Открыть учебник Записаться

Блог mysummit.school

Статьи об искусственном интеллекте, машинном обучении и применении ИИ в бизнесе

Claude от Anthropic в 2026: Opus 5, Fable 5.1, Mythos 5.1, Cowork и Chrome – обзор для менеджеров

29 мин чтения

Anthropic обновляет Claude едва ли не каждые две недели. За номерами версий менеджеру важно разглядеть главное – что реально меняется в работе. К сентябрю 2026 линейка выглядит так: Opus 5 (24 июля) стал рабочей моделью за вдвое меньшие деньги, Fable 5.1 (1 сентября) – флагманом в общем доступе, а Mythos 5.1 – той же моделью без ограничителей, которую продают только одобренным организациям в США. Sonnet 5 с 30 июня стоит по умолчанию на бесплатном и Pro-тарифах. Контекстное окно в миллион токенов давно доступно всем пользователям без доплаты.

Главные события лета – вокруг того, что Claude делает сам: 26 августа Claude в Chrome вышел в общий доступ на всех платных тарифах и начал сам выполнять действия в браузере. Cowork получил встроенный браузер, боковая панель в Chrome стала общей сессией Cowork, а разговор, начатый на компьютере, продолжается в вебе и на телефоне.

Читать полностью
Claude от Anthropic в 2026: Opus 5, Fable 5.1, Mythos 5.1, Cowork и Chrome – обзор для менеджеров
ChatGPT в 2026 году: что изменилось и с чего начать менеджеру
18 мин

ChatGPT в 2026 году: что изменилось и с чего начать менеджеру

ChatGPT в 2026 году уже сложно называть просто «чат-ботом». Это рабочая платформа с несколькими моделями, поиском, deep research, агентным режимом, генерацией изображений и Codex для разработки. Видеосервис Sora, ранее входивший в экосистему, был закрыт как потребительский продукт в апреле 2026 года. Но именно из-за этого новичкам стало сложнее понять главное: что из всего этого реально нужно обычному менеджеру, а что пока важно только продвинутым пользователям и техкомандам.

KazLLM и суверенный AI: гид для госслужащего Казахстана
11 мин

KazLLM и суверенный AI: гид для госслужащего Казахстана

11 февраля 2026 года на заседании правительства президент Токаев публично раскритиковал KazLLM. Модель, запущенную с большой помпой в декабре 2024-го, используют лишь 600 тысяч человек – 3% населения страны. Для сравнения: ChatGPT в Казахстане пользуются 2,6 миллиона человек. Президент был прямолинеен: KazLLM «не может конкурировать с ChatGPT».

Это заявление ставит вопрос ребром. Зачем Казахстану собственная языковая модель, если глобальные решения работают лучше? И если суверенный AI необходим – почему он проигрывает?

Ответ сложнее, чем кажется. Потому что KazLLM – это не «казахский ChatGPT». Это совершенно другой инструмент с другой задачей. И сравнивать их – всё равно что сравнивать национальную электростанцию с импортным бытовым прибором.

Что если ИИ слишком хорошо справится? Разбор сценария Citrini 2028
6 мин

Что если ИИ слишком хорошо справится? Разбор сценария Citrini 2028

В феврале 2026 года инвестиционно-аналитическая рассылка Citrini Research опубликовала сценарий, который переворачивает привычную логику. Обычно медведи предсказывают, что AI не оправдает ожиданий. Citrini задают другой вопрос: что если AI оправдает все ожидания – и именно это станет проблемой?

Их статья «The 2028 Global Intelligence Crisis» – это вымышленный меморандум из июня 2028 года. Не прогноз, а стресс-тест: что произойдёт с экономикой, если машинный интеллект действительно заменит белых воротничков так быстро, как обещают разработчики.

Зачем учить AI на курсах, если всё есть в ChatGPT: разбор по науке
10 мин

Зачем учить AI на курсах, если всё есть в ChatGPT: разбор по науке

“Зачем мне ваши курсы, если я могу просто спросить ChatGPT?”

Этот вопрос звучит в комментариях под каждым постом об обучении AI. Логика железная: интернет бесплатный, ChatGPT объяснит что угодно, YouTube полон туториалов. Зачем платить за курс, если вся информация уже доступна?

Вопрос отличный. Ответ на него – не тот, который ожидают услышать.

Потому что между “иметь доступ к информации” и “уметь с ней работать” – пропасть. Доступ к медицинским справочникам не делает вас врачом. Наличие кухонного ножа не делает вас шеф-поваром. А возможность задать вопрос ChatGPT не делает вас специалистом по AI. Как показывает исследование MIT о выборе, реальная сила специалиста – не в наличии инструмента, а в способности критически оценить то, что инструмент предлагает.

И это не просто красивая метафора – это подтверждённый исследованиями факт.

9 вопросов к себе: вы используете AI или AI – вас?
10 мин

9 вопросов к себе: вы используете AI или AI – вас?

Недавно я составлял коммерческое предложение для нового клиента. Сумма была нестандартная, условия – тоже. Внутренний голос говорил: ставь X, ты знаешь этот рынок. Но я решил «проверить» через Claude. Модель выдала аргументированный ответ с другой цифрой – на 15% ниже моей оценки. Звучало убедительно. Я поменял цифру.

Через неделю клиент подписал без торга. И вместо удовлетворения я почувствовал раздражение: а что, если моя первоначальная цифра тоже прошла бы? Я никогда не узнаю – потому что в момент принятия решения подавил собственное суждение ради «статистически обоснованного» ответа алгоритма.

Это и есть тот самый паттерн, который исследователи Anthropic называют Disempowerment – потеря контроля. Не драматичная, не очевидная. Просто тихая замена «я решил» на «AI подсказал».

Дилемма прозрачности: говорить ли клиенту, что текст написал AI?
13 мин

Дилемма прозрачности: говорить ли клиенту, что текст написал AI?

Вы написали идеальное письмо клиенту. Тон точный, аргументы выстроены, даже шутка к месту. Проблема одна: писали не вы. Писал Claude. Или ChatGPT. Или Gemini – неважно.

Теперь вопрос: вы скажете об этом клиенту?

Интуиция подсказывает: «Конечно, нет. Какая разница, как написано, если написано хорошо?». Корпоративная этика шепчет: «Нужно быть прозрачным». А наука говорит нечто неожиданное: оба варианта разрушают доверие – но по-разному и с разными последствиями.

Лидер-марионетка: как AI незаметно убивает управленческую интуицию
10 мин

Лидер-марионетка: как AI незаметно убивает управленческую интуицию

Опытный профессионал открывает чат с AI. Задача тривиальна: отправить клиенту обновление статуса о переносе встречи. Делов на две минуты.

Но вместо того чтобы просто написать письмо, человек вступает в 8-раундовую дискуссию с алгоритмом. Он спрашивает: «Стоит ли мне отправлять это в среду или в четверг?», «А 11 утра или 15 часов?», «Я просто хочу подтверждения, потому что мое нутро подсказывает другое, но я боюсь ошибиться».

В итоге он отправляет то, что сказал AI, подавляя собственную интуицию.

8% родителей уже делегируют инстинкты AI. Вы тоже?
9 мин

8% родителей уже делегируют инстинкты AI. Вы тоже?

Представьте ситуацию: ваш трехлетний ребенок бьется в истерике на полу кухни из-за выключенного телевизора. Вы устали, у вас болит голова, и вы понятия не имеете, что делать.

Вместо того чтобы сделать глубокий вдох или позвонить маме, вы открываете чат с AI и пишете: «У него истерика ПРЯМО СЕЙЧАС, потому что я выключил мультики. Что мне делать? Просто скажи, что делать».

И AI отвечает. Не просто советом, а четким алгоритмом: «Держи границу. Скажи ему ровным голосом: “Телевизор выключен”. Не торгуйся. Сделай вот так…». Вы читаете эти слова с экрана, как актер читает сценарий, и механически повторяете их ребенку.

Сцена кажется спасительной? Возможно. Но исследователи называют это Action Distortion (искажение действий) – феномен, когда мы делегируем алгоритмам не просто задачи, а саму суть человеческих отношений и решений. И судя по новому исследованию «Who’s in Charge?», это происходит пугающе часто.

Это первая статья в серии разборов исследования «Who’s in Charge? Disempowerment Patterns in Real-World LLM Usage» (Sharma et al., 2026). Во второй части – те же паттерны в профессиональной среде. В третьей, заключительной – практический чек-лист из 9 вопросов для самопроверки.

AI не ошибается системно – он просто хаотичен: исследование Anthropic
10 мин

AI не ошибается системно – он просто хаотичен: исследование Anthropic

Распространенный страх об искусственном интеллекте звучит так: AI начнет последовательно преследовать неправильные цели. Система оптимизации, которой дали не ту задачу, будет методично двигаться к ней, игнорируя человеческие ценности. Классический сценарий: AI-помощник менеджера, которому поручили “максимизировать производительность команды”, начнет систематически перегружать людей, потому что это технически увеличивает выработку.

Но исследователи Anthropic обнаружили другой паттерн. AI-системы не становятся последовательными злодеями с неправильными целями. Они становятся хаотичными – совершают ошибки, которые не вписываются ни в какую логическую схему. “Like a hot mess” – как выразились авторы исследования.

Удивительно, но чем дольше модель рассуждает, тем менее предсказуемыми становятся её ошибки. Это не про галлюцинации фактов – это про фундаментальную непоследовательность в принятии решений.