2025 год оказался переломным для индустрии AI.
Сотни новых LLM, image- и video-моделей. Сотни миллионов долларов инвестиций. Поглощения. Офферы по $100 млн для ведущих исследователей.
Но мы увидели и нечто гораздо более интересное.
По-настоящему важное событие другое: мы впервые массово увидели – переход от “LLM как помощник” к “AI как рабочая сила”.
Модели больше не используются только в формате «вопрос–ответ». Они системно заменяют интеллектуальный труд в бизнес-процессах:
-
андеррайтинг в финтехе;
-
маркетинговая аналитика;
-
проверка сложных домашних заданий;
-
клиентская поддержка;
-
ресёрч, комплаенс, KYC и т.д.
Вот 3 реальных, нишевых use case’а применения AI. Они показывают, каким будет будущее в 2026 году.
1. AI в маркетинге — $50M ARR
Мой друг — VP of Growth в EdTech-компании с $50M ARR. Основной канал роста — видео с инфлюенсерами.
Задача простая, но объёмная: отслеживать десятки аккаунтов и находить ролики, которые начинают «взрываться» в органике, чтобы быстро масштабировать их в PaidAds. Почему это важно:
• ROI рекламы сильно коррелирует с органическим успехом видео;
• иногда ролик стреляет за сутки, иногда через 2–3 месяца;
• задержка в 24–48 часов может стоить десятков тысяч долларов недополученной прибыли.
Какие у него есть варианты?
Вариант A:
-
Нанять маркетингового аналитика и платить примерно $50K в год + отпуск + больничные + соцпакет и т.д.;
-
Аналитик будет вручную просматривать все видео (и пропускать около 15% из них) и присылать отчёты с задержкой в 1–2 дня.
Вариант B:
-
Построить AI-агента на n8n и делать то же самое за $50 в месяц;
-
Он каждый час проверяет Instagram, TikTok и YouTube, находит “breakout”-видео и отправляет отчёты с задержкой около 1 часа;
-
Работает 24/7 — без больничных, отпусков и праздников.
2. AI в образовании — $500K ARR
Мой друг — основатель курсов по олимпиадной математике с $500K ARR. В рамках курсов студенты сдают домашние задания. Уровень заданий — международные математические олимпиады. Все работы нужно проверять с подробной обратной связью.
У него есть два варианта.
Вариант A:
-
Нанять PhD-студентов для проверки;
-
Платить $10 за работу и делать перекрёстную проверку, увеличивая стоимость до $20 за домашку;
-
Студенты ждут фидбэк до 2 недель;
-
Найти достаточное количество проверяющих уровня PhD сложно — это становится главным узким местом для масштабирования.
Вариант B:
-
Использовать Gemini-3 Pro для проверки;
-
Генерировать обратную связь в LaTeX и PDF менее чем за 5 минут;
-
Платить примерно $0.10 за работу (~10K токенов);
-
Мгновенно масштабироваться без операционных издержек.
Он провёл оценку качества и получил 98% соответствия человеческим проверяющим. Уволил всех проверяющих-людей и полностью заменил их AI.
Ещё раз: это уровень международных олимпиад по математике. Gemini-3 Pro способен рассуждать на этом уровне.
Это произошло в декабре 2025 года.
3. AI в поддержке клиентов — приложение с $5M ARR
Мобильное приложение с $5M ARR. Несколько тысяч запросов в поддержку ежемесячно.
Вариант A:
-
Нанимать и масштабировать команду поддержки;
-
Платить ~$1,500–2,000 в месяц за сотрудника;
-
Каждый сотрудник обрабатывает ~400–600 тикетов в месяц;
-
Чтобы держать нормальные времена ответа, нужны несколько специалистов, обучение, контроль качества, смены, отпуска, больничные и постоянный найм;
-
Качество сильно зависит от людей и падает под нагрузкой;
-
Поддержка масштабируется линейно с ростом бизнеса — медленно и болезненно.
Вариант B:
-
Автоматизировать 80–90% тикетов с помощью AI + детерминированных флоу;
-
Использовать кнопочные сценарии для подписок, возвратов и платежей (стоимость ≈ $0 за тикет);
-
Использовать AI-агента, подключённого к Stripe / App Store и базе знаний продукта, для сложных кейсов (стоимость — центы за тикет);
-
Оставить 1 человека для надзора, улучшения промптов и обработки edge-кейсов;
-
Мгновенные ответы, мгновенное масштабирование, предсказуемые расходы и отсутствие проблем с наймом.
Так что, компания с капитализацией $1B и одним человеком — это реально?
Похоже, что да.
Представь, что ты строишь следующий Robinhood. Теперь тебе нужно гораздо меньше капитала для выполнения интеллектуальной работы.
Клиентская поддержка? AI-агент.
KYC? AI-агент.
Underwriting? AI-агент.
После накопления качественного датасета и нормальных eval-ов такие системы становятся:
-
дешевле людей;
-
быстрее;
-
стабильнее;
-
более предсказуемыми.
Практически любой простой рабочий процесс, основанный на знаниях в бизнесе будет заменён.
Рынок труда радикально изменится. Интеллектуальная работа в привычном виде будет автоматизирована на 99%. Многие люди потеряют работу. Многие разбогатеют. Это очень похоже на новую промышленную революцию — но в сфере интеллектуального труда.
2026 станет годом массового внедрения AI-сотрудников.
Автор: rk-helper
