Генеративный ИИ

«Большинство людей до сих пор думают, что AI-агент – это просто ChatGPT с хорошим промптом». С этой фразы начинается статья Sunil Ramlochan «The AI Agent Stack Is Not a Prompt. It’s a Production System», и дальше автор называет это убеждение «утешительным мифом». Полезная правда, по его словам, в другом: настоящий агент ближе к маленькой операционной системе для работы. У него есть мозг, руки, память, правила, логи, планы восстановления и кто-то, кто отвечает, когда агент делает не то.

Тезис статьи укладывается в одну строчку: агент – это целый стек. И надёжность ему даёт архитектура вокруг, тогда как сама по себе модель или удачный промпт – лишь один из ингредиентов. Картина инженерная, поэтому разберём её с другой стороны – что из этого стека реально касается менеджера, который не пишет код, но решает, запускать ли агента в работу.

52% руководителей в компаниях, использующих генеративный ИИ, уже запустили AI-агентов в продакшен. Не пилотируют. Не тестируют. Работают. Это данные из отчёта Google Cloud «AI Agent Trends 2026» – опрос 3 466 руководителей по всему миру, проведённый совместно с Google DeepMind.

Цифра выглядит впечатляюще, но стоит вспомнить, кто её сообщает. Google – крупнейший продавец облачной инфраструктуры для агентов. Их мотивация – показать, что будущее уже наступило, и вам пора покупать Vertex AI. Это не делает данные бесполезными, но требует более внимательного чтения.

Zhipu AI и Университет Цинхуа выпустили модель GLM-5 на 744 миллиарда параметров – и впервые в истории open-weight модель набрала 50 баллов на Artificial Analysis Intelligence Index, встав рядом с Claude Opus 4.5 и GPT-5.2. Мы делали обзор GLM-5 ещё в марте – тогда модель ещё не раскрыла своего главного козыря. Но интереснее самой модели – эксперимент, который авторы провели перед релизом. И термин, который они ввели для описания сдвига, происходящего прямо сейчас.

Статья построена вокруг одного тезиса из работы: мы переходим от «вайб-кодинга» – когда человек даёт ИИ задачу и получает ответ – к «агентному инжинирингу», где ИИ-агент сам планирует, исполняет, проверяет и корректирует работу на длинных горизонтах. Этот переход меняет не технологию. Он меняет роль менеджера.

Исследование AI in the Wild выходит в Harvard Business Review третий год подряд. В этом году команда проанализировала 12 637 реальных кейсов использования генеративного ИИ – на порядок больше, чем в предыдущих выпусках. База собрана из почти 50 000 записей с Reddit, Quora, LinkedIn, TikTok и YouTube за период с марта 2025 по февраль 2026 года.

Главный вывод исследования – не о том, что люди делают с ИИ. А о том, что они перестают делать сами.

Это ключевой тезис Бенедикта Эванса из его майской презентации «AI eats the world» – одного из лучших аналитических обзоров состояния рынка в 2026 году. Эванс предлагает простую, но неудобную классификацию: три фазы внедрения AI, на первой из которых застряло подавляющее большинство организаций. Неудобную – потому что попасть в первую фазу очень легко и при этом искренне верить, что ты «активно используешь AI».

В мае 2026 года Бенедикт Эванс обновил свою ежегодную презентацию «AI eats the world» – и в ней есть один слайд, который стоит разобрать отдельно. Не потому что он новый. А потому что он объясняет то, что большинство дискуссий об автоматизации упорно игнорируют.

Вопрос простой: почему ИИ уничтожит одни профессии – и сделает другие более ценными? Ответ, как оказывается, зависит от одного различия, которое кажется очевидным только после того, как его формулируют.

Бенедикт Эванс – аналитик, который раньше других замечает сдвиги в технологической индустрии, – в мае 2026 года выпустил презентацию AI eats the world. Первое, с чего он начинает – с денег. С очень больших денег.

В 2026 году крупнейшие технологические компании мира потратят на ИИ-инфраструктуру больше, чем стоит весь мировой рынок полупроводников. Apple, Google, Microsoft, Meta и Amazon вместе направляют порядка $700 млрд на дата-центры, чипы и сопутствующую инфраструктуру. Для сравнения: вся мировая полупроводниковая отрасль зарабатывает около $600 млрд в год. Инфраструктура для потребителя ИИ-чипов теперь больше, чем рынок самих чипов.

Это заставляет задуматься: что происходит, когда инвестиции такого масштаба вкладываются в одну технологию за несколько лет?

В мае 2026 года Microsoft выпустил четвёртый ежегодный Work Trend Index – исследование на основе триллионов сигналов продуктивности Microsoft 365 и опроса 20 000 сотрудников в десяти странах. Главный вывод не про технологии. Он про разрыв между людьми, которые готовы работать с AI, и организациями, которые не готовы это поддержать.