💶 «Двигает» ли ИИ экономику?

Недавно OpenAI представили GDPval, новую метрику, которая измеряет не абстрактные тесты, а способность моделей искусственного интеллекта выполнять реальные, оплачиваемые задачи из профессий, которые формируют ВВП

❗️Почему это важно бизнесу?

🔹 Фокус на работе, а не на игрушечных бенчмарках

В GDPval собрали 1 320 задач по 44 профессиям в 9 крупнейших по доле в ВВП отраслях США - от юристов и бухгалтеров до инженеров и менеджеров проектов. Это презентации, отчёты, сметы, юридические документы, таблицы - те самые артефакты, за которые платят деньги

🔹 Оценка как в жизни

Готовые работы от моделей вслепую сравнивают с человеческими эксперты соответствующих профессий (в среднем 14+ лет опыта). Результат - ранжирование «лучше / на уровне / хуже». Это максимально близко к реальной «приёмке»

🔹 Экономический смысл, а не только точность

В фокусе - производительность и качество по профессиям, которые дают львиную долю зарплат и выручки в отраслях, отобранных по вкладу в ВВП (отрасли с >5% ВВП). Это позволяет делать прогнозы не про «IQ модели», а про прибавку к марже и обороту

⁉️ Что это значит на практике?

1️⃣ ROI-сценарии становятся прозрачнее

Если модель стабильно выдаёт артефакты уровня middle-специалиста в конкретной профессии, это прямой вход в калькуляцию: стоимость inference vs. ставка сотрудника, скорость цикла, SLA по качеству

важно: В сопутствующих обзорах отмечают прирост качества и кратный выигрыш в скорости/стоимости на ряде задач - сигнал к пересборке unit-экономики в бэк-офисе и консалтинге

2️⃣ Стратегия - «переупаковка процессов», а не замена людей

GDPval фиксирует прогресс на «одношаговых» задачах: подготовить черновик, свести данные, наметить план. Это идеальное поле для «человек + ИИ»: человек ставит цель и даёт обратную связь, модель делает тяжёлую рутину. Следующая версия обещает больше интерактивности - ещё один плюс в пользу конвейеров «черновик→ревью→итерация»

3️⃣ Управление рисками - через дизайн задач

Раз задачи привязаны к профессиям и артефактам, их можно обернуть в контролируемые пайплайны: чек-листы, шаблоны, валидаторы, аудит следов (who/what/when). Это снижает операционные риски и упрощает комплаенс. Самое время напомнить про мою статью о том, как бизнесу угнаться за обновлениями ИИ

🚀 Как применить эту информацию в вашей компании уже сейчас?

👉 Возьмите 5–10 типовых результатов из одной функции (например, финансы или юрподдержка), превратите их в «GDPval-подобные» задачи с примером входных данных и эталонным выходом

👉Проведите A/B: «человек-соло» vs «человек + ИИ-черновик» с тайм-трекером и рубрикой оценки качества (градации «лучше/на уровне/хуже»). Считайте стоимость, скорость, долю доработок.

👉Сформируйте «каталог задач» с метками: автоматизируемые, ассистируемые, нецелесообразно - и привяжите к P&L (экономия OPEX, сокращение TTM).

___

Хочется отметить, что в целом, я рад сдвигу ИИ от решения умных головолоком к экономике производительности.

Для руководителей компаний это инструмент, чтобы связать ИИ-инициативы с P&L: видеть, какие именно профессии и какие типы работ уже сегодня дают измеримый эффект и где пора перестраивать процессы под «человек + ИИ»

⚫️ Куда качнулся маятник в сообществе ИИ-инженеров?

Всё очевиднее становится раскол по поводу «идеологического будущего ИИ».

Те, кто ещё вчера ставил на то, что именно OpenAI первыми дойдут до самосовершенствующегося интеллекта, сегодня пересматривают взгляды - и часть лидеров уходит строить альтернативные траектории.

Свежий пример: запуск стартапа Periodic Labs - «ИИ-учёный + автономные лаборатории» - с раундом $300 млн во главе с a16z и участием NVentures (NVIDIA), Accel, Felicis, DST, а также Бeзоса, Шмидта, Дина и Элада Гила

И это не просто очередной «лабораторный» проект. Его сооснователь Уильям Федус - один из людей, стоявших у зарождения ChatGPT и руководивший пост-тренингом в OpenAI, прежде чем уйти и запустить новую компанию

Ниже - полный перевод поста Уильяма Федуса об анонсе Periodic Labs (X):

Сегодня мы вместе с @ekindogus рады представить @periodiclabs.

Наша цель - создать ИИ-учёного.

Наука работает так: выдвигаем гипотезы о том, как может быть устроен мир, проводим эксперименты и учимся на их результатах.

Интеллект необходим, но недостаточен. Новое знание рождается тогда, когда идеи оказываются согласованными с реальностью. Поэтому в Periodic мы создаём ИИ-учёных и автономные лаборатории, в которых они будут работать.

До сих пор прогресс «научного ИИ» шёл от моделей, обученных на интернете. Но, как бы он ни был огромен, интернет конечен (оценки — ~10 трлн текстовых токенов, где одно английское слово — 1–2 токена). В последние годы лучшие фронтир-модели полностью его выжали.

Исследователи пытаются использовать эти данные лучше, но любой учёный знает: перечитывать учебник полезно лишь до момента - дальше нужно проверять идею на практике.

Автономные лаборатории - центр нашей стратегии. Они дают колоссальные объёмы высококачественных данных (каждый эксперимент - гигабайты!), которых нет больше нигде. Они генерируют ценные негативные результаты, которые редко публикуются. Но самое главное - они дают нашим ИИ-учёным инструменты для действий.
Мы начинаем с физических наук.

Технологический прогресс ограничен нашей способностью конструировать физический мир.

Стартуем здесь, потому что эксперименты имеют высокую связку «сигнал/шум» и (относительно) быстры, физические симуляции эффективно моделируют многие системы, а в более широком смысле физика - проверяемая среда. ИИ быстрее всего прогрессирует там, где есть данные и верифицируемые результаты - например, в математике и коде. Здесь природа - это RL-окружение.

Одна из наших целей - открыть сверхпроводники при более высоких температурах, чем сегодня. Существенный прогресс поможет создать транспорт нового поколения и энергосети с минимальными потерями. Но это лишь пример, если мы автоматизируем дизайн материалов, у нас появится шанс ускорить закон Мура, космические миссии и ядерный синтез.

Мы также работаем над внедрением вместе с индустрией. Например, помогаем производителю полупроводников, который сталкивается с проблемами тепловыделения на чипах. Мы обучаем кастомных агентов для их инженеров и исследователей, чтобы быстрее осмыслять экспериментальные данные и ускорять итерации.

Наша основательская команда создавала ChatGPT, DeepMind GNoME, OpenAI Operator (ныне Agent), механизм внимания в нейросетях, MatterGen; запускала автономные физические лаборатории и внесла вклад в важнейшие открытия в материаловедении за последнее десятилетие. Мы объединились, чтобы масштабировать и заново переосмыслить науку.

Мы счастливы, что нас поддерживают инвесторы, разделяющие видение, включая @a16z, которые возглавили наш раунд $300 млн, а также @Felicis, DST Global, NVentures (венчурное подразделение NVIDIA), @Accel и такие частные инвесторы, как @JeffBezos, @eladgil, @ericschmidt, @JeffDean. Их поддержка поможет нам расширить команду, масштабировать лаборатории и создать первое поколение ИИ-учёных

Посмотрим, что будет дальше 😎

🔥Gemini 3: Google выкатывает «цифрового PhD» для бизнеса

Google запустил Gemini 3 - свою самую «умную» на сегодня модель с упором не на болтовню, а на глубокое рассуждение и агентные сценарии.

Модель лучше понимает контекст, нюансы запросов и уже встроена в Google Поиск, приложение Gemini, Vertex AI и новый агентный IDE-слой Antigravity.

Что это меняет для бизнеса?

🔹 Глубокий анализ вместо «болталки». В режиме Deep Think модель сначала «думает», разбирая задачу на шаги, и только потом отвечает - на сложных экзаменах уровня Humanity’s Last Exam и GPQA она показывает результаты уровня PhD.

🔹 Агентный ИИ вместо просто чата. Через Antigravity Gemini 3 может ставить задачи, редактировать файлы, ходить в терминал и браузер, а затем приносить вам готовый план на согласование.

🔹Generative UI. В ответ на запрос вы можете получить не текст, а сразу рабочий виджет: калькулятор, симулятор, мини-дашборд - то есть ИИ не только «советует», но и собирает инструмент под задачу.

Если коротко: Gemini 3 - шаг к миру, где ИИ сам предлагает, что и как оптимизировать в вашем бизнесе, а не просто отвечает на вопросы.

Вопрос к вам: вы уже думаете, какие процессы в компании можно отдать таким «агентам», или всё ещё смотрите на ИИ только как на улучшенный чат?

Пишите в комментариях, как вы используете ИИ в своем бизнесе ⬇️

Недавно Илон Маск репостнул к себе такое видео ⬆️

В целом, долгосрочные цели компании Tesla понятны 😄

💥Илья Суцкевер дал интервью, которое взорвало твиттер. Ниже описал две мысли, которые лично меня зацепили

Недавно посмотрел новое интервью Ильи Суцкевера - одного из создателей OpenAI и ChatGPT (кстати, он родом из Нижнего Новгорода, но сегодня это уже не так важно). Важно другое: его слова снова задали тон мировому обсуждению искусственного интеллекта.

1️⃣ "AI is going to be diffused through the economy"

Этот тезис идеально резонирует с тем, о чём я пишу здесь уже несколько лет.

ИИ не «приходит».

ИИ растворяется внутри экономики - слой за слоем.

➤ Бизнесы, которые не внедряют ИИ, уже не просто проигрывают -
они перестают развиваться и теряют конкурентное преимущество.

➤ Влиянию ИИ подвергнется 90% индустрий: медицина, юриспруденция, финтех, образование, логистика, недвижимость — всё.

Честно, я не вижу ни одной серьёзной причины, почему этот процесс может остановиться. Если вы видите - напишите в комментариях и попробуйте доказать, что я не прав.

2️⃣ Эра масштабирования закончилась. Началась эра исследований.

Этот момент и стал причиной того, что интервью так ярко «выстрелило» 🚀🚀

Суцкевер - один из пионеров идеи «больше compute → лучше модель».

Но сегодня он говорит:

Даже если увеличить вычислительные мощности в 100 раз - это уже не даст нам чего-то принципиально нового

Это очень сильное заявление...

Он считает, что мы подошли к потолку классического scaling-подхода. Поэтому теперь фокус смещается в новые архитектуры, новые принципы обучения, новые способы работы с данными и знаниями.

То есть — назад к настоящей науке. К поиску новых горизонтов.

И мне это близко.
Да, исследования — это риск.
Да, они могут годами не окупаться.

Но именно так рождаются настоящие прорывы.

А теперь вишенка на кексе (или ватрушке;)…
Появились голоса, что «Илья вышел из ИИ-гонки».

Что он больше не верит в масштабирование, а значит — «отстаёт».

🙂Но это ли не классика?

Иногда человек просто видит следующий виток раньше остальных.

Как думаете вы?
Ждать ли нового прорыва в ИИ уже в следующем году - или мы вступаем в эру медленных, фундаментальных открытий?

Пишите в комментариях ⬇️

📊США меняют правила игры: Белый дом блокирует законы штатов в сфере ИИ - почему это важно для бизнеса?

Президент США подписал исполнительный указ, который ограничивает штатам право вводить собственные правила по искусственному интеллекту и запускает федеральную стратегию единого регулирования ИИ. Власти объясняют это как попытку устранить «фрагментированное регулирование», которое мешает масштабированию и инновациям в отрасли.

⚙️ Что ключевого:

1) Создается AI Litigation Task Force - специальная группа для оспаривания законов штатов, которые мешают национальной политике ИИ.

2) Федеральное правительство сможет ограничивать доступ к федеральным фондам (например, BEAD-гранты) для штатов с «обременительными» ИИ-законами.

3) Намечается разработка единого национального стандарта регулирования ИИ, который заменит десятки разных правил по всей стране.
The White House

📌 Почему это важно для бизнеса:

🔹 Крупные компании давно жалуются на сложность соблюдения множества разных требований в 50 штатах - это затрудняет масштабирование продуктов.

🔹 Единое федеральное регулирование может ускорить внедрение ИИ-решений, снизить операционные риски и повысить инвестиционную привлекательность рынка.

🔹 Но это также вызывает споры: критики считают, что централизация снизит защиту потребителей и права штатов вводить свои механизмы безопасности.

😊 Итог:
Трамп и Белый дом делают ставку на единообразие и ускорение инноваций в ИИ, для чего? Ответ понятен: чтобы обойти Китай в этой "атомной гонке" 21 века 🙈

🤝Взаимная поддержка между предпринимателями очень важна!

Но это понимает весьма и весьма малое число людей...особенно в ИТ индустрии..

Истории таких брендов, как Apple, Google, Nvidia, Amazon говорят нам о важности подобной, взаимной предпринимательской поддержки

Решил поделиться видео, где Дженсен Хуанг (CEO Nvidia) рассказывает об одном из таких случаев в своей жизни 👀