ИИ-токены вместо кэшбека:
нейросети становятся валютой

Контекст. В Китае доступ к топовым моделям (DeepSeek, Kimi, Qwen) уже встроен в повседневные сервисы. Когда токены раздают как кэшбек, инференс перестаёт быть «подпиской» и становится расходным материалом вроде минут разговора.

Последствия. Это первый массовый эксперимент, где ИИ-токены работают как программа лояльности. Если модель приживётся, западные банки и ритейлеры скопируют её в течение года — «кэшбек токенами Claude» вместо миль.

Связи. 6 сентября мы писали, что Meta платит за данные об использовании модели — теперь видим обратную сторону: токены как стимул потребления.

Что делать. Следите за юнит-экономикой токенов. Если вы продаёте ИИ-услуги, подумайте, как упаковать их в «токены» или «кредиты», а не в плоскую подписку — это повышает удержание.

Контекст. Ещё недавно Meta агрессивно продвигала «tokenmaxxing» — поощрение сотрудников за максимальное использование ИИ. Теперь курс развернулся на 180 градусов.

Последствия. Это сигнал всей индустрии: метрика «сколько токенов сжёг сотрудник» оказалась мусорной. Важен результат, а не факт использования инструмента. Компании, которые строят KPI вокруг «внедрения ИИ», а не вокруг бизнес-исхода, повторят эту ошибку.

Связи. 3 сентября мы отмечали, что банки слабо измеряют эффект от внедрения ИИ — та же болезнь на уровне отдельного сотрудника.

Что делать. Если вы внедряете ИИ в команду, не ставьте KPI «использовать нейросети». Ставьте KPI на скорость, качество и выручку — а ИИ пусть будет просто инструментом.

Контекст. Excel — самый массовый инструмент работы с данными в мире. Добавление «холста», где ИИ сам превращает таблицы в визуализации, — это попытка Microsoft удержать офисных пользователей, которых переманивают Notion и Airtable.

Последствия. Порог входа в аналитику падает ещё ниже: не нужно уметь строить графики, достаточно попросить Copilot. Это съедает рынок простых BI-инструментов.

Связи. 5 сентября мы писали про голосовое управление в Gmail и Docs — Microsoft продолжает ту же линию «ИИ внутри офисного пакета».

Что делать. Если вы делаете аналитику на заказ, готовьтесь: простые дашборды скоро будут генерироваться бесплатно внутри Excel. Смещайтесь в сложные, отраслевые задачи.

Контекст. Локальный инференс — тренд последних недель: Nvidia уже раздаёт PAIR для объединения домашних ПК в ИИ-дата-центр. Microsoft теперь встраивает это на уровне ОС.

Последствия. Если Windows нативно поддерживает локальные модели, приватность и офлайн-работа перестают быть нишевыми. Это удар по облачным подпискам на инференс для чувствительных задач.

Связи. 4 сентября мы писали про бесплатный инструмент Nvidia для персонального ИИ-дата-центра — Zenith это логичное продолжение на уровне ОС.

Что делать. Присмотритесь к локальным моделям (Llama, Qwen, Granite) для задач, где данные нельзя отдавать в облако. Это дешевле и безопаснее, чем кажется.

Контекст. Это шаг от «ассистента, который отвечает» к «агенту, который действует от вашего имени». Имитация стиля — ключ к тому, чтобы письма от ИИ не выглядели как спам.

Последствия. Персональный «клон письма» — мощный инструмент, но и риск: подделка стиля в фишинге станет неотличимой. Компаниям придётся пересматривать, как они верифицируют отправителя.

Связи. 7 сентября мы писали про WebMCP во встроенном браузере ChatGPT — теперь агент получает доступ и к вашим приложениям.

Что делать. Если вы ведёте переписку с клиентами, это готовый сценарий автоматизации: обучите модель на своих письмах и делегируйте рутину. Но держите human-in-the-loop на важных сообщениях.

Контекст. Инверсионные следы — недооценённый фактор климата: по ряду оценок, их вклад в потепление сопоставим с выбросами CO₂ от авиации. ИИ здесь решает задачу, которую человек не может посчитать вручную.

Последствия. Это пример «зелёного ИИ» с измеримым эффектом: меньше следов — меньше потепления, и это можно продать как ESG-преимущество авиакомпании.

Связи. 2 сентября мы писали про ИИ-чатбота John Deere для фермеров — та же логика: ИИ входит в физические отрасли с конкретной пользой.

Что делать. Ищите ниши, где ИИ даёт измеримый физический эффект (топливо, выбросы, логистика). Такие проекты проще продать корпорациям, чем «ещё один чат-бот».

Контекст. Открытые лицензии (MIT, GPL, Apache) писались до эпохи LLM. Они регулируют копирование кода человеком, но не обучение модели на этом коде. Перенс — один из отцов Open Source — признаёт, что инструмент сломан.

Последствия. Если патентный путь станет мейнстримом, мы увидим волну патентных исков против ИИ-компаний. Это может затормозить обучение моделей на открытом коде.

Связи. 6 сентября мы писали про иск Seattle Times и Newsday к OpenAI — патентная тема это продолжение той же войны за данные.

Что делать. Если вы публикуете открытый код, подумайте о патентной защите ключевых алгоритмов. Лицензия больше не гарантирует, что ваш код не попадёт в чужую модель.