01Введение в новую эру AI
В феврале 2026 года Даррен Моури, вице-президент Google, курирующий глобальную стартап-организацию в Cloud, DeepMind и Alphabet, заявил о наступлении конца для двух категорий AI-стартапов: "обертки LLM" и "агрегаторы AI". Эти компании используют существующие большие языковые модели (LLM) в качестве основы и не добавляют значительной ценности собственными разработками. Сегодня индустрия требует новых подходов и решений.
02Специализация как ключевой тренд
На протяжении последнего десятилетия мы стали свидетелями серии технологических прорывов в области AI, каждый из которых решал свои уникальные задачи. Конволюционные нейронные сети (CNN) революционизировали компьютерное зрение, в то время как глубокое обучение с подкреплением (DRL) открыло новые горизонты в области принятия решений в динамичных средах.
Конволюционные нейронные сети (CNN)
Конволюционные нейронные сети (CNN) изменили подход к компьютерному зрению, позволив машинам распознавать лица и интерпретировать медицинские снимки с невероятной точностью. Однако CNN решают задачи восприятия, а не всего спектра проблем.
Глубокое обучение с подкреплением (DRL)
Глубокое обучение с подкреплением (DRL) позволило машинам приобретать навыки в сложных и динамичных средах. Примером является система AlphaGo от DeepMind, победившая мирового чемпиона в го.
Большие языковые модели (LLM)
Сегодня большие языковые модели, такие как GPT и Claude, демонстрируют выдающиеся возможности в понимании и генерации текста. Однако важно понимать, что это специализированные инструменты, оптимизированные для решения конкретных задач.
03Правильный инструмент для каждой задачи
Хотя LLM невероятно универсальны, они не являются универсальными решателями всех проблем. В продажах, например, задачи оптимизации и управления требуют подходов, отличных от тех, которые применяются для обработки текста.
Пример из мира продаж
Рассмотрим, как сделки проходят через B2B-продажный конвейер. В каждом этапе представитель делает ряд решений: когда следовать за клиентом, кого привлекать из стейкхолдеров и как вести переговоры о цене. Это задачи управления и оптимизации, где глубокое обучение с подкреплением может оказаться более эффективным, чем большие языковые модели.
04От монолитных моделей к сетям специализированных агентов
Будущее AI заключается в создании сетей из специализированных агентов, каждый из которых решает одну задачу с высокой точностью. Эти агенты работают вместе, образуя координированную сеть, которая намного мощнее любой отдельной модели.
Архитектура агентских сетей
Каждый агент обладает уникальными способностями и взаимодействует с другими через слой оркестрации, управляющий процессом выполнения задач. Такой подход напоминает переход от монолитных приложений к сервис-ориентированной архитектуре в софтверной индустрии.
05Агентское предприятие
В агентском предприятии инновации рождаются на стыке взаимодействия людей и агентов. Агенты расширяют возможности наблюдения и оптимизации, в то время как люди привносят контекст и интуицию. Это синергия, которая дает преимущество на конкурентном рынке.
06Заключение
Для AI-практиков важно понимать, когда использовать LLM, а когда прибегать к другим подходам. Это требует осознания того, что задача может быть решена более эффективно с помощью специализированных моделей, а не универсальных решений.