Навыки работы с нейросетями стали базовыми, а вглубь идти почти некому

Понимание подешевело в тысячу раз

Андрей Карпатый, бывший директор по ИИ в Tesla и один из основателей OpenAI, приводит в описании своего открытого проекта nanochat простую арифметику. Обучение модели уровня GPT-2 в 2019 году стоило около 43 тыс. долларов, сегодня тот же прогон обходится в 48 долларов и два часа машинного времени.

Я пересчитал это по открытым российским ценам на аренду вычислений: час ускорителя H100 у российских провайдеров стоит примерно от 300 рублей, час сервера с восемью A100 – от 2800. Значит, повторить обучение маленькой модели выходит в 2–6 тыс. рублей и полтора часа. Это мой пересчёт по опубликованным ценам, и проверить его может любой за вечер.

Речь именно про разовую стоимость собственной модели: с месячной подпиской на готовые сервисы это разные строки бюджета.

Для масштаба: обучение GPT-4 обошлось примерно в 40 млн долларов. Между 2 тыс. рублей и 40 млн долларов шесть порядков, и в них весь сюжет.

Вглубь при этом идти почти некому

Соблазн понятный: раз поверхность обесценилась, надо уходить глубже и обучать свои модели. Как профессия эта дорога закрыта, и причина экономическая.

По исследованию Menlo Ventures 2024 года, опрошены шестьсот ИТ-руководителей, дообучены всего 9% моделей из тех, что реально работают в компаниях. В выпуске того же исследования за 2025 год дообучение по-прежнему названо нишевой техникой. Фонд Andreessen Horowitz по итогам разговоров с сотней ИТ-директоров в 2025 году объясняет причину так: возможности готовых моделей выросли, и дообучение стало менее критичным.

Задача, ради которой стоило бы держать своего специалиста по обучению моделей, у большинства компаний просто не возникает. Такого расхождения между ценой знания и возможностью им зарабатывать в других технологиях я не припомню.

Что это значит для навыка, который есть у всех

Теперь цифры по рынку, они здесь работают подпоркой. По исследованию Аналитического центра Российской индустрии рекламы, опубликованному в июле 2026 года, ИИ используют 93% агентств, но в своё уникальное предложение это выносят 39%, а в тендерах и коммерческих предложениях задействуют 27%. Центр не раскрывает размер выборки, поэтому цифры стоит читать как направление.

Разрыв рынок увидел сам. Вопрос в том, что ставить на освободившееся место, и ответ подсказывает опрос Go Influence от августа 2026 года. Среди 2142 представителей компаний, регулярно выпускающих контент, ИИ применяют 73%. Экономию времени отмечают 72%, а улучшение показателей рекламных кампаний видят только 27 из ста. Ещё 9% попробовали и отказались. Время инструмент экономит, а до метрик кампании эффект не доходит.

Почему обучение команды больше не даёт отрыв

По тому же исследованию отраслевого центра, 63% агентств планируют в ближайшие год-два обучить сотрудников работе с ИИ. Стоит посчитать, во что это обходится.

Корпоративная программа Яндекс Практикума по базовой ИИ-грамотности на 13 часов стоит от 466 до 590 тыс. рублей. Цена указана за программу, размер группы на странице не раскрыт, так что стоимость на человека зависит от того, скольких приведут. При этом, по данным «Нетологии» и МТС Линк за март 2026 года, средние годовые траты российской компании на всё обучение сотрудников составляют 819 тыс. рублей. Эта цифра идёт из пересказа исследования, выборка в открытом доступе не указана.

Даже с поправкой на обе оговорки порядок понятен: одна программа сопоставима с годовым бюджетом на всё обучение. Год назад эти деньги покупали отрыв, сейчас – вход в клуб, куда все давно пришли.

Три вопроса, которые стоит перенести в тендер, бриф и акт

Вечер за обучением своей модели меняет то, как заказчик принимает работу: человек, видевший механику изнутри, знает, где она ломается. Эти знания стоит зафиксировать в трёх документах.

В тендере имеет смысл спрашивать, на каких данных обучено то, что показывают, и где проходит край выборки. Демонстрация всегда собирается на удобных примерах, а жалобы клиентов приходят с периферии.

В бриф стоит вносить, кто собирает проверочную выборку для замера качества. Фраза «точность 90%» без описания того, на чём считали, не значит ничего: подрядчик, который сам выбирает данные для проверки, управляет и процентом.

В акт полезно вписывать, что система делает, когда не знает ответа: молчит, сообщает о неуверенности или выдумывает уверенным тоном. Это определяется настройкой, решение принимает исполнитель, и обычно оно остаётся непроговорённым.

Где этот тезис ломается

Честный контраргумент выглядит так: премия за ИИ-навыки растёт. По исследованию PwC «2026 Global AI Jobs Barometer», опубликованному в июне 2026 года и построенному на более чем миллиарде вакансий в 27 странах, надбавка за такие навыки поднялась до 62% против 57% годом ранее.

Но у той же работы есть вторая половина. PwC делит рынок на два трека: там, где ИИ усиливает экспертное суждение специалиста, занятость растёт вдвое быстрее, а зарплаты на 42% быстрее, чем там, где ИИ упрощает задачу до уровня неспециалиста. Деньги идут туда, где инструмент приложен к экспертизе.

О том же говорят и на стороне тех, кто продаёт работу с ИИ. Катерина Мосяга, генеральный директор Go Influence, формулирует это так: «В работе инфлюенс-агентств теперь недостаточно подобрать автора, нужно понимать, как ИИ встроен в создание рекламы и кто отвечает за итоговый результат».

Что из этого следует агентству и бренду

Я математик и программист по образованию, а один из бизнесов, которые я собирал – e-Legion, мобильная разработка из тройки крупнейших в России. Иллюзий, что за один вечер человек становится исследователем, у меня нет. Но когда я смотрю на команды как партнёр венчурного фонда, вопрос звучит одинаково и к стартапу, и к агентству: откуда они знают эту задачу изнутри.

Агентству придётся признать, что строка «мы работаем с нейросетями» в презентации больше ничего не сообщает клиенту. Продавать остаётся то, что нельзя скопировать за подписку: знание категории, доступ к данным клиента, ответственность за результат.

А бюджет на обучение команды имеет смысл делить надвое: базовую грамотность закрывать дёшево и быстро, а освободившиеся деньги вкладывать в отраслевую глубину, за которую рынок как раз платит.

Подписывайтесь на мой блог: считаю деньги за громкими новостями про ИИ и смотрю, за какие навыки рынок платит сегодня.