Чипфляция: как AI меняет глобальную экономику

Пока все обсуждают ChatGPT и AI-агентов, в мировой экономике набирает обороты другой тренд – резкий рост цен на чипы и AI-инфраструктуру. BigTech тратит сотни миллиардов долларов на дата-центры, GPU и энергетику для ИИ, рост цен на полупроводники уже начинает влиять даже на глобальную инфляцию, а Microsoft, Google и Amazon уже столкнулись с настоящей "чипфляцией".

Спрос на AI-чипы растет быстрее, чем индустрия успевает их производить – страх дефицита комплектующих является главным драйвером акций их производителей. Nvidia уже прошла стадию иксов, и инвесторы переключились на сектора памяти и хранения данных – Micron Technology (+156% YTD) и SK Hynix (+190% YTD). Кто следующий?

Сейчас все еще недооцененным остается сектор AI-серверов: Dell, Super Micro, Hewlett Packard. Но важно выбирать финансово устойчивую компанию и делать ставку на дефицит серверной инфраструктуры – как минимум с точки зрения инвесторов.

Вся эта тема с hardware еще сильнее ощущается, когда заказчик говорит "конечно же нам нужен on-premise решение, закрытый контур, никаких облаков" и т.д. И весь наш розовый мир мультиагентной супер производительности сталкивается с бетонной стеной "безопасников")

А что вы думаете об этой стороне ИИ-трансформации и развития?

Почему AI-пилоты умирают, не дойдя до масштаба?

За последние два года искусственный интеллект стал главным технологическим трендом для бизнеса. Почти каждая крупная компания уже запускала AI-пилот: кто-то тестировал ChatGPT для сотрудников, кто-то внедрял AI-ассистентов в поддержку, кто-то автоматизировал создание документов, аналитику или внутренние процессы.

На этапе пилота все обычно выглядит очень оптимистично, команда быстро собирает MVP, сотрудники удивляются возможностям новых инструментов, руководство видит первые результаты и начинает говорить о «цифровой трансформации». Но затем происходит то, что сегодня становится почти стандартным сценарием: проект перестает развиваться, а процессы иногда откатываются назад.

По данным различных исследований рынка и аналитических центров, значительная часть AI-инициатив так и не выходит за пределы пилотной стадии. Они остаются локальными экспериментами, которые не оказывают системного влияния на компанию. Именно этот разрыв между успешным MVP и реальным масштабированием сегодня становится одной из главных проблем AI-трансформации бизнеса. И проблема здесь далеко не в качестве моделей.

Продолжение читайте в моем блоге на Яндекс Дзен

TechRadar опубликовал классный текст, в котором озвучил главную проблему ИИ рынка сегодня: как им управлять?

▪️ Более 70% сотрудников компаний по всему активно используют ИИ регулярно, и многие делают это в обход IT и правил компании;
▪️ Возникает феномен “shadow AI” – неконтролируемое использование инструментов;
▪️ Это создает разрыв между внедрением ИИ и реальным управлением!

Проблема здесь в том, что у компаний нет контроля над тем, как используется ИИ из-за чего растет уязвимость к киберугрозам. Если мы посмотрим на IT-компании – 61% из них видят в использовании искусственного интеллекта риски для бизнеса, и только 31% уверены, что могут ими управлять!

Получается, что ИИ сегодня уже очень широко используется, но компании не успевают выстроить правила, процессы и контроль.

Полностью статью можно прочитать тут: https://www.techradar.com/pro/ai-adoption-is-no-longer-the-challenge-execution-is-new-report-finds-more-and-more-businesses-are-struggling-to-deal-with-uncontrolled-ai?utm_source=chatgpt.com

Если говорить о том, что я вижу у клиентов, партнеров и в сообществах, то пока что типа ИИ-безопасности остается очень и очень нишевой. Появляются спикеры и стартапы вокруг этой темы, но как обычно запрос от бизнеса не поспевает за этим.

Что вы думаете о неконтролируемом использовании ИИ? Действительно ли это такая огромная проблема?

Нейросеть делает работу аналитика за 10 минут... За что ему платить?

Еще совсем недавно работа аналитика считалась сложной и высокооплачиваемой. Специалист тратил на составление отчета около недели, выгружал данные, строил графики, делал выводы... и получал за все это зарплату, бонусы и премии. А сейчас такие задачи ИИ решает за 10–15 минут. И здесь возникает неудобный вопрос: а за что тогда платить человеку? За потраченное время? За просмотр итоговых слайдов? За сам факт работы?

Или же за способность правильно составлять промпт, задавать верные вопросы, вовремя замечать неточности и видеть то, что не видит модель? Самое интересное -- готового ответа на этот вопрос пока нет.

Во многих компаниях из-за этого возникает скрытое сопротивление AI: люди не используют его на полную не потому, что “не умеют”, а потому что пока непонятно, как после этого измерять ценность их работы.

Если ИИ ускоряет задачу в 20 раз - сотрудник молодец или сам себя “обесценил”? Я сталкиваюсь с подобным и у клиентов и среди пользователей наших продуктов.

Расскажите, как это сейчас решается у вас: как вы оцениваете ценность ваших работников? Свой подход расскажу в комментариях чуть позже, чтобы увидеть разные мнения и подходы)

Почему компании застревают в execution
и как с ИИ белка может еще быстрее бежать в колесе…

Практически в любой современной компании есть ощущение перегруженности.

Сотрудники постоянно чем-то заняты: идут созвоны, обновляются таблицы, появляются срочные задачи, руководители переключаются между десятками различных процессов... Работа не останавливается ни на минуту! При этом со временем все чаще начинает возникать странное чувство: команда очень много делает, но бизнес почти не развивается. Это одна из главных ловушек execution-культуры.

Кто не знает, execution-культура (или культура исполнения) – это популярная сегодня система ценностей, которая направлена на эффективное выполнение принятых решений и реализацию задуманного. То есть, это та самая культура, в рамках которой сотрудники ведут Trello или другие трекеры и отмечают выполненные задачи… На первый взгляд, все правильно: у персонала есть задачи, которые нужно решать, но на деле есть проблема, ведь люди достаточно быстро перестают различать операционную активность и стратегическое движение и грязнут в рутине...

Продолжение читайте в моем блоге на Яндекс Дзен

ИИ — это инструмент для всех.

Но почему тогда им чаще пользуются богатые?

Наткнулся на текст с отсылкой к интересному исследованию Federal Reserve Bank of New York, которые задумались о том, насколько использование ИИ на работе сильно зависит от дохода и образования. Оказалось сильно зависит!

Доход:
▪️ От $200k в год – ИИ используют 66,3%
▪️ От $100k до $200k – 51,6%
▪️ От $50k до $100k – 40,2%
▪️ Ниже $50k – только 15,9%

Образование и занятость:
▪️ Выпускники колледжей используют ИИ более чем в 2 раза чаще, чем люди без диплома: 58,7% против 22,9%
▪️ Работники на полной занятости используют ИИ почти в 2 раза чаще, чем занятые неполный день: 42,7% против 24,7%

68% постоянных пользователей ИИ говорят, что он упрощает работу. При этом 56,7% отмечают рост производительности.

По мнению исследователей, сегодня ИИ становится инструментом конкуренции среди богатых: кто не справится, рискует отправиться в касту бедных, но со временем ИИ доберется и до них.

Я не стал копать результаты глубже (а часть результатов звучат честно говоря “не очень”), но думаю, что демократизация ИИ не за горами и это произойдет даже не за счет социально ориентированных проектов (вроде ИИ-психолога для стран ЮВА), а просто за счет жажды халявы принципа экономии ресурсов мозга.

Как настроить корпоративный доступ к Claude в России?

Для нас сегодня искусственный интеллект становится таким же рабочим инструментом, как корпоративная почта или CRM. Многие компании используют его для подготовки документов, анализа информации, работы с текстами, программирования и решения повседневных задач. Но как настроить корпоративный доступ, например, к ИИ Claude, чтобы это было удобно, безопасно и не создавало лишних проблем для бизнеса?

Платформа Claude сегодня является самой быстрорастущей LLM в США. Согласно исследованию Comscore, за месяц аудитория сервиса увеличивается на 100-130%, но с компаниями из России платформа не работает. Поэтому для организации доступа нужно решить две задачи: первая – это оплата сервиса; вторая – организация доступа сотрудников. Именно выбор модели доступа в дальнейшем определяет удобство работы всей команды.

Организовать доступ команде из 10-15 человек можно тремя разными способами.

👉 Продолжение читайте в моем блоге на VC.

Хакатон heg.ai × VK Tech

Уже через две недели - 19 июня - я буду одним из менторов на хакатоне heg.ai × VK Tech, где участники за один вечер пройдут путь от идеи до собственного AI-продукта.

Сегодня вокруг ИИ много разговоров, но гораздо интереснее увидеть, как идея превращается в работающий MVP буквально за несколько часов. Именно этим мы и будем заниматься.

Будет два трека:
▪️ Для начинающих — работа с ChatGPT, Claude и no-code инструментами (Lovable, Base44, Replit).
▪️ Для тех, кто уже использует AI в работе — агенты, автоматизация, Cursor, Codex, Claude Code и более продвинутые сценарии разработки.

Менторами (помимо меня) станут:
— Павел Хегай (heg.ai, ex Romantic AI)
— Дмитрий Коробовцев (Google, Microsoft, Яндекс, Sber)
— Василь Закиев (iskrabot.ai, Университет Иннополиса)

Что получите в результате:
▪️ Собственный MVP
▪️ Обратную связь от менторов
▪️ Знакомства с предпринимателями и разработчиками
▪️ Понимание того, как создавать AI-продукты самостоятельно

📅 19 июня, 17:00–22:00
📍 Москва, офис VK Tech

Есть промокод на скидку 10%: HACKATHONVK

Буду рад увидеться лично и обсудить ваши идеи, проекты и подходы к внедрению ИИ в бизнес.

На портале «Регионы России» вышла моя статья: «Цифровая трансформация без хаоса: почему бизнесу недостаточно просто внедрить ChatGPT»

Сегодня многие компании начинают AI-трансформацию с покупки подписок и внедрения отдельных инструментов. Но очень быстро сталкиваются с неожиданной проблемой: технологии есть, а результата нет. В статье мы разобрали, почему цифровая трансформация — это не про выбор очередного сервиса, а про изменение процессов, ролей, управления знаниями и культуры принятия решений.

Поговорили о том почему, если в компании царит хаос, ИИ только масштабирует его и как превратить искусственный интеллект из модного эксперимента в реальный инструмент роста бизнеса.

Буду рад вашим комментариям и обратной связи!

Мое личное кладбище стартапов

Недавно наткнулся на старый скриншот в своем же чате – на нем проекты, над которыми я когда-то работал, по каждому из них были амбиции, планы, презентации для инвесторов, бессонные ночи…

Hordaprint; Acapella; Presentator; MCU Blocks; IronHand; Connectivity; The Boat. Когда-то это были не просто логотипы, а сегодня большинство этих проектов уже не существуют в том виде, в котором задумывались.Некоторые закрылись.Некоторые были поглощены другими решениями.Некоторые просто растворились во времени.

И знаете что?

Я смотрю на это без сожаления и каждый из этих проектов научил меня чему-то важному. Более того, каждый проект это как путешествие, а они, как вы понимаете, рано или поздно заканчиваются)

Мы привыкли рассказывать истории успеха. Но если честно, любой предприниматель, который занимается технологиями достаточно долго, рано или поздно обзаводится собственным кладбищем стартапов и это нормально.

Когда сегодня я консультирую компании по цифровой трансформации, внедрению ИИ или управлению знаниями, многие решения опираются именно на эти старые проекты – на ошибки, которые когда-то стоили месяцев работы, на гипотезы, которые не взлетели, на продукты, которые рынок не принял. Удивительно, но именно провалы часто оказываются самым ценным активом. Потому что успех дает уверенность, а неудачи дают понимание.

Один из уроков, которые для себя вынес, прогуливаясь среди этих “могил” - начиная проект нужно отдать себе отчет - я сейчас инвестирую, чтобы заработать или чтобы закрыть какие-то свои личные хотелки (заткнуть если угодно психологическую “дыру”). И во втором случае разумнее инвестировать в психотерапию, а не в стартап)

А у вас есть проекты, которые не взлетели, но научили вас большему, чем самые успешные?

Подборка полезных AI-инструментов под разные задачи

Если вы до сих пор думаете, что AI – это только ChatGPT, эта подборка для вас, ведь уже сформировался целый стек инструментов, которые закрывают разные задачи: разработку, дизайн, аналитику, презентации, видео и продуктовую работу.

Ниже несколько сервисов, которые действительно могут быть полезны:

Claude и экосистема Anthropic. Помимо самого Claude, есть целое семейство продуктов: Claude Code для разработки, решения для совместной работы с документами и специализированные инструменты для интеграции в привычные рабочие среды (Excel, Powerpoint). Для многих команд Claude уже становится полноценной рабочей платформой, а не просто чат-ботом.

Cursor. Среда разработки с AI внутри. Помогает писать код, разбираться в проектах и создавать рабочие прототипы намного быстрее. Один из инструментов, который заметно меняет подход к разработке.

Runway. Один из самых сильных AI-инструментов для работы с видео. Генерация сцен, анимация изображений, удаление объектов и десятки других сценариев.

Kling AI. Еще один интересный инструмент для генерации видео. Особенно хорошо показывает себя в создании реалистичной анимации и коротких видеороликов по текстовому описанию.

Stitch. Решение от Google для создания интерфейсов и прототипов. Позволяет быстро визуализировать продуктовые идеи без долгой ручной отрисовки.

Recraft. Хороший инструмент для создания иллюстраций, иконок, векторной графики и брендовых материалов. Особенно полезен, когда нужен качественный векторный визуал без привлечения дизайнера на раннем этапе. Не могу не похвастаться, что в этом проекте работает ex-сотрудников студенческого КБ, которое я возглавлял :)

Napkin AI. Этот сервис легко превращает текст в схемы, диаграммы и визуальные карты. Часто использую подобные инструменты, когда нужно объяснить сложную систему или бизнес-процесс.

Magnific AI. Помогает улучшать изображения, повышать детализацию и качество визуала. Полезно для маркетинга, презентаций и контента.

Поделитесь чем-то необычным, из AI-сервисов, которые вы используете в работе)

В издании Economist.kg вышла моя новая статья о том, как искусственный интеллект может повлиять на будущее экономик Центральной Азии. Почему так?)
Честный ответ - не каждый день появляется возможность публиковаться в Economist :) да и Центральная Азия для меня не чужой регион (соприкасался с ним через партнеров из Хегай). Старался не быть диванным аналитиком в этой статье, получилось или нет решать вам :)

Сегодня разговор об ИИ все чаще сводится к отдельным инструментам и технологиям. Но на самом деле мы наблюдаем гораздо более масштабный процесс – формирование новой среды для бизнеса, образования, государственного управления и экономики в целом.

В статье разбираю:
▪️Какие возможности открывает ИИ для стран Центральной Азии;
▪️почему главным ресурсом становится не технология, а способность быстро адаптироваться к изменениям;
▪️Как меняются требования к бизнесу, специалистам и государственным институтам;
▪️Какие риски возникают у тех, кто решит отложить цифровую трансформацию на потом.

На мой взгляд, вопрос уже не в том, придет ли ИИ в экономику региона - он уже пришел, вопрос в том, кто сможет использовать эти изменения как точку роста, а кто будет вынужден догонять.

Буду рад вашим мыслям и обратной связи.

Статья по ссылке: https://economist.kg/ekonomika/2026/06/11/ii-ekonomiki-tsentralnoy-azii/

VIBE-CODING CONF 2.0 – уже 25–26 июня

Продолжаем говорить про то, как с помощью AI можно менять свой бизнес и процессы внутри него. На онлайн-конференции VIBE-CODING CONF 2.0 я расскажу о том, что такое дизайн ИИ-преобразований: как не внедрять AI хаотично, а проектировать изменения в компании.

Сегодня большинство организаций начинают внедрять нейросети с отдельных инструментов: чат-ботов, помощников, автоматизаций. Но очень быстро становится понятно, что проблема не в выборе модели или сервиса. Главный вопрос — как встроить AI в существующую систему управления, процессы и корпоративную культуру.

Поговорим о том:
▪️ Почему большинство AI-проектов застревают на стадии пилота;
▪️ Как перейти от экспериментов к системной трансформации;
▪️ Какие ошибки компании совершают при внедрении AI;
▪️ Почему AI-трансформация – это прежде всего изменение процессов и людей, а не технологий.

Будет полезно!

📅 25–26 июня 2026
📍 Online / Zoom
🔗 Ссылка: https://hegai.space/vibecodingconf2?utm_source=petrov
💸 Персональный промокод: PETROV10

Буду рад увидеться и обсудить ваши проекты, идеи и опыт внедрения ИИ.

Уже завтра стартует VIBE-CODING CONF 2.0

Жду вас на конференции о том, как использовать AI для создания продуктов, автоматизации процессов и трансформации бизнеса. Она стартует завтра и пройдет в онлайн-формате.

На конференции я выступлю с докладом по теме «Дизайна ИИ-преобразований: как не внедрять AI хаотично, а проектировать изменения в компании».

Поговорим о том:
▪️Почему большинство AI-проектов не доходят до масштаба и застревают на стадии пилота;
▪️ Как перейти от отдельных экспериментов к системной трансформации бизнеса;
▪️ Какие ошибки чаще всего совершают компании при внедрении AI;
▪️Почему AI-трансформация — это прежде всего работа с процессами, знаниями и людьми.

Если вы уже внедряете AI или только думаете, с чего начать – присоединяйтесь! Подробности здесь: https://hegai.space/vibecodingconf2?utm_source=petrov

Для подписчиков канала действует персональный промокод на скидку: PETROV10

До встречи на конференции!

ИИ-секретарь совещаний: решения и поручения не теряются

Сегодня я открываю серию публикаций, посвященных практическому применению искусственного интеллекта в компаниях. Буду разбирать конкретные бизнес-сценарии: какую задачу можно решить с помощью ИИ в том или ином случае, где технология действительно эффективна, а где без человека пока не обойтись.

Суть. ИИ сам подключается к встрече, ведет протокол и превращает разговор в решения, задачи, сроки и ответственных — без ручной работы.

Цена проблемы сейчас
Руководитель проводит на совещаниях до 20 часов в неделю, сотрудник — около 17,5% рабочего времени. Это оплаченный ФОТ, который сгорает дважды: на самих встречах и потом на ручную расшифровку, протоколы и восстановление договоренностей по памяти. Потерянные поручения превращаются в сорванные сроки, повторные встречи и переделки — то есть в прямые деньги.

Что делает ИИ

Подключается к онлайн-встрече (или принимает запись), расшифровывает, различает спикеров и отдаёт структурированный итог: резюме, решения, поручения, сроки, ответственные. Чем больше у компании параллельных проектов и встреч — тем выше отдача.

Вариации (настраивается под клиента)

Тип встречи. Планёрка/статус → чек-лист «кто, что, к какому сроку». Переговоры → договоренности, обязательства сторон и риски. Стратсессия → решения и их основания, а не дословный лог.

Проектная сессия → задачи по этапам, зависимости и сроки. Один шаблон на все типы — частая ошибка.

Режим захвата. Бот в онлайн-звонке (Zoom/Meet/Teams/Телемост Яндекс); загрузка готовой записи постфактум; диктофон или телефон с очной встречи. От режима зависят точность расшифровки и надёжность различения спикеров.

Глубина интеграции. Саммари в чат → PDF-протокол → база знаний с историей решений → автозадачи в трекере (Bitrix, Jira, Mionika) с ответственными и сроками.

Чем глубже — тем меньше ручных шагов после встречи.

Контур данных. Внешний облачный сервис (быстро и дёшево) или закрытый контур клиента — когда запись переговоров нельзя выпускать наружу по требованиям безопасности.

Что компания получает в деньгах

Меньше потерянных поручений — меньше сорванных сроков и переделок.

Единая история решений — быстрее онбординг, меньше повторных обсуждений.

Корпоративная память на основе реальных рабочих встреч.

Где нужен человек

Жаргон, названия продуктов и фамилии — модель может расслышать неверно → глоссарий проекта и донастройка под клиента.
Неявные решения («ну все поняли») — вслух не проговорено, ИИ не зафиксирует → подтверждение итогов человеком до рассылки; ведущий проговаривает решения вслух.

Чувствительные и конфиденциальные темы — не всё должно попасть в протокол → закрытый контур, выборочная запись, удаление фрагментов.

Стратегия, оценка качества и приоритетов — управленческое суждение, а не распознавание речи → ИИ готовит черновик, решение остаётся за руководителем.

Слабый вход (мутные формулировки, не названы ответственные и сроки) — мусор на входе даёт мусор на выходе → шаблон встречи подталкивает к чётким формулировкам; ИИ не лечит плохую коммуникацию, но даёт каркас.

ИИ фиксирует и структурирует; контроль корректности итогов — за участниками.

На сайте «Бизнес Секретов» вышла моя статья «PARA + AI: как построить внешний мозг для работы и бизнеса»

Сегодня предприниматели живут в режиме постоянной перегрузки: задачи, встречи, документы, заметки, идеи и десятки открытых контекстов одновременно конкурируют за их внимание.

В статье я разбираю:
▪️ Почему метод PARA Тьяго Форте стал одной из самых популярных систем управления знаниями;
▪️ Почему «второй мозг» — это не просто четыре папки в Notion;
▪️ Где PARA работает хорошо, а где начинает ломаться;
▪️ Как AI меняет подход к управлению знаниями;
▪️ Почему в эпоху нейросетей карта мышления становится важнее архива.

Получился материал на стыке продуктивности, управления знаниями и AI-трансформации!

Прочесть статью можно здесь: https://secrets.tbank.ru/blogi-kompanij/kak-postroit-vneshniy-mozg-dlya-raboty/?utm_source=chatgpt.com

ИИ-аналитик рынка: конкуренты, клиенты и тренды под наблюдением

Суть: ИИ автоматически собирает и анализирует информацию о конкурентах, потенциальных клиентах и ситуации на рынке из открытых источников, превращая разрозненные данные в готовые материалы для отдела продаж.

Цена проблемы сейчас

Конкурентной разведкой сегодня занимается меньше 20% российских компаний, показал опрос Superjob.ru. Порядка 85% всей информации добывается из открытых источников, и статистике один менеджер на такую работу от 6 до 9 часов в неделю.

Проблема даже не в стоимости этих часов, а в том, что важная информация часто обнаруживается слишком поздно: конкурент уже запустил новый продукт, клиент уже начал тендер, а компания узнает об этом постфактум.

В результате бизнес теряет возможность действовать на опережение.

Что делает ИИ

ИИ непрерывно отслеживает открытые источники и собирает сигналы, которые могут быть важны: новости на сайтах конкурентов, их вакансии, запуск новых продуктов, появление новых клиентов, изменения в позиционировании, участие в тендерах, публикации в СМИ и др.

Эта информация структурируется и превращается в аналитические отчеты.

Возможные объекты анализа

Конкуренты → продукты, цены, кейсы, вакансии, маркетинговая активность.

Клиенты → инвестиции, расширение бизнеса, новые проекты, кадровые изменения.

Партнеры → новые направления деятельности, сделки, выход на новые рынки.

Рынок → тренды, технологии, законодательные изменения и отраслевые события.

Глубина анализа

Мониторинг изменений → уведомления о новых событиях.

Еженедельные обзоры → сводка по конкурентам и рынку.

Аналитические досье → подробные профили компаний и клиентов.

Прогнозирование возможностей → выявление потенциальных сделок и точек входа для продаж.

Отчетность возможна по запросу клиента / в формате ежедневных отчетов/ в формате еженедельной аналитики / краткие уведомления о событиях / подборки сигналов для отдела продаж.

Что компания получает в деньгах

Отдел продаж получает постоянный поток рыночных сигналов без необходимости содержать отдельное аналитическое подразделение или вручную отслеживать десятки и сотни источников информации.

Компания повышает вероятность выигрыша сделок и снижает риск неожиданного усиления конкурентов. Для руководителей бизнес-разведка с ИИ дает дополнительные данные для информационного обеспечения процесса принятия решений.

Где нужен человек

Ложные сигналы и шум. Не каждое изменение на сайте или новая вакансия означает изменение стратегии компании → критически важные выводы должны проходить экспертную проверку.

Контекст рынка. ИИ может обнаружить событие, но не всегда способен правильно оценить его значение для конкретного бизнеса → интерпретация остается за руководителями и экспертами.

Конкурентная стратегия. Выбор действий в ответ на активность конкурентов требует управленческого решения → ИИ предоставляет информацию, но не определяет стратегию компании.

Качество источников. Открытые данные могут быть неполными, устаревшими или намеренно искаженными → необходим контроль надежности источников и периодическая валидация данных.

Изменение рынка. Значимость одних и тех же сигналов может меняться со временем → правила анализа требуют регулярной корректировки. #ИИ_сценарии