Тысяча учителей для Алисы: Яндекс нанимает экспертов по финансам и медицине, а в сентябре меняет то, как собираются ответы

Полторы недели назад Amazon закрыл Mechanical Turk, площадку, где 20 лет за копейки нанимали людей размечать данные для машинного обучения. А на прошлой неделе Яндекс объявил о движении в противоположную сторону: компания планирует до конца 2026 года привлечь до тысячи ИИ-тренеров, специалистов, которые будут учить нейросети отвечать в самых сложных областях, от финансов и медицины до юриспруденции и инженерии. Об этом рассказал Forbes глава «Алисы и умных устройств» Валерий Стромов, назвав происходящее важнейшей ставкой за историю компании. Эпоха, когда нейросети учили безымянные кликеры за центы, закончилась; началась эпоха, когда их учат профессионалы за зарплату. Разбираем, что именно меняется, при чём здесь запуск новой системы ответов в сентябре и почему брендам из сложных отраслей стоит следить за этой новостью внимательнее других.

Чему тысяча человек научит нейросеть

Роль ИИ-тренеров по описанию Стромова конкретна: готовить примеры ответов, проверять рассуждения моделей и оценивать качество их работы в областях, где цена ошибки высока, а простого «правдоподобного» ответа недостаточно. Искать специалистов компания планирует в том числе среди собственных сотрудников и выпускников вузов.

Выбор областей говорит сам за себя: финансы, медицина, юриспруденция, инженерия. Это ровно те ниши, которые в поисковой индустрии двадцать лет называли «кошелёк или жизнь»: темы, где неточный ответ бьёт по деньгам или здоровью, и где классические поисковики всегда предъявляли к источникам повышенные требования. Теперь ту же планку Яндекс переносит внутрь нейросети, только раньше строгость обеспечивали алгоритмы отбора источников, а теперь её будут ставить люди-эксперты напрямую.

Параллельно компания показала и экономическую сторону этой кухни: над оптимизацией работы ИИ трудятся несколько десятков инженеров, и общий эффект их работы за первое полугодие 2025 года Стромов оценил примерно в 9 миллиардов рублей. Экономия складывается из более быстрых вычислений и умного использования серверов: ночью, когда пользовательских запросов меньше, часть мощностей автоматически переключается на обучение моделей. Деталь, которая хорошо объясняет, откуда берутся деньги на тысячу учителей.

Сентябрь: за окном Алисы появится оркестр моделей

Вторая часть новости для рынка, пожалуй, важнее первой. В сентябре Яндекс планирует запустить для пользователей систему умного роутинга, то есть распределения запросов между разными моделями: она будет определять, какую ИИ-модель выгоднее использовать для конкретного запроса. Простые задачи отправятся в лёгкие и быстрые нейросети, сложные в мощные и специализированные. В первой версии будут работать от трёх до пяти моделей-экспертов, при этом 80-90% запросов продолжат обрабатывать собственные модели Яндекса, а для отдельных специализированных задач компания допускает использование решений с открытым кодом.

Для пользователя это будет выглядеть по-прежнему: одно окно, одна Алиса. Но под капотом «Алиса» перестаёт быть одной нейросетью и становится диспетчером, который решает, кто именно ответит на ваш вопрос. Вопрос про рецепт ужина и вопрос про ипотеку смогут обрабатывать разные модели с разной подготовкой, и логично ожидать, что со временем ответы про ипотеку достанутся той, которую учили люди из финансов.

Что это значит для брендов из сложных отраслей

Соединим обе части новости, и получится прямое послание рынку, в первую очередь банкам, страховым, клиникам, фарме, застройщикам и инженерным компаниям.

Первое: ответы про ваши категории станут заметно профессиональнее, и планка входа в них вырастет. Модель, которую тренировали эксперты по финансам, будет строже к источникам и меньше склонна пересказывать маркетинговые обещания. Поверхностный контент, который ещё попадал в ответы общей модели, у специализированной шансов иметь не будет: конкурировать придётся глубиной фактуры, а не объёмом публикаций.

Второе: видимость придётся мерить по типам запросов, а не «в Алисе вообще». Если за разными запросами стоят разные модели, то и картина присутствия бренда может отличаться: в простых бытовых вопросах одна, в профессиональных другая. Средняя цифра будет говорить ещё меньше, чем сейчас, а смотреть придётся отдельно по темам и типам запросов.

Третье: сентябрь это момент для замера «до и после». Перестройка такого масштаба почти наверняка перетряхнёт составы ответов: какие-то бренды прибавят, какие-то выпадут. Те, кто зафиксирует свою видимость до запуска роутинга и проследит динамику после, получат редкую возможность увидеть эффект большой перестройки платформы на собственных цифрах, а не в чужих примерах.

Что это значит для российского рынка

Новость складывается в тренд, который стоит проговорить целиком. Российский ИИ-рынок входит в фазу специализации: Яндекс учит модели у экспертов и строит оркестр из специализированных нейросетей, Сбер выкладывает флагманскую модель в открытый доступ для разработчиков, а закон об ИИ готовит статусы национальных моделей. Ответы нейросетей в сложных нишах будут становиться глубже, авторитетнее и придирчивее к источникам, и это хорошая новость для пользователей и требовательная для брендов.

Практический вывод для маркетинга прежний, но с новым сроком. Замерить присутствие бренда в ответах стоит до сентябрьского запуска роутинга, по всем моделям и с разбивкой по типам запросов: такой замер делают GEO-сервисы мониторинга, например brandfound отслеживает упоминания бренда в десяти нейросетях, включая оба режима Алисы AI, с тональностью и источниками каждого ответа, что позволяет увидеть сдвиги после крупных обновлений платформ. А фактуру о компании, от условий и цен до экспертного контента, стоит готовить с расчётом на читателя-профессионала: скоро с той стороны ответа будет стоять модель, которую учили люди с профильным образованием.

Тысяча учителей для нейросети это не кадровая новость, а заявление о том, каким Яндекс видит следующий этап: ответы, за которые не стыдно перед экспертом. Брендам остаётся сделать симметричный шаг: подготовить о себе фактуру, за которую не стыдно перед моделью, которую учил эксперт.