2025 — Год AI-сотрудников

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 ^[1] 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 ^[2], 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.