Бунак и Цифра: chatGPT / AI в бизнесе

⚡️ИИ в сентябре: 6 изменений, которые уже меняют работу компаний⚡️

Сентябрь хорошо показал, куда сейчас движется рынок ИИ. Если раньше основной вопрос был «насколько хорошо модель отвечает», то сейчас всё больше внимания смещается в сторону исполнения:

может ли ИИ сам выполнить задачу, работать с данными и приложениями, соблюдать ограничения и довести процесс до результата.

Что я выделила как важные новости сентября:

🌸 OpenAI выпустила GPT-6 Astra

Новая модель заметно усилилась в сложных многошаговых задачах, работе с браузером, компьютером, кодом и профессиональными инструментами.
Для бизнеса меняется сам критерий оценки модели. Уже недостаточно сравнивать качество ответов в тестовых сценариях. Гораздо полезнее смотреть, какую часть рабочего процесса можно передать ИИ целиком.

Отдельно OpenAI отнесла Astra к самому высокому уровню риска по кибервозможностям. Чем больше действий может выполнять модель, тем важнее заранее определять её полномочия и ограничения.

📇 OpenAI представила инфраструктуру для создания ИИ-агентов

В сентябре появилась Agents API — инфраструктура для создания агентов, которые могут работать длительное время, использовать инструменты, запускать код, сохранять промежуточные результаты и подключать других агентов.

Раньше компании в значительной степени самостоятельно собирали связку:

модель + память + инструменты + логика действий + контроль

Теперь часть этой инфраструктуры постепенно становится стандартной возможностью AI-платформ.
Это снижает порог входа в агентные решения и делает их более доступными для реальных бизнес-процессов.

💻 Google и Microsoft встраивают ИИ прямо в рабочую среду

Google усилила возможности ИИ в Gmail, Drive, Docs, Sheets, Slides и Chat.
Microsoft развивает Copilot в сторону режимов, где системе можно передать задачу, а она продолжает работать самостоятельно и использовать несколько инструментов.
Сотруднику всё реже нужно отдельно открывать AI-сервис, искать документы, загружать их и заново объяснять контекст.

ИИ постепенно работает там же, где находится сама работа.

Для корпоративного обучения это тоже меняет акцент. Навык написания длинных и сложных промптов становится менее значимым сам по себе.
Гораздо важнее:
▪️ правильно поставить задачу;
▪️ дать нужный контекст;
▪️ определить ограничения;
▪️ задать критерии результата;
▪️ проверить итог.

🆕 Anthropic обновила Claude и снова снизила стоимость работы моделей

В течение сентября Anthropic выпустила несколько обновлений моделей Claude, включая новые версии Opus и Sonnet.
При этом производители всё активнее конкурируют сразу по трём параметрам:

качество + скорость + стоимость.

Вопрос «какая модель самая сильная?» переходит в плоскость оптимизации затрат:

какая модель даёт нужное качество для конкретной бизнес-задачи при разумной стоимости.

Нужно считать не только цену подписки или объём использованных токенов, а стоимость выполненной задачи или процесса.

🎤Голос превращается в способ ставить задачи ИИ

OpenAI и Google усилили голосовые режимы: ИИ получает доступ к инструментам и рабочему контексту и может не только отвечать, но и выполнять действия.
То есть сценарий постепенно меняется с «поговорить с ИИ» на «cобери информацию по проекту, сравни документы и подготовь презентацию».
Для руководителей это может стать одним из самых естественных способов работы с ИИ — ставить задачи голосом почти так же, как сотруднику.

✔️ Безопасность агентов становится отдельным направлением

Когда ИИ только отвечал на вопросы, основное внимание было сосредоточено на конфиденциальности данных.
С агентами этого уже недостаточно. Нужно определять:

🔴 к каким системам агент имеет доступ;
🔴 какие действия ему разрешены;
🔴 где требуется подтверждение человека;
🔴 как фиксируются его действия;
🔴 кто и как может остановить процесс.

28 сентябре NVIDIA представила Open Agent Safety Platform — инфраструктуру для ограничения прав агентов и независимого контроля их действий.
Это хорошо показывает общий сдвиг: безопасность ИИ всё больше касается не только данных, но и полномочий.

🍎 Что я забираю из сентября

Если собрать всё в одну логику, развитие ИИ сейчас выглядит так:

чат → агент → корпоративные данные → приложения → действия → контроль

Поэтому и корпоративное обучение должно постепенно выходить за рамки промптинга.
Сотрудникам и руководителям нужны навыки другого уровня:

▪️что можно делегировать ИИ;
▪️ как встроить его в рабочий процесс;
▪️ какие данные и инструменты ему предоставить;
▪️ где оставить контроль человеку;
▪️ как оценивать качество, стоимость и риски.

И это я помогаю выстроить у своих клиентов. На этом уровне уже начинается не просто использование нейросетей, а системное внедрение ИИ в работу компании.

ИИ-дайджест: 31 августа — 6 сентября

Экспериментирую с новой рубрикой - комментирую новости в мире ИИ и рассказываю как это использовать для бизнеса.

Если коротко, главный сюжет этой недели такой:

ИИ-агентам дают всё больше полномочий — и одновременно всё сильнее ограничивают их свободу.

OpenAI, Google и Anthropic почти синхронно показали новые решения для сложных автономных задач. Но вместе с возможностями моделей растёт и внимание к тому, что именно им можно разрешать делать без человека.

Собрала 4 новости, на которые я бы обратила внимание.

1⃣ OpenAI выпустила GPT-6 Astra и впервые отнесла модель к критическому киберуровню

У Astra заметно выросли возможности работы с компьютером, браузером, кодом и длинными многошаговыми задачами.
Но примечательнее другое.
OpenAI отнесла модель к уровню Critical по кибервозможностям: во время тестирования Astra находила ранее неизвестные уязвимости и могла выстраивать цепочки их эксплуатации. Поэтому вместе с моделью появляются дополнительные ограничения, мониторинг и возможность остановки потенциально несанкционированных действий.

Для бизнеса это хороший маркер.

Когда мы говорим об ИИ-агентах, вопрос уже не только в том, насколько хорошо агент выполняет задачу.

Нужно заранее решить:
— куда он имеет доступ;
— что может делать самостоятельно;
— где требуется подтверждение человека;
— какие действия должны записываться в журнал;
— кто и в какой момент может его остановить.
Чем самостоятельнее становятся агенты, тем важнее становится архитектура контроля вокруг них.

2⃣ Google учит агентов не только находить уязвимости, но и исправлять их

2 сентября Google открыла ограниченную Fairwind Program для государственных структур и доверенных партнёров.

Gemini 3.8 Flash Cyber вместе с CodeMender сможет автономно искать уязвимости, проверять их и готовить исправления в защищённом облачном контуре. То есть ИИ постепенно переходит от:

«Я нашёл проблему»
к:
«Я нашёл проблему, подготовил исправление и проверил его».

Разница существенная.

Следующий вопрос для компаний — насколько далеко такого агента можно допускать в реальную инфраструктуру.
Пока логика вполне осторожная: не давать ему прямой доступ к production, а строить промежуточный контур проверки и развёртывания.

3⃣Anthropic пытается решить неприятную корпоративную дилемму: как контролировать агентов, не отдавая их данные наружу
1 сентября Anthropic представила Enterprise Frontier Safeguards.
Идея в том, чтобы совместить две вещи, которые обычно конфликтуют:
приватность корпоративных данных + мониторинг потенциально опасных действий ИИ.
Данные для мониторинга остаются в облачной инфраструктуре самого заказчика, а компания получает сигналы об аномалиях и сама принимает решение, что с ними делать.
Пилотирование запланировано на осень.
Для банков, фармы, телекома и других регулируемых отраслей это может быть довольно важным направлением.
Потому что один из постоянных вопросов при внедрении ИИ звучит примерно так:
«Чтобы контролировать модель, кому мы должны показать наши данные?»
Anthropic предлагает вариант ответа: возможно, никому.
4. MWS Cloud добавила GLM-5.3 в российский облачный контур
4 сентября MWS Cloud сообщила о доступности GLM-5.3 в GPT Model Hub.
Модель ориентирована на код и сложные многошаговые агентские сценарии и доступна через OpenAI-совместимый API.
По заявлению сервиса, запросы и ответы не сохраняются и обрабатываются внутри защищённого контура MWS Cloud.
Для российского B2B здесь интересно не появление ещё одной модели само по себе.
Интереснее возможность тестировать более сложные агентские сценарии там, где есть требования к размещению данных и интеграции с корпоративной инфраструктурой.
Остаётся главный вопрос — как модель покажет себя не на бенчмарках, а на реальных задачах компаний.
За чем буду следить дальше
В первую очередь — за тем, во что превратится контроль ИИ-агентов на практике.
Пока вокруг них постепенно складывается новая инфраструктура: права доступа, подтверждения, мониторинг, журналы действий, изолированные среды, человек в контуре.
И, похоже, именно этот слой скоро станет не менее важным при внедрении ИИ, чем выбор самой модели.
Второе — насколько хорошо локально доступные модели вроде GLM-5.3 справляются с настоящими корпоративными задачами, особенно с кодом и многошаговыми процессами.
Если такой формат окажется полезным, буду раз в неделю собирать сюда несколько новостей, которые важны не сами по себе, а с точки зрения того, что они меняют для бизнеса и работы с ИИ.

Кажется, я слишком буквально поняла термин «вайб-кодинг»

Вообще вайб-кодинг это когда ты описываешь человеческим языком сложную задачу и что хочешь получить на выходе, а нейронка пишет код, запускает его и отлаживает.

Но я зацепилась именно за слово «вайб» и подумала: а что, если даже серьёзные задачи ставить нейронке через образы?

«В таблице продаж бардак, будто её трясли как коктейль. Наведи порядок аккуратно и с любовью: убери дубли, разберись с пропусками и покажи “до и после” — так, чтобы я наконец выдохнула».

«В логах транзакций завёлся кто-то подозрительный. Как гость, который пришёл на вечеринку без приглашения. Найди этих незваных гостей и покажи мне — есть к ним разговор».

«Мне нужно понять, ругаются на нас клиенты или хвалят. Но читать все 500 отзывов я не готова — жизнь одна. Раздели их по настроению, как будто сортируешь бельё на светлое и тёмное».

«Склад живёт своей жизнью, и я никогда не знаю, какой товар закончится завтра. Сделай прогноз как хороший синоптик: не идеальный, но чтобы я хотя бы вовремя взяла зонтик».

«Раздели моих клиентов на кланы: кто платит много и часто, кто появляется раз в год на распродаже, а кто только смотрит и уходит. А потом покажи, кто есть кто, на одной карте».

Как думаете, такой вайб помогает нейронке понять задачу или только веселит пользователя?

🔥 Конечно, так промпты и пишу
🤔 Выглядит странно. Без точного ТЗ не сработает.
🙈 графики и таблицы на выходе тоже будут с юмором?

Наберём 30 реакций разберу все пять промптов и покажу, где нейронка поняла вайб, а где устроила самодеятельность)