В 2026 году искусственный интеллект перейдёт от ажиотажа к прагматизму

Если 2025 год стал годом, когда ИИ прошёл проверку на актуальность, то 2026 станет годом его практического применения. Внимание уже смещается с создания всё более крупных языковых моделей к более сложной задаче – сделать ИИ действительно удобным для использования. На практике это означает внедрение более компактных моделей там, где это необходимо, интеграцию искусственного интеллекта в физические устройства и разработку систем, которые органично вписываются в рабочие процессы человека. 

Эксперты TechCrunch считают, что 2026 станет переходным годом, когда индустрия откажется от грубой масштабируемости в пользу новых архитектур, от ярких демонстраций — к целевым внедрениям, и от обещаний автономии — к реальному усилению эффективности человеческого труда. 

Вечеринка ещё не закончилась, но индустрия начинает трезветь.

Законы масштабирования больше не работают

В 2012 году Алекс Крижевский, Илья Суцкевер и Джеффри Хинтон в своей работе по ImageNet показали, как системы ИИ могут "научиться" распознавать объекты на изображениях, анализируя миллионы примеров. Этот подход требовал больших вычислительных ресурсов, но стал возможен благодаря GPU. Итог? Десятилетие интенсивных исследований в области искусственного интеллекта, когда учёные разрабатывали новые архитектуры для различных задач.

Всё это вылилось к 2020 году, когда OpenAI выпустила GPT-3, продемонстрировав, что простое увеличение размера модели в 100 раз позволяет достичь новых способностей — от программирования до рассуждений — без явного обучения. Это ознаменовало переход к тому, что Киан Катанфуруш, генеральный директор и основатель платформы Workera для ИИ-агентов, называет "эрой масштабирования": период, когда считалось, что больше вычислений, больше данных и крупнее модели на базе трансформеров неизбежно приведут к новым прорывам в ИИ.

Сегодня многие исследователи считают, что индустрия ИИ приближается к пределу масштабирования и вновь переходит к эпохе исследований.

Янн Лекун, бывший главный учёный по ИИ в Meta, давно выступает против чрезмерной зависимости от масштабирования и подчёркивает необходимость разработки новых архитектур. А Суцкевер в недавнем интервью отметил, что текущие модели вышли на плато, а результаты предобучения перестали расти, что указывает на необходимость новых идей.  

«Я думаю, что скорее всего в ближайшие пять лет мы найдём архитектуру, которая значительно превзойдёт трансформеры», — говорит Катанфуруш. — «Если этого не произойдёт, ждать значительного улучшения моделей не стоит».

Иногда меньше — значит больше

Крупные языковые модели хорошо обобщают знания, но многие эксперты считают, что следующий этап внедрения ИИ в корпоративной сфере будет связан с более компактными и гибкими языковыми моделями, которые можно дообучить под конкретные задачи. 

«Дообученные SLM станут главным трендом и стандартом для зрелых ИИ-компаний в 2026 году, поскольку соотношение стоимости и производительности будет стимулировать их применение вместо готовых LLM», — рассказал TechCrunch Энди Маркус, директор по данным AT&T. — «Мы уже видим, как компании всё чаще используют SLM, ведь при правильном дообучении они сопоставимы по точности с крупными обобщёнными моделями для бизнес-приложений и отлично работают по стоимости и скорости».

Этот тезис уже выдвигал французский стартап в сфере ИИ с открытым весом Mistral: он утверждает, что его небольшие модели показывают лучшие результаты на ряде тестов после дообучения. 

«Эффективность, экономичность и адаптивность SLM делают их идеальными для кастомизированных приложений, где точность имеет первостепенное значение», — говорит Джон Книссли, стратег по ИИ в ABBYY, техасской компании по корпоративному ИИ. 

Пока Маркус считает, что SLM станут ключом к эпохе ИИ-агентов, Книссли отмечает, что небольшие модели лучше подходят для локального развертывания на устройствах, «тенденция, ускоряемая развитием edge computing».

Обучение на опыте

Люди учатся не только через язык; мы познаём мир, взаимодействуя с ним. Но LLM на самом деле не понимают окружающую среду — они лишь предсказывают следующее слово или идею. Именно поэтому многие исследователи считают, что следующий большой прорыв произойдёт благодаря моделям мира: системам ИИ, которые учатся понимать движение и взаимодействие объектов в 3D-пространстве, чтобы делать прогнозы и принимать решения. 

Признаков того, что 2026 год станет важным для моделей мира, становится всё больше. Лекун покинул Meta, чтобы создать собственную лабораторию моделей мира, и, по сообщениям, ищет оценку компании в $5 млрд. Google DeepMind ведёт работу над Genie и в августе запустила новую модель, строящую интерактивные универсальные модели мира в реальном времени. Наряду с демо-решениями стартапов Decart и Odyssey, World Labs Фэй-Фэй Ли выпустила свою первую коммерческую модель мира — Marble. Новички, такие как General Intuition, в октябре привлекли $134 млн посевных инвестиций на обучение агентов пространственному мышлению через игровые видеоролики, а стартап по генерации видео Runway в декабре выпустил свою первую модель мира GWM-1. 

Хотя учёные видят долгосрочный потенциал в робототехнике и автономии, в ближайшей перспективе наибольшее влияние ожидается сначала в видеоиграх. По прогнозу PitchBook, рынок моделей мира для гейминга может вырасти с $1,2 млрд в 2022-2025 гг. до $276 млрд к 2030 году благодаря способности технологий создавать интерактивные миры и более реалистичных неигровых персонажей. 

Пим де Витте, основатель General Intuition, рассказал TechCrunch, что виртуальные среды могут не только изменить гейминг, но и стать площадкой для тестирования новых фундаментальных моделей.

Эра агентности

Агенты не оправдали ожиданий в 2025 году, и во многом это связано с трудностями их интеграции в реальные рабочие процессы. Без доступа к инструментам и контексту большинство агентов оставались в пилотных сценариях. 

Model Context Protocol (MCP) от Anthropic — «USB-C для ИИ», который позволяет агентам ИИ взаимодействовать с внешними инструментами, такими как базы данных, поисковые системы и API, — стал недостающим связующим элементом и быстро становится стандартом. OpenAI и Microsoft публично поддержали MCP, а Anthropic недавно передала MCP новому фонду Agentic AI Foundation Linux Foundation, целью которого является стандартизация open source-инструментов для агентов. Google также начала развёртывать собственные управляемые MCP-серверы для подключения агентов ИИ к своим продуктам и сервисам. 

С учётом того, что MCP уменьшает трение при интеграции агентов с реальными системами, 2026 год, вероятно, станет годом, когда агентные рабочие процессы перейдут от демонстраций к повседневной практике. 

Раджив Дхам, партнёр Sapphire Ventures, считает, что эти достижения приведут к появлению решений, ориентированных на агентов, в качестве «систем фиксации данных» в различных отраслях. 

«По мере того как голосовые агенты будут брать на себя всё больше сквозных задач, таких как первичный сбор информации и взаимодействие с клиентами, они также начнут формировать основные системы», — говорит Дхам. — «Мы увидим это в таких секторах, как бытовые услуги, proptech и здравоохранение, а также в горизонтальных функциях, как продажи, IT и поддержка». 

Усиление, а не автоматизация

Хотя развитие агентных рабочих процессов может вызвать опасения по поводу сокращения рабочих мест, Катанфуруш из Workera не уверен, что это так: «2026 год — год человека», — говорит он. 

В 2024 году каждая ИИ-компания заявляла, что автоматизирует рабочие места, делая людей ненужными. Но технологии пока не достигли этого уровня, и в нестабильной экономике такой подход не пользуется популярностью. Катанфуруш считает, что в следующем году мы осознаем: «ИИ не был настолько автономным, как мы думали», и разговор все больше будет о том, как ИИ усиливает работу человека, а не заменяет его. 

«Я думаю, что многие компании начнут нанимать», — добавил он, отметив, что появятся новые роли в области управления ИИ, прозрачности, безопасности и управления данными. «Я настроен оптимистично и ожидаю, что безработица в следующем году в среднем будет ниже 4%».

«Люди хотят находиться над API, а не под ним, и мне кажется, что 2026-й — важный год для этого», — добавил де Витте.

Переход к физическому миру

Эксперты считают, что развитие таких технологий, как компактные модели, модели мира и edge computing, позволит шире применять машинное обучение в физических устройствах. 

«Физический ИИ станет массовым в 2026 году, когда новые категории устройств на базе ИИ — роботы, автономные транспортные средства, дроны и носимые гаджеты — начнут выходить на рынок», — рассказал TechCrunch Викрам Танежа, глава AT&T Ventures. 

Хотя автономные транспортные средства и роботы — очевидные варианты применения физического ИИ, которые будут развиваться и в 2026 году, обучение и внедрение в этой сфере по-прежнему дорогостоящее. Носимые устройства, напротив, предлагают более доступный путь с поддержкой потребителей. Умные очки, такие как Ray-Ban Meta, уже поставляются с ассистентами, способными отвечать на вопросы о том, что вы видите, а новые форматы, такие как AI-кольца для здоровья и умные часы, делают постоянный ИИ-анализ на теле привычным.

«Поставщики связи будут оптимизировать инфраструктуру своих сетей, чтобы поддерживать новую волну устройств, и те, кто сможет предложить гибкие варианты подключения, окажутся в выигрышном положении», — отметил Танежа.