Сегодня технологии всё чаще берут на себя рутину: собирают данные, помогают быстрее находить риски, подсказывают врачу важные детали в медкарте и делают путь пациента понятнее.

Но главный смысл цифровизации не в том, чтобы заменить человека алгоритмом, а в том, чтобы у врача оставалось больше времени на пациента, а у пациента — больше уверенности в каждом этапе лечения.

О том, как в Москве устроена цифровая медицина, какую роль в ней уже играет ИИ и почему технологии становятся частью новой культуры помощи, в специальной колонке для «Кода Дурова» рассказывает заместитель руководителя Департамента здравоохранения города Москвы Илья Тыров.

Москва — безусловный лидер цифровизации здравоохранения в России. Мы не просто идем в ногу со временем — мы задаем стандарты. В 2011 году мы создали ЕМИАС, сегодня это полноценная цифровая экосистема, технологическое ядро столичной медицины.

Сегодня каждое касание человека с медициной фиксируется в реальном времени и оставляет цифровой след в ЕМИАС — от записи к врачу и результатов исследований до вызова скорой и госпитализации. Причем без дублирования на бумаге — московская медицина сегодня полностью безбумажная. Данные аккумулируются в электронной медицинской карте, она доступна и врачу, и пациенту в мобильном приложении ЕМИАС.ИНФО.

На базе системы ЕМИАС создаются и внедряются десятки умных сервисов, в том числе более 60 ИИ-сервисов в лучевой диагностике и 20 ИИ-сервисов с генеративным ИИ. Они помогают врачам быстрее ставить диагнозы, отслеживать эффективность лечения, прогнозировать риски и заниматься клинической работой, а не просто выписывать справки или направления. А москвичам – получать быструю и персонализированную помощь и ощущать контроль процессов при взаимодействии с медициной, а не быть «пациентом в системе».

Наша электронная медицинская карта – один из самых масштабных сервисов в мире. Сегодня она доступна уже более чем 11 миллионам жителей столицы. В ней свыше 5 миллиардов записей, и каждый день добавляются ещё по 1,5 миллиона.  Растущий поток качественных данных позволяет нам не просто создавать сервисы по записи к врачу или показывать результаты анализов, а строить индивидуальные маршруты лечения и выявлять болезни еще до того, как пациент обратился к нам с жалобой. Сегодня московские технологии позволяют полностью менять логику взаимодействия с медициной.

Поликлиника: Умный приём и цифровые помощники

С прошлого года в Москве работает «Умный приём». При записи к врачу система уточняет причину обращения, направляет человека к нужному специалисту или предлагает дистанционный формат, если вопрос можно решить без очного визита. Например, вопросы продления рецептов или закрытия больничных решаются с помощью телемедицины. Это сокращает количество необязательных посещений поликлиники и высвобождает ресурсы врача для пациентов, которым нужна помощь.

Важная часть этой модели — «нулевой приём». Если человек себя плохо чувствует, ИИ-сервис при записи уточняет жалобы и собирает информацию. Ко времени визита врач видит персонализированное саммари: предыдущие осмотры, анализы, исследования, вызовы скорой, назначенные лекарства — всё, что связано с конкретной жалобой. ИИ-сервис с момента запуска подготовил более 23 миллионов таких сводок. Раньше врачу приходилось вручную изучать медкарту и искать подходящие эпизоды, и конечно, человеческий фактор позволял что-то упустить. ИИ это изменил.

Кроме того, система рассчитывает риски сердечно-сосудистых патологий. За год такой опрос прошли более 2,5 миллиона человек, более чем у 50 тысяч выявили высокий риск ишемической болезни сердца, а у более чем 3 тысяч – высокий риск хронической сердечной недостаточности. Эти пациенты своевременно начали получать необходимую терапию.

Следующий шаг — новый формат взаимодействия с медициной, когда диагностика начинается ещё до приёма. Например, при жалобе на боль в колене первое действие врача – назначить рентген, без которого нельзя поставить диагноз. В результате человек тратил время на визит, а врач тратил время приёма только для того, чтобы выписать направление на обследование. Поэтому сейчас система при записи проверяет, есть ли в карте пациента актуальные результаты рентгенографии, задает уточняющие вопросы и при необходимости выдает направление на обследование ещё до визита к врачу. Так приём ставится результативным, экономится время, и помощь получает большее число пациентов: человек приходит уже с диагностической базой, а врач ставит диагноз и назначает лечение.

Мы развиваем сервисы на основе генеративного ИИ. Например, мы пилотируем проект по автоматическому заполнению протокола приёма благодаря распознаванию речи врача и пациента. Это изменение привычной картины, когда врач отвлекается на компьютер – теперь он может посвящать значительно больше времени прямому общению с пациентом, а технические функции на себя берет ИИ.

Предиктивная медицина

Также сервисы на основе генеративного искусственного интеллекта позволяют выявлять проблему до того, как она стала кризисом. Москва стала первым регионом России, внедрившим предиктивную медицину с использованием ИИ-технологий.

Например, мы сформировали обновляемый регистр из порядка 100 тыс. москвичей с риском развития инфаркта или инсульта в ближайшие два года. Специалисты обучили одель ИИ на больших массивах данных пациентов. Это позволило выявить скрытые закономерности и найти триггеры в электронных медкартах москвичей.

В больницах искусственный интеллект решает задачи, где время играет решающую роль. Работает система раннего выявления сепсиса – опасного инфекционного осложнения: алгоритм непрерывно анализирует показатели пациентов, лабораторные данные и динамику состояния, а затем сигнализирует врачу о риске.

Больница: умная госпитализация, прозрачность и безопасность

По той же логике сервисности и персонализации развивается «Умная госпитализация» — сервис для пациентов, которым нужна плановая операция в больнице. Он помогает выбрать больницу и даты в приложении на смартфоне: перечень доступных вариантов формируется с учётом клинических показаний.

Проект впервые делает процесс плановой госпитализации из поликлиники прозрачным и понятным. Для его реализации была проведена большая работа по переводу всех стационаров и поликлиник в единую информационную среду, а разработка и внедрение проекта заняли два года. Количество людей, которые получили направление в стационар и не дошли до него, сократилось больше, чем на треть, а время от выдачи направления до госпитализации сократилось в 1,5 раза.

Период пребывания в больнице также стал прозрачнее. В приложении работает раздел «Мои госпитализации», где пациент в режиме реального времени прямо вместе с врачом видит этапы лечения: результаты анализов, протоколы осмотров, назначенные процедуры и лекарства. Это снижает тревожность: человек понимает, что происходит, и реже вынужден обращаться к врачу с организационными вопросами. За два года москвичи просматривали раздел более 27 миллионов раз.

Дополнительный уровень безопасности обеспечивает система с браслетами. При поступлении в любую больницу пациент получает браслет с QR-кодом. Медицинский работник сканирует его при всех обследованиях, процедурах и выдаче лекарств, а система проверяет соответствие назначению, дозировку и время. Это экономит время врачей и медсестёр, ускоряет оказание помощи.

Искусственный интеллект в лучевой диагностике

Москва — первый мегаполис мира, внедривший технологии ИИ в повседневную работу всех врачей-рентгенологов. С 2020 года искусственный интеллект анализирует снимки КТ, МРТ, рентгенографии, флюорографии и маммографии. Алгоритмы отмечают на снимках цветовыми подсказками области возможных отклонений, составляют описание и делают необходимые измерения, но финальное решение всегда остается за врачом.

Внедрены комплексные ИИ-сервисы, которые умеют находить на одном снимке признаки нескольких болезней одновременно, например, на потоке находятся более 60 ИИ-сервисов, способных выявлять 45 патологий. Опыт Москвы позволил создать федеральную платформу «МосМедИИ». Она открыла медицинским организациям страны доступ к лучшим, проверенным столичным ИИ-решениям. Платформа предлагает 18 сервисов для быстрой интерпретации лучевых исследований. К платформе уже подключились 75 регионов. На середину июня 2026 года с помощью ИИ-сервисов было проанализировано более 35 миллионов лучевых исследований.

Для нас цифровизация здравоохранения — это не просто набор сервисов, а новая культура помощи. Её цель — сделать медицину персонализированной и превентивной: не лечить болезни, а заранее выявлять риски, помогать врачу принимать решения и давать пациенту более понятный маршрут получения помощи.

При этом ключевым принципом остается сохранение баланса. Технологии должны работать не вместо врача, а дополнять его работу. Если цифровой сервис помогает врачу быстрее принять решение, а пациенту — проще получить помощь, значит, цифровизация выполняет свою главную задачу и помогает приблизить нас к здоровой и долгой жизни.

Однако для создания и эффективного использования таких сервисов недостаточно одной технологической инфраструктуры. Необходимо несколько составляющих: цифровая зрелость, готовность врачей и пациентов к применению новых инструментов, а также способность управленцев переосмысливать традиционные процессы. Сегодня в Москве сформированы необходимые условия для дальнейшего развития цифрового здравоохранения.

Важную роль играет и цифровое управление медициной. Оно делает процессы более прозрачными, позволяет видеть реальную ситуацию в различных учреждениях, оперативно выявлять проблемы и внедрять полезные изменения.

При этом цифровизация требует глубокого реинжиниринга процессов. Простое перенесение существующих аналоговых процедур в цифровой формат не имеет смысла и не приносит существенной пользы. Технологии дают результат только тогда, когда вместе с их внедрением меняются сами подходы к организации медицинской помощи.

Именно об этом говорили на Inside AI Meetup, где RWB собрала команды, которые внедряют ИИ не в презентациях, а в сервисах с миллионами пользователей — маркетплейсах, банковских продуктах, модерации, поиске, рекомендациях и инфраструктуре.

Рассказываем подробнее — в специальном репортаже «Кода Дурова» с мероприятия.

ИИ не ради ИИ

Митап открыл Павел Раваев, директор по данным RWB. Его выступление стало рамкой для всей программы: он сразу отделил хайп от реальности и сформулировал главный принцип — не внедрять ИИ ради ИИ.

По словам Раваева:

• Нейросети — это не волшебная таблетка, а инженерный инструмент. Поэтому правильный вопрос внутри компании звучит не «куда бы прикрутить нейросеть», а «какую реальную задачу она решит лучше, чем эвристика или классическая автоматизация».

• В RWB ежедневно проверяют десятки и сотни гипотез. Часть из них не доходит до внедрения — и это нормальный результат. Иногда оказывается, что алгоритмы дешевле, надёжнее и понятнее, чем сложная ML-система. В этом и заключается зрелый подход: уметь сказать ИИ «нет», если задача не требует нейросети.

• Еще один важный принцип — экономика в продакшене. Красивая демо-метрика может разбиться о реальность: стоимость GPU, инференс на пиках, мониторинг, откаты и поддержка. Поэтому любой ИИ-продукт оценивается с двух сторон: даёт ли он пользовательскую ценность и сходится ли его экономика на масштабе.

При этом компания готова делиться измеримыми результатами. Например, поиском по фото пользуются 1,7 млн человек в день, а генеративные инструменты для продавцов помогли улучшить более 3 млн карточек товаров.

Но значительная часть ИИ-сценариев остаётся невидимой для пользователя. Это прогнозирование спроса, оптимизация поставок, маршрутизация на складах и другие процессы, которые не выглядят как «вау-фича», но напрямую влияют на эффективность бизнеса.

Раваев подчеркнул: внедрение ИИ в production на большом масштабе — это постоянные компромиссы, ограничения и инженерный вкус.

Как ИИ живёт в реальных продуктах

Почти каждый спикер по-своему подтверждал общий тезис: настоящая работа с ИИ начинается там, где заканчивается красивая демонстрация.

Руководитель ML-платформы Даниил Понизов и MLOps-инженер Роман Лазовский из RWB рассказали о внедрении AIOps-практик для контроля и повышения утилизации ресурсов. Это важная тема для компаний, которые эксплуатируют не один экспериментальный сервис, а тысячи продуктовых систем, включая ML- и GenAI-нагрузки.

В промышленном ИИ вычислительные ресурсы быстро становятся отдельной статьёй расходов. Поэтому важно не только обучить модель или запустить сервис, но и понимать, как используются кластеры, как обрабатываются алерты, где простаивают мощности и как быстро команда реагирует на инциденты.

В RWB для этого внедрили AIOps-платформу KeepHQ. По словам спикеров, она помогла повысить утилизацию ресурсов ресерч-кластера и сотен production ML-сервисов в 1,5 раза, а также автоматизировать процесс реагирования и контроля разрешения алертов.

Другой пример практического ИИ — в видеошоппинге Wibes. Антон Костин и Виталий Подобедов рассказали о сервисе, который генерирует тексты и теги напрямую из аудио-визуального контента. Это нужно потому, что авторские описания видео часто бывают субъективными или недостаточно точными.

Такая «отекстовка» видеопотока используется не только для красивых описаний. Она помогает в поиске и определении тематик каналов. То есть модель становится частью инфраструктуры платформы: она помогает лучше понимать контент, который загружают пользователи.

Один из самых технических докладов был у Льва Нечаева, руководителя команды автоматической модерации методами ИИ в RWB. Он рассказал, как векторный поиск используется в модерации контента и как более 200 моделей можно собрать в один ансамбль.

Векторный поиск здесь выступает элементом 2-stage модерационных моделей. Он помогает снижать time to market модерации без дополнительного обучения моделей. Нечаев показал путь от первых моделей до универсальных детекторов на основе векторного поиска, а также разобрал сложности сбора данных и реализации высоконагруженных детекторов.

Нечаев подчеркнул, насколько далеко ушла модерация от простого представления «модель проверяет картинку или текст». В реальности это сложная система, где разные детекторы смотрят на объект под разными углами, а скорость внедрения новых сценариев становится критичной для бизнеса.

Юрий Софронов из RWB продолжил эту линию уже на примере LLM-продуктов. Его доклад был посвящён тому, что на самом деле представляет собой запуск решений на базе больших языковых моделей.

Со стороны может казаться, что всё просто: взять open-source-библиотеки, настроить промпты и прокинуть API до LLM. Но в реальном продукте за этим стоит гораздо больше: интеграции, пайплайны, ограничения, тестирование, эксплуатация, оценка качества и понимание того, что точно не стоит делать.

В докладе были разобраны тонкости работы с данными, которые формируют необходимый для модели контекст, важность их подготовки для LLM и то, как они могут влиять на качество вашего сервиса; почему выбрать правильный стек технологий для таких продуктов так же важно, как и хорошую модель, и как в RWB ускоряют работу LLM в проде при помощи не самых очевидных подходов.

Именно это стало одной из центральных мыслей митапа. LLM-продукт — это не модель сама по себе, а вся система вокруг неё. Контекст, инструменты, маршрутизация, контроль качества и ответственность за результат часто оказываются важнее, чем выбор конкретной модели.

Где ИИ действительно нужен

Завершилась программа панельной дискуссией Inside AI, в которой приняли участие эксперты из Альфа-Банка, Сбера, red_mad_robot и RWB.

Главный вопрос дискуссии звучал так: где проходят границы между LLM, ML и классической автоматизацией — и какие решения действительно работают.

Руководитель направления Supply and Demand Balance (DS & ML) RWB Михаил Дьячков предложил обсуждать ИИ как инженерный и бизнес-инструмент. По его словам, ключевой вопрос промышленной разработки систем машинного обучения заключается не в том, можно ли использовать ИИ, а в том, даёт ли это реальный экономический и продуктовый эффект. Важно учитывать TCO, риски масштабирования и то, кто отвечает за инциденты в продакшене.

Первый тезис дискуссии, сформированный Михаилом Дьячковым, был провокационным: половине ИИ-функций искусственный интеллект не нужен.

Product lead платформы моделей омнимодальности в блоке развития генеративного ИИ Сбера Артем Аюпов согласился с этим и отметил, что многие компании внедряют ИИ по указанию сверху, не всегда понимая задачу. Если границы сценария чёткие, простая логика часто выигрывает у нейросети. По его словам, ИИ хорошо работает в копирайтинге, кодинге, вайб-кодинге и дизайне, но в некоторых областях, например кибербезопасности, классические классификаторы могут быть эффективнее LLM.

Директор департамента защиты от DDoS-атак RWB Алексей Медошин привёл похожий пример из AntiBot и Antiddos, где многие задачи решаются эвристиками. ML становится оправданным, когда данных настолько много, что аномалии невозможно выявить визуально или простыми скриптами. Но после того как паттерн найден, решение снова может уйти в эвристику.

Руководитель отдела пилотных проектов на базе генеративного ИИ в Альфа-Банке Ксения Михайлова рассказала, что компания подходит к ИИ как к элементу корпоративной инфраструктуры. Банк внедряет решение с ИИ, когда чётко понимает его эффективность в новых условиях и видит, где оно действительно улучшает показатели бизнеса.

Участники также обсуждали «красные флаги» ИИ-проектов. Один из главных — восприятие ИИ как «серебряной пули», которая способна решить любую проблему бизнеса.

Если на входе хаос, на выходе тоже будет хаос. Другой красный флаг — требование 100% качества: ИИ не может его гарантировать, а в некоторых сценариях ошибка модели обходится слишком дорого.

При этом не все задачи требуют стопроцентной точности. В поддержке клиенту часто достаточно решить проблему, даже если ответ сформулирован не идеально. Но в налоговой отчётности или финансовых расчётах цена ошибки может быть слишком высокой.

Дополнительно Ксения Михайлова прокомментировала, что до продакшена доходят только лучшие идеи — Альфа-Банк отсеивает до 70-80% пилотов на этапе оценки экономики и рисков. Там, где компания видит реальную ценность, быстро масштабируется. Например, AI-документооборот: автоматизация формирования кредитных договоров сократила цикл с 8 дней до одного, а агенты по обработке 800 типов документов снизили операционные затраты на 50%.

Не модель, а контур вокруг неё

Второй крупный блок дискуссии был посвящён агентам, GenAI и автоматизации.

Здесь участники сошлись в том, что ценность агентных систем не столько в автономности, сколько в управляемой обвязке: бизнес-правилах, инструментах, маршрутизации и контроле человека.

На вопрос, что важнее в LLM — модель или контуры вокруг неё, все участники ответили коротко: конечно контуры.

Android Team Lead WB Partners Александр Гирев подтвердил это на примере локальных LLM: без правильной обвязки модель плохо поддерживает длинный агентский цикл и не всегда понимает, когда задача завершена. Более сильная модель после настройки справляется лучше, но всё равно требует донастройки под конкретный сценарий.

Артем Аюпов сформулировал один из ключевых сдвигов последних месяцев: рынок переходит от промпт-инжиниринга к системному инжинирингу. Важен уже не только промпт, а то, как построен контекст, какие инструменты доступны модели, как организована оркестрация и какие ограничения заданы системе.

AI Lead и архитектор AI/ML-решений red_mad_robot Даниил Поляков отдельно отметил роль DWH и бизнес-контекста в читаемом для LLM виде. Например, в копилоте аналитика модель может галлюцинировать при расчёте выручки, если её не направлять правильной обвязкой и маршрутизацией. То есть нужен не только «ум» модели, но семантический слой для понимания бизнес-контекста организации.

При этом участники не сводили всё только к большим фронтальным кейсам вроде чат-ботов. Напротив, много пользы может быть в невидимых сценариях — логистике, складах, антиботе, обработке отзывов, внутренних инструментах для аналитиков и точечных решениях для команд.

Алексей Медошин привёл хороший пример: антибот, который пропускает пользователя без капчи, остаётся незаметным для клиента. И это как раз хорошо. Если пользователю приходится проходить капчу из-за решений ML-моделей, UX уже ломается.

Поляков также отметил, что много денег может быть в «не секси»-нишах: автоматизации работы с договорами, тендерами, в строительной и добывающей нишах, на производствах и с внутренними операционными процессами компаний. В таких задачах AI и ML могут давать проценты эффективности, что может не выглядеть «вау», но в абсолютных значениях экономический эффект может идти на десятки и сотни миллионов рублей из-за большой экономической значимости оптимизируемого процесса.

Экономика всё равно догонит

Отдельная часть дискуссии была посвящена экономике, инфраструктуре и продакшену. Михаил Дьячков сформулировал следующий тезис:

Многие ИИ-фичи доходят до прототипа, но при масштабировании упираются в стоимость железа, инференса, команд и поддержки.

Алексей Медошин сформулировал подход через безопасность: нужно сравнивать стоимость атаки, стоимость защиты и возможный ущерб. Если защита (ИИ-фича) стоит дороже всего остального, то возможна она и не нужна.

Артем Аюпов говорил о необходимости считать юнит-экономику до запуска. Иногда работает простой фильтр: попросить заказчика принести фактуру и обосновать эффект. Если он не возвращается, значит задача, вероятно, не так уж нужна.

Ксения Михайлова признала, что экономика не всегда сходится идеально, особенно на ранних этапах. Но многое зависит от позиции руководства: если есть вера и готовность инвестировать в направление, компания может позволить себе больше экспериментов.

Даниил Поляков добавил важный нюанс: нужно смотреть не только на текущую экономику, но и на динамику. Стоимость инференса и токенов снижается, поэтому то, что не сходится сегодня, может стать рентабельным через полгода. Кроме того, есть стоимость неделания — важно нарабатывать компетенции и опыт в AI уже сейчас, не дожидаясь идеальных условий, иначе велик риск технологического отставания из-за позднего старта.

Это, пожалуй, один из самых ёмких выводов всей дискуссии:

Внедрение ИИ — не бинарный выбор между «дорого» и «дёшево». Это работа с неопределённостью: нужно считать деньги, но также понимать, какие компетенции компания потеряет, если вообще не будет экспериментировать.

Она может работать одновременно с текстом и визуальными данными — например, анализировать договоры, формы и технические чертежи в одном контексте.

Модель содержит 9 млрд параметров и рассчитана на корпоративные сценарии. В компании отмечают, что такие модели сопоставимы по качеству с более крупными аналогами, но требуют меньше ресурсов: их можно запускать на стандартном оборудовании и быстрее дообучать под конкретные задачи.

• По данным независимого бенчмарка MERA, Cotype Light 3 стала первой компактной моделью, вошедшей в топ-3 рейтинга, набрав 0,792 балла из 1,0.

• Это выше результатов многих моделей с 100+ млрд параметров, требующих значительно больше вычислительных мощностей.
• В задачах по математике и «знаниям о мире» точность модели превышает 99%.
• Модель занимает около 18 ГБ видеопамяти и может работать на одном серверном ускорителе без многокарточных конфигураций — например, на GPU уровня NVIDIA A100, A10 или L4.
• Это позволяет компаниям разворачивать её в закрытом контуре и снижать затраты на инфраструктуру.

В MWS AI отмечают, что Cotype Light 3 уже совместима с отечественными программно-аппаратными комплексами и может использоваться в прикладных системах. В дальнейшем линейку планируют расширять, увеличивая число параметров для более ресурсоёмких сценариев.

Система анализирует видеопоток с городских камер и камер на общественном транспорте, фиксирует нарушения и передаёт информацию соответствующим службам. При этом алгоритмы настроены так, чтобы не реагировать на легальный стрит-арт и муралы. Сейчас технология проходит пилотное тестирование в нескольких регионах.

В компании отмечают, что решение должно помочь в борьбе с мелким вандализмом и ускорить устранение нарушений в городской среде. В течение года технологию планируют внедрить в ряде городов.

Ранее разработки NtechLab уже применялись для контроля состояния площадок с отходами и работы коммунальных служб в российских регионах.

Сбер опустился на вторую позицию, а МТС с подразделением MWS AI поднялась на третью, сместив VK.

Авторы исследования отмечают резкий рост интереса к ИИ в целом:

• Число упоминаний ИИ-сервисов в российских СМИ за год выросло на 174% и достигло 530 тысяч публикаций, тогда как в 2024 году рост составлял 38%.
• В Telegram количество таких упоминаний увеличилось на 58% — до 1,18 млн, а число поисковых запросов в «Яндексе» выросло на 122%.

Рейтинг составляется на основе совокупности упоминаний в СМИ, Telegram и поиске.

При этом Сбер фигурировал в 45% материалов СМИ об ИИ, Яндекс занял 51% Telegram-сегмента, а доля МТС с её ИИ-подразделением MWS AI превысила 12% от общего числа публикаций.

Одним из самых быстрорастущих сервисов стал DeepSeek. Если в 2024 году в СМИ было всего 326 публикаций с его упоминанием, то в 2025 году их число выросло в 177 раз. В итоговом рейтинге сервис занял третье место, уступив ChatGPT и GigaChat. Четвёртую строчку занял «Шедеврум» от Яндекса.

Авторы исследования связывают рост интереса к ряду сервисов с популярностью генерации изображений. По их данным, если в конце 2024 года около 35% упоминаний ИИ в СМИ приходилось на подписи к сгенерированным изображениям, то к началу 2026 года эта доля выросла до 58%.

Также отмечается рост интереса к модели Qwen от Alibaba, которая поднялась на восемь позиций в рейтинге. Число её упоминаний в СМИ выросло в 33 раза, а поисковых запросов — в 87 раз.

В целом индекс «ИИ-хайпа» по итогам 2025 года увеличился на 60%, достигнув 839 пунктов.

Браузеры, редакторы кода, офисные пакеты, графические приложения — десятки продуктов из совершенно разных категорий одновременно пришли к одной и той же схеме: слева контент, справа — разговор с нейросетью, которая этот контент понимает.

Это не совпадение. Из всех способов встроить ИИ в продукт именно сплит-вью оказался самым естественным. Он позволяет внедрить новомодный ИИ в продукт без существенной переработки дизайна, а также добавляет удобства.

Так или иначе, нейросети уже стали частью нашей жизни, и прямое их внедрение в приложение избавляет от необходимости сворачивать окно, дабы в очередной раз «посоветоваться» с условным ChatGPT.

Ниже — подробный разбор того, как конкретные продукты «переизобрели» свои интерфейсы под влиянием нейропрогресса.

Браузеры

Браузер — ключевая категория, где сплит-вью с ИИ стал системообразующим. Логика простая: браузер уже показывает контент, осталось добавить панель, которая этот контент анализирует. И тут каких-то интересных реализаций нет. Абсолютно все пришли к выводу, что нам нужна дополнительная боковая панель с чатом без изысков.

Microsoft Edge — с него всё началось

Microsoft, будучи главным инвестором OpenAI, уже давно присматривалась к ИИ. Все давно знают, что Сатья Наделла неровно дышит к нейросетям, а потому неудивительно, что Edge оказался пионером в этом деле.

Ещё 7 февраля 2023 года Microsoft представила новый поиск Bing со встроенным ИИ-копайлотом прямо в Edge. Тогда его возможности ограничивались простым общением с ChatGPT, и лишь в октябре 2025-го появились Actions — Copilot стал выполнять действия в браузере: открывать страницы, массово отписываться от рассылок, заполнять формы. Таким образом, от чат-бота в боковой панели до агента, который сам нажимает кнопки, прошло около двух лет.

Хотя и стоит упомянуть, что к моменту появления полноценного режима агента, фирменный браузер корпорации сдал свои позиции и уступил дорогу более продвинутым игрокам рынка, а потому сейчас его уже не вспоминают. Впрочем, как это часто и бывает с продуктами Microsoft.

ChatGPT Atlas — когда ИИ-компания делает браузер

ChatGPT Atlas от OpenAI стартовал 21 октября 2025 года на macOS. Полноценный Chromium-браузер с правой боковой панелью «Ask ChatGPT». Адресная строка одновременно работает как строка чата — можно задать вопрос вместо URL и получить развёрнутый ответ вместо поиска.

Подробный обзор Atlas был сделан нами в другой статье, поэтому повторяться не будем. Отметим лишь, что с момента выхода той статьи появился режим Auto — теперь браузер сам решает, отвечать ИИ-ответом или показать обычную поисковую выдачу.

Бесспорно, OpenAI формирует картину того, каким может стать ИИ-браузер будущего (это так-то их работа), тем не менее, общая картина с того момента не поменялась — пока Atlas не предлагает ничего такого, ради чего стоит бросить привычный браузер.

Тем более, когда для полноценного использования необходимо оформить платную подписку ChatGPT Plus за немалые деньги ($20 в месяц), иначе получаете огрызок вместо браузера.

Яндекс Браузер — постепенное внедрение

Яндекс Браузер шёл к ИИ-браузеру своим путём — не запуская отдельный продукт, а обрастая ИИ-функциями из обновления в обновление. Ключевым моментом стала функция «Спросить Алису AI» — именно она позволила ИИ работать практически с любым контентом в интернете, не переключаясь между вкладками.

Кнопка встроена прямо в интерфейс браузера: справа от контента открывается диалоговое окно с нейросетью. Контент остаётся на месте, разговор с ИИ идёт рядом.

Алиса AI понимает три типа контента:

• сайты (любые — СМИ, маркетплейсы, блоги);
• видео (YouTube, VK Видео, Rutube, Дзен);
• документы.

На практике это работает следующим образом: вы выбираете условного робота-пылесоса на маркетплейсе и не готовы перечитывать сотни отзывов — спрашиваете Алису «На что чаще всего жалуются покупатели?», и ассистент за секунды структурирует суть из всех комментариев на странице.

Или находите часовую лекцию по инвестициям на YouTube — просите «Перечисли основные тезисы» и получаете конспект с ключевыми моментами в панели справа. А дальше уже сами решаете, какую часть стоит послушать подробнее, видео остаётся рядом, и к нужному фрагменту можно перейти в любой момент.

С документами работает тот же принцип. Открываете PDF аналитического отчёта на пару десятков страниц — плотный текст, таблицы, ссылки на нормативные акты.

Вместо того чтобы изучать всё целиком, можно запросить у ассистента основную суть и ключевые цифры. После этого можно продолжить диалог с документом, каждый следующий вопрос уточняет предыдущий, а сам документ остаётся в соседней панели — при необходимости любой тезис можно сверить с первоисточником.

При этом Алиса AI не просто ждёт вопросов — она сама предлагает релевантные варианты на основе содержимого. Открываешь ассистента на любой странице, и он сразу подсказывает несколько вопросов, подходящих под тему — не нужно формулировать запрос с нуля.

По сути, Яндекс Браузер пришёл к той же формуле, что Atlas и Comet от Perplexity. Но в отличие от конкурентов, перечисленные возможности доступны бесплатно без оформления платной подписки.

Perplexity Comet — ещё один ИИ-браузер

Comet от Perplexity AI запустился 9 июля 2025-го для обладателей подписки Max, а 2 октября стал бесплатным для всех.

Правая сворачиваемая панель Comet Assistant, пожалуй, самая продвинутая среди всех ИИ-браузеров. Она понимает содержимое всех открытых вкладок, а не одной в фокусе. Можно открыть три карточки товаров на разных сайтах и попросить «Сравни все три» — ассистент соберёт характеристики в таблицу.

На борту два режима: диалоговый (вопросы, суммаризация, переписывание) и агентный (Comet самостоятельно перемещается по интернету и выполняет различные действия в реальном времени).

Также только в этом браузере пользователь может выбирать ИИ-модель: не только Perplexity Sonar, но и GPT-5, и Claude. Тем не менее, как и в Atlas, здесь необходима подписка.

Telegram — от платформы для ботов к встроенному ИИ

Telegram долго оставался платформой для сторонних ботов, в том числе с акцентом на ИИ, но в 2025–2026 начал нативно встраивать собственные нейросети.

На текущий момент они уже используются в трёх случаях:

• ИИ-суммаризация длинных постов каналов — одно нажатие переключает между полным текстом и кратким содержанием.
• Краткий пересказ статей в Instant View.
• Переводчик.

Работают новые ИИ-фишки мессенджера на open-source-моделях через Cocoon — децентрализованную ИИ-сеть от команды Telegram. Подробнее о запуске Cocoon от Telegram мы рассказывали в отдельном материале.

Графические и видео редакторы

Графические редакторы — это редкий пример того, как ИИ изменил интерфейс иначе: вместо бокового чата появились контекстные элементы прямо на рабочем полотне.

Adobe Photoshop — генерация вместо ретуши

Photoshop получил Generative Fill в бета-версии 23 мая 2023 года — один из первых крупных продуктов, где генеративный ИИ встроился в профессиональный инструмент.

На протяжении всего этого времени и по сей день Adobe продолжает развивать эту функцию.

В октябре 2024-го на Adobe MAX представили Distraction Removal — удаление проводов, людей и мусора одним кликом, а также Generative Workspace — отдельное окно для текстово-графической генерации идей.

Figma — от макетов к живым приложениям

Figma объявила о запуске пакета ИИ-функций на Config 2024 вместе с масштабным редизайном UI3. Ключевая новая функция First Draft генерирует UI-макеты по текстовому описанию. Правда, на релизе её пришлось временно отключить, так как генерации иногда напоминали плагиат существующих приложений.

На Config 2025 представили Figma Make — промт-в-приложение: текстовое описание превращается в работающий интерактивный прототип. Интерфейс — двухпанельный: слева чат с ИИ, справа живой превью. Работает это всё на Claude Sonnet 4. Таким образом Figma всё же перенесла сплит-вью в дизайн-инструмент.

Adobe Premiere Pro — монтаж через текст

Видеоредакторы — та категория, где ИИ изменил сам подход к работе с материалом, а не просто добавил новую панель сбоку. Профессиональные инструменты вроде Adobe Premiere Pro и DaVinci Resolve добавляют новые ИИ-панели поверх существующего интерфейса, а массовые редакторы вроде CapCut идут в обратную сторону — убирают панели и заменяют весь процесс одной кнопкой.

Adobe Premiere Pro совершил, пожалуй, самый радикальный интерфейсный сдвиг в своей категории. Редактирование видео с помощью текста впервые появилось в мае 2023-го.

Монтаж на основе текста задействует встроенную в программу Adobe Premiere Pro функцию автоматической транскрипции из голоса в текст. Затем, вырезая текстовые предложения, сгенерированные этой функцией, программа будет автоматически «нарезать» и расставлять материал на таймлайне.

В декабре 2023-го также добавили Filler Word Detection — автоматическое удаление слов-паразитов. А затем Generative Extend — генерацию видеокадров.

Офисные пакеты: правая панель стала обязательной

Три крупнейших экосистемы — Notion, Google Workspace и Microsoft 365 — независимо друг от друга пришли к одинаковому решению: правая боковая панель с ИИ-чатом с инлайн-подсказками в документе.

Adobe Acrobat

Adobe добавила AI Assistant в Acrobat в начале 2024 года, и это эталонный пример того, как сплит-вью решает проблему тяжелого контента. Раньше работа с длинными PDF-файлами, финансовыми отчетами или научными статьями сводилась к монотонному скроллингу и постоянному использованию поиска по ключевым словам.

Теперь интерфейс делится надвое. Слева остается сам документ со всем его сложным форматированием, таблицами и графиками. Справа открывается панель ИИ-ассистента, который мгновенно анализирует весь файл и позволяет вести с ним диалог.

Microsoft 365 Copilot

Главный ИИ-продукт Microsoft. Copilot живёт в Word, Excel, а также PowerPoint и входит в пакет подписки Microsoft 365. И это тоже вариация знакомого нам сплит-вью.

С его помощью можно прямо внутри документа Word генерировать текст или формулы в Excel на естественном языке, а также буквально в один промт делать презентации.

Google Docs и Gemini

Функцию «Help me write» анонсировали на Google I/O в мае 2023-го. С февраля 2024-го произошёл ребрендинг в Gemini for Workspace.

Боковая же панель «Ask Gemini» стала доступна с июня 2024-го — полноценный чат, который суммаризирует документ, отвечает на вопросы, умеет ссылаться на файлы в Drive через @-упоминания. Инлайн-инструмент «Help me write» — иконка пера в левом поле, которая генерирует текст прямо в теле документа.

Notion AI

В июле 2024-го в Notion появилась выделенная боковая панель чата — Q&A по всему рабочему пространству.

С её помощью можно вызывать автономных ИИ-агентов, которые выполняют многошаговые задачи до 20 минут: создают страницы, обращаются к Slack, Google Drive и почте.

Программы для работы с кодом

Редакторы кода, пожалуй, та категория, где ИИ изменил рабочий процесс сильнее всего. Причём эволюция здесь прослеживается очень наглядно: от серых подсказок в строке кода в 2021 году до полностью автономных агентов, которые сами пишут ветки и оформляют пул-реквесты. И всё это — за четыре года.

ИИ в коде зашёл настолько далеко, что появилась отдельная неформальная профессия — вайб-кодер, человек, который не пишет код руками, а описывает задачу текстом и направляет ИИ-агента, пока тот пишет за него. И хотя сейчас это всё ещё и звучит как имя нарицательное, некоторые рабочие продукты реально уже создают таким образом.

GitHub Copilot

В марте 2023-го GitHub анонсировал Copilot Chat — боковую панель со встроенным GPT. ИИ автономно читает файлы, предлагает правки, запускает терминальные команды, проверяет результат.

В мае 2025-го появился Copilot Coding Agent: полностью автономный агент, который создаёт ветки, пишет код и выдаёт пул-реквест.

Cursor — форк VS Code, ставший единорогом

Cursor от Anysphere визуально идентичен VS Code, но с ИИ в ядре. Вся работа в редакторе строится вокруг трёх основных механик.

Через активацию Ctrl (Cmd) + K можно быстро править или генерировать код прямо в текущем окне, а Ctrl (Cmd) + L открывает боковой чат для вопросов по всей кодовой базе. В режиме Ctrl (Cmd) + I ИИ превращается в автономного агента, сам создаёт нужные файлы, пишет логику, запускает команды в терминале и исправляет свои же ошибки в итеративном режиме, пока не выполнит задачу.

Бонус: Spotify — дошло и до музыки

В апреле 2024-го в Spotify появился AI Playlists — чат-подобный интерфейс, где можно описать настроение текстом, а ИИ собирает подходящий под запрос плейлист.

Тот же принцип контекстной осведомлённости, что и в браузерах, только применённый к музыке.

Заключение

Собственно, если посмотреть на все существующие продукты, то почти везде, независимо от специфики, обнаружился один и тот же паттерн. Разговор с нейросетью не заменяет основной интерфейс, а встаёт рядом с ним. Тот самый сплит-вью, где с одной стороны контент, а с другой — ИИ-интерфейс.

Почему именно сплит-вью? Потому что другие варианты просто не прижились. Отдельное окно с чат-ботом — это постоянное переключение между вкладками, потеря контекста. Полная замена интерфейса на нейровыдачу — слишком непривычно, пользователи к этому пока не готовы. Мелкие инлайн-подсказки без панели легко не заметить, да и возможности ограничены.

Сплит-вью победил, потому что решает три задачи одновременно: сохраняет привычный рабочий контекст, держит всегда ИИ под рукой и получает информацию точно так же, как и сам пользователь.

При этом уже сейчас видно, куда всё движется дальше. Панель справа постепенно превращается из чата в пульт управления — ИИ-агенты в Cursor, Copilot, Notion уже выполняют многошаговые задачи самостоятельно, а человек скорее направляет процесс, чем делает всё руками. Сплит-вью — это, похоже, не просто модный тренд, а новая норма взаимодействия с цифровыми продуктами в целом.

По данным источников WSJ, компания официально отложила запуск функции как минимум на месяц. Руководство решило взять паузу, чтобы пересмотреть протоколы безопасности после резкой критики со стороны собственного консультативного совета.

Специалисты единогласно выступают против внедрения режима 18+, так как они видят риск создания «сексуального тренера по самоубийству». Если чат-бот будет запрограммирован на глубокое сопереживание и поддержку любых желаний пользователя в рамках интимной беседы, он перестанет распознавать признаки депрессии или намерения причинить себе вред. ИИ может начать потакать деструктивным мыслям человека, чтобы не разрушать «романтическую атмосферу».

При этом OpenAI не скрывает своего желания усилить эмоциональную привязанность пользователей к своим моделям. В компании считают, что формирование тесных связей между человеком и алгоритмом — это ключ к лояльности аудитории.

Советники же настаивают, что имитация романтических чувств со стороны нейросети ведет к психологической зависимости и социальной изоляции. Люди могут начать воспринимать программу как реального партнёра, что чревато эмоциональными травмами.

Несмотря на эти предупреждения, Сэм Альтман продолжает придерживаться принципа «относиться к взрослым как к взрослым». Однако то, что функцию снова отложили, показывает, что компания пока не нашла технического решения, которое позволило бы совместить эротические беседы с жёстким контролем за безопасностью. Сейчас разработчики переключили внимание на доработку общей «личности» ChatGPT и инструментов персонализации, которые не касаются категории 18+.

OpenAI отложила выпуск режима «для взрослых». Стали известны причины

OpenAI планировала разрешить пользователям вести «эротические разговоры», но теперь компания решила пересмотреть сроки.

Код ДуроваВлад Войтенко

Функцию добавили в марте 2025 года. Некоторые пользователи стали просить бота проверить новости и утверждения блогеров в X, используя Grok «в качестве единственного источника достоверной информации».

Специалистов по проверке фактов беспокоило, что чат-бот может «галлюцинировать» и станет источником дезинформации. Случаи, когда Grok опровергает реальные факты или выдумывает новости, действительно происходят.

Другие стали троллить пользователей, массово комментируя их твиты вопросом «Grok, это правда?» с тегом бота, и издеваться над самим помощником, писало Business Insider.

В июле 2025 года бот начал выдавать неэтичные и провокационные ответы. Турецкий суд тогда постановил заблокировать чат-бота из-за «оскорблений» в адрес президента Реджепа Тайипа Эрдогана. В xAI это объяснили обновлением одного из компонентов кода, из-за которого бот стал использовать устаревшие инструкции и пренебрегать объективностью.

По данным источников издания на IT-рынке, Сбер и Яндекс предложили два варианта: ежегодное финансирование инвестпрограммы в размере 400 млрд рублей либо выделение 450 млрд рублей на строительство дата-центра, мощности которого смогут использовать разные игроки отрасли.

Однако власти пока не готовы выделять средства. Вместо этого обсуждаются нефинансовые меры поддержки: налоговые льготы для закупки вычислительного оборудования и строительства ЦОДов, а также стимулирование спроса на ИИ-услуги. Финального решения, какую поддержку получат развивающие ИИ компании, пока нет.

Браузер Google Chrome получил новые «мощные функции» благодаря ИИ, чтобы помочь пользователям быстро и эффективно находить и использовать различную информацию, начиная от повседневных дел и заканчивая работой и обучением.

«Мы внедряем поддержку более 50 дополнительных языков, включая хинди, французский и испанский. Эти функции, реализованные в Gemini 3.1, сначала будут доступны в этих регионах на настольных компьютерах и iOS. На Android вы можете активировать Gemini при использовании Chrome и других приложений, удерживая кнопку включения», — говорится в сообщении.

Новые функции:

• Общение с ИИ-помощником в чате без переключения вкладок. Gemini в Chrome доступен для всех пользователей Mac, Windows и Chromebook Plus в Индии, Новой Зеландии и Канаде.

• Интеграция с самыми популярными приложениями, включая Gmail, Карты, Календарь, YouTube и другими позволяет планировать встречи в календаре, просматривать информацию о местоположении на картах и задавать вопросы о видеороликах YouTube.

• Работа с Gmail даёт возможность отправлять электронные письма, не покидая своей текущей страницы. Gemini в Chrome поможет создавать и отправлять электронные письма прямо с боковой панели.

• Редактор Nano Banana 2 преобразует изображения в интернете без необходимости загружать файлы или открывать новую вкладку.

• Программа security by design позволит распознать быстрое внедрение со страницы в интернете и запросит подтверждение отправки электронного письма или добавления события.

Добавлять новые возможности и охватить ещё большее число регионов и языков разработчики обещают в течение года.

Крупнейшее обновление ИИ-модели в устройствах Яндекса за последний год стало доступно всем владельцам Станций и ТВ Станций. Раньше опция «Алиса Плюс» была доступна лишь по подписке.

«Теперь миллионы пользователей умных устройств получают более подробные и точные ответы Алисы — особенно на тему кино, игр, бытовых задач и путешествий», — говорится в сообщении.

Алиса лучше понимает суть вопроса и чаще даёт исчерпывающий ответ с первого раза. Сами ответы стали более подробными, ИИ-помощница лучше объясняет сложные вещи.

«Продвинутая модель лучше удерживает контекст беседы и учитывает больше деталей. Это позволяет ей отвечать на вопросы со множеством условий — например, что посмотреть семьёй на выходных, если родители любят артхаус, ребёнок боится резких сцен и не хочется тратить на кино больше шести часов», — отметили в Яндексе.

Опция «Алиса Плюс» позволит решать сложные задачи и даже практиковаться в английском языке. Сейчас эта опция бесплатно доступна всем подписчикам Яндекс Плюс, которые активировали своё устройство до 1 января 2026 года и ранее от неё не отказывались.

Правительство предлагает разрешить разработчикам использовать защищённые авторским правом результаты интеллектуальной деятельности — книги, статьи, видео, изображения — для обучения моделей искусственного интеллекта без получения разрешения правообладателей. Такая норма входит в новый законопроект об ИИ, который готовят в кабмине.

«Использовать произведения без согласия автора можно только в том случае, если пользователь сервиса не будет видеть их содержания, уточняется в документе», — поясняется в публикации.

При этом автором сгенерированного с помощью ИИ контента будет считаться конечный пользователь, ввёл промпт и обработал полученный результат.

Однако законопроект не определяет порядок привлечения к ответственности, в случае если пользователь применял в промпте материалы без указания автора, но использовал ответ системы как собственное произведение.

«Другие категории данных, которые сегодня защищены законом, включая персональные данные, сведения о налогоплательщиках, частные переписки и прочие чувствительные данные, использовать для обучения ИИ будет нельзя», — уточнил источник «Ведомостей».

На сегодняшний день в России нет чёткого регулирования ИИ, напоминает газета.

Россиянам хотят разрешить отказываться от услуг с применением ИИ — как это будет работать?

Гражданам могут позволить отказываться от обслуживания с применением искусственного интеллекта&

Код ДуроваВлад Войтенко

Сейчас Sora доступна на отдельном сайте и в виде приложения. Обновление позволит пользователям ChatGPT генерировать видео с помощью Sora внутри чат-бота, подобно тому, как в прошлом году туда добавили возможности генерации изображений. Это может помочь компании привлечь больше пользователей на фоне обострения конкуренции ChatGPT с Claude от Anthropic, отмечает The Verge.

Возможное появление Sora в ChatGPT происходит на фоне усиления конкуренции для OpenAI. Claude от Anthropic переживает бум популярности в последние недели, в то время как ChatGPT сталкивается с всплеском удалений. Anthropic получила волну общественной поддержки после отказа согласиться с приказом Пентагона, который позволил бы американским военным использовать Claude для массовой слежки и полностью автономного оружия. В отличие от этого OpenAI согласилась на условия Пентагона, оттолкнув многих пользователей от ChatGPT. Добавление Sora в ChatGPT может быть попыткой вернуть часть этих пользователей.

Однако, как отмечает The Information, интеграция Sora может также «увеличить затраты» для OpenAI, что потенциально приведёт к изменениям в ценообразовании ChatGPT. В прошлом месяце компания начала показывать рекламу пользователям на самых дешёвых тарифах.

Согласно прогнозу Косинского, по мере роста технологического рынка и более глубокой интеграции ИИ в процессы, контент станет мультимодальным, то есть объединяющим сразу несколько типов данных. В то же время рекламные инструменты будут трансформироваться в сторону высокой точности, прогнозируемости и адаптации к контенту пользователя.

Косинский полагает, что ИИ станет основой рекламного бизнеса: он сможет понимать запросы рекламодателей, управлять бюджетом и выстраивать персонализированные рекламные кампании, давая рекомендации на основе анализа потребностей клиента и аудитории.

«Персонализация же будет всё больше выступать как драйвер роста выручки, особенно в рекламном направлении. Уже сейчас появляются новые рекламные инструменты, будет расти уровень автоматизации работы с ними. За счёт этого вырастет и эффективность маркетинговых кампаний», — добавил эксперт.

На данный момент, по словам Косинского, ИИ в медиаиндустрии используется для создания и персонализации контента, модерации видео и автоматизации рекламы. В частности, благодаря развитию рекомендательного движка время смотрения видео на RUTUBE за год увеличилось в 5 раз.

«ИИ-персонализация опирается на алгоритмы, которые анализируют данные о предпочтениях пользователей, историю просмотров, и таким образом позволяют удерживать зрителей на платформе, предлагая контент, максимально учитывающий интересы аудитории», — отметил Косинский.

Также замглавы «Газпром-Медиа» подчеркнул, что ИИ уже помогает блогерам RUTUBE автоматически создавать субтитры. По его словам, благодаря этому видео становятся доступными для людей с ограниченными возможностями, появляется возможность смотреть контент без звука и растёт вовлеченность аудитории, а в перспективе такие сервисы могут быть востребованы при автоматическом переводе контента для зарубежной аудитории и как инструмент расширения дистрибуции.

Теперь пользователи могут определить звучащую композицию прямо в чате. Для этого достаточно попросить ИИ распознать трек или использовать команду @Shazam.

После этого в интерфейсе появится кнопка активации микрофона, сервис проанализирует звук и покажет результат. Распознанные композиции отображаются в виде карточек с предпросмотром в стиле Apple Music. Пользователь может сразу прослушать фрагмент трека или перейти к его полной версии.

Функция работает на разных платформах, поэтому пользоваться ей можно даже без устройств Apple. Если на смартфоне установлен отдельный Shazam, найденные песни можно сохранить в личную библиотеку сервиса. Кроме того, ChatGPT поддерживает интеграцию с музыкальными сервисами. Например, на основе распознанного трека можно создать новый плейлист в Apple Music или Spotify.