Агенты ИИ: скрытая причина, почему пузырь нейросетей не лопнет

Чувство дежавю преследует индустрию технологий каждые десять лет, и сейчас многие эксперты всерьез заговорили о "пузыре ИИ". Кажется, что огромные инвестиции в инфраструктуру не приносят соразмерной отдачи, а пользователи до сих пор борятся с галлюцинациями чат-ботов. Однако Бен Томпсон в своем свежем анализе утверждает обратное: мы не в пузыре, мы — на пороге радикальной смены парадигмы, которая перевернет представление о ценности софта и железа.

Ключевой инсайт заключается в том, что прорыв 2025-2026 годов произошел не столько в «мозгах» нейросетей, сколько в способе их взаимодействия с реальностью. Пока скептики ждали появления сверхинтеллекта, индустрия создала "обвязку" (harness), которая превратила нестабильные модели в автономных агентов. Те, кто продолжает смотреть на ИИ как на продвинутый поиск в Google, рискуют упустить момент, когда правила игры в экономике вычислений изменились навсегда.

Ключевые тезисы

• Эволюция ИИ прошла три этапа: от демонстрационных чат-ботов (2022) через модели рассуждения (2024) к полностью автономным агентам (2025-2026).
• Ценность сместилась от "голых" весов моделей к глубокой интеграции модели и её операционной среды (harness), что ломает тезис о коммодитизации ИИ.
• Экономика изменилась: теперь для взрывного спроса на чипы не нужен миллиард пользователей, достаточно группы профессионалов, управляющих армиями агентов.
• Интегрированные игроки (OpenAI, Anthropic) побеждают модульных поставщиков, так как агентские системы невозможно эффективно заменять "по кусочкам".

Как изменилась парадигма: от чат-бота до автономного агента?

Чтобы понять, где мы находимся, нужно взглянуть на три четко очерченные парадигмы развития больших языковых моделей (LLM). В 2022 году выход ChatGPT стал триумфом демонстрации возможностей. Это был мощный инструмент, но он требовал колоссального «energy» от пользователя: вы должны были точно знать, чего хотите, и — что критично — лично верифицировать каждое слово, чтобы не пасть жертвой галлюцинаций.

В 2024 году на сцену вышли модели рассуждения (reasoning), такие как o1. Они начали итерировать над ответом самостоятельно, перепроверяя собственные логические цепочки. Надежность выросла, а когнитивная нагрузка на человека снизилась. Но настоящий тектонический сдвиг произошел в конце 2025 года с появлением таких систем, как Claude Code на базе Opus 4.5. Здесь и кроется главный секрет, который многие пропустили.

Вот в чем фишка: когда Opus 4.5 только вышел, мир почти не заметил разницы. Настоящий взрыв случился, когда изменился harness — программная обвязка. Агент перестал быть просто "чат-окном". Он начал управлять моделью, использовать детерминистические инструменты (терминал, IDE, браузер) и самостоятельно верифицировать результат без вмешательства человека. Для верифицируемых задач, таких как написание кода, это закрыло все фундаментальные слабости первой парадигмы.

Для тех, кто хочет глубже разобраться в том, как эти технологии встраиваются в реальные рабочие процессы и личную продуктивность, полезно изучать опыт практиков. Узнайте больше о системном подходе к ИИ и жизни, чтобы не просто наблюдать за изменениями, а использовать их в свою пользу.

Почему агенты меняют экономику "субъективного" агентства?

Бен Томпсон выделяет два фундаментальных тезиса, которые объясняют, почему текущий спрос на вычисления — это не пузырь, а фундамент новой экономики. Первый тезис касается масштабирования потребления. Раньше считалось, что для роста рынка Nvidia и облачных гигантов нужен массовый адопшн (чтобы у каждой бабушки был свой чат-бот). Но агенты меняют это уравнение.

Теперь один квалифицированный инженер или аналитик может управлять десятком, а в перспективе и сотней агентов одновременно. Агенты не спят, не устают и потребляют токены каждую секунду, выполняя задачи в фоновом режиме. Для экспоненциального роста спроса на вычисления теперь достаточно сравнительно небольшого числа людей, умеющих правильно ставить задачи. Это переводит ИИ из категории "игрушки для масс" в категорию "промышленного станка", работающего 24/7.

Но есть один нюанс: меняется сама структура цепочки создания стоимости (value chain). Чтобы понять, кто на этом заработает, давайте сравним подходы крупнейших игроков в таблице ниже.

*Деятельность компании Meta признана экстремистской и запрещена в РФ.

Почему тезис о коммодитизации моделей оказался ложным?

Долгое время считалось (и Гораций Дедью из Asymco активно это поддерживал), что Apple поступила гениально, не вкладывая $100 млрд в собственные модели. План выглядел просто: если модель "А" станет лучше, Apple просто переключится на неё в рамках контракта. Побеждает тот, кто владеет клиентом. В эпоху простых чат-ботов это работало — модели быстро догоняли друг друга по качеству и становились взаимозаменяемыми товарами (commodity).

Но что большинство упускает: переход к агентам сломал эту логику. Дифференциация продукта теперь не в самих весах модели, а в симбиозе модели и системы её инструментов. Это больше не лего-конструктор, где можно заменить один блок на другой. Агентская логика Claude Code завязана на специфические особенности Opus, его умение работать с контекстом и конкретными API.

И здесь становится по-настоящему интересно: прибыль в бизнесе всегда утекает от модульных звеньев к интегрированным. Если агенты — это интеграция «модель + среда», то Anthropic и OpenAI становятся незаменимыми центрами силы, а не просто поставщиками API. Microsoft это уже прочувствовала на себе: их попытка быть model-agnostic с Core AI провалилась при создании Copilot Cowork. Им пришлось жестко интегрироваться с конкретными моделями и продавать это как дорогой бандл (E7 по $99 за пользователя).

Если вы хотите понимать, как ориентироваться в этой новой реальности, где границы между софтом и сотрудником стираются, получите доступ к стратегиям автоматизации и системному мышлению. Это поможет адаптировать свои рабочие процессы раньше, чем агентские технологии станут стандартом де-факто.

Frequently Asked Questions

Правда ли, что эра чат-ботов закончилась?

Нет, чат-боты остаются базовым интерфейсом, но их ценность падает. Будущее за агентами, которые не просто отвечают на вопросы, а выполняют цепочки действий в реальных системах (код, таблицы, дизайн) без участия человека.

В чем разница между моделью и "обвязкой" (harness)?

Модель — это "мозг" (нейронная сеть), а обвязка — это руки и рабочее место. Harness включает в себя доступ к терминалу, браузеру, проверку ошибок и логику, которая заставляет модель переделывать работу, если результат не прошел тесты.

Будут ли агенты работать локально на смартфонах и ноутбуках?

Для сложных агентских задач требуются огромные контекстные окна и мгновенные вычисления для итераций, что пока делает облачные решения (GPU-кластеры) предпочтительнее локальных чипов в плане производительности и надежности.

Что ждет рынок дальше?

Мы вступаем в фазу, когда вопрос «чья модель умнее?» уступает место вопросу «чей агент полезнее?». Это означает, что инвестиции в инфраструктуру (Nvidia, ЦОДы) — это не раздутый пузырь, а создание фундамента для систем, которые будут работать вместо людей. Основной эффект мы увидим в секторе B2B, где замена или усиление человеческого труда агентами приведет к экономии миллиардов долларов.

Вот что нужно запомнить:

• Традиционное ПО становится модульным и подчиненным агентам.
• Интеграция — это новая нефть. Тот, кто создаст лучшую связку модели и рабочих инструментов, заберет основную прибыль.
• Масштабируемость теперь зависит не от количества людей, а от сложности решаемых ими задач через интерфейс агентов.

Будущее принадлежит не тем, кто просто "пользуется ИИ", а тем, кто строит системы, где ИИ является автономным звеном. Научиться выстраивать такие системы и сохранять продуктивность в эпоху перемен — задача номер один для любого профессионала сегодня.

Готовы перейти от теории к практике внедрения систем в жизнь?

Узнайте, как проектировать автономность уже сегодня → Подписаться на канал Олега Тестова