📍Новое поколение ИИ

За последние несколько лет мы привыкли к довольно странному представлению об искусственном интеллекте.

Мы задаём ему вопрос — он отвечает. Мы просим написать письмо — он пишет. Просим составить договор, проанализировать отчёт или придумать рекламную кампанию — получаем текст.

И постепенно в нашем сознании возникло почти незаметное равенство:
искусственный интеллект = чат.

Но, возможно, это всего лишь первый этап развития технологии.
Потому что человеку действительно нужны слова. А компьютеру слова в большинстве случаев вообще не нужны.
И появление нового класса моделей System One Models может оказаться интересным именно поэтому.

Представьте обычную компанию
В компанию поступило обращение клиента:
«Мы второй раз получаем неправильный счёт, менеджер не отвечает уже три дня. Если сегодня вопрос не решится, мы прекращаем сотрудничество».

Что должна сделать информационная система? Ей совершенно необязательно писать красивое сочинение о ситуации. Ей нужно принять несколько решений:

Тип обращения: претензия.
Приоритет: высокий.
Вероятность ухода клиента: высокая.
Кому передать: руководителю клиентского сервиса.
Нужно ли немедленное вмешательство человека: да.

Сегодня для решения подобных задач всё чаще используют большие языковые модели — LLM.

Но здесь возникает технологический парадокс. Мы используем машину, великолепно умеющую разговаривать, для задачи, в которой разговаривать вообще не требуется.

Модель получает информацию, затем начинает последовательно генерировать токены, формирует текстовый ответ, после чего другая программа должна этот текст разобрать, проверить и превратить обратно в данные, которыми может воспользоваться информационная система.

Это примерно как если бы вместо кнопки лифта мы посадили рядом сотрудника. Вы говорите ему:
«Мне нужен седьмой этаж».
Он отвечает:
«Я внимательно проанализировал ваш запрос и пришёл к выводу, что наиболее подходящим вариантом является седьмой этаж». А потом другой сотрудник читает его заключение и нажимает кнопку 7. Работает? Да. Но, согласитесь, что архитектура решения несколько странная.

А что если убрать разговор из этого процесса?

Именно такую идею предложила компания TypeSafe AI.

Её основатель Диого Алмейда ранее работал в OpenAI над технологиями instruction-following, связанными с исследованиями, предшествовавшими появлению ChatGPT.

В сентябре 2026 года TypeSafe представила первую модель нового класса System One Models — Jev.

Принципиальное отличие Jev состоит в том, что модель вообще не предназначена для генерации обычного текста. Она получает информацию и должна непосредственно вернуть структурированное решение.

Не:
«Проанализировав обращение клиента, я считаю, что его следует направить в отдел продаж».
А условно:
route = sales
И вместе с решением — распределение вероятностей и показатель уверенности.

TypeSafe описывает это как переход от strings к decisions: от генерации строк к принятию решений, непосредственно пригодных для использования программой.

Почему это важно? На первый взгляд кажется, что речь идёт о небольшой технической оптимизации. На самом деле потенциально меняется само место искусственного интеллекта в информационной системе.

Сегодня ИИ преимущественно находится между человеком и компьютером.
Человек → ИИ → ответ человеку.
Но существует гораздо более крупный потенциальный рынок:
Компьютер → ИИ → решение → компьютер.

ИИ становится не собеседником, а одним из компонентов программного обеспечения.
И вот здесь масштабы использования могут оказаться совершенно другими.

Представим интернет-магазин. За одну секунду в нём могут происходить сотни событий.

Клиент открыл товар.
Положил его в корзину.
Убрал.
Вернулся.
Посмотрел аналог.
Изменил адрес доставки.
Использовал промокод.
Банк отклонил первую транзакцию.

Каждое такое событие потенциально содержит какой-то вопрос. Например:

Показать скидку или нет?
Предложить другой товар?
Есть ли риск мошенничества?
Нужно ли изменить способ оплаты?
Стоит ли подключить оператора?
Какой склад выбрать?
Какой канал доставки использовать?

До сих пор значительная часть подобных решений принималась с помощью обычных программных правил:
IF условие → THEN действие.

Но реальный мир плохо помещается в жёсткие правила. Именно здесь появляется интересная промежуточная технология.

Это уже не обычный if, но ещё и не свободно рассуждающий чат-бот. Можно назвать её умным if.

Программа спрашивает не человека, а модель:
«Какова вероятность того, что здесь происходит мошенничество?». И получает, например, ответ:
fraud_probability = 0.94

Дальше обычная программа сама определяет действие. Если вероятность меньше 30% — пропустить. 30–80% — провести дополнительные проверки. Выше 80% — передать человеку.

То есть ИИ не обязательно получает власть над всей системой. Он становится датчиком смысла внутри системы.

И это, возможно, одна из наиболее важных идей всей концепции.
Скорость меняет не только стоимость. Она меняет область применения.

Когда технология становится в сто раз дешевле или быстрее, люди не просто начинают дешевле делать то, что делали раньше. Они начинают применять её там, где раньше применение было экономически бессмысленным.

Когда вычисления были дорогими, компьютер использовали для крупных расчётов. Когда вычисления стали практически бесплатными, компьютер оказался внутри часов, автомобиля, холодильника и детской игрушки.

То же самое может произойти с машинным интеллектом. Пока интеллектуальное решение стоит относительно дорого и занимает секунды, мы обращаемся к ИИ только по достаточно важным поводам.

Если решение начинает стоить исчезающе мало и занимать десятки миллисекунд, появляется возможность принимать миллионы маленьких интеллектуальных решений.

Именно здесь возникает совершенно другой масштаб рынка. Интересно, что название Jev связано именно с экономикой. TypeSafe назвала модель в честь английского экономиста XIX века Уильяма Стэнли Джевонса.

Он сформулировал наблюдение, позднее получившее название парадокса Джевонса, который упрощённо можно сформулировать как повышение эффективности использования ресурса не обязательно уменьшает его общее потребление.

Иногда происходит обратное. Если использование ресурса становится существенно дешевле, человечество находит настолько много новых способов его применения, что суммарное потребление растёт.

Именно такую ставку делает TypeSafe в отношении машинного интеллекта. Если стоимость единицы интеллектуального решения снизится на порядки, человечество не обязательно будет тратить меньше денег на ИИ. Возможно, оно начнёт использовать на порядки больше интеллекта.

Что это может дать обычному человеку?

Большинство людей, возможно, вообще никогда не увидят System One Model. И в этом её главный смысл. Она может работать внутри банка, автомобиля, маркетплейса, страховой компании, медицинской информационной системы или корпоративного приложения.
Пользователь будет замечать только результат.

Банк быстрее обнаружил подозрительную операцию. Сервис сразу понял, куда направить обращение. Приложение вовремя предложило нужную функцию. Спам был остановлен до появления в почтовом ящике. Система поняла, что стандартный сценарий не подходит, и подключила человека.

ИИ постепенно может превратиться из продукта, которым человек специально пользуется, в невидимую инфраструктуру. Мы ведь не думаем о базах данных, когда оплачиваем покупку картой. Не думаем о протоколах маршрутизации, открывая сайт.

Возможно, через несколько лет мы точно так же перестанем замечать миллионы микрорешений, которые искусственный интеллект принимает в окружающих нас системах.

Так. Но что это означает для бизнеса?

Здесь последствия особенно интересны. В любой организации существует огромное количество маленьких решений. Просто вспомните свою компанию.

Какому менеджеру передать лид?
Как определить приоритет заявки?
Какой товар предложить клиенту?
Какая транзакция подозрительна?
Какой документ требует проверки?
Какое письмо действительно срочное?
Какой клиент может уйти?
Какой заказ имеет риск задержки?
Какой звонок необходимо прослушать руководителю?
Какой договор содержит нестандартные условия?

Какое обращение можно обработать автоматически, а какое необходимо немедленно передать человеку?

Сегодня часть этих решений принимает программное обеспечение. Часть — сотрудники.
А огромная часть вообще не принимается, потому что стоимость анализа выше возможной пользы. По крайней мере во многих компаниях я вижу именно это.

И вот это особенно важно. Главный экономический эффект дешёвого ИИ может состоять не только в замене существующего человеческого труда. Он может позволить принимать решения, которые сегодня никто не принимает вообще.

Возникает новая архитектура предприятия. Условно её можно представить в три слоя.

Первый слой — данные. CRM, ERP, телефония, документы, транзакции, производство, логистика, сайт, приложения.

Второй слой — машинный интеллект. Тысячи небольших моделей или интеллектуальных функций непрерывно классифицируют, оценивают вероятность, определяют риск и выбирают варианты.

Третий слой — действия. Обычное программное обеспечение выполняет решение либо передаёт ситуацию человеку.

И человек остаётся там, где действительно нужен человек:
неопределённость;
ответственность;
сложные переговоры;
этика;
исключительные ситуации;
стратегические решения.

Получается интересный принцип:
машина должна не заменить руководителя, а уменьшить количество ситуаций, в которых руководителю вообще приходится принимать рутинное решение.

Например, давайте представим отдел продаж будущего. Представьте компанию с 100 000 входящих лидов в месяц.

Сегодня большинство CRM просто хранит эти лиды. А человек думает, что с ними делать. Через короткое время лиды «протухают» и эта база уже никому не нужна.

Завтра CRM сможет непрерывно спрашивать интеллектуальный слой:
Это реальный потенциальный клиент?
Какова вероятность покупки?
Какой продукт ему подходит?
Насколько срочно нужно связаться?
Какому менеджеру лучше его передать?
Есть ли риск потери клиента?
Нужно ли подключать руководителя?

И вместо одинакового процесса для 100 000 никому не нужных контактов появляется 100 000 индивидуальных процессов. Причём для каждого следующего события система снова принимает решение.

Это уже не просто автоматизация.
Это переход от заранее запрограммированного бизнес-процесса к адаптивному бизнес-процессу.

Подытожу. Первая волна генеративного ИИ дала машинам способность разговаривать с людьми. Следующая волна может дать программам способность понимать ситуацию и принимать миллиарды небольших решений без необходимости каждый раз разговаривать с человеком.

И тогда главным интерфейсом искусственного интеллекта станет уже не окно чата. У него вообще может не быть интерфейса.

Мы просто будем замечать, что окружающие нас системы стали немного быстрее, немного точнее и немного разумнее.

А для бизнеса это означает переход от автоматизации операций к автоматизации решений.

И, возможно, именно этот переход окажется значительно важнее самого чат-бота.
—-
@MikeLuff // #аналитика #ИИ #TypeSafe #Jev #AI #nextgenerationAI #LLM

✨Это изумительно! Хотите увидеть самый последний снимок космоса? Узнать, где мы живём и попробовать представить количество звёзд вокруг нашей галактики? Хотите увидеть космос, который нам только предстоит изучить и осмыслить в ближайшие годы? Европейское космическое агентство поделилось самым детализированным снимком центра нашей галактики. Фото сделали при помощи космической обсерватории «Евклид» на орбите Земли. На нём можно увидеть около 60 миллионов звёзд и несколько туманностей. На создание этого кадра ушло 26 часов, а финальное фото в TIFF-формате весит 697 МБ. Если вы приглядитесь, вы увидите практически все виды звёзд. Тут есть и туманности, и непонятные тёмные области, голубые гиганты и красные карлики. Тут скрыты миллиарды планет, многие из которых, скорее всего, обитаемы. Это большой очередной шаг в освоении космоса. Наслаждайтесь! 😍🤩😲

15 октября 2026 года на испытательном полигоне SpaceX в Техасе состоялась презентация удивительного автомобиля. Странный автомобиль разогнался по изогнутой рампе, перевернулся и, пролетев некоторое расстояние, мягко приземлился на колеса. Это новый «летающий автомобиль» Илона Маска.

Хотя, если вы загуглите и узнаете побольше деталей, выяснится, что это не столько «летающий автомобиль», сколько «прыгающий». Спорткар Tesla Roadster нового поколения оснащён холодногазовыми двигателями (thrusters) от инженеров космической компании SpaceX. Именно они позволяют машине совершать короткие «прыжки» и манёвры в воздухе.

Вместо крыльев машина использует десять сопел и баллоны со сжатым воздухом сверхвысокого давления, которые выбрасывают газ для создания реактивной тяги. По сути, это система реактивного управления, похожая на ту, что используется в космических аппаратах.

Интересно, что родстер удерживался на изогнутой рампе в перевёрнутом положении благодаря системе вентиляторов, создающих прижимную силу, как и дронов.

Маск утверждает, что это самый быстрый автомобиль в мире. Его разгон до 97 км/ч составляет меньше секунды (0,81 с), а максимальная скорость — более 370 км/ч.

Публике обещаны три версии — Performance (быстрая), Thrust (сверхбыстрая) и эксклюзивная Rocket (ракета на колёсах, одноместная, продаётся только по личному приглашению).

Кстати, нельзя сказать, что это прямо уж инновация, так как прототип этой «леталки» показали ещё аж в 2017 году, обещая начать поставки в 2020 году. Но Маск чуть отвлёкся на выборы, StarLink и Марсианскую миссию, которая уже на подходе.

Два забавных факта.

1. Маск в недавнем интервью признал, что не уверен, будет ли легально использовать полёты на дорогах общего пользования в большинстве юрисдикций.

2. В другом интервью он с некоторой усмешкой отметил, что машина «не обязательно оптимизирована для безопасности».

Цена на ракетомобиль в скромной базовой комплектации — 250 000 баксов. Коврики, магнитолка, автоматические стеклоподъемники и обдув стекла есть. Подогрева задних сиденьев нет, так что дважды думайте перед покупкой, особенно если вы живёте в Хабаровске.

Производство запланировано на 2028 год.