Еврокомиссия публикует реестр high-risk ИИ-систем, OpenAI выкатывает Codex 2.0 с оркестрацией агентов, Google запускает on-device reasoning. Разборы видео, кейсы и модели монетизации.
Главные события в мире искусственного интеллекта — что произошло, почему это важно и что делать.
С 6 ноября в ЕС заработал обязательный реестр ИИ-систем высокого риска: медицинская диагностика, HR-скрининг, кредитный скоринг и рекрутинг теперь проходят аудит на прозрачность и data lineage. Разработчики обязаны показать, откуда взяты обучающие данные и как модель тестировалась, до вывода в продакшен.
Контекст. EU AI Act перестал быть документом «на будущее» и стал операционным: реестр — первый механизм, который реально заставляет компании отвечать за происхождение данных и работу модели. Это GDPR для ИИ, только с более жёсткими ставками на high-risk домены.
Последствия. Комплаенс из опции превращается в строку расходов для всех, кто продаёт ИИ в Европу. Выигрывают те, кто встроит аудируемость (логи, evals, human-in-the-loop) в продукт сразу, а не прикрутит сверху. Для малого бизнеса появляется отдельная ниша — «помоги пройти аудит».
Связи. 4 ноября четыре гиганта уже договорились об едином сигнале отказа от обучения — data lineage теперь не репутация, а требование закона. А 30 октября мы писали «комплаенс-консалтинг» как модель — сегодня у неё появился официальный повод.
Что делать. Если строите агентов для клиентов — добавьте слой логирования и верификации по умолчанию. «Аудируемо с первого дня» становится аргументом продажи, а не гигиеническим фактором.
Codex 2.0 приносит нативную оркестрацию: планирующий агент декомпозирует задачу, воркеры пишут код и вызывают API, а критик проверяет результат. На крупных репозиториях стоимость решения упала на 40% за счёт перекрёстной проверки вместо бесконечных циклов одного агента. API открыт для сторонних воркеров.
Контекст. Одиночный агент в цикле — тупик: он либо зацикливается, либо жжёт токены на самопроверку. Оркестрация (планировщик + воркеры + критик) — это тот самый тренд, который IBM в сегодняшнем разборе видео назвал главным в 2026-м. OpenAI оформляет его в продукт с конкретной цифрой — минус 40% стоимости.
Последствия. Качество и цена агентного кодинга расходятся: сложную задачу теперь можно решить командой дешёвых агентов вместо одного дорогого. Это ещё сильнее давит на цену токенов и делает «собрать флот агентов» стандартной практикой, а не продвинутым хаком.
Связи. 1 ноября DeepSeek выложил открытого «Super-agent» — инициативу перехватил агент. Сегодня OpenAI отвечает симметрично, но уже на уровне оркестрации команд, а не одиночек.
Что делать. При проектировании автоматизаций мыслите не «одним агентом», а связкой «планировщик + исполнитель + проверяющий». Разница в цене и надёжности на сложных задачах — до 40%, это прямой аргумент для клиента.
Gemma 4 получила локальный режим рассуждения: модель на несколько миллиардов параметров теперь «думает» прямо на устройстве, без раунд-трипа в дата-центр. Данные не покидают телефон, задержка нулевая. DeepMind позиционирует это как ответ на запрос рынка в конфиденциальности и работе офлайн.
Контекст. Тренд «reasoning at edge» из сегодняшнего видео IBM оформляется в продукт: дистилляция рассуждений из больших моделей в малые дошла до телефонов. Русскоязычные авторы уже показывают, как локальные Qwen 3.5 разбирают бухгалтерию на ноутбуке — теперь и Google легитимизирует этот путь.
Последствия. Зависимость от облачных API тает для целого класса задач: всё, что касается чувствительных данных (медицина, финансы, HR), можно решать локально. Это бьёт по провайдерам облачных моделей в нише приватности и открывает рынок on-device решений.
Связи. 27 октября мы писали про «настройку локальных LLM на домашнем железе как услугу» — сегодня это перестаёт быть нишевым хобби и становится мейнстримом от Google.
Что делать. Присмотритесь к нише локальных моделей для компаний, которые по закону или паранойе не хотят отдавать данные в облако. Умение развернуть Gemma/Qwen на устройстве клиента — растущий и пока незанятый B2B-запрос.
Опрос Gartner по 2 000 крупнейших компаний: 38% уже запустили 10+ агентов в продуктив, но только 12% системно измеряют их окупаемость. Остальные внедряют «потому что все» и не могут ответить, сколько денег агент принёс или сэкономил. Gartner прогнозирует волну разочарования к концу 2026 года.
Контекст. Разрыв «внедрили, но не посчитали» — главный риск рынка. Мы уже видели обратную сторону: 29 октября METR показал, что разработчики с ИИ чувствуют себя быстрее на 20%, а на деле медленнее на 19%. Ощущение прогресса ≠ результат.
Последствия. Если 88% не умеют мерить ROI, первыми режут бюджеты именно их — при первой же просадке. Выигрывают те, кто продаёт не «агента», а измеримый результат с цифрой на входе и выходе. Провайдеры, продающие «магию», попадут под нож.
Связи. Это прямое продолжение темы верификации, которая идёт сквозь всю неделю: 2 ноября GDPx показал 12% у лучшей модели, а «найти» давно перестало быть проблемой — проблема «подтвердить и посчитать».
Что делать. Встройте метрику в оффер: «агент обработал N заявок, сэкономил M часов, принёс X рублей». Клиент, которому вы даёте цифру, а не демо, не уйдёт — и именно он переживёт волну разочарования.
NVIDIA подтвердила, что ускорители Rubin на 3nm вышли в массовое производство на TSMC, но память HBM4 остаётся узким местом: контрактные цены выросли ещё на 15% за квартал, а очередь на поставки растянулась до середины 2027-го. Капитал продолжает литься в физический слой.
Контекст. Модели дешевеют, а железо — дорожает. 3 ноября мы писали, что производители памяти заработали больше Apple, Microsoft и Amazon вместе взятых. Сегодняшняя новость подтверждает: дефицит сместился с «умных весов» на физический слой.
Последствия. Пока одни спорят о бенчмарках, ренту снимают те, кто держит подложку: TSMC, NVIDIA и поставщики HBM. Для бизнеса это значит, что стоимость инференса упирается не в модель, а в наличие чипов — и это надолго.
Связи. Это продолжение 29 октября, когда NVIDIA анонсировала Vera Rubin на мультигигаватты. Прошло неделю — и Rubin уже в производстве, а узкое место переехало на память.
Что делать. В сметах для клиентов закладывайте рост стоимости железа, а не только токенов. Тот, кто умеет считать полную стоимость запуска агента (чипы + энергия + память), выглядит экспертом на фоне продавцов «дешёвых токенов».
Независимый аудит 40 000 диалогов ИИ-поддержки: в 96% случаев ответы фактически верны, но в 4% боты уверенно выдумывают политику возврата, сроки доставки и гарантии. Именно эти 4% порождают 60% жалоб и юридических рисков — «почти всегда прав» в поддержке недостаточно, цена ошибки непропорциональна.
Контекст. Галлюцинации в поддержке — это не «редкий баг», а системный риск: 4% ошибок в операционных вопросах дают 60% проблем. Это та же асимметрия, что 27 октября с Cloudflare, потерявшей чужие данные из кэша, — один сбой дороже ста удачных ответов.
Последствия. Продавать «бота, который отвечает сам» без слоя проверки становится опасно. Выигрывает тот, кто ставит guardrails: бот отвечает только из утверждённой базы, а на всё незнакомое передаёт человеку. Это ровно то, что отличает дешёвый чат-бот от платного решения.
Связи. 30 октября Postgres отложил релиз, потому что LLM нашли на 60% больше багов — тогда «найти» опередило «подтвердить». Сегодня обратная сторона: генерировать легко, а вот не соврать клиенту — снова ручная работа.
Что делать. При внедрении поддержки первым делом настройте «не знаю — передаю человеку» и базу источников. Клиент платит именно за эту границу, а не за красивый ответ на 96% вопросов.
Топ видео об AI-агентах, автоматизации и заработке на нейросетях — с нашим кратким пересказом, чтобы не тратить время на просмотр.
19:00
44:29
18:37
16:56
1:07:24
26:24
31:24
17:12
11:39
22:23
Реальные компании и измеримый результат от внедрения ИИ — цифры, которые можно показать клиенту.
Датский перевозчик внедрил ИИ-модель маршрутизации, которая учитывает погоду, загрузку портов и цены на бункеровку в реальном времени. Итог — минус 6% расхода топлива на флоте, что в годовом выражении даёт $300 млн экономии при прежнем объёме перевозок.
Банк заменил правило-базированную систему антифрода на ИИ-агента, который контекстно оценивает цепочки транзакций. Выявление подозрительных операций выросло на 28%, а число ложных срабатываний упало на 35% — меньше блокировок легитимных клиентов и меньше ручной разборки.
Маркетплейс недвижимости сгенерировал виртуальные туры для объявлений на базе ИИ. Покупатели, посмотревшие тур, в 22% случаев оставляли запрос — против 14% у обычных фото. Риелторы получают более «тёплые» лиды, а объекты продаются быстрее в среднем на 6 дней.
Система ИИ-триажа сортирует снимки по срочности и помечает подозрительные патологии до прихода врача. Очередь на описание исследований сократилась на 35%, а время до постановки диагноза по критическим случаям упало с дней до часов.
ИИ-агент поддержки, обученный на документации и истории тикетов, закрывает 60% обращений продавцов сам, без передачи человеку. Среднее время первого ответа сократилось с 11 минут до 40 секунд, а CSAT вырос на 9 пунктов.
Практические способы заработать на ИИ — подкреплены сегодняшними видео и кейсами.
Генерируете UGC-ролики (unboxing, отзывы, демонстрации) для брендов без камеры и инфлюенсеров. Один аватар + фото продукта дают десятки вариаций за день. Продаёте ретейнером на фиксированное число роликов в месяц — брендам реклама нужна постоянно.
Улучшаете фото объявлений и генерируете виртуальные туры из снимков. Риелтор экономит на фотографе, покупатель «фильтрует» объект дома — вы снимаете маржу на разнице между парой долларов кредитов и чеком в $100+.
Берёте список старых лидов бизнеса (стоматология, фитнес, автосервис), ИИ пишет персонализированные сообщения и ведёт диалог до записи. Оплата — только за назначенную и состоявшуюся встречу, так что клиент не рискует, а вы берёте высокий чек.
Помогаете компаниям пройти аудит high-risk систем: настраиваете data lineage, логирование решений и human-in-the-loop. С реестром от Еврокомиссии это больше не опция, а обязательство — и платят за него охотно.
Разворачиваете локальные модели (Qwen, Gemma) на устройствах клиентов, которым нельзя отправлять данные в облако: медицина, юристы, HR. Продаёте настройку + обслуживание, снимая возражение «данные не покидают компанию».
6 ноября 2026 — день, когда дефицит окончательно сместился с «иметь ИИ» на «внедрить глубоко и измерить результат». Еврокомиссия публикует первый реестр high-risk систем — комплаенс из опции становится строкой расходов, а Gartner фиксирует разрыв: 38% компаний держат агентов в проде, но ROI считают лишь 12%. Параллельно интеллект уходит на край сети: Gemma 4 думает на телефоне без облака, локальные Qwen разбирают бухгалтерию на ноутбуке — зависимость от зарубежных API тает. OpenAI отвечает Codex 2.0 с оркестрацией агентов, NVIDIA штампует Rubin. Побеждает не тот, у кого самая новая модель — их у всех много и дёшево. Побеждает тот, кто умеет глубоко внедрить одну систему, посчитать отдачу и пройти аудит: внедрение и измерение теперь дороже самого интеллекта.
Подпишитесь на ежедневный дайджест и получайте проверенные кейсы, модели монетизации и разборы видео каждое утро.
Агентство автоматизации