Гиганты в тупике: Amazon, Google и Meta не знают, как внедрять AI?
Почему крупнейшим компаниям мешает внедрять ИИ не слабость моделей, а устройство собственных процессов и организаций?
Проверить, становятся ли Google и OpenAI полезным ежедневным интерфейсом или требуют постоянных исправлений; затем проверять, сколько действий интерфейс действительно убирает и какую зависимость создаёт взамен.
На что обратить внимание
Ключевые тезисы и выводы
Сцена «Сэм Альтман может говорить о сотнях миллиардов на AGI, а глава Google — о превращении поиска» подводит к рабочему выводу: внутри обычной компании всё начинается не с модели — сначала нужно понять, где лежат данные, кто отвечает за процесс и что ИИ должен улучшить; без этого даже DeepSeek, OpenAI или собственная модель превращаются в ещё одну систему, которую сотрудники обходят.
Сцена «Последние новости из мира технологий» подводит к рабочему выводу: в обзоре недели — инструменты Instagram для контента, совместное предприятие SoftBank и OpenAI в Японии, обещанный Amazon анонс для Alexa, реклама очков Ray-Ban от Meta и волна стартапов с ИИ-девайсами.
Тема «Проблемы внедрения ИИ в B2B» становится понятнее, если учитывать следующее: B2B-внедрение ломается на интеграциях и ответственности — компания ставит инструмент, но не может дать ему доступ к нужным базам, не умеет измерить качество и боится утечки; пилот даёт красивую презентацию, а ежедневная работа остаётся прежней.
Из разговора о «Instagram запускает софт для контента, Google — ассистент» следует практическая проверка: Instagram выпускает инструменты для контента, а Google превращает поиск в ассистента — обе компании встраивают ИИ туда, где пользователь уже есть, вместо того чтобы ждать, пока он придёт в отдельное приложение.
Практический смысл темы «SoftBank и OpenAI: создание совместного предприятия» в том, что в Токио OpenAI заявила о создании совместной компании с SoftBank для разработки ИИ-ассистентов по продажам — но пока это выглядит скорее рассуждением, чем движением к реальным юзкейсам.
Сцена «Ограничения текущих технологий» подводит к рабочему выводу: отсутствие успешных enterprise-кейсов может быть ограничением самой технологии — Ян Лекун считает, что о текущих LLM через год-два не вспомнят из-за галлюцинаций и статистической природы генерации; а внедрение по-прежнему требует классической цифровизации: людей, данных и настройки процессов.
Сцена «Amazon обещает громкий анонс для Alexa» подводит к рабочему выводу: обещание обновить голосового ассистента само по себе ничего не меняет — привычка появится, только если новая Alexa окажется быстрее и надёжнее старого способа решать те же задачи.
В контексте ««Кринж-реклама» ИИ-компаний» действует этот критерий: сильная модель не гарантирует, что пользователь начнёт открывать камеру и спрашивать о каждом объекте — привычка появляется только там, где новая функция быстрее и надёжнее старого способа.
Для решения, обсуждаемого в сцене «Meta и их новая реклама очков Ray-Ban: перспективный юзкейс?», важен критерий: все ищут дистрибуцию — место, где ИИ встречается с уже существующим пользователем. Потому что без интерфейса и процесса даже лучшая модель остаётся дорогим API.
Из разговора о «Стартапы по разработке девайсов с ИИ» следует практическая проверка: не нужно начинать с вопроса, какую модель купить — возьмите один процесс, посчитайте время, определите данные и цену ошибки, а затем проверьте, уменьшает ли ИИ ручную работу; гиганты от этой логики не освобождены.
О чём этот выпуск
Amazon, Google и Meta тратят миллиарды на ИИ, но внутри бизнеса данные разрознены, процессы не готовы, а пользователи редко включают новые функции. OpenAI сталкивается с той же проблемой: сильная технология не становится продуктом автоматически. Корпоративное внедрение требует скучной работы, которую нельзя заменить рекламой.
Сэм Альтман может говорить о сотнях миллиардов на AGI, а глава Google — о превращении поиска в ассистента. Но внутри обычной компании всё начинается не с модели.
Сначала нужно понять, где лежат данные, кто отвечает за процесс и что вообще должен улучшить ИИ. Если этого нет, даже DeepSeek, OpenAI или собственная модель превращаются в ещё одну систему, которую сотрудники обходят.
B2B-внедрение ломается на интеграциях и ответственности. Компания ставит инструмент, но не может дать ему доступ к нужным базам, не понимает, как измерить качество и боится утечки. В результате пилот показывает красивую презентацию, а ежедневная работа остаётся прежней.
OpenAI тоже выпускает продукты, которые не всегда находят сценарий: отдельные поисковые функции, агенты, генераторы и новые интерфейсы. Сильная модель не гарантирует, что пользователь начнёт открывать камеру и спрашивать о каждом объекте. Привычка появляется только там, где новая функция быстрее и надёжнее старого способа.
SoftBank и OpenAI создают совместное предприятие в Японии, Meta развивает очки Ray-Ban, Instagram запускает инструменты для контента. Все ищут дистрибуцию — место, где ИИ встречается с уже существующим пользователем. Потому что без интерфейса и процесса даже лучшая модель остаётся дорогим API.
Главный урок для бизнеса очень приземлённый. Не нужно начинать с вопроса, какую модель купить. Нужно взять один процесс, посчитать время, определить данные и цену ошибки, а затем проверить, уменьшает ли ИИ ручную работу. Гиганты не освобождены от этой логики. Их масштаб делает плохой процесс не менее плохим, а просто дороже.
Гиганты не освобождены от этой логики. Поэтому их масштаб делает плохой процесс не менее плохим, а просто дороже.
Расшифровка выпуска
Голосовая связка применена к 80 сегментам: 40 определено, 3 содержат несколько определённых участников, 31 вероятных, 6 остаются без окончательной идентификации. Неподтверждённые голоса обозначены как «Участник дискуссии», фрагменты с несколькими подтверждёнными участниками — как «Микс».
Читать транскрипт на отдельной странице
Загрузка…