Исследования

Рынок ИИ-моделей в 2026 году устроен иначе. Стоимость одного запроса варьируется от $0,0001 до $0,17 – три порядка величины. А реальная разница в качестве между десятью лучшими моделями? 0,24 балла по пятибалльной шкале. Тем временем Wharton / GBK Collective фиксируют: треть корпоративных ИИ-проектов не выходит за рамки пилота. А Epoch AI показывает, что лишь 5,6% пользователей применяют ИИ по-настоящему глубоко.

Может, вопрос не в том, какая модель лучше, а в том, даёт ли переплата за премиум пропорционально лучший результат для типичных управленческих задач.

Мы проверили. Ответ оказался жёстче, чем ожидали.

Миллионы людей пользуются Алисой каждый день – не потому что выбирают, а потому что она бесплатна, встроена в Яндекс Браузер и работает без VPN. YandexGPT, модель под капотом Алисы – лучшая российская модель в нашем бенчмарке, но до GPT-5.4 ей далеко.

Можно ли получить от неё ответы, близкие к GPT, если научиться правильно спрашивать? Мы проверили это в эксперименте: десять техник промптинга, шесть управленческих задач, два независимых LLM-судьи. Короткий ответ: да, можно – но не все техники работают, а некоторые делают хуже.

Ниже – конкретные шаблоны, которые вы можете скопировать в чат прямо сейчас, и антипаттерны, которых стоит избегать.

В ноябре 2025 года данные Stanford показали неожиданный факт: американцы используют AI чаще дома, чем на работе. Мы в mysummit.school разбирали это в отдельном материале – и тогда вывод был прямым: рабочий AI всё ещё догоняет личный.

Прошло четыре месяца. Epoch AI совместно с Ipsos провели новое исследование – и картина изменилась.

Проблема в том, что российские модели отстают. В нашем исследовании 54 моделей GigaChat набрал 3,26 из 5, GPT-5.4 – 4,80. Разрыв 32%.

Если GigaChat – всё, что у вас будет, можно ли вытянуть из него приемлемое качество с помощью грамотного промптинга?

В марте 2025 года Google Cloud совместно с National Research Group опубликовали отчёт «The ROI of AI in Customer Experience» – опрос боле 3к топ-менеджеров из компаний с выручкой от $10M и штатом от 100 человек. Данные свежие, выборка большая, результаты конкретные. И – что важно – достаточно честные, чтобы с ними можно было работать.

В марте 2025 года на SXSW EDU советник по стратегическому форсайту Синид Бовелл сделала доклад об ИИ и будущем образования. Без хайпа и без паники. Но с двумя исследованиями, которые меняют то, как стоит думать о роли ИИ в обучении.

Первое: группа студентов, использовавших ChatGPT без ограничений, показала результаты на 17% хуже контрольной группы, работавшей по учебнику. Второе: другая группа, где ИИ применялся в рамках полностью переработанной учебной системы, прибавила к исходному уровню более чем вдвое больше – причём сравнивали её с занятием по методике активного обучения, а не с лекцией.

Один и тот же инструмент. Противоположные результаты. Разница – в подходе.

Опрос Gallup и Walton Family Foundation (2024–2025, репрезентативная выборка учителей США) зафиксировал впечатляющую цифру: преподаватели, регулярно использующие AI, экономят в среднем 5,9 часов в неделю – эквивалент шести полных рабочих недель за учебный год. Звучит как решённая проблема.

Но параллельный опрос Royal Society of Chemistry (2024, Великобритания) показывает другую картину: 44% учителей пробовали AI, но только 3% сообщили о реальном снижении нагрузки. Учитель математики из Ирландии объяснил разрыв точнее, чем любая статистика: «AI генерирует рабочие листы быстро, но их нужно тщательно проверять – и экономия времени оказывается меньше, чем казалось».

Кто прав? Мы уже разбирали кризис AI в образовании со стороны учеников – 86% школьников используют нейросети, но критическое мышление деградирует. Теперь – сторона преподавателей. За последние два года накопилось достаточно экспериментальных данных, чтобы ответить на этот вопрос не мнениями, а цифрами.

Полтора года назад я написал заметку в личном блоге о том, что замечаю в работе коллег и в своей собственной: чем больше доверяешь AI, тем реже задаёшь себе вопрос «а это точно правильно?». Я тогда опирался на исследование Microsoft – оно показывало, что доверие к AI подавляет критическую оценку выдаваемых ответов. Аргумент казался мне сильным, но у него был очевидный изъян: корреляция, а не причинно-следственная связь.

В феврале 2026 года исследователи Anthropic Джуди Шэнь и Алекс Тамкин опубликовали эксперимент, который закрыл этот пробел. Рандомизированный контроль. Конкретные данные. И вывод, который, как мне кажется, неправильно понимают большинство людей, кто о нём читал.

Потому что это не история о том, что AI делает нас глупее. Это история о том, как именно мы его используем.