот тест, который система должна пройти». На этом фоне новая профессия пользуется спросом — ее уже освоили Financial Times, Business Insider и другие бизнес-медиа 🔥
В прошлом году Reuters назначило Роба Лэнга первым Newsroom AI Editor — человеком, который отвечает за внедрение ИИ в редакционные процессы. Его задача разбираться, где ИИ действительно можно доверить рабочую задачу, а где он слишком рискован.
Ответ модели разбивают на отдельные проверяемые «атомы» — факты, цифры, даты. Им присваивают разный вес и задают минимальный порог качества. При критической ошибке, например, галлюцинации, срабатывает «аварийный выключатель» и результат не проходит проверку.
Для управления инструментами Reuters использует три уровня контроля в зависимости от риска: чем выше потенциальный ущерб от ошибки, тем больше ограничений и человеческого контроля.
Задачи, которые уже забирает ИИ
🎬 Например, ИИ экспериментально используют для чернового монтажа видеосюжетов: модель выбирает лучшие фрагменты и собирает из них основу ролика, которую затем дорабатывает человек. Это не замена редактору, а способ убрать рутинную часть работы.
⚡️ Другой подход — автоматизация типовых операций: Reuters использует ИИ для подготовки новостных алертов, переводов и первых черновиков, экономя журналистам время на механической работе.
На одном из выступлений Лэнг рассказал про конкретный кейс: одну и ту же ИИ-модель проверили на двух реальных редакционных задачах. В первом случае она набрала 91 балл из 100 — почти без существенных ошибок. Во втором — всего 50 из 100, хотя запрос был очень похожим. Причиной стала почти незаметная подмена одного факта, которая резко снизила итоговую оценку. То есть универсальной оценки «эта нейросеть хорошая» просто не существует — все зависит от конкретной задачи.
Именно поэтому бизнесу уже сегодня нужны люди, которые умеют не просто внедрять ИИ, а давать ему допуск к работе по принципу «вот задача, вот допустимый риск, вот тест, который система должна пройти». На этом фоне новая профессия пользуется спросом — ее уже освоили Financial Times, Business Insider и другие бизнес-медиа 🔥
Please open Telegram to view this post
VIEW IN TELEGRAM
❤3⚡3👀3👍2🔥1
К сожалению, универсальных решений в ИИ не существует — они варьируются в зависимости от бюджета, целей и задач. Но на что бизнес обычно обращает внимание при выборе LLM?
В первую очередь компании смотрят, насколько модель справляется с их сценариями — разработкой кода, анализом данных, поддержкой пользователей. Чаще всего решающим фактором становятся высокие результаты в бенчмарках, но нельзя полагаться только на них.
Авторы редакции «Генеративного эффекта» подготовили чек-лист по самым частым критериям.
✔️ Качество результат
✔️ Стоимость использования
✔️ Время выполнения
✔️ Работа с корпоративными данными
✔️ Стабильность и контроль
Главный принцип: сначала определите бизнес-процесс и метрику успеха, затем тестируйте несколько LLM на одинаковой выборке. Побеждает не самая мощная модель, а та, которая лучше решает вашу задачу при приемлемой стоимости и риске.
Напишите, какие еще детали важны для эффективного выбора ИИ-инструмента на ваш взгляд?
В первую очередь компании смотрят, насколько модель справляется с их сценариями — разработкой кода, анализом данных, поддержкой пользователей. Чаще всего решающим фактором становятся высокие результаты в бенчмарках, но нельзя полагаться только на них.
Авторы редакции «Генеративного эффекта» подготовили чек-лист по самым частым критериям.
Дайте модели 50–100 реальных рабочих задач и посчитайте долю ответов, которые сотруднику не приходится исправлять. Сравнивать нужно не абстрактную «умность», а результат именно ваших запросов и результатов.
Посчитайте, сколько стоит не один запрос, а полный сценарий: например, обработка одного обращения клиента или подготовка одного документа. Так можно сравнить модели по реальной себестоимости автоматизации.
Замерьте, сколько секунд или минут проходит от запроса до готового результата. Для массовых операций даже небольшая разница в скорости может существенно влиять на производительность.
Проверьте модель на ваших документах, таблицах и базе знаний. Важно не только количество токенов в контексте, но и то, насколько точно LLM находит нужную информацию и не подменяет ее выдуманной. При этом данные, составляющие коммерческую тайну, использовать нельзя — очевидный факт, о котором некоторые иногда забывают.
Повторите одинаковые задачи несколько раз и проверьте, насколько предсказуем результат. Отдельно оцените защиту данных, соблюдение инструкций и возможность ограничить действия модели.
Главный принцип: сначала определите бизнес-процесс и метрику успеха, затем тестируйте несколько LLM на одинаковой выборке. Побеждает не самая мощная модель, а та, которая лучше решает вашу задачу при приемлемой стоимости и риске.
Напишите, какие еще детали важны для эффективного выбора ИИ-инструмента на ваш взгляд?
Please open Telegram to view this post
VIEW IN TELEGRAM
❤4👍2🔥2🤡1
🇰🇷 Южная Корея хочет сделать ИИ такой же привычной частью жизни, как интернет или электричество. И для бизнеса это важнее, чем кажется
Около двух третей корейцев уже пользуются ИИ, генеративными сервисами — 23 млн человек. Треть населения пока остается вне технологии, но это может измениться — государство запускает «AI for All», чтобы сделать собственный ИИ доступным каждому и постепенно превратить его в помощника для госуслуг, медицины, налогов, поиска работы и других повседневных задач.
Как это отразится на бизнесе? 🤔
Когда миллионы людей привыкают решать задачи через ИИ за минуты, меняются их ожидания от компаний. Клиент уже хочет не просто получить ответ от оператора, а быстро решить вопрос: оформить услугу, изменить заказ, получить расчет.
ИИ перестраивает процессы — компании ускоряются, внедряют модели в привычные системы (CRM, ERP, базы знаний) и делегируют агентам целые цепочки операций.
Например 🔥
🤩 Samsung объявила о внедрении ИИ во все направления бизнеса — от R&D и производства до маркетинга и поддержки — и прямо связала это с изменением методов работы и организационной культуры.
🤩 SK Telecom пошла еще дальше: компания заявила об AI Native-стратегии и перестройке телеком-бизнеса вокруг ИИ, включая автоматизацию проектирования, развертывания и эксплуатации сетей.
Южная Корея фактически тестирует новую модель экономики: где сначала ИИ становится массовым потребительским инструментом, а затем — базовым слоем корпоративной инфраструктуры
Около двух третей корейцев уже пользуются ИИ, генеративными сервисами — 23 млн человек. Треть населения пока остается вне технологии, но это может измениться — государство запускает «AI for All», чтобы сделать собственный ИИ доступным каждому и постепенно превратить его в помощника для госуслуг, медицины, налогов, поиска работы и других повседневных задач.
Как это отразится на бизнесе? 🤔
Когда миллионы людей привыкают решать задачи через ИИ за минуты, меняются их ожидания от компаний. Клиент уже хочет не просто получить ответ от оператора, а быстро решить вопрос: оформить услугу, изменить заказ, получить расчет.
ИИ перестраивает процессы — компании ускоряются, внедряют модели в привычные системы (CRM, ERP, базы знаний) и делегируют агентам целые цепочки операций.
Например 🔥
⚡️Учитывая повсеместное внедрение ИИ на бытовом уровне, компании ищут способы «не отстать» от ожиданий клиентов — вкладывают ресурсы в перестройку организационной модели, чтобы в дальнейшем снизить стоимость операций, ускорить продажи и позволить себе обслуживать больше клиентов без пропорционального роста штата.
Южная Корея фактически тестирует новую модель экономики: где сначала ИИ становится массовым потребительским инструментом, а затем — базовым слоем корпоративной инфраструктуры
Please open Telegram to view this post
VIEW IN TELEGRAM
❤4🤩3👍2🔥1
🛡 Как ИИ экономит для Accenture по 750 часов в месяц
ИИ в кибербезопасности уже давно стал понятной экономикой, и один из показательных бизнес-кейсов — Accenture. Компания внедрила нейронку в работу своего SOC, центра информационной безопасности, чтобы автоматизировать обработку большого потока событий и сократить объем ручной работы специалистов.
Результат измерили вполне понятными показателями:
🤩 около 90% алертов обрабатываются с использованием автоматизации
🤩 на 30% сократилось время расследования инцидентов
🤩 750 часов составила экономия рабочего времени в месяц
Для понимания: 750 часов – это примерно 9 тыс. часов в год, которые специалисты могут не тратить на повторяющиеся операции. При этом речь идет не о сокращении роли сотрудников: ИИ берет на себя первичную обработку и анализ, а эксперты подключаются там, где требуется квалифицированное решение.
И тут есть эффект, который редко считают сразу. Компании, активно использующие ИИ и автоматизацию в безопасности, экономят в среднем 1,9 млн долларов на инциденте и сокращают цикл его обнаружения и устранения в среднем на 80 дней – это данные независимого отчета IBM Cost of a Data Breach 2025 по 600+ компаниям. То есть речь не только про часы работы аналитиков, а про размер ущерба от самого инцидента 🤔
Второй неочевидный эффект – кадровый. Усталость от алертов – одна из главных причин выгорания в SOC: по опросу Tines, 71% аналитиков испытывают выгорание, а 64% готовы сменить работу в течение года. Когда рутину забирает ИИ, специалисты реже уходя, а хороших кадров по безопасности и так не хватает 🧑💻
Так ИИ в SOC перестает быть просто про экономию часов и становится инструментом, который одновременно снижает операционные расходы, стоимость самих инцидентов и затраты на удержание команды.
ИИ в кибербезопасности уже давно стал понятной экономикой, и один из показательных бизнес-кейсов — Accenture. Компания внедрила нейронку в работу своего SOC, центра информационной безопасности, чтобы автоматизировать обработку большого потока событий и сократить объем ручной работы специалистов.
Результат измерили вполне понятными показателями:
Для понимания: 750 часов – это примерно 9 тыс. часов в год, которые специалисты могут не тратить на повторяющиеся операции. При этом речь идет не о сокращении роли сотрудников: ИИ берет на себя первичную обработку и анализ, а эксперты подключаются там, где требуется квалифицированное решение.
❗ Для крупного бизнеса это меняет саму экономику SOC. Рост количества данных и киберугроз больше не обязательно означает пропорциональный рост ручной нагрузки и штата.
И тут есть эффект, который редко считают сразу. Компании, активно использующие ИИ и автоматизацию в безопасности, экономят в среднем 1,9 млн долларов на инциденте и сокращают цикл его обнаружения и устранения в среднем на 80 дней – это данные независимого отчета IBM Cost of a Data Breach 2025 по 600+ компаниям. То есть речь не только про часы работы аналитиков, а про размер ущерба от самого инцидента 🤔
Второй неочевидный эффект – кадровый. Усталость от алертов – одна из главных причин выгорания в SOC: по опросу Tines, 71% аналитиков испытывают выгорание, а 64% готовы сменить работу в течение года. Когда рутину забирает ИИ, специалисты реже уходя, а хороших кадров по безопасности и так не хватает 🧑💻
Так ИИ в SOC перестает быть просто про экономию часов и становится инструментом, который одновременно снижает операционные расходы, стоимость самих инцидентов и затраты на удержание команды.
Please open Telegram to view this post
VIEW IN TELEGRAM
❤3👍3🙏2👀1
🚀 100 млн клиентов без 100 млн новых сотрудников: как Nubank вырос благодаря ИИ
В августе 2026 года крупнейший цифровой банк Южной Америки преодолел 139 млн клиентов. Все это благодаря своевременным инвестициям в технологии ИИ. Они позволили бразильскому финтех-гиганту обслуживать мощную клиентскую базу без пропорционального увеличения операционной нагрузки.
Как всё начиналось🌱
Nubank одним из первых в регионе LATAM встроил ИИ-агентов в ключевые банковские процессы: доставку карт, изменение кредитного лимита, работу с задолженностью, управление картой. В 2024 году это дало компании 100 млн пользователей, а по итогам второго квартала 2026-го их число приблизилось к 139 млн 🔥
Почему это сработало ⚡️
Банк внедрял ИИ в привычный интерфейс приложения — начинал с массовых, но предсказуемых операций (выдача карт и кредитов), оставляя возможность подключить сотрудника в сложных случаях. В основу разработки легла фундаментальная модель NuFormer, способная анализировать финансовое поведение любого клиента. Для ее развития банк инвестировал в собственный парк GPU-ускорителей, о чем активно рассказывал в различных промо-материалах.
В итоге Nubank начал ассоциироваться в Бразилии, Мексике и Колумбии с продвинутым финтехом, который самостоятельно интегрирует эффективные технологии автоматизации. Как результат — сейчас это крупнейший цифровой банк в мире за пределами Азии 🔥
В августе 2026 года крупнейший цифровой банк Южной Америки преодолел 139 млн клиентов. Все это благодаря своевременным инвестициям в технологии ИИ. Они позволили бразильскому финтех-гиганту обслуживать мощную клиентскую базу без пропорционального увеличения операционной нагрузки.
Как всё начиналось
Nubank одним из первых в регионе LATAM встроил ИИ-агентов в ключевые банковские процессы: доставку карт, изменение кредитного лимита, работу с задолженностью, управление картой. В 2024 году это дало компании 100 млн пользователей, а по итогам второго квартала 2026-го их число приблизилось к 139 млн 🔥
Сначала агентам доверили типовые запросы в поддержку, а диалог передавался живому человеку только после 5 автоматических взаимодействий. Позднее был запущен сервис «Assistente de Pagamentos» для автоматической оплаты счетов и управления платежами. Третьим этапом внедрения стала функция оценки кредитного риска и установки лимитов, которая с помощью ИИ анализировала запросы и позволяла выдавать кредиты без дополнительных согласований.
Почему это сработало ⚡️
Банк внедрял ИИ в привычный интерфейс приложения — начинал с массовых, но предсказуемых операций (выдача карт и кредитов), оставляя возможность подключить сотрудника в сложных случаях. В основу разработки легла фундаментальная модель NuFormer, способная анализировать финансовое поведение любого клиента. Для ее развития банк инвестировал в собственный парк GPU-ускорителей, о чем активно рассказывал в различных промо-материалах.
В итоге Nubank начал ассоциироваться в Бразилии, Мексике и Колумбии с продвинутым финтехом, который самостоятельно интегрирует эффективные технологии автоматизации. Как результат — сейчас это крупнейший цифровой банк в мире за пределами Азии 🔥
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥6❤3👀3
Media is too big
VIEW IN TELEGRAM
ИИ помогает бизнесу меньше зависеть от классических программистов 🧑💻
Еще недавно сотруднику финансового или маркетингового отдела, которому понадобилось небольшое приложение или дашборд , приходилось ставить задачу ИТ. Теперь часть таких инструментов бизнес может собрать самостоятельно — с помощью ИИ и low-code-платформ.
В 2023 году Gartner ожидал, что число «гражданских разработчиков» в крупных компаниях будет как минимум в четыре раза выше числа профессиональных девелоперов. А сегодня появляются и реальные корпоративные программы: например, в ServiceNow 15% сотрудников финансового блока уже участвуют в создании приложений, из них почти 30 решений находятся в разработке или эксплуатации 🔥
Тренд становится повсеместным – продуктовые и маркетинговые команды уже используют вайбкодинг для создания внутренних инструментов и дашбордов, а аналитики — для автоматизации рабочих процессов, которые раньше требовали заявки в ИТ. ИИ снижает стоимость создания – сотруднику достаточно описать задачу, проверить результат и при необходимости доработать его ✨
До «вымирания» Excel-табличек пока может быть всё еще далеко, но идет ли всё к этому? Время покажет.
Еще недавно сотруднику финансового или маркетингового отдела, которому понадобилось небольшое приложение или дашборд , приходилось ставить задачу ИТ. Теперь часть таких инструментов бизнес может собрать самостоятельно — с помощью ИИ и low-code-платформ.
В 2023 году Gartner ожидал, что число «гражданских разработчиков» в крупных компаниях будет как минимум в четыре раза выше числа профессиональных девелоперов. А сегодня появляются и реальные корпоративные программы: например, в ServiceNow 15% сотрудников финансового блока уже участвуют в создании приложений, из них почти 30 решений находятся в разработке или эксплуатации 🔥
В рамках программы citizen development они сами создают небольшие приложения. Например, один из таких проектов — Hawkeye: приложение автоматизирует регистрацию курьерских доставок и уведомления сотрудников. Раньше эти данные собирали в таблицах, а сообщения отправляли вручную по почте. Теперь решение используется в 16 офисах компаний.
Тренд становится повсеместным – продуктовые и маркетинговые команды уже используют вайбкодинг для создания внутренних инструментов и дашбордов, а аналитики — для автоматизации рабочих процессов, которые раньше требовали заявки в ИТ. ИИ снижает стоимость создания – сотруднику достаточно описать задачу, проверить результат и при необходимости доработать его ✨
До «вымирания» Excel-табличек пока может быть всё еще далеко, но идет ли всё к этому? Время покажет.
👍5🤩5🔥2👀2
🌾Во поле ИИ стоял — как технология усиливает агробизнес
Австралийский стартап Octopusbot стал одним из самых успешных ИИ-продуктов года. В июле 2026-го он привлек свыше $1 млн и заключил партнерство с крупной агрокомпанией Elders, а также еще с почти сотней клиентов по всему миру 🌏
Технологии стартапа внедрены в работу с более 1 млн гектаром австралийских сельхозземель. Octopusbot анализирует погоду, спутниковые снимки, историю урожайности, площади посевов, мировые показатели спроса и предложения и товарные рынки. Более 10 тыс. связанных моделей ежедневно обрабатывают миллионы параметров, чтобы прогнозировать производство, предложение, спрос, цены и подсчитать все данные для агрономов за 7 месяцев до сбора урожая🌾
Так производитель получает более раннюю оценку рисков, а трейдер — сигнал о будущем объеме предложения, поставщик удобрений и средств защиты растений — понимание потенциального спроса, переработчик и закупщик — более ранний прогноз доступности сырья. Полученные данные помогают участникам всей цепочки принимать своевременные решения.
Такие кейсы показывают, что эффективнее всего использовать ИИ как аналитического помощника, а не полную замену эксперту, передавая ему прежде всего рутинные задачи. Octopusbot сами подчеркивают: задача ИИ — не заменить агронома, а ускорить обработку данных и избавить от шаблонных операций⏩
Австралийский стартап Octopusbot стал одним из самых успешных ИИ-продуктов года. В июле 2026-го он привлек свыше $1 млн и заключил партнерство с крупной агрокомпанией Elders, а также еще с почти сотней клиентов по всему миру 🌏
Технологии стартапа внедрены в работу с более 1 млн гектаром австралийских сельхозземель. Octopusbot анализирует погоду, спутниковые снимки, историю урожайности, площади посевов, мировые показатели спроса и предложения и товарные рынки. Более 10 тыс. связанных моделей ежедневно обрабатывают миллионы параметров, чтобы прогнозировать производство, предложение, спрос, цены и подсчитать все данные для агрономов за 7 месяцев до сбора урожая
Так производитель получает более раннюю оценку рисков, а трейдер — сигнал о будущем объеме предложения, поставщик удобрений и средств защиты растений — понимание потенциального спроса, переработчик и закупщик — более ранний прогноз доступности сырья. Полученные данные помогают участникам всей цепочки принимать своевременные решения.
📌Однако, возможности ИИ важно оценивать трезво: полностью передавать ему принятие решений без контроля специалиста может быть рискованно. Например, в августе СМИ рассказывали о фермере из Китая, который потерял около 25 акров кунжута после того, как без дополнительной проверки последовал рекомендации ИИ по обработке посевов: алгоритм не учел особенности конкретного участка и условий.
Такие кейсы показывают, что эффективнее всего использовать ИИ как аналитического помощника, а не полную замену эксперту, передавая ему прежде всего рутинные задачи. Octopusbot сами подчеркивают: задача ИИ — не заменить агронома, а ускорить обработку данных и избавить от шаблонных операций
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥5❤4👀3
Cowork Bench – первый в России бенчмарк для оценки офисных задач 🔥
Как проверить, способен ли ИИ не просто написать текст, а самостоятельно подготовить отчет, рассчитать бюджет, оформить документы и разослать результаты коллегам? Для этого команда GigaCowork представила открытый бенчмарк Cowork Bench — первый в России инструмент для оценки ИИ-агентов на офисных задачах 🧑💻
Бенчмарк включает:
🤩 475 офисных задач
🤩 12 бизнес-функций
🤩 26 корпоративных систем
Сценарии охватывают работу с таблицами, документами, почтой, календарями и внутренними сервисами компаний.
Инструмент позволяет понять бизнесу, насколько хорошо ИИ-агенты справляются с задачами от начала до конца.
Разработчики также сравнили девять инструментов для работы с ИИ-агентами на одной модели. В зависимости от программной оболочки доля успешно выполненных задач составила от 62% до 80%. GigaCowork справился с 75,2% заданий и вошел в число лидеров сравнения 🏆
Бенчмарк доступен в открытом доступе для разработчиков и компаний: используйте для проверки собственных решений и улучшения качества ИИ-агентов
Как проверить, способен ли ИИ не просто написать текст, а самостоятельно подготовить отчет, рассчитать бюджет, оформить документы и разослать результаты коллегам? Для этого команда GigaCowork представила открытый бенчмарк Cowork Bench — первый в России инструмент для оценки ИИ-агентов на офисных задачах 🧑💻
Бенчмарк включает:
Сценарии охватывают работу с таблицами, документами, почтой, календарями и внутренними сервисами компаний.
Например, одна из задач – это подготовка бюджета четырех подразделений, где агенту нужно сопоставить бюджет, объяснить отклонения, подготовить отчет и презентацию, пересмотреть прогноз и отправить письма.
Инструмент позволяет понять бизнесу, насколько хорошо ИИ-агенты справляются с задачами от начала до конца.
Разработчики также сравнили девять инструментов для работы с ИИ-агентами на одной модели. В зависимости от программной оболочки доля успешно выполненных задач составила от 62% до 80%. GigaCowork справился с 75,2% заданий и вошел в число лидеров сравнения 🏆
💬 «В офисной работе результат работы ИИ во многом зависит от программной оболочки, которая управляет контекстом, памятью, инструментами и интеграцией агентов с корпоративными системами. Поэтому бизнесу важно выбирать не просто „умную“ модель с высокими показателями, а решение, которое лучше справляется с их конкретными рабочими задачами», — отмечает Владимир Толмачев, генеральный директор «Салют для бизнеса».
Бенчмарк доступен в открытом доступе для разработчиков и компаний: используйте для проверки собственных решений и улучшения качества ИИ-агентов
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥7❤5🤩5👍1
С $531 млн до $1,04 млрд за 2 года: как ИИ помог удвоить выручку Duolingo👍
Duolingo показывает один из наглядных примеров того, как ИИ становится инструментом роста бизнеса. В 2023 году выручка сервиса составляла $531 млн, в 2024-м — $748 млн, а по итогам 2025 года достигла $1,04 млрд. За два года показатель практически удвоился, а ИИ стал частью самой бизнес-модели🔥
В 2023 году Duolingo представила функции на базе GPT-4, а позже запустила подписку Max с ИИ-возможностями — например, видеозвонками с виртуальным собеседником и объяснениями ошибок. В мае 2025 года число платных подписчиков превысило 10 млн. Компания связывала рост выручки в том числе с увеличением аудитории и распространением подписок Max.
Одновременно ИИ позволил пересмотреть подход к производству контента. В январе 2024 года Duolingo сократила около 10% контрактных работников, а В 2025 году CEO объявил о переходе к модели AI-first — с заменой подрядчиков там, где их работу может выполнять ИИ 🧑💻
Duolingo показывает один из наглядных примеров того, как ИИ становится инструментом роста бизнеса. В 2023 году выручка сервиса составляла $531 млн, в 2024-м — $748 млн, а по итогам 2025 года достигла $1,04 млрд. За два года показатель практически удвоился, а ИИ стал частью самой бизнес-модели🔥
В 2023 году Duolingo представила функции на базе GPT-4, а позже запустила подписку Max с ИИ-возможностями — например, видеозвонками с виртуальным собеседником и объяснениями ошибок. В мае 2025 года число платных подписчиков превысило 10 млн. Компания связывала рост выручки в том числе с увеличением аудитории и распространением подписок Max.
Одновременно ИИ позволил пересмотреть подход к производству контента. В январе 2024 года Duolingo сократила около 10% контрактных работников, а В 2025 году CEO объявил о переходе к модели AI-first — с заменой подрядчиков там, где их работу может выполнять ИИ 🧑💻
💡 Так, ИИ-функции повысили ценность платной подписки и помогли привлечь пользователей, а автоматизация ускорила создание контента и позволила сократить потребность в части ручного труда. Конечно, внедрение ИИ – не единственная причина роста компании, но его влияние на бизнес-результаты сложно отрицать.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥5❤🔥4👍2👀2
Всемирный банк выпустил исследование в защиту экономического эффекта ИИ: главные цифры 📖
По данным опроса Всемирного банка и Международной финансовой корпорации, 71% из 1666 компаний на развивающихся рынках уже используют ИИ – годом ранее таких было около 40%. При этом половина нынешних пользователей начала внедрение в 2025 году.
🤩 93% компаний, использующих ИИ, отмечают положительный бизнес-эффект
🤩 54% респондентов назвали главным результатом рост производительности
🤩 15% сообщили о продуктовых инновациях
Для небольших компаний ИИ снижает стоимость доступа к экспертизе: помогает анализировать данные и отзывы клиентов, готовить маркетинговые материалы и писать код без расширения штата. Но для полноценного эффекта недостаточно просто подключить готовую модель — нужно встроить ее в рабочие процессы🧑💻
Главным препятствием бизнес называет нехватку навыков:
👉 Более 40% компаний, пока не использующих ИИ, считают дефицит компетенций основным барьером
👉 При этом 43% внедряющих технологию компаний переобучают действующих сотрудников, а не нанимают профильных специалистов.
По оценке Всемирного банка, 16,2% рабочих мест в развивающихся странах могут выиграть от внедрения ИИ, тогда как под непосредственный риск автоматизации попадают около 4,5%. Технология может помочь бизнесу развиваться быстрее – для этого, однако, необходимы подготовленные сотрудники.
По данным опроса Всемирного банка и Международной финансовой корпорации, 71% из 1666 компаний на развивающихся рынках уже используют ИИ – годом ранее таких было около 40%. При этом половина нынешних пользователей начала внедрение в 2025 году.
❗️ Однако большинство пока использует технологию ограниченно: 57% компаний экспериментируют с ИИ или внедряют его в отдельные процессы. Лишь 10% сделали его частью ключевых внутренних операций.
Для небольших компаний ИИ снижает стоимость доступа к экспертизе: помогает анализировать данные и отзывы клиентов, готовить маркетинговые материалы и писать код без расширения штата. Но для полноценного эффекта недостаточно просто подключить готовую модель — нужно встроить ее в рабочие процессы🧑💻
Главным препятствием бизнес называет нехватку навыков:
По оценке Всемирного банка, 16,2% рабочих мест в развивающихся странах могут выиграть от внедрения ИИ, тогда как под непосредственный риск автоматизации попадают около 4,5%. Технология может помочь бизнесу развиваться быстрее – для этого, однако, необходимы подготовленные сотрудники.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍5❤3👀2🔥1
Как ИИ сократил расходы на рекламу на 82% 🔥
Раньше медиабайер вручную сравнивал площадки, аудитории, ставки и эффективность рекламы. Теперь эту работу компании постепенно передают ИИ-агентам – «цифровые медиабайеры» оценивают тысячи вариантов размещения, ищут рекламные возможности, сравнивают их, распределяет бюджет и меняет его по ходу кампании📊
Например, американский производитель напитков Geloso Beverage Group захотел проверить, смогут ли агенты самостоятельно провести рекламную закупку и сократить на нее расходы. Совместно с агентством Butler/Till и рекламной платформой PubMatic компания запустила эксперимент.
В процессе участвовали несколько агентов: один обрабатывал рекламный бриф и передавал системе требования к аудитории и размещениям, другой подбирал подходящие площадки и форматы📶
Другой пример – кампания нидерландской лотереи Lot of Happiness. Здесь агентство Draft Digital и рекламная платформа Broadsign проверили, смогут ли два ИИ-агента договориться друг с другом: один представлял интересы рекламодателя, другой — владельца рекламных поверхностей.
Смогли: агенты самостоятельно согласовали условия размещения, подобрали форматы рекламы и забронировали её. Кампания прошла масштабно: на экранах супермаркетов, в торговых центрах, на АЗС и фасадах города 📢
Всё больше операционных задач рекламщиков, от поиска площадок до бронирования рекламы, можно передать ИИ. Но слепо доверять весь процесс пока все же не стоит: ответить на главные вопросы бизнеса – «зачем мы запускаем эту кампанию?» и «какой результат нам нужен?» – нужно специалисту компании.
Раньше медиабайер вручную сравнивал площадки, аудитории, ставки и эффективность рекламы. Теперь эту работу компании постепенно передают ИИ-агентам – «цифровые медиабайеры» оценивают тысячи вариантов размещения, ищут рекламные возможности, сравнивают их, распределяет бюджет и меняет его по ходу кампании
Например, американский производитель напитков Geloso Beverage Group захотел проверить, смогут ли агенты самостоятельно провести рекламную закупку и сократить на нее расходы. Совместно с агентством Butler/Till и рекламной платформой PubMatic компания запустила эксперимент.
В процессе участвовали несколько агентов: один обрабатывал рекламный бриф и передавал системе требования к аудитории и размещениям, другой подбирал подходящие площадки и форматы
В результате:👉 расходы на комиссии рекламных платформ-посредников сократились на 82%👉 CPM упал на 30%👉 количество показов выросло на 40% при том же бюджете
Другой пример – кампания нидерландской лотереи Lot of Happiness. Здесь агентство Draft Digital и рекламная платформа Broadsign проверили, смогут ли два ИИ-агента договориться друг с другом: один представлял интересы рекламодателя, другой — владельца рекламных поверхностей.
Смогли: агенты самостоятельно согласовали условия размещения, подобрали форматы рекламы и забронировали её. Кампания прошла масштабно: на экранах супермаркетов, в торговых центрах, на АЗС и фасадах города 📢
По итогам кампании:👉 закупка более 830 000 рекламных показов;👉 время от получения брифа до бронирования размещений составило 15 минут
Всё больше операционных задач рекламщиков, от поиска площадок до бронирования рекламы, можно передать ИИ. Но слепо доверять весь процесс пока все же не стоит: ответить на главные вопросы бизнеса – «зачем мы запускаем эту кампанию?» и «какой результат нам нужен?» – нужно специалисту компании.
Please open Telegram to view this post
VIEW IN TELEGRAM
❤5🔥5👀4
Как ИИнициативы сотрудников помогают бизнесу расти 📈
Кто, как не сотрудники, которые каждый день работают с задачами компании, знают где поможет ИИ?
Это подтверждают и результаты недавнего исследования школы менеджмента Массачусетского технологического института (MIT Sloan). В течение двух лет там наблюдали за внедрением генеративного ИИ в двух организациях: медицинском центре NE Health и юридической фирме LegalCo 🤔
В обеих компаниях сотрудников обучили работе с ИИ и предложили найти сценарии его применения для своих задач. В NE Health руководство проводило воркшопы, подключало технических специалистов, помогало оценивать риски. Вклад сотрудников учитывали также в карьерном продвижении. В LegalCo же после вводного обучения сотрудникам пришлось думать над реализацией ИИ-решений самостоятельно — параллельно с основной работой. Постепенно энтузиазм угас и более 80% специалистов прекратили эксперимент 😔
Вклад ИИ-чемпионов – сотрудников, которые становятся «амбассадорами» ИИ на своем примере – для бизнеса неоценим. Именно они первыми пробуют новые подходы, делятся находками с коллегами и показывают на практике, что ИИ действительно может изменить в работе. Но любая инициатива требует поддержки «сверху» 🤝
Именно в такой связке случается winwin – компания ускоряет процессы и снижает риск сопротивление сотрудников при работе с ИИ, сотрудники же в свою очередь получают условия, в которых их идеи могут развиваться.
Кто, как не сотрудники, которые каждый день работают с задачами компании, знают где поможет ИИ?
Это подтверждают и результаты недавнего исследования школы менеджмента Массачусетского технологического института (MIT Sloan). В течение двух лет там наблюдали за внедрением генеративного ИИ в двух организациях: медицинском центре NE Health и юридической фирме LegalCo 🤔
В обеих компаниях сотрудников обучили работе с ИИ и предложили найти сценарии его применения для своих задач. В NE Health руководство проводило воркшопы, подключало технических специалистов, помогало оценивать риски. Вклад сотрудников учитывали также в карьерном продвижении. В LegalCo же после вводного обучения сотрудникам пришлось думать над реализацией ИИ-решений самостоятельно — параллельно с основной работой. Постепенно энтузиазм угас и более 80% специалистов прекратили эксперимент 😔
Результат показательный:👉 в NE Health по итогам было внедрено 141 ИИ-решения для автоматизации операционных задач👉 в LegalCo всего 3
Вклад ИИ-чемпионов – сотрудников, которые становятся «амбассадорами» ИИ на своем примере – для бизнеса неоценим. Именно они первыми пробуют новые подходы, делятся находками с коллегами и показывают на практике, что ИИ действительно может изменить в работе. Но любая инициатива требует поддержки «сверху» 🤝
Как, например, в Jonson & Jonson. Компания предложила сотрудникам найти применение ИИ для своих задач, поддержала специалистов в разработке решений и получила почти 900 сценариев. После оценки руководства 10–15% из них оказались ценными и были внедрены в работу подразделений. Среди них ИИ-агент для подготовки торговых представителей к встречам и внутренний ассистент JAIDA. Теперь он ежедневно помогает более чем 138 тысячам сотрудников находить ответы о корпоративных правилах, льготах и процедурах 🔥
Именно в такой связке случается winwin – компания ускоряет процессы и снижает риск сопротивление сотрудников при работе с ИИ, сотрудники же в свою очередь получают условия, в которых их идеи могут развиваться.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍5❤4👀2🔥1