ZoomMate, Itential FlowAI, Orion-100B и другие сигналы того, что AI перестал быть «демо» и стал инфраструктурой
Главные события в AI за последние дни — от новых продуктов до регуляторных изменений. С нашим анализом: контекст, последствия, связи с предыдущими выпусками и практические выводы.
Zoom представил ZoomMate — AI-агента, который подключается к встречам, связывает решения с Salesforce, Jira, ServiceNow и Slack, и автоматически превращает итоги встреч в презентации и документы. Отдельно запущен AI Productivity Suite за $10/мес с офисными инструментами. Рынок движется от «изолированных AI-помощников» к инструментам, связывающим решения, данные и рабочие процессы.
Контекст. Zoom не первый с AI-агентом для встреч — Microsoft Copilot и Google Gemini уже встроены в их экосистемы. Но ZoomMate делает ставку на кроссплатформенность: он работает с Jira, Salesforce и Slack одновременно. Это ответ на главную боль корпоративных пользователей — встречи заканчиваются, а задачи теряются.
Последствия. Рынок meeting-агентов становится commodity. Дифференциация смещается с «кто лучше расшифрует» на «кто свяжет с рабочими системами». Zoom, Microsoft и Google будут конкурировать не качеством транскрипции, а глубиной интеграций.
Связи. 29 июня: Claude заходит в Slack как полноценный участник команды. 2 июля: AgentOps становится отдельной категорией инструментов.
Что делать. Если вы строите AI-продукт для бизнеса — не делайте «ещё один транскрибатор». Делайте коннектор между системами, где живут реальные рабочие процессы.
Itential запустил FlowAI — платформу для AI-агентов (FlowAgents) в телеком-инфраструктуре. Агенты могут рассуждать и действовать на живых production-сетях, но со встроенным контролем: необратимые изменения без надзора запрещены. Lumen уже использует FlowAI в production. Вице-президент Lumen: «Вопрос был не в том, может ли AI помочь, а в том, можно ли ему доверять в production. FlowAI ответил — да».
Контекст. Это первый случай, когда AI-агенты допущены к управлению реальной телеком-инфраструктурой. Раньше AI использовался только для мониторинга и аналитики. FlowAI меняет правила игры: агенты не просто советуют, а действуют.
Последствия. Модель «governed AI» — агенты с мандатным контролем — станет стандартом для критической инфраструктуры: энергетика, транспорт, финансы. Это открывает рынок AI-агентов для regulated industries.
Связи. 2 июля: Банк Англии пересматривает правила для агентного AI в финансах. 26 июня: C3 AI × Shell — предиктивное обслуживание через AI-агентов.
Что делать. Если вы работаете в regulated industry — начинайте пилот с «governed AI». Докажите безопасность до того, как регулятор спросит.
Проект Orion-100B доказал, что обучение 100-миллиардной модели не требует дата-центра за миллионы. На commodity-железе и открытом интернете, с 16 pipeline-parallel стадиями, проект достиг 65% скорости традиционных дата-центров при стоимости $1.25/час против $50/час для 8×B200. Это демократизация AI-обучения для небольших команд и исследователей.
Контекст. Весь 2025 год рынок говорил, что обучение frontier-моделей — удел избранных с миллиардными бюджетами. Orion-100B ломает этот нарратив. 40-кратная разница в стоимости означает, что небольшие лаборатории и университеты могут тренировать конкурентоспособные модели.
Последствия. Если тренд продолжится, рынок AI-моделей ждёт то же, что случилось с веб-серверами: от мейнфреймов за миллионы к Raspberry Pi за $35. Концентрация власти у Big Tech ослабнет.
Связи. 29 июня: Sakana Fugu Ultra — оркестрация чужих моделей обходит флагманов. 2 июля: MiniMax M3 — 20-кратное снижение стоимости инференса.
Что делать. Не ждите, пока цены на GPU упадут. Ищите способы тренировать модели эффективнее — архитектурные инновации (sparse attention, mixture of experts) важнее железа.
Intel запустил Xeon 6+ с консолидацией серверов 9:1 по сравнению с 2-м поколением Xeon. Ключевой посыл: «CPU остаётся контрольной плоскостью для современной AI-инфраструктуры». По мере того как AI становится более агентным, узким местом становится оркестровка, конкурентность и перемещение данных — а не только инференс на GPU.
Контекст. NVIDIA доминирует в нарративе AI-железа, но Intel делает ставку на то, что агентный AI требует не только GPU для инференса, но и мощных CPU для оркестровки. 9:1 консолидация — это серьёзный аргумент для дата-центров.
Последствия. Рынок AI-инфраструктуры перестаёт быть «NVIDIA или ничего». CPU возвращаются как критический компонент. Это хорошо для конкуренции и плохо для маржи NVIDIA.
Связи. 30 июня: NVIDIA Vera Rubin — 10x пропускная способность агентов. 25 июня: OpenAI Jalapeño — собственный чип для инференса.
Что делать. При планировании AI-инфраструктуры не зацикливайтесь на GPU. Оркестровка агентов требует сбалансированной архитектуры CPU+GPU.
EU AI Act Omnibus ускорил требования по прозрачности синтетического медиа: с 2 декабря 2026 весь AI-генерированный контент (изображения, голос, видео) для европейской аудитории должен соответствовать стандартам водяных знаков C2PA. Аудит high-risk систем отложен до декабря 2027, но маркировка контента — уже в этом году.
Контекст. Европа форсирует маркировку AI-контента быстрее, чем ожидалось. C2PA — это стандарт, поддержанный Adobe, Microsoft, Intel и другими. Но внедрение за 5 месяцев — жёсткий дедлайн для создателей контента.
Последствия. Все платформы, работающие с европейской аудиторией, должны встроить C2PA до декабря. Это создаёт новый рынок для compliance-инструментов. Кто не успеет — рискует штрафами до 7% от глобального оборота.
Связи. 28 июня: Европарламент принял AI Liability Directive. 4 июля: Godot блокирует AI-сгенерированный код.
Что делать. Если вы генерируете контент для европейской аудитории — начните внедрение C2PA сейчас. 5 месяцев — это меньше, чем кажется.
Чикагская AI-компания Tempus обновила платформу Lens до agentic AI. Теперь платформа не просто ищет данные, а запускает автономные многошаговые рабочие процессы для разработки онкологических препаратов. Это переход от «AI-поисковика» к «AI-исследователю», который самостоятельно формирует гипотезы и планирует эксперименты.
Контекст. Tempus — один из лидеров AI в здравоохранении. Переход к agentic AI в онкологии означает, что AI не просто помогает учёным, а берёт на себя часть исследовательского процесса. Это ускорение drug discovery на порядок.
Последствия. Фармацевтические компании, не внедряющие agentic AI в R&D, рискуют проиграть гонку. Время вывода препарата на рынок сокращается с 10-12 лет до потенциально 5-7.
Связи. 4 июля: Takeda × Insilico — $600M сделка на AI-разработку лекарств. 30 июня: NVIDIA Cosmos 3 × хирургия.
Что делать. Если вы в фарме или биотехе — agentic AI для R&D больше не опция, а необходимость. Начните с пилота на одном терапевтическом направлении.
Топ видео об AI-агентах, автоматизации и заработке на нейросетях — с нашим кратким пересказом, чтобы не тратить время на просмотр.
32:23
51:03
14:42
10:56
9:13
2:53:54
20:39
12:03
13:23
14:58
Реальные внедрения AI с измеримыми результатами — от банков до телекома.
Walmart развернул систему мульти-агентной оркестрации для управления цепочкой поставок. AI-агенты координируют закупки, логистику и управление запасами в реальном времени, адаптируясь к колебаниям спроса. Результат: значительное сокращение избыточных запасов и повышение доступности товаров в пиковые сезоны.
DevGen.AI — GPT-базированный агент для ревью кода, запущенный в январе 2025. Проанализировал 9+ миллионов строк легаси-кода и сэкономил разработчикам Morgan Stanley примерно 280 000 часов. 15 000 разработчиков переключились с ручного перевода кода на стратегическую работу. Крупнейшая code-level AI-развёртка 2025 года.
Lumen внедрил FlowAI от Itential для управления телеком-инфраструктурой в production. AI-агенты (FlowAgents) рассуждают и действуют на живых сетях, но с обязательным контролем: необратимые изменения требуют подтверждения человека. Первый случай допуска AI-агентов к управлению реальной телеком-инфраструктурой.
Платформа Tempus Lens перешла от поиска данных к автономным многошаговым исследованиям. AI самостоятельно формирует гипотезы, планирует эксперименты и анализирует результаты для разработки онкологических препаратов. Переход от «AI-ассистента» к «AI-исследователю» в фармацевтической R&D.
Как зарабатывают на AI сегодня — пять моделей с конкретными цифрами и примерами.
Klarna ($60M экономии, 853 FTE), Sierra ($100M выручки) и Intercom Fin AI (девятизначная выручка) доказали: AI-агенты могут заменять сотрудников, а не просто помогать им. Ключевая метрика — не «мест в подписке», а «решённых тикетов» или «обработанных документов». Бизнес-модель: платишь только когда AI справился. Не справился — эскалация на человека, бесплатно.
Itential FlowAI открыл новую нишу: AI-агенты для управления критической инфраструктурой со встроенным контролем. Агенты действуют автономно, но необратимые изменения требуют подтверждения. Модель подходит для телекома, энергетики, транспорта, финансов — всех regulated industries. Монетизация: enterprise-лицензии + плата за объём операций.
Tempus Lens и Takeda × Insilico ($600M) показали: agentic AI в фарме — это не экономия, а ускорение. Сокращение времени вывода препарата с 10-12 до 5-7 лет стоит миллиарды. Монетизация: партнёрства с big pharma (миллионные контракты) + платформенные лицензии для биотех-стартапов.
Morgan Stanley DevGen.AI (280 000 часов, 9M+ строк) и Bun × Claude Opus 4.8 (750 000 строк за 11 дней) создали новую категорию: AI-миграция легаси-кода. Банки, страховые, ритейлеры сидят на COBOL и Java 8. AI может переписать это за недели, а не годы. Монетизация: project-based ($500K-$2M за миграцию) + поддержка.
Orion-100B доказал: можно обучить 100B-параметрическую модель за $1.25/час вместо $50/час. Это открывает рынок для университетов, исследовательских лабораторий и небольших компаний. Монетизация: open-source модели + платные консультации по эффективному обучению + хостинг.
6 июля 2026 — день, когда AI-инфраструктура перестала быть «железом» и стала «оркестровкой». ZoomMate связывает встречи с рабочими системами, Itential FlowAI допускает агентов к управлению телеком-сетями, Intel Xeon 6+ возвращает CPU как контрольную плоскость AI, а Orion-100B доказывает, что обучение моделей больше не требует дата-центра за миллионы. Главный урок: побеждает не тот, у кого самая мощная модель, а тот, кто построил систему, где AI-агенты не просто генерируют текст, а действуют в реальном мире — от встречи до сети, от склада до лаборатории.
Подпишитесь на ежедневный дайджест и получайте проверенные кейсы, модели монетизации и разборы видео каждое утро.
Агентство автоматизации