Какой ИИ под какую задачу: почему пять подписок работают как одна
«Лучшей нейросети» не существует
Когда я разбираю, как устроена работа с ИИ в командах моего фонда и в моих проектах, чаще всего вижу одну и ту же картину. Команда оформила подписки на всё сразу, платит за пять сервисов, а по-настоящему пользуется одним, потому что никто не решил, что чем делать. Деньги уходят, а отдача как от одного инструмента.
По данным Аналитического центра АКАР (Ассоциации коммуникационных агентств России) за 2024 год, 97% рекламных агентств страны используют ИИ и нейросети: ChatGPT – у 84%, Midjourney – у 54%, YandexGPT – у 41%. Проникновение почти сплошное. А вот осмысленный выбор под задачу – редкость. Итан Молик, профессор Уортонской школы бизнеса и автор рассылки One Useful Thing, в свежем гайде лета 2026 формулирует то же самое: единого «лучшего ИИ» нет, есть подходящий под конкретную работу.
Ставка задачи важнее цены подписки
Главный критерий выбора – не цена подписки, а цена ошибки. Молик делит все задачи надвое. Низкая ставка – рецепт, черновик письма, простой вопрос – тут подойдёт любая бесплатная модель, разницы почти нет. Высокая ставка – то, где ошибка стоит денег или репутации – тут нужна самая сильная модель, даже если она платная, потому что у неё ниже частота ошибок.
Для маркетинга это переводится буквально. Пост в дежурную рубрику – низкая ставка, хватит модели попроще. Ключевое сообщение бренда, публичный ответ на кризис, тендерное предложение – высокая ставка, тут экономия на инструменте выйдет дороже самой подписки.
Пиксель-квест: почему я заплатил за лучшее без гарантии
Эта логика мне знакома не по нейросетям. Пиксель-квест – детское развлекательное пространство, которое я развиваю с партнёром. В какой-то момент бизнес болтался около нуля, и стало ясно, что прежний маркетолог не вытягивает. Взяли нового, заметно дороже, без всякой гарантии, что он окупится. По арифметике решение выглядело так себе: платежи за полгода уводили мой личный капитал в минус.
Но считали мы не арифметику, а ставку. Дешёвый вариант уже показал, что не работает, и держаться за него означало медленно терять бизнес. Выбор инструмента под ИИ устроен ровно так же. Под высокую ставку берут лучшее, потому что дешёвое её просто не вытянет, и никакой ценник этого за команду не решит.
Карта: что каким инструментом делать
Консенсус 2026 года – маршрутизация: каждая задача уходит в ту нейросеть, где она сильнее. Грубая рабочая карта под задачи маркетинговой команды выглядит так:
- Тексты с характером бренда, длинные задания, стратегия – Claude, у него глубже рассуждение и чище тон.
- Объём и генерация идей, а заодно картинки – ChatGPT, в него встроен генератор изображений.
- Аналитика, отчётность, работа с данными – Gemini, он ближе к таблицам и живым веб-данным.
- Разбор десятков источников сразу – Gemini Notebook (бывший NotebookLM): туда загружают материалы и получают готовый обзор.
- Видео – Gemini Omni правит ролик прямо в диалоге, командой вроде «поменяй фон на ночной», сохраняя остальное.
Важная практическая деталь, о которой узнаёшь уже постфактум: у Claude нет генератора картинок вообще. Он рисует кодом, и результат гуляет от приличного до забавного. Если визуал – основной продукт, набор, собранный вокруг одного Claude, оставит команду без картинок в самый неподходящий момент.
Чат и агент – две разные машины
Ещё одна развилка, которую путают. Старый способ – чат, вопрос-ответ. Новый – агент: модель получает компьютер с инструментами и делает часы работы за один заход. Молик описывает, как отдал ИИ на вычитку рукопись книги: за полчаса тот прошёл весь текст, проверил 195 ссылок и вернул страницы правок, которые заняли бы у команды исследователей день.
Развилка внутри агентов тоже простая. Режимы вроде ChatGPT Work и Claude Cowork работают на компьютере провайдера и отдают готовый результат – презентацию, документ, письмо. Режимы Codex и Claude Code садятся на локальный компьютер и показывают саму работу. По исследованию Salesforce о генеративном ИИ в маркетинге (2024), маркетологи оценивают экономию больше пяти часов в неделю – это месяц с лишним за год. Работа с агентом ближе к управлению сотрудником, чем к переписке.
Итан Молик, профессор Уортонской школы бизнеса и автор рассылки One Useful Thing, описывает это так: «Работа с этими системами больше похожа на управление командой, чем на общение с чат-ботом».
Где выбор бьёт по бюджету
Самый честный кейс – Klarna. По данным Marketing Dive, компания отнесла на ИИ больше трети квартальной экономии в маркетинге, около 10 млн долларов в годовом выражении. Отдельно по картинкам: полтора миллиона долларов экономии за квартал, а цикл производства изображения упал с шести недель до семи дней. Расходы на внешних подрядчиков – минус четверть.
Coca-Cola публично сообщала, что сократила сроки производства контента почти вдвое и выпустила бренд-фильм целиком на генеративном видео. Российские агрегированные оценки скромнее по прозрачности, но в ту же сторону: по обзору РБК Компании, агентства, встроившие ИИ, называют ускорение от идеи до публикации примерно в 3,5 раза и падение себестоимости материала больше чем на 40% – цифры грубые, но порядок понятен. По совместному исследованию «Якова и Партнёров» и Яндекса «Искусственный интеллект в России: тренды и перспективы» (декабрь 2025), 71% российских компаний уже применяют генеративный ИИ хотя бы в одной функции, а 46% внедрили или тестируют агентов. Рынок перешёл от любопытства к деньгам, и выбор инструмента – это выбор, где именно снять эффект.
Риск, который недооценивают: доступ агента
Есть обратная сторона, про которую в подборках сервисов молчат. Агент, которому дали доступ к почте, CRM и брендовым аккаунтам, становится уязвим к атаке через подсунутую ему команду. Проще говоря, это фишинг, только жертва не человек, а ИИ. В почту приходит письмо со скрытой командой, сотрудник просит агента разобрать входящие, и тот тихо выполняет чужой приказ. Это не гипотеза: летом 2025-го уязвимость EchoLeak в корпоративном Copilot от Microsoft позволяла таким письмом вытягивать документы наружу.
Отсюда практическое правило для бренда. Чем больше доступов агент совмещает – к приватным данным, к недоверенным письмам и к каналу наружу – тем опаснее связка. Пока команда не научилась ловить ошибки конкретного агента, разумно держать подтверждение на всё, что отправляет, тратит или удаляет. И стоит помнить про лимиты: тариф за 20 долларов агенты выжигают быстро, потому что автономная работа жжёт ресурс в разы быстрее человека за клавиатурой.
Что с этим делать команде
Выбор ИИ – это не поход по ценникам, а управленческое решение. Сначала работа раскладывается по ставкам: где ошибка дешёвая, а где стоит денег и репутации. Дорогую задачу забирает сильная модель, дешёвую – любая. Под каждый тип задачи – свой инструмент вместо пяти подписок, которыми никто не пользуется. И отдельно стоит решить, что вообще безопасно доверить агенту с доступом к рабочим аккаунтам.
Если интересно, как ИИ меняет экономику команд и где он реально окупается, подписывайтесь на мой блог – здесь я разбираю инвестиции, предпринимательство и то, как всё это перестраивает работу.