В каком направлении будет двигаться ИИ в 2026 году?
Не претендую на истину в последней инстанции, скорее как гипотетические наброски наиболее вероятных сценариев в 2026 году для последующей более углубленной проработки.
Одним из основных трендов станет переход от «крутости в бенчмарках» к стоимости выполнения конкретной задачи.
Бенчмарки сейчас все меньше отражают реальность (компании целенаправленно «надрачивают» свои LLMs на конкретные пресеты бенчмарков, чтобы вызвать первую волну медиа-хайпа, который во много определяет первичный успех релиза/анонса LLM).
Теперь все определяет, способна ли LLM решать конкретные задачи, насколько надежно и устойчиво решение (при множественном прогоне какой процент правильных ответов и разброс результатов) и что не менее важно – какая цена решения, хотя и в некоторых сценариях скорость выполнения также будет иметь значение.
Это актуализирует генеральный тренд всех ведущих разработчиков LLMs – минимизация ошибок, снижение галлюцинаций, увеличение стабильности, точности, предсказуемости и устойчивости на всем диапазоне контекстного окна.
Когнитивная глубина не имеет значения, если модель галлюцинирует в половине ответов на широком контекстном окне.
Внешняя интеграция, подключение внешних источников данных и валидаторов. Строго обязательное условие для любого корпоративного проекта, иначе LLMs превращаются в примитивную и изолированную от внешнего мира песочницу.
Те компании, которые сделают стабильный и надежный шлюз к внешним базам данных, получает преимущество.
Появление многоуровневых комбайнов для оркестрации ИИ-сервисами.Не существует универсального ИИ-агента, нет универсального чатбота под любые задачи – каждая LLM имеет свои плюс и минусы.
Важным навыком для оператора или программиста станет оркестрация, своеобразное динамическое комбинирование различными ИИ-сервисами, вычленяя сильные стороны в каждой модели под конкретную задачу.
Проекты типа Make или n8n получат развитие, обрастая функционалом и конкурентами.
Программист 2026 года – это дирижер, который настраивает баланс между точностью модели А, скоростью модели Б и стоимостью модели В.
Дефицит энергии и физической инфраструктуры помешает экспоненциально масштабировать мощность ИИ фабрик. Энергия – слабое звено всей схемы, дефициты по всему остальному можно закрыть с разумным люфтом.
Китай вмешается в битву за лидерство в ИИ с непредсказуемыми последствиями. Вероятно, 2025 был последним годом, когда США доминировали почти по всем фронтам, хотя в сегменте видео-генерации (спорно), но в 2026 закрепить лидерство станет сложнее.
Обострение конкуренции не даст бигтехам достичь порога окупаемости. Вообще, тренд на разочарование ИИ в контексте отдачи по инвестициям – станет доминирующим в 2026, дойдет даже до совсем тупых.
Высокоскоростная миграция клиентов от одного ИИ-сервиса к другому (это вам не экосистема Apple) не позволит закрепить и монетизировать клиентскую базу. Все это накладывается на фантастические по меркам реальной экономики инвестиции в капитальные расходы и невероятной неэффективности LLMs с экономической точки зрения (слишком много усилий в чрезвычайно низкий прирост эффективности).
Нет никакой логической связи между «крутостью» LLMs и ростом производительности труда, прямой монетизацией и увеличением темпов экономического роста. Вообще нет никакой связи. Локальные успехи и рост эффективности – безусловно, но на макроуровне возможен даже интегрально негативный эффект. Об этом в других материалах.
2026 год станет временем, когда ИИ превратится из «цифрового божества» в «высокотехнологичную коммунальную услугу» со всеми вытекающими последствиями: бюрократией, низкой маржой и жесткой борьбой за эффективность и попыткой отбить сотни миллиардов инвестиций (к сожалению, для ИИ компаний – безуспешно).
