В мае 2025 года Microsoft официально объявила «эру AI-агентов». Сатья Наделла в блоге к Microsoft Build 2025 написал прямо: «Модели стали мощнее и эффективнее благодаря прорывам в рассуждении и памяти». Открытый агентский веб, по его словам, перестаёт быть экспериментом. Он становится рабочей моделью для корпоративного AI.

В тот же месяц Salesforce выпустила Agentforce 3 — платформу корпоративных AI-агентов, третью версию.

Anthropic опередила всех ещё в октябре 2024: показала режим Computer Use в Claude 3.5 Sonnet. Модель управляет компьютером как человек — нажимает кнопки, водит курсором, вводит текст в поля. В марте 2026 CNBC описывает это со сдвигом: «Claude теперь может использовать компьютер человека для выполнения задач». От эксперимента — к продукту.

Google шла параллельно. Открыла Project Mariner в Chrome, а в мае 2026 свернула отдельный бренд и перенесла технологию в «Gemini Agent».

Все четыре игрока сошлись в одном подходе: агенту не нужны заранее прописанные API-интеграции, он работает с экрана «как человек». Это меняет роль AI в бизнесе. Из инструмента «спросить и скопировать» он превращается в исполнителя, которого можно поставить на процесс.

К 2027–2028 годам агентский AI берёт на себя многошаговые процессы целиком — не «AI отвечает на один вопрос», а «AI ведёт процесс от триггера до результата». Граница между «AI как инструмент» и «AI как коллега» размоется. Но даже в этих сценариях человек остаётся в контуре: определяет цель, проверяет результат в нестандартных случаях, принимает решения с необратимыми последствиями. Рынок труда уже трансформируется, и подробно мы разберём это ниже.

АГЕНТСКИЙ AI: ЧТО УЖЕ РАБОТАЕТ СЕГОДНЯ

IBM в октябре 2025 года на конференции TechXchange перестроила линейку watsonx (платформу IBM для корпоративных AI-сервисов) вокруг agentic workflows. Линейка получила пять новых возможностей watsonx Orchestrate. Среди них — AgentOps (операционное управление агентами, построенное на DevOps-практиках для AI), готовые отраслевые агенты для HR, продаж и финансов, интеграция с более чем 80 бизнес-приложениями. На той же конференции IBM объявила: 61% её корпоративных клиентов планируют развернуть AI-агентов в ближайшие 18 месяцев. Причём 62% из них фокусируются на интеллектуальной работе — на тех ролях, которые занимают белые воротнички. Индекс зрелости по AI у клиентов вырос до 3,1 балла против 2,8 годом ранее. В октябре 2025 IBM и S&P Global подписали стратегический альянс: AI Orchestration от IBM работает на данных S&P Global для задач управления цепочками поставок, закупками, финансами и страхованием. Агентский AI заходит в регулируемые отрасли не через «общего чат-бота», а через инфраструктурного партнёра с репутацией и с возможностью локального развёртывания (on-prem — установка на серверах заказчика, без отправки данных в облако).

Microsoft 365 Copilot Wave 2 (май 2025) перешёл из текстового помощника в слой исполнения для рабочих процессов. Copilot сам готовит данные в Excel, ведёт переписку в Outlook, открывает задачи в Planner и пишет черновик презентации в PowerPoint в одном сценарии. Появились Sales Agent, Service Agent, Finance Agent и Work IQ — корпоративная модель, которая знает контекст конкретной организации: её терминологию, прошлые документы, принятые решения. На Ignite 2025 в ноябре Microsoft показала Agent 365 — слой управления корпоративными агентами. Аналог того, что Salesforce делает через Agentforce Command Center.

Salesforce запустила Agentforce 3 23 июня 2025 года, а в октябре того же года — Agentforce 360 с новой системой ценообразования: $2 за сессию работы с агентом. По опросу 8 300 заказчиков Salesforce летом 2025, средний ROI у первых клиентов — 153%. Скептики тут же написали: цифра «включает в себя эффект платформы в целом, а не только агентов», и попросили разделить эффекты. Сама дискуссия полезна: agentic AI можно продавать по метрикам и наблюдать, как чат-боты превращаются в измеряемую корпоративную единицу.

Operator от OpenAI (январь 2025) стал первым публичным агентом, который использует собственный режим управления компьютером для навигации по браузеру: видит скриншот, кликает, заполняет формы, делает заказы. К маю 2026 все три игрока (Anthropic, OpenAI, Google) закрыли отдельные бренды, перенеся технологию в основные линейки.

КОРПОРАТИВНЫЕ ПЛАТФОРМЫ АГЕНТСКОГО AI В 2026 ГОДУ

Пять платформ образуют карту выбора, а не рейтинг «лучших». Microsoft доминирует в офисной экосистеме, IBM — в регулируемых отраслях, Salesforce — в CRM, Google — в браузере и Workspace, OpenAI — в задачах с любым веб-интерфейсом. У каждой платформы свой сценарий, и в этом подразделе они сведены для сравнения.

Из таблицы видно: цены идут от $30/мес за пользователя (Microsoft) до $2 за сессию (Salesforce) и $200/мес за Pro-подписку (OpenAI). Бесплатных вариантов среди корпоративных платформ нет, и это сигнал. Агентский AI уже не «эксперимент». Это продукт с ценником.

ПРИЗНАКИ ГОТОВНОСТИ ПРОЦЕССА К АГЕНТСКОМУ AI

Агентский AI готов к внедрению не тогда, когда «модели стали достаточно умными», а когда ваш процесс отвечает пяти конкретным критериям. Эти пять признаков — не «общие соображения», а фильтр. Пропускайте через него каждый процесс-кандидат.

– Процесс многошаговый (больше 2–3 шагов), и шаги зависят от результата предыдущих.

– Цена ошибки низкая, или есть человек в контуре на финальной приёмке.

– Инфраструктура инструментов доступна: API, MCP-серверы, база знаний.

– У вас есть «выключатель» (kill switch) — способ отключить агента за час, если он ошибся.

– У вас есть метрика успеха, измеренная до старта, а не «посмотрим, как пойдёт».

РЫНОК ТРУДА: ВЫТЕСНЕННЫЕ И СОЗДАННЫЕ МИЛЛИОНЫ РАБОЧИХ МЕСТ

WEF Future of Jobs Report 2025 — крупнейшее исследование трансформации рынка труда. В нём опрошены работодатели из 22 отраслей и 55 экономик, представляющие в сумме 14 миллионов работников. Что в сухом остатке: 92 миллиона рабочих мест могут исчезнуть в ближайшие пять лет и 170 миллионов новых появятся (по оценке WEF с широким доверительным интервалом — это сценарная оценка, а не точный прогноз). Чистый прирост — 78 миллионов, но это средняя цифра по выборке. В каждой конкретной отрасли и стране баланс свой. 39% ключевых навыков работника изменятся к 2030 году, 59% работников нуждаются в переобучении. Это не «AI заберёт вашу работу». Это «структура работы сместится, и обучение станет постоянной частью профессии». Из макротрендов, которые двигают рынок, WEF выделяет пять: технологические изменения, геоэкономическая фрагментация, экономическая неопределённость, демографические сдвиги и зелёный переход. AI — один из пяти драйверов, не единственный.

Anthropic Economic Index 2025 даёт более детальную картину: 36% профессиональных задач уже включают AI в той или иной форме, а в некоторых профессиях (разработка ПО, копирайтинг) доля доходит до 70%. Это не замена работника, а изменение состава его рабочего дня. 57% использования Claude — это усиление работы человека, 43% — её автоматизация, по выборке использования Claude в августе–сентябре 2025 года. Внутри «AI-команды» человек всё чаще проводит время не с коллегами, а с агентом, и это требует новых правил взаимодействия.

McKinsey в отчёте «The State of AI in 2025» (май 2025) приводит более осторожные цифры: 88% организаций регулярно используют AI, но только 6% масштабировали AI-программы на всё предприятие. У тех, кто видит эффект на прибыли до вычета процентов и налогов (EBIT, Earnings Before Interest and Taxes), почти всегда это менее 5% EBIT. Это значит, что «AI-автоматизация» происходит, но экономический эффект пока не материализовался в полной мере. Многие компании инвестируют в AI, не получая пропорциональной отдачи, и это «пузырь ожиданий», который, по прогнозам Gartner, частично исчезнет к 2027 году. Gartner также прогнозирует, что к концу 2025 года около 30% проектов в области генеративного AI будут заброшены после стадии пилота — главным образом из-за низкого качества данных, неясной бизнес-ценности и неполной картины затрат (это мы подробно разобрали в главе 14).

ПРОФЕССИИ, КОТОРЫЕ ИЗМЕНЯТСЯ СИЛЬНЕЕ ВСЕГО К 2028 ГОДУ

Источники цифр в этом списке — BLS, McKinsey, Deloitte, Anthropic Economic Index. Конкретный источник указан в пункте, где цифра критична.

– Операторы ввода данных, операторы call-центров, кассиры. По оценкам BLS и McKinsey — автоматизация 70–80% задач, сокращение 20–30% рабочих мест.

– Начинающие юристы, начинающие бухгалтеры, начинающие аналитики. Ротация задач, а не сокращение: начинающий сотрудник делает меньше «рутины» и больше «проверки AI-выхода», что требует более высокой квалификации, чем раньше.

– Копирайтеры, контент-маркетологи, SEO-специалисты. Автоматизация типового контента, повышение ценности «редактора AI-выхода» и «стратега контента».

– Переводчики-фрилансеры. Сокращение 30–50% объёма рутинных заказов, цены упали на 30–60% в бюджетном сегменте.

– Операторы начального уровня в продажах, поддержке, HR. Замена на AI-ассистентов, но спрос на «операторов AI-систем» как новой роли.

ПРОФЕССИИ, КОТОРЫЕ ВЫРАСТУТ

– AI-инженеры, промпт-инженеры, операторы AI-систем. Рост 30–40% в год, по McKinsey.

– Специалисты по безопасности AI (red team, prompt injection, AI policy). Рост 50%+ в год, по оценкам BCG.

– Аудиторы и комплаенс-офицеры AI. Рост 25–35% в год, по оценкам Deloitte.

– Тренеры и обучающие AI-команде. Внутренняя роль в каждой крупной компании, McKinsey.

– Специалисты по prompt engineering для специализированных отраслей (медицина, юриспруденция, финансы). По данным Anthropic Economic Index, среди IT-специалистов и аналитиков данных (computer & mathematical — категория специалистов в Anthropic Economic Index) AI-воздействие самое сильное — 37,2% пользователей Claude, и именно там платят $150–300/час за доменный prompt engineering.

Эти два списка дают ответ на распространённый миф «все профессии изменятся одинаково и одновременно». Клерки в call-центрах, переводчики-фрилансеры и начинающие аналитики ощутят сдвиг раньше и сильнее, чем врачи, учителя или специалисты по физическому труду. Одновременно растут новые роли, которых пять лет назад не было. Идея «AI заберёт все рабочие места» и идея «AI ничего не изменит» одинаково далеки от этой картины. Первая игнорирует 170 миллионов новых позиций. Вторая игнорирует то, что 70–80% автоматизация задач в конкретных профессиях уже зафиксирована в исследованиях.

НАВЫКИ, КОТОРЫЕ ВЫРАСТУТ В ЦЕНЕ

– Умение перепроектировать процесс вокруг AI. Не «знать AI», а увидеть, какие шаги в процессе можно заменить, какие пересобрать, какие оставить человеку. McKinsey фиксирует: лидеры в три раза чаще переделывают процессы, а не «накладывают AI поверх».

– Умение работать с AI в связке. Не «один AI-инструмент», а связка из 3–5 инструментов, притёртых за 2–3 недели.

– Умение проверять AI-выход. Не «доверять AI», а знать, где AI ошибается, и встраивать проверку в процесс.

– Умение объяснять AI-решения. Не «AI так решил», а «AI выдал X, и вот почему я с этим согласен / не согласен».

– Умение учиться непрерывно. AI меняется каждый квартал, и навык, актуальный в 2024 году, устаревает к 2027.

BANI-МИР: 2026 ГОД ЗА ПРЕДЕЛАМИ VUCA

Если навыки и процессы — это то, что мы меняем сами, то среда вокруг нас меняется независимо от нас. Описывать её через VUCA уже недостаточно.

В 2020 году футурист Жаме Касио (Jamais Cascio) предложил BANI на смену популярной в 1990-х рамке VUCA (Volatility, Uncertainty, Complexity, Ambiguity — нестабильность, неопределённость, сложность, неоднозначность). BANI расшифровывается как Brittle (хрупкий), Anxious (тревожный), Non-linear (нелинейный), Incomprehensible (непостижимый). В VUCA-мире проблемы можно было предсказать и спланировать. В BANI-мире всё иначе. Системы ломаются внезапно, люди испытывают постоянную тревогу из-за неопределённости, маленькое действие вызывает большой эффект, а причинно-следственные связи не считываются. Сам Cascio в обзоре «BANI 2025 — an Overview» пишет: это не маркетинговый термин, а попытка переосмыслить то, что на самом деле чувствуем. Пандемия, климатические шоки, AI-революция — всё это ломает старые модели планирования.

В главе 14 мы уже разобрали BANI как рамку для AI-внедрения — про аварийный выключатель, тревожность сотрудников, итерации и культуру «не знаю». Здесь BANI нужен под другим углом: как среда, в которой вы будете жить ближайшие два-три года, и как фильтр, по которому отличают реальные тренды от хайпа. AI-система, которая в январе стабильно обрабатывала 95% обращений, в марте может начать сбоить на крайнем случае и привести к жалобе. В главе 8 мы разобрали, как выбирать процессы по формализуемости и цене ошибки. В BANI-среде эти критерии важно пересматривать раз в квартал, а не раз в год.

Cascio формулирует четыре ответа на BANI: resilience (не падать при сбое), improvisation (действовать по ситуации), transparency (быть открытым про ограничения), systems thinking (видеть связи). В AI-контексте эти качества важны по конкретным причинам. Resilience — потому что AI-системы ломаются, и человек должен уметь подхватить процесс. Improvisation — потому что AI-агент может удивить неожиданным результатом, и нужен человек, который перестроит сценарий на ходу. Transparency — потому что без понимания ограничений модели нельзя доверить ей критический процесс. Systems thinking — потому что AI-агент встроен в сеть людей и систем, и сбой в одном узле вызывает каскад.

BANI-человек — это не тот, кто «справляется со всем». Это тот, кто тренирует эти четыре мышцы каждый день. И это, пожалуй, главное возражение против тезиса «AI заменит человека»: BANI требует человеческих качеств, которые не алгоритмизируются.

В отчёте ITUC (International Trade Union Confederation, Международная конфедерация профсоюзов) к Workers’ Memorial Day 2025 есть отдельное предупреждение: «AI приносит новые физические и психосоциальные угрозы в мир труда. От когнитивной перегрузки до постоянной слежки, от алгоритмического управления до эрозии автономии — технология меняет ощущение работы наравне с её содержанием». Это сигнал: BANI в AI-контексте — не только про сбои моделей, но и про самочувствие людей, которые работают рядом с этими моделями каждый день. Развёрнуто про безопасность и регуляторику — в следующих главах.

СВОЙСТВА BANI-МИРА И ИХ ВЛИЯНИЕ НА AI-РЕШЕНИЯ 2026–2028

Четыре свойства BANI переведены в таблицу не для красоты, а как фильтр. Для каждого свойства есть конкретное проявление в AI-системе и конкретное действие человека. Эта таблица — рабочий инструмент для ревью AI-внедрения в вашей компании.

СПОСОБЫ АДАПТАЦИИ К BANI-МИРУ С ПОМОЩЬЮ AI

Эти пять способов — не «опции», а минимальный набор. Если из пяти вы закрыли меньше трёх, ваш AI-проект в BANI-среде проиграет сбою, который случается «внезапно».

– Короткие циклы итераций. Не «план на год», а спринт на 2 недели, пересмотр, новая гипотеза.

– Разнообразие инструментов. Если вся компания зависит от одного AI, сбой у вендора останавливает работу. Две-три платформы — это страховка.

– Буфер неопределённости. Бюджет на AI — не «потратить всё», а 60% запланировано, 40% резерв на неожиданности.

– Быстрый откат. Если что-то идёт не так, откатиться за час, а не за месяц. Аварийный выключатель обязателен.

– Личное обучение. Сотрудник, который перестал учиться в 2025 году, в 2027 уже отстал. Непрерывное обучение — не опция, а необходимость.

Эти пять способов работают на уровне процессов и людей. Но есть и аппаратный ответ на BANI: уменьшить зависимость от центрального облака и перенести часть AI-вычислений на устройства сотрудника. Это и есть Edge AI.

EDGE AI: МОДЕЛЬ ВНУТРИ УСТРОЙСТВА

Apple Intelligence в 2024–2025 годах запустила AI на iPhone, iPad, Mac с Apple Silicon. Google Pixel 10 в 2025 году получил Gemini Nano на устройстве. Qualcomm выпустила мобильные AI-процессоры с поддержкой LLM на устройстве (LLM — большая языковая модель, та самая, что отвечает вам в ChatGPT и Claude), в марте 2025 показав Snapdragon X Series с NPU (нейропроцессором, выделенным чипом для AI-задач), ускоряющим инференс LLM (обработку запроса к модели и генерацию ответа) до 100 раз по сравнению с CPU (центральным процессором, основным вычислителем компьютера). Драйвер — не «модели стали меньше». Драйвер — «вычислители на устройстве стали мощнее»: чип Tensor G5 в Pixel 10 (Google), чип A19 Pro в iPhone 17 (Apple), нейропроцессор NPU в Snapdragon X Elite (Qualcomm). Edge AI в 2026 году — это не «уменьшенная копия облака», а параллельная инфраструктура. Она берёт на себя сценарии, критичные к задержке отклика, и приватные сценарии.

Применения Edge AI в 2026 году. Голосовые ассистенты: AI понимает речь и отвечает без отправки в облако, время отклика ниже 200 мс. Распознавание изображений: камера телефона распознаёт объекты, текст, лица локально. Перевод: AI переводит между языками в реальном времени на устройстве. Саммари: AI делает summary длинного документа в самолёте, где нет интернета. AI-поиск по фото: AI находит фото по содержимому, без отправки в облако.

Edge AI ограничен размером модели: на iPhone помещается модель 3–7 миллиардов параметров, не больше. Это значит, что «настоящие» задачи — сложное рассуждение, агентские многошаговые процессы, мультимодальные модели уровня GPT-4o — на устройстве пока не работают. On-device LLM в 2026 — швейцарский нож. Облачная LLM (Claude, GPT, Gemini) — мастерская. Edge AI закрывает 30–40% типовых задач, и это много, но не всё.

Apple Intelligence суммирует уведомления, но не решает, какое уведомление важнее. Gemini Nano подсказывает контекст в сообщениях, но не решает, что ответить. Snapdragon ускоряет LLM в ноутбуке, но не принимает бизнес-решение за руководителя. Это очень похоже на калькулятор: инструмент меняет скорость, но не меняет природу работы. И точно так же, как бухгалтер 1970-х годов (см. метафору калькулятора в главе 3) умел работать с электронным калькулятором, офисный работник 2026 года должен уметь работать с on-device AI. Иначе он проиграет коллеге, который умеет.

ПЛАТФОРМЫ EDGE AI В 2026 ГОДУ

Все пять платформ — бесплатные с устройством (то есть входят в стоимость телефона или ноутбука), и это убирает ценовой барьер для массового внедрения.

РИСКИ EDGE AI, О КОТОРЫХ МОЛЧАТ ВЕНДОРЫ

Edge AI даёт приватность и скорость, но создаёт шесть рисков, о которых вендоры предпочитают молчать. Эти риски не «теоретические»: каждый из них уже зафиксирован в исследованиях 2024–2025 годов.

– Уязвимость в NPU-драйвере или системном сервисе (AICore) даёт атакующему доступ к памяти модели.

– Model inversion: исследователь может извлечь обучающие данные по ответам локальной модели.

– Побочные каналы: время отклика модели, энергопотребление, сетевой трафик могут утекать метаданные.

– Shadow AI: сотрудник ставит приложение с on-device AI, и IT-отдел теряет контроль над тем, какие данные обрабатываются.

– Устаревание модели: on-device модель обновляется реже облачной, и через полгода она может быть неактуальной.

– Парадокс приватности: on-device создаёт иллюзию безопасности, и пользователь перестаёт проверять, что приложение делает с данными.

Миф «Edge AI решит проблемы приватности» держится ровно до того момента, как вы откроете техническую документацию. Apple в своём документе «Intelligence & Privacy» пишет прямо: для более сложных запросов Private Cloud Compute (закрытое облако Apple для сложных запросов с устройства) сохраняет приватность устройства, добавляя мощь облака. То есть «on-device» в рекламе — это «on-device by default, with cloud fallback» в реальности. Google в Android Developers Blog формулирует похоже: «For more complex tasks, you can fall back to Gemini in the cloud, with the user’s explicit consent». Edge AI снижает риск утечки данных, но создаёт новые риски — оценивать надо всю систему, а не только её on-device-часть.

МУЛЬТИМОДАЛЬНОСТЬ: ТЕКСТ, ИЗОБРАЖЕНИЕ, ЗВУК И ВИДЕО В ОДНОЙ МОДЕЛИ

GPT-4o в мае 2024 года стал первой моделью, где текст, изображения, аудио и видео обрабатывались одной нейросетью с нативной поддержкой голоса в реальном времени. В марте 2025 Google выпустила Gemini 2.5 Pro, набравший 81,7% на MMMU (Massive Multi-discipline Multimodal Understanding) — бенчмарке, где модель должна по диаграмме, схеме или чертежу ответить на вопрос по физике, химии или инженерии. Anthropic добавил vision ещё в Claude 3 (март 2024), а в мае 2025 выпустил Claude 4 Opus с гибридным режимом рассуждений и режимом управления компьютером. К 2027 году мультимодальность станет дефолтом: одна модель, которая видит изображение, слышит аудио, читает текст, генерирует любой из этих форматов.

Это не «фича». Это новое поколение интерфейса, потому что запрос и ответ перестают быть текстом. Пользователь может показать фотографию чека и спросить «какой налоговый вычет я могу получить», загрузить PDF с графиками и попросить «сделай summary с выводами», дать видео кулинарного рецепта и спросить «перепиши рецепт на веган». Stanford HAI в AI Index 2025 фиксирует: MMMU (мультимодальные задачи по 30 дисциплинам) вырос на 18,8 п.п., GPQA (Graduate-Level Question Answering — вопросы уровня выпускника вуза по естественным наукам) — на 48,9, SWE-bench (задачи по исправлению реальных ошибок в open-source коде) — на 67,3. Это значит, что мультимодальные модели уже не лабораторный эксперимент. Это рабочий инструмент, который проходит колледж-уровневые тесты по диаграммам, графикам и чертежам.

Применения мультимодальности в офисе. Анализ скриншотов: модель видит скриншот интерфейса и описывает, что не так. Анализ видео: модель смотрит 10-минутное видео с совещания и делает саммари. Анализ аудио: модель слышит звонок и вытаскивает договорённости. Генерация мультимодального контента: модель генерирует презентацию с текстом, изображениями, графиками в одном пайплайне. Визуальный поиск: модель ищет по изображению «где этот график из прошлого квартала». Утром — голосовой брифинг от AI-ассистента на основе PDF отчёта. Днём — скриншот ошибки в приложении, и AI-агент сам нажимает кнопки. Вечером — голосовое summary встречи. Голос, фото, видео, скриншот — равноправные каналы наряду с текстом.

ОГРАНИЧЕНИЯ МУЛЬТИМОДАЛЬНЫХ МОДЕЛЕЙ 2025–2026

У мультимодальных моделей остаются пять конкретных ограничений. Эти ограничения — не «баги», которые исправят в следующей версии, а свойства архитектуры.

– Слабее человека в задачах, где нужен физический здравый смысл («что произойдёт, если я уроню стакан на клавиатуру?»).

– Ошибки в OCR на нестандартных шрифтах, рукописном вводе, смеси языков.

– «Галлюцинации» на видео: модель может «увидеть» то, чего нет, особенно в длинных роликах.

– Стоимость обработки видео всё ещё высока: минута видео обходится в десятки раз дороже минуты текста.

– Приватность: видео и аудио содержат идентифицируемые данные (лица, голоса), и их обработка в облаке требует отдельного согласования с требованиями защиты данных.

Мультимодальность, edge AI и агентский AI — это конкретные направления 2026 года. Но за пределами очевидных сдвигов есть слой более длинных трендов, которые уже сейчас можно отделить от хайпа.

ГОРИЗОНТ 2026–2028: ТРЕНДЫ НА ВЫЖИВАНИЕ И НА ВЫЛЕТ

Stanford HAI (Институт Stanford, ориентированный на человека AI) в AI Index 2025 (глава 2: «Technical Performance») фиксирует пять сдвигов. Модели обходят бенчмарки быстрее, чем учёные успевают их создавать. AI проник в науку: Нобелевские премии 2024 года по физике и химии даны за работу с искусственными нейронными сетями и за дизайн белков; число одобренных FDA (Управлением по санитарному надзору США) медицинских устройств с AI выросло с 6 в 2015 году до 223 в 2023-м. Корпоративный AI-бум: $252,3 млрд инвестиций в 2024-м, рост частных вложений +44,5% год к году, число вновь профинансированных стартапов в области генеративного AI почти утроилось. Глобальная гонка: США лидируют по инвестициям ($109,1 млрд частных в 2024-м), но Китай выпускает всё более сильные модели, и лидерство США нельзя принимать как данность. AI выходит в физическое пространство: число промышленных роботов, установленных в мире, утроилось за 2013–2023 годы и составило 541 000 в 2023 году.

AI Index 2026 (опубликован в марте 2026, шестой ежегодный выпуск) добавляет шестой сдвиг: 53% населения стали использовать генеративный AI за три года. Это самая быстрая кривая внедрения технологии в истории. Некоторые страны опережают ожидания: Сингапур (61%), ОАЭ (54%), а США на 24-м месте с 28,3%. Правительства по-разному отреагировали в 2025 году: одни сделали акцент на безопасности, другие на конкурентоспособности, и результат — фрагментированный регуляторный ландшафт, в котором компаниям придётся разбираться по юрисдикциям.

Вопрос, который остаётся открытым: AGI (Artificial General Intelligence) — будет ли он достигнут в обозримом будущем, и если да, что это значит для офисного работника. Anthropic, OpenAI, Google DeepMind и Microsoft дают осторожные прогнозы: AGI возможен в 2027–2035 годах, но в лабораторных условиях, а не в офисной работе. В офисе 2027 года мы будем работать с узкоспециализированными AI-агентами, каждый из которых решает свою задачу лучше человека, но общий «сверхинтеллект» остаётся горизонтом.

«ХАЙПЫ 2026», ОБРЕЧЁННЫЕ ИСЧЕЗНУТЬ В ТЕЧЕНИЕ ГОДА

– «AI-друг / AI-компаньон для жизни». Продакт-пилоты есть, массового внедрения нет, и регуляторика будет давить.

– «AGI через год». Лидеры индустрии тихо сдвигают сроки, и бенчмарки пока не показывают «общего» мышления.

– «Полная замена юриста / врача / бухгалтера AI». Лидеры индустрии (Salesforce, IBM, McKinsey) прямо пишут: в их сценариях остаётся передача дела человеку.

– «AI-токены подешевеют в 10 раз». Inference costs действительно снижаются, но не так быстро, и для on-device модели NPU стоит денег.

– «AI заменит учителя / тренера / психолога». Рынок есть, но критические решения остаются за человеком, и регуляторика против полной замены.

Хайп — это воздух, который выходит из шарика. Структурный сдвиг — это шарик, который остаётся.

«СТРУКТУРНЫЕ СДВИГИ 2026–2028», КОТОРЫЕ ОСТАНУТСЯ

Хайпы и структурные сдвиги — это две стороны одной картины. Что исчезнет, а что останется — это прогноз, но прогноз, привязанный к конкретным метрикам, а не к интуиции.

– AI в продакшене закрывает 30–40% рутины в офисных ролях. Саммаризация, draft, перевод, поиск, поддержка клиентов первого уровня — это уже работает, и доля будет расти.

– AI-агенты в корпоративных процессах. Salesforce, Microsoft, IBM уже продают агентов, и это продукт, а не «эксперимент».

– Edge AI на устройствах сотрудников. Apple Intelligence, Gemini Nano, Snapdragon X — on-device становится массовым стандартом для сценариев приватности и скорости.

– Мультимодальность как стандартный интерфейс. Голос, фото, видео, скриншоты — равноправные каналы, и через 2–3 года текстовый интерфейс будет вспомогательным.

– Регуляторика как фактор планирования. Фрагментация правил (Сингапур, ЕС, США, Китай) усложняет глобальные продукты и требует отдельных команд по комплаенсу.

ДЕЙСТВИЯ МЕНЕДЖЕРА НА 2026–2028 ГОДЫ

Эти пять действий — не «общие советы», а конкретные шаги, которые менеджер может предпринять в ближайший квартал. Каждый пункт привязан к конкретному источнику, который уже упоминался в главе.

– Раз в квартал пересматривать AI-план. Что сработало, что нет, что менять в процессах. McKinsey фиксирует: 6% масштабировали — это те, кто пересматривает регулярно.

– Назначить владельца AI-внедрения на уровне C-level, а не на уровне IT. По данным BCG «AI at Work: CEO Edition» (январь 2026), 75% генеральных директоров (CEO) лично принимают ключевые решения по AI. В небольшой компании (до 20 человек) «C-level» и «IT-отдел» — это один человек. И вопрос не в уровне, а в том, что AI-внедрение — это не «проект для технического специалиста», а «проект для первого лица».

– Переобучать команду не «курсами», а рабочими проектами. 2–3 недели на освоение нового инструмента, потом пилот в реальном процессе.

– Внедрять агентов в конкретные процессы с измеримыми метриками. Поддержка, продажи, HR-онбординг, документооборот — но не стратегия AI в общем виде.

– Включить регуляторику в дизайн процессов. AI Impact Assessment, AI Risk Register, согласование с профсоюзами, разбор по юрисдикциям.

РЕЗЮМЕ

Четыре направления 2026–2028 задают горизонт: агенты в продакшене, edge AI на устройствах, мультимодальный интерфейс, регуляторная фрагментация. Это структурные сдвиги, которые не исчезнут в обозримом горизонте. Edge AI даёт приватность и быстрый отклик, но не решает проблему приватности целиком и создаёт новые риски. Мультимодальность — новое поколение интерфейса, где текст становится одной из модальностей, а не единственной.

BANI-мир требует от человека четырёх качеств, которые не алгоритмизируются: resilience, improvisation, transparency, systems thinking. Рынок труда сдвигается: одни профессии вытесняются, другие создаются, и баланс свой у каждой отрасли.

«AI-друг», «AGI через год» и «полная замена профессий» — хайп, который уйдёт. AI-друг и AI-компаньон для жизни дают продукт-пилоты, но массового внедрения нет, и регуляторика будет давить. Лидеры индустрии тихо сдвигают сроки AGI, и бенчмарки не показывают общего мышления. В сценариях Salesforce, IBM, McKinsey остаётся передача дела человеку.

Практический вывод — не «выбрать правильную модель», а «перепроектировать процесс». Модели 2026 года уже достаточно хороши для большинства офисных задач. Разница между «AI работает» и «AI не работает» лежит в перепроектировании процесса, а не в выборе модели.

Не «сначала модель, потом процесс». Сначала процесс, потом модель. Реалист планирует так: через год AI в нескольких процессах компании, через два — в большем числе процессов, через три это стандартная часть инфраструктуры.

Следующая глава — про то, как защитить то, что вы планируете внедрить. Чем больше агентов работает в офисе и чем больше данных через них проходит, тем больше точек, где что-то может пойти не так, и тем выше цена каждой такой точки. Безопасность AI — это не «защита от хакеров», а системная рамка: данные, доступы, промпты, модели, логи, люди, регуляторика. Следующая глава разберёт, что именно защищать и какими инструментами это делать, чтобы внедрить AI в офисе и при этом спать спокойно.