(unknown machines)

Московское общество неизвестных машин

Смотрим, как ИИ ведёт себя в реальности — без украшений
и иллюзий. Делимся тем, что замечаем.
Обсуждаем то, что обычно остаётся за кадром.

Манифест

1.

Изучаем ИИ без религиозного трепета: инструмент остаётся инструментом, даже если иногда делает умный вид.

2.

Смотрим, как он распределяется по бизнес-процессам: где становится полезным, а где всё ещё путается в проводах.

3.

Осторожно прогнозируем 2026–2027 годы, понимая, что будущее редко сверяется с нашими заметками.

4.

Отделяем реальные возможности от презентационной магии — иногда с удивлением, иногда с лёгкой грустью.

5.

Записываем наблюдения в тексты, чтобы через годы помнить, как всё начиналось.
(вместо введения)

Технологии регулярно приносят рост эффективности, ускорение процессов и снижение издержек. Но время от времени появляются решения, которые не просто улучшают, а требуют полной переоценки устройства бизнеса. Сегодня мы находимся именно в таком моменте.

Эд Хорьков, со-основатель КОД9
Время прочтения: 16 минут
Появление больших языковых моделей (LLM), а за ними и агентных ИИ-систем, не столько оптимизирует отдельные функции, сколько меняет само представление о том, как должна работать компания.
В этом эссе я хочу рассмотреть, как изменится структура и логика бизнеса в ближайшие два–три года под воздействием новых инструментов.
Сначала мы зафиксируем ключевые допущения о развитии ИИ, затем разберем бизнес-функции, где, на мой взгляд, трансформация будет наиболее глубокой, и в заключение обсудим, какие шаги можно предпринять уже сейчас, чтобы встроиться в новую архитектуру работы.
Считаю, что игнорирование этих изменений приведёт бизнес к риску стагнации или исчезновения.
История полна подобных примеров: Kodak, долгое время доминировавший на рынке фотографии, оказался неспособен адаптироваться к цифровой эпохе несмотря на то, что сам разработал один из первых цифровых фотоаппаратов.
Аналогично и сегодня
Компании, которые не начнут ИИ-трансформацию, рискуют потерять рынок не потому, что ИИ сделает их хуже, а потому что другие станут значительно быстрее, точнее и эффективнее.

II. Исходные предположения: что изменится к 2026–2027 году

Зафиксируем технические и организационные допущения, на которых строится дальнейший анализ:1. Модели станут значительно лучше. Мы наблюдаем, что большие языковые модели становятся значительно лучше с каждой новой версией, а новые версии выходят несколько раз в год. В 2023 году лучшая модель на научном бенчмарке GPQA показывала 38,8% точности, а в в 2024 уже 87,7%. По задачам программирования (SWE-bench) рост ещё сильнее: с 4,4% до 71,7%. В 2026 - 2027 годах этот тренд будет продолжаться: модели будут осваивать всё более сложные классы задач и достигнут уровня, позволяющего им реализовывать отдельные бизнес-функции или играть в них ключевую роль.2. Снижение стоимости. Заметное снижение стоимости использования больших языковых моделей происходит уже сегодня. В статье LLMflation от фонда Andreessen Horowitz указывается, что стоимость инференса (использования) моделей сопоставимого качества снижается в 5 - 10 раз в год. Кратное удешевление технологии всегда делает ее доступнее и ускоряет ее повсеместное внедрение.
3. Рост модальностей. Раньше языковые модели работали только с текстом. Сегодня они могут обрабатывать голос, изображения, видео и взаимодействовать с браузером. В ближайшие годы ИИ-системы научатся полноценно выполнять задачи: открывать документы, редактировать таблицы, работать с привычными для бизнеса цифровыми инструментами, такими как ERP, CRM и другими прикладными системами. По мере этого развития ИИ сможет не просто подсказывать, а действовать внутри цифрового контура бизнеса, и его работа станет неотличима от человеческой.
4. Память и длительная автономная работа. Сегодня большинство моделей работают без памяти: каждый запрос обрабатывается изолированно. Но уже появляются первые архитектуры, позволяющие системам запоминать задачи, восстанавливать контекст и накапливать опыт. В ближайшие 2 года память ИИ будет развиваться, позволяя им вести длительные процессы и возвращаться к незавершенному. Это приблизит их к роли устойчивых участников бизнес-процессов, способных действовать последовательно и без постоянного вмешательства человека.
5. Снижение количества ошибок. Галлюцинации, или генерация ложных фактов, остаются одной из главных проблем ИИ. Это инженерная проблема, которую сейчас активно решают. Появляются техники и подходы, которые позволяют повысить точность инференса. В ближайшие два года можно ожидать существенное снижение ошибок, что сделает ИИ более надёжным в задачах с высоким требованием к достоверности – от клиентской поддержки до генерации юридических и технических документов.
6. Бесшовность взаимодействия. ИИ-системы всё чаще работают не изолированно, а во взаимодействии друг с другом. Несколько специализированных ИИ-агентов, работающих сообща, способны выполнять сложные бизнес-процессы быстрее и надёжнее, чем один универсальный. Появляются протоколы (например, MCP), которые позволяют агентам координировать действия и передавать задачи друг другу. Это создаёт основу для качественного взаимодействия внутри бизнеса: один агент находит информацию, другой формирует документ, третий запускает рассылку или обновляет записи в CRM.
На этих предпосылках строится остальная часть текста — детальный разбор ключевых бизнес-функций и возможной глубины их трансформации.

III. Трансформация бизнес-функций: продажи


В этом разделе я в первую очередь говорю о B2B-продажах, так как я с ними знаком и лучше понимаю специфику процессов и ограничений. Тем не менее многие из описанных изменений актуальны и для B2C-направлений.
Продажи — это одна из первых бизнес-функций, где влияние ИИ становится ощутимым уже сегодня. 
ИИ уже умеет подбирать формулировки под тональность клиента, учитывать контекст предыдущих взаимодействий, работать с данными из CRM и публичных источников. Простейшие агенты могут автоматически отправлять письма, инициировать встречи, обновлять карточки клиентов. Более продвинутые — адаптируют стратегию коммуникации под отрасль, размер компании и стадию принятия решения. Такие сервисы, как Humantic AI подбирают стиль общения под психотип клиента.

Гиперперсонализация коммуникаций


ИИ-агенты особенно эффективны в сценариях, требующих гиперперсонализации. В таких подходах, как ABM (Account-Based Marketing), где нужно глубоко анализировать узкий сегмент и выстраивать индивидуальную стратегию под каждого клиента, ИИ способен обрабатывать большие объемы информации, адаптировать формулировки и вести диалог с учетом специфики отрасли, ролей и предпочтений. 
В B2B-продажах ИИ может не только продавать, но и переосмыслять сам продукт: анализировать спрос, выявлять закономерности, формулировать новые УТП и запускать тестовые продажи. Это даст возможность компаниям динамически настраивать свои УТП в режиме реального времени с быстрой проверкой гипотез и обратной связью от рынка.ИИ-агенты, смогут вести клиента от первого контакта до заключения сделки. Это будут  полноценные цифровые сотрудники: они будут искать и квалифицировать лидов, подбирать подходящее предложение, проводить демо, обрабатывать возражения и закрывать сделки. 
Некоторые роли в продажах будут полностью переосмыслены. В первую очередь это касается специалистов по первичному контакту и квалификации лидов (SDR). Их функции уже частично автоматизированы, а к 2026–2027 годам, с ростом возможностей, этот спектр задач будет полностью закрываться ИИ. 
Продажи перестанут быть цепочкой разрозненных шагов и превратятся в целостную, адаптивную систему, где каждый клиент движется по персонализированному маршруту — без лишних пауз, потерь контекста или необходимости в ручной передаче между отделами.
Для бизнеса это означает возможность резко расширить охват, сократить цикл сделки и снять нагрузку с команд продаж.
Компании, которые первыми встроят ИИ в эту функцию, получат не просто прирост эффективности, а устойчивое конкурентное преимущество.

IV. Трансформация бизнес-функций: маркетинг

Если говорить грубо, задача маркетинга - это сделать так, чтобы ваш продукт нашли, поняли и захотели купить. Для этого нужно изучать потребности клиентов и потребителей, адаптировать сообщение под конкретные аудитории, создавать подходящие материалы, размещать их на релевантных площадках, отслеживать эффективность кампаний и понимать, когда канал начинает выгорать. 
Этот цикл (от исходной диагностики до оптимизации канала) и начинает быстро меняться под влиянием ИИ.
Раньше каждый этап данного процесса был отдельной задачей: анализ аудитории, генерация гипотез, создание креативов, запуск и оценка результатов выполнялись вручную и часто — разными специалистами, с задержками на согласование и передачу. 
Сегодня ИИ позволяет объединить эти шаги в единый процесс. Появились и развиваются инструменты, которые по краткому описанию создают серию сообщений, баннеров, видео, подбирают площадки и настраивают запуск кампаний. Более того, они умеют адаптировать стиль и тональность под сегмент, автоматически тестировать гипотезы и редактировать сообщения на лету.
ИИ особенно эффективен там, где необходима высокая чувствительность к контексту. В B2B-маркетинге он помогает вычленить узкие боли, адаптировать предложения под тип клиента. В B2C — строить микро-сегменты, улавливать поведенческие паттерны и запускать персонализированные коммуникации со скоростью, которая раньше, в ручном режиме, была недоступна.
К 2026–2027 годам появится возможность выстраивать маркетинг как непрерывный контур: агенты смогут самостоятельно находить сигналы, формировать гипотезы, запускать кампании, тестировать, менять креатив и перераспределять бюджет. Вместо квартального планирования бизнес будет работать с новой абстракцией –  автоматической системой взаимодействия с аудиторией.
Подобные системы будут не просто исполнять шаблонные задачи, а самостоятельно учиться на результатах — адаптируя каналы, сообщения и тактики в зависимости от эффективности. 
Некоторые роли исчезнут или радикально изменятся: вручную собирать брифы, координировать подрядчиков, сверять метрики больше не потребуется. Появится новая специализация — операторы ИИ-маркетинга, которые настраивают параметры, управляют агентами и следят за качеством материалов и скоростью итераций.
Для бизнеса это означает резкое увеличение скорости реакции на изменения. Быстрее понять, что больше не работает, а что работает хорошо. Быстрее заменить неэффективное. Быстрее попасть в то место, где есть клиенты, которые могут вас услышать.

V. Трансформация бизнес-функций: кадровая функция и HR

HR – одна из функций, где влияние ИИ будет наиболее глубоким. Подбор, адаптация, развитие и удержание сотрудников постепенно становятся процессами, которые можно практически полностью передать ИИ, и как следствие, легко масштабировать и менять.

Автоматизированный скрининг

В массовом сегменте (“голубые воротнички”) найм станет полностью автоматизированным. ИИ сможет анализировать резюме, проводить первичные телефонные или видеособеседования, оценивать эмоциональные реакции и невербальные сигналы, формировать новые вопросы по ходу интервью, а также самостоятельно решать, кого приглашать на следующий этап. Система будет назначать встречи, отправлять письма, запрашивать документы и нанимать без участия человека. 
Для квалифицированных специалистов (“белые воротнички”) ИИ-алгоритмы будут проводить скрининг, но финальное решение будет принимать человек. Рекрутер будет получать финальную выборку кандидатов и работать с ней.

Онбординг

Суть онбординга это обучение нового сотрудника  корпоративным знаниям. Сегодня он часто буксует: корпоративная документация устаревает быстрее, чем обновляется, а опытные сотрудники вынуждены тратить время на обучение новичков. ИИ способен это изменить.
Агенты смогут анализировать переписки, документы, участвовать в звонках, извлекать оттуда значимые фрагменты и автоматически обновлять корпоративное знание. Знания внутри компаний будут актуальными.
С другой стороны, появится персонализированный формат обучения. Сотрудник проходит онбординг не через одинаковые инструкции, а через индивидуальную образовательную траекторию, построенную с учетом его опыта. ИИ-наставник задаёт вопросы, проверяет понимание и заканчивает онбоардинг в требуемые сроки.

Развитие сотрудников

ИИ сможет строить карту навыков всей компании. Он будет видеть сильные и слабые стороны команды, прогнозировать потребность в новых компетенциях, предлагать сотрудникам пути развития и необходимые программы обучения. Такие проекты уже есть в России (Potok.io) и за рубежом (Gloat)
Повышение квалификации превращается из эпизодического мероприятия в постоянный, самоподдерживающийся процесс за который отвечает искуственный интеллект.

Предсказание увольнений и удержание

HR-cистемы смогут замечать слабые сигналы возможного ухода: снижение активности, изменение стиля общения, нетипичный график отпусков и другие индикаторы. ИИ предложит руководителю провести разговор заранее, а сотруднику — альтернативные сценарии развития внутри компании.

Главный HR-сдвиг

Машины возьмут на себя рутинные задачи: скрининг, сортировку резюме, обновление знаний, построение программ обучения, аналитику, прогнозирование. Людям останется то, что невозможно автоматизировать: построение и развитие корпоративной культуры и ценностей, с которыми сотрудники себя хотят ассоциировать.

VI. Трансформация продуктовой и R&D-функций

Все компании, которые выпускают продукт, вынуждены постоянно исследовать рынок, разрабатывать новые версии продуктов, улучшать их характеристики. ИИ позволит ускорить и удешевить эти процессы.
Агенты смогут отслеживать конкурентов, моделировать спрос, проверять гипотезы до того, как в них вложены ресурсы. Это уменьшит цену одной итерации (исследование-разработка) и позволит пробовать больше направлений одновременно, включая нишевые, которые раньше экономически не имели смысла.

Исследование потребностей

Исследование становится непрерывным процессом. Используя открытые источники, ИИ может сканировать продукты конкурентов, следить за изменениями цен, оценивать реакцию пользователей. В случае наличия интереса — самостоятельно запускать тестовые рекламные кампании и проверять спрос на идею.
Вероятно, исследовательские компании будут предоставлять результаты своих исследований через интерфейс, адаптированный под ИИ-агентов (как, например, MCP). Агенты из продуктовых компаний смогут обращаться к ним за исследовательскими данными или даже самостоятельно заказывать специализированные рыночные исследования. 
Такие механизмы ускорят генерацию проверенных гипотез. ИИ будет находить маленькие рынки, которые сейчас не очевидны, и предлагать продукты под узкие группы пользователей. У компаний появится возможность поддерживать десятки параллельных направлений генерации и тестирования продуктовых гипотез.

Исследование и разработка нового продукта

Разработка нового продукта тесно связана с исследованиями. Мы исходим из того, что у компаний появятся ИИ-решения, которые заметно ускоряют эту часть работы. Уже сейчас подобные системы применяются при разработке лекарств: например, AlphaFold и AlphaProteo позволяют быстрее разрабатывать отдельные типы лекарств. 

Считаю, что подобные ИИ-решения будут появлятся и в других областях исследований, где возможно моделирование процессов. 
Ускорение исследований позволит выводить новые продукты на рынок быстрее и дешевле, чем сегодня. Более глубокие и при этом более доступные по стоимости исследования на ранних этапах сделают экономически оправданным выпуск нишевых продуктов под узкие когорты аудитории.
Для потребителя это означает существенно более широкий выбор, чем сейчас. Чтобы ориентироваться в этом разнообразии, потребуются новые, «консьюмерские» версии ИИ-помощников, но это уже тема для отдельной статьи.

VII. Как запускать ИИ-трансформацию (вместо вывода)

В ближайшие 2 года бизнес будет переходить от количественного эффекта (когда ИИ ускоряет отдельные задачи) к качественному, когда перестраиваются процессы, роли и логика работы компаний. 
Чтобы понять, как подойти к внедрению ИИ, полезно мыслить в рамках трёх последовательных, но пересекающихся подходов: (1) оптимизировать работу, (2) переосмыслять функции и (3) создавать новое.

Оптимизация работы

Самый быстрый и простой способ получить пользу от ИИ – это внедрить корпоративные ИИ-ассистенты (“собственный ChatGPT”), которые помогают сотрудникам писать письма, анализировать документы, генерировать маркетинговые материалы, готовить резюме встреч, ускорять коммуникацию с клиентами. Небольшие компании могут использовать готовые подписки облачных сервисов для этого, крупные — строить собственный инференс во внутреннем контуре. 
Главное изменение здесь не в технологиях, а в том, чтобы сотрудники начали ежедневно работать с ИИ, воспринимая его как естественную часть рабочего процесса. В этот период компания фактически формирует новую культуру, где ИИ становится дополнением к навыкам человека.

Переосмысление функции

На этом этапе ИИ перестаёт быть вспомогательным инструментом и начинает менять логику работы самих процессов. Потребуется переосмыслить выбранный бизнес-процесс: определить, какие шаги ИИ может выполнять автономно, где требуется совместная работа человека и модели, какие действия остаются в зоне человеческой ответственности. Подробнее об этом в разделах III-VI.
Трансформация начинается с вторичных направлений — маркетинга, клиентской поддержки, рекрутинга, аналитики. Работа с этими функциями позволяет получить быстрый экономический эффект, протестировать новые принципы организации процесса и научиться получать ROI. 

Создание нового

На этом этапе ИИ перестаёт быть средством ускорения существующих процессов и становится фундаментом для появления принципиально новых продуктов. Компании начинают разрабатывать решения, где ИИ используется не дополнение, а как ключевой механизм, формирующий пользовательский опыт, ценность и уникальность. Такие продукты могут адаптироваться под конкретного пользователя, принимать решения в реальном времени и выполнять часть работы за клиента. Например:

  • Банки могут сделать финансовых ассистентов на базе ИИ, которые помогают пользователю управлять финансами;
  • Образовательные платформы – создавать гиперперсонализированные обучения под индивидуальные запросы;
  • CRM и ERP платформы – выпускать агентные продукты, которые самостоятельно ведут задачи, инициируют рабочую коммуникацию, обновляют данные в системе.  

На данном уровене открывается путь к новым рынкам, новым моделям монетизации и новым источникам выручки, которые возникают благодаря тому, что агентность становится частью самого продукта.

ИИ-трансформация — это не разовое внедрение модели. Это движение по трём уровням зрелости, которые постепенно наслаиваются друг на друга. Сначала компания учится работать быстрее и эффективнее, оптимизируя труд через ИИ-инструменты. Затем переосмысливает функции — переводит процессы в режим совместной работы человека и агентов. И лишь после этого она может создавать принципиально новые продукты и направления, опираясь на ИИ как на стратегическую технологию.