Друзья, всем привет! На связи Ольга Попова, ИИ-евангелист Лаборатории искусственного интеллекта Департамента больших данных Россельхозбанка.
Октябрь показал: главная тема индустрии не новые LLM, а стремительная эволюция ИИ-агентов. Они уже пишут код, работают с корпоративными системами, ищут уязвимости и становятся автономными цифровыми сотрудниками. Но вместе с этим бизнес начинает жестче считать ROI внедрений, а вопросы безопасности и контроля выходят на первый план.
Собрала для вас главные тренды месяца, добавила инсайты от коллег из Лаборатории ИИ и предлагаю обсудить, где сегодня проходит ваша личная граница доверия к нейросетям.
Когда разработчик становится архитектором
На GitHub Universe 2026 и в свежих релизах Anthropic (Mods для Claude Code) четко виден сдвиг: разработчик из «писателя кода» превращается в архитектора и постановщика задач. Агенты способны генерировать код в разы быстрее, из-за чего узким местом процесса становятся проектирование, безопасность и код-ревью.
Мы наблюдаем фундаментальный сдвиг. Разработчик постепенно превращается из непосредственного исполнителя в архитектора и контролёра цифровых помощников. Возникает парадокс: ускоряя написание кода, мы обязаны повышать квалификацию инженеров, чтобы они могли грамотно проверять результаты за ИИ.
Агент без доступа — просто амбициозный чат-бот
Российский ИТ-рынок активно готовит инфраструктуру для интеграции офисных ИИ-агентов. Компании переходят от теории к продуктам: «Труконф» представил платформу TrueConf Server MCP, «Сбер» запустил среду оценки Cowork Bench, а Ассоциация ФинТех разрабатывает единые правила работы нейросетей с финансовыми системами.
Сегодня цифровому сотруднику недостаточно просто анализировать документы. Чтобы приносить бизнесу измеримую пользу, агент должен получить прямой доступ к корпоративным базам данных, CRM- и ERP-системам.
OpenAI пошла еще дальше, представив Dots — агентов на базе GPT-6 Astra, которые живут 24/7 на облачных ПК и проактивно помогают пользователю в фоновом режиме.
Дмитрий Жихарев, CPO платформы RAISA, Лаборатория ИИ РСХБ: «Постоянная работа на выделенном компьютере с доступом к тысячам приложений качественно отличается от модели «задал вопрос — получил ответ». Три механизма контроля от OpenAI (Custom Rules, Auto-review, Activity View) показывают, что управляемость агента закладывается как часть продукта с самого начала, что особенно актуально на фоне новостей про инциденты безопасности».
Именно здесь будет разворачиваться следующая большая конкуренция. Гонка пойдет не столько между моделями, сколько между платформами, которые смогут обеспечить безопасную и управляемую агентную автоматизацию внутри корпоративного контура.
ИИ-хакеры и новая экономика киберугроз
ИИ радикально сокращает время между поиском уязвимости и ее эксплуатацией. Модель GPT-5.6 Sol помогла найти критические дыры в PHP, но параллельно злоумышленники уже используют агентов (DeepSeek, Claude) для реальных атак на компании при смешных бюджетах (около $5000). OpenAI даже отменила октябрьский релиз GPT-6.1 Astra из-за того, что агенты обманывали защиту и самостоятельно зондировали сайты госучреждений (Washington Post, Engadget, Axios).
Кирилл Малков, CTO Лаборатории ИИ РСХБ: «Среда работы ИИ-агентов должна быть строго контролируемой. Однако новости о том, что агенты пытаются взламывать системы — это во многом спекуляция и пиар для подогревания интереса перед потенциальным выходом frontier-компаний на биржу, как это было с продвижением первой супермодели от Anthropic».
Меня особенно беспокоит изменение экономики кибератак. Раньше сложная угроза требовала значительных компетенций и ресурсов, а теперь часть этой работы можно дёшево делегировать и масштабировать. Главный риск — готовы ли компании к ситуации, когда скорость атакующих агентов превысит скорость реагирования безопасников?
От гонки бенчмарков к гонке эффективности
Для массового применения индустрии уже недостаточно иметь самую «умную» модель. На первый план выходят скорость и стоимость вычислений. Google выпустила Gemini 4 Argon, лидирующую в задачах разработки и безопасности, а исследователи Университета Цинхуа представили метод Cache-to-Cache. Он позволяет ИИ-моделям обмениваться данными напрямую через кэш, ускоряя совместную работу на 100–150%.
Кирилл Малков, CTO Лаборатории ИИ РСХБ: «Выход Gemini 4 Argon демонстрирует уровень, близкий к актуальным моделям OpenAI и Anthropic. А прямая коммуникация между моделями (Cache-to-Cache) — крайне перспективное направление. Обмен через плотные представления позволит существенно экономить ресурсы, повысить быстродействие LLM и пропускать лишние этапы предобработки текста».
Индустрия постепенно выходит из эпохи, когда главным аргументом была позиция в рейтинге. Возможно, главный победитель ИИ-гонки не самая умная модель, а самая экономически эффективная для бизнеса.
Бизнес инвестирует миллиарды, но ищет ROI
К 2026 году российский крупный бизнес может потратить на нейросети 237 млрд рублей. Но, по данным исследований «СберПро» и KPMG, большинство компаний научились запускать пилоты, а не считать их финансовый результат.
Кажется, мы слишком долго измеряли развитие ИИ количеством лицензий, пользователей и токенов. Настоящая ценность — в реальном снижении себестоимости операций, сокращении времени процессов и рост выручки с учетом всех затрат на инфраструктуру.
ИИ инициирует платежи: будущее финтеха
Банк России перешел к изучению сценариев использования ИИ-агентов в платежной инфраструктуре, а отечественная система А7 уже обучила ИИ проверять платёжные документы. Мы стремительно приближаемся к экономике, где программы не рекомендуют действия, а выполняют их от имени человека.
Светлана Булгакова, Бизнес-партнёр, Лаборатория ИИ РСХБ: «Формулировка ЦБ о "сбалансированном внедрении"— это сигнал банкам участвовать в формировании будущих правил. Переход к реалиям, когда агент сможет инициировать платёж, ставит вопросы о принципиальной границе ответственности, где вопросы лимитов и многоуровневого подтверждения становятся важнее самой технологии».
ИИ совершает действия вместо нас, а это значит, что мы должны проработать механизмы ответственности за эти действия. Управление идентичностью и полномочиями ИИ-агентов станет одним из важнейших направлений развития корпоративной архитектуры.
Короткой строкой
Масштаб и инфраструктура: Российский рынок больших данных и ИИ вырос на 20%, достигнув 528 млрд рублей по итогам 2025 года.
Правительство России готовило Национальный план внедрения ИИ из 170 мероприятий. Масштаб впечатляет, но главный показатель успеха не число пунктов, а количество работающих решений с измеримым эффектом.
Российский бизнес попросил государственную поддержку разработки отечественных ИИ-чипов.Суверенный ИИ без собственной вычислительной инфраструктуры рискует остаться зависимым от внешних технологий.
НЦК ИСУ назвал переход от вайб-кодинга к корпоративным агентным платформам одним из ключевых трендов. Похоже, эпоха разработки на энтузиазме и промптах заканчивается там, где начинаются требования энтерпрайз-компаний.
Собеседования с ИИ: 38% работодателей в РФ допускают использование нейросетей кандидатами во время онлайн-интервью (по данным HeadHunter и «Сетки»).
Новые интерфейсы: Alibaba представила умные очки Qwen Glasses N1 с отслеживанием взгляда. Следующим массовым интерфейсом ИИ может стать устройство, которое постоянно видит мир вокруг.
Anthropic исследовала потенциальную способность небольших моделей самостоятельно копироваться между IoT-устройствами. Пока это исследовательский сценарий, но вопрос автономного распространения ИИ уже перестал быть исключительно фантастикой.
McKinsey оценила ежегодный глобальный экономический потенциал преобразования труда с помощью ИИ в $2,5 трлн. Осталось самое сложное — превратить потенциальную ценность в реальные деньги на счетах компаний.
Финансовая реальность: Акции ряда китайских ИИ-компаний упали более чем на 40%. Рынок начинает проверять громкие обещания индустрии реальными финансовыми результатами.
Главный вопрос октября
Мы стремительно движемся к миру, в котором ИИ не только предлагает решения, но и самостоятельно выполняет работу.
Где лично вы готовы провести границу автономности? Разрешили бы вы агенту самостоятельно изменять код в продакшн, взаимодействовать с корпоративными системами или инициировать финансовые операции? Или финальное решение всегда должно оставаться за человеком? Давайте обсудим в комментариях. Особенно интересно мнение тех, кто уже внедряет агентов в реальные рабочие процессы.
Огромное спасибо коллегам из Лаборатории искусственного интеллекта — Кириллу, Дмитрию и Светлане — за экспертный взгляд.
До следующего дайджеста!