Мы провели масштабное исследование: 54 модели, оценки от двух независимых LLM-судей, 8 категорий управленческих задач. Это самый полный русскоязычный рейтинг AI для менеджеров на сегодня.
Вопрос остаётся тем же: какой AI реально работает для руководителя в России – без VPN, без костылей?
Читать полностью
Директора школ в России, Казахстане и Беларуси попали в ловушку, которую сами не видят. 80% руководителей образовательных учреждений называют AI-грамотность главным приоритетом. 93% уверены, что их школа использует ИИ эффективно. Звучит как история успеха.
А теперь – взгляд с другой стороны учительской. 57% преподавателей говорят, что не получили вообще никакой подготовки по ИИ. 56% оценивают поддержку со стороны школы как низкую. Между тем 87% студентов уже активно используют нейросети – и не ждут, пока школа догонит.
Это не теоретическая проблема. Это данные Microsoft за 2025 год по академическому сектору. И у школ России, Казахстана, Беларуси ситуация не лучше – она хуже.
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.
Тысячи руководителей каждый день гуглят «что такое ИИ простыми словами» – не потому что они недостаточно умны, а потому что технические объяснения из учебников бесполезны для принятия реальных решений. Проблема не в сложности темы. Проблема в том, что большинство объяснений написаны инженерами для инженеров.
Разберёмся без жаргона и формул – с акцентом на то, что менеджеру реально нужно знать.
К сентябрю 2026 года на рынке генеративного ИИ – десятки инструментов. Каждый производитель заявляет о лидерстве, а маркетинговые материалы соревнуются в громкости. Как менеджеру выбрать инструмент, который реально решает задачи?
К февралю 2026 года генеративный ИИ научился создавать не только текст, но и видео, изображения, музыку и презентации. Причём качество выросло настолько, что результат часто неотличим от работы профессионала.
Представьте, что вы выбираете служебный автомобиль для команды. Один дилер говорит: «Наша машина самая быстрая». Другой: «У нас лучший расход топлива». Третий: «Мы лидируем по безопасности». Все они правы – но каждый меряет своё. Без понимания того, что именно и как измеряется, вы не можете сравнить предложения объективно.
Пока менеджеры платят за ChatGPT Plus и Claude Pro, Alibaba выстроила одну из самых масштабных ИИ-экосистем в мире – с бесплатным чатом, открытыми моделями и ценами API в разы ниже конкурентов. Qwen (произносится «Чвен», от 通义千问 – «Тысяча вопросов») к середине 2026 года обогнал по числу загрузок все западные аналоги и стал инструментом, который стоит знать каждому менеджеру. Весной казалось, что экосистема сворачивает в сторону OpenAI и Anthropic: флагманы серии 3.7 вышли закрытыми, ключевые разработчики ушли. За август Alibaba выпустила три модели и развернулась обратно. Флагманский Qwen3.8-Max обещан к публикации весов, а Qwen3.8-27B с лицензией Apache 2.0 запускается на одной потребительской видеокарте.
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.
DeepSeek (часто пишут «Deep Seek») – китайский AI-стартап, который за два года стал одним из лидеров индустрии. В апреле 2026 года DeepSeek выпустил V4, 13 августа V4-Pro вышла из беты, а 16 августа компания поменяла тарифную политику.
Прошлая версия этой статьи называла DeepSeek бюджетным флагманом и обещала цены в 10–50 раз ниже конкурентов. Первое по-прежнему верно. Второе пора пересчитать: DeepSeek поднял тарифы, ввёл пиковые окна, а цена попадания в кэш выросла вплоть до 1 100% относительно первых цен превью. Сама компания объясняет это переходом к роли устойчивого поставщика вычислений. Бюджет, посчитанный по весенним ценам, больше не сходится.