Эссе строится вокруг пяти базовых тезисов. Темп прогресса в фронтирных моделях измеряется в порядках величины – примерно в 10 раз больше compute и качества каждый год. К 2027 году появится «дроп-ин удалённый работник» – AI-система, которая может занять место среднего сотрудника на многих задачах. Совокупные инвестиции в дата-центры и compute к 2027 году превысят $1 трлн. Государство США встроится в индустрию через регулирование и геополитику. Китай догонит США в AI быстрее, чем рассчитывает индустрия.
Для маркетинга три из этих пяти тезисов имеют прямые последствия: темп прогресса моделей, дроп-ин сотрудник и инфраструктурные инвестиции.
Прогноз Ашенбреннера по темпу прогресса попал в цель. За 22 месяца индустрия прошла путь от GPT-4 уровня к GPT-5 (август 2025), семейству Claude 4 от Anthropic с обновлениями раз в 3-4 месяца, новым моделям Google и xAI. Качество на типовых маркетинговых задачах – генерация текстов, разбор брифов, классификация лидов – выросло существенно: ошибки на сложных запросах снизились в 3-5 раз.
Что это означает для маркетинговой команды. Цикл обновления инструментов сжался до квартала. Платформы вроде Jasper, Copy.ai, Writer пересматривают свои стеки каждые 3-4 месяца, переключаются на новые модели, перенастраивают подсказки. Команды, которые «фиксируют» свой AI-стек на год и ждут стабильности, к моменту следующего бюджетного цикла отстают по эффективности от тех, кто пересматривает стек ежеквартально.
По данным McKinsey AI Survey 2025, 67% крупных корпораций уже регулярно пересматривают свой AI-стек, а ещё 21% планируют перейти к этому формату в 2026 году. Маркетинговый отдел чаще всего находится в авангарде этого процесса.
Прогноз про $1 трлн в физическую AI-инфраструктуру тоже сбывается. В январе 2025-го OpenAI совместно с Oracle и SoftBank анонсировали проект Stargate с инвестициями $500 млрд только в США. Microsoft перезапустила атомную станцию Three Mile Island специально под AI-нагрузку. xAI построила кластер Colossus на 100 тысяч GPU с планами расширения.
Эта инфраструктурная гонка прямо влияет на стоимость AI для маркетинговых команд. Стоимость инференса за последние 12 месяцев упала в 5-10 раз: API-обращение, которое в начале 2025-го стоило $0.01, сейчас стоит $0.001-0.002. Для маркетинга это означает, что массовая обработка контента, персонализация коммуникаций в b2b-лидгене и аналитика конкурентов становятся экономически возможными в масштабе, которого ещё полтора года назад не было.
Одновременно появляется обратный эффект. Доступ к фронтирным мощностям остаётся дефицитным – особенно в пиковые периоды (запуск новой модели, крупные индустриальные кампании). Корпоративные клиенты с приоритетным доступом получают преимущество в скорости отклика AI-инструментов перед клиентами на shared-tier.
Прогноз про «дроп-ин удалённого работника» к 2027 году сбылся пока частично. Полноценной замены среднего сотрудника AI пока не делает. Но AI-агенты в маркетинговых задачах – персонализация коммуникаций, скоринг лидов, разбор конкурентной активности, генерация креативных вариантов – уже закрывают конкретные функции автономно.
В практике портфельных компаний YellowRocks.vc мы видим, что один маркетолог с правильно настроенными агентами закрывает объём работы, который ранее распределялся между маркетологом, аналитиком и junior-копирайтером. Это не «дроп-ин», но это серьёзный сдвиг в структуре маркетинговой команды.
Если темп прогресса сохранится по сценарию Ашенбреннера, к концу 2027 года вероятность полноценного дроп-ина в маркетинговых функциях оценивается в 50-60%. Это значит, что планы по найму маркетинговой команды на горизонте 18-24 месяцев имеет смысл пересчитывать с учётом возможной автономной AI-функции. Не «AI помогает специалисту», а «AI закрывает часть ролей».
Один из ключевых тезисов Ашенбреннера – Китай догонит США в AI прежде всего через шпионаж и copy-paste – оказался существенно неточным. Реальность другая: DeepSeek в декабре 2024-го и январе 2025-го показал, что фронтирные модели можно обучать на меньшем compute, чем считалось необходимым.
Для маркетинговой индустрии эта новость прозвучала через два эффекта. Первый – капитализация NVIDIA на одну торговую сессию упала на $600 млрд, и пересмотрели свои ожидания все, кто инвестировал в AI-инфраструктурные проекты. Второй – open-source модели Китая стали реальной альтернативой для маркетинговых команд, которые ищут более дешёвые AI-стеки. По оценке The Information, в первом квартале 2026 года около 12% корпоративных маркетинговых отделов в США и Европе использовали open-source модели DeepSeek или Qwen для части задач.
Для российских компаний это особенно релевантно: open-source модели снижают зависимость от западных вендоров и от проблем с доступом к их API.
Из совокупности подтверждённых и не подтверждённых прогнозов следуют несколько практических выводов для CMO и финансового директора при планировании AI-бюджета.
Бюджет на AI-инструменты должен предусматривать ежеквартальный пересмотр стека. Фиксация подписок на год по фиксированной цене сейчас даёт минус 20-30% эффективности к концу года, потому что более сильные инструменты выходят раньше.
Расходы на обучение команды работе с новыми поколениями моделей становятся регулярной статьёй. Раньше «обучение AI» было разовым проектом. Сейчас это процесс, который нужно перезапускать каждые 6-9 месяцев, потому что в новых поколениях моделей меняются и возможности, и оптимальные подходы к работе.
Планирование найма на горизонте 18-24 месяцев должно учитывать вероятность автономной AI-функции в команде. Это особенно касается рутинных операций: копирайтинга, базовой аналитики, скоринга лидов. Если в текущем плане найма заложены позиции на эти функции на год вперёд, имеет смысл пересмотреть их в пользу гибридной модели «один сильный специалист плюс AI-агенты».
Эссе Ашенбреннера через 22 месяца после публикации показывает себя примерно на 70-80% точности. Это много для прогноза такого масштаба и горизонта, и одновременно недостаточно для слепой ставки на любой из его сценариев.
Для маркетинговой индустрии главный практический вывод следующий: темп смены поколений моделей не замедлится в ближайшие 18 месяцев, а ставка на «когда AI стабилизируется» неоправданна. Команды, которые встраивают в свои процессы регулярный пересмотр AI-стека, оказываются впереди тех, кто ждёт стабильности.
Какие из ваших маркетинговых процессов вы ожидаете перевести на автономный AI до конца 2027 года – и есть ли в плане найма поправка на это?
Больше интересного можете найти у меня в Telegram-канале.