Рынок ИИ-ассистентов

На рынке ИИ-ассистентов оформились два подхода. Первый — универсальный чат с максимально мощной моделью, где всё решает умение пользователя формулировать запрос. Второй — продукты с готовыми сценариями, где формулировки зашиты заранее. Разбираем, как устроены оба подхода, почему в массовом деловом сегменте выигрывает второй — и что из этого следует для вендоров и партнёров.

Стартовый экран у флагманов рынка ИИ-ассистентов одинаков: пустое поле и мигающий курсор. ChatGPT, Алиса на YandexGPT, GigaChat при всей разнице моделей и экосистем пользовательский опыт начинается одинаково: сформулируйте запрос. И именно здесь, а не в бенчмарках моделей, проходит главный водораздел массового рынка. Умение внятно поставить задачу машине оказалось самостоятельным навыком настолько, что вокруг него выросла отдельная дисциплина с сотнями задокументированных техник. Владеет этим навыком меньшинство; остальные получают от той же модели заметно худший результат и делают вывод, что технология переоценена.

Разрыв подтверждается цифрами. Искусственным интеллектом, по данным, которые приводит Forbes, в той или иной функции пользуются уже более 70% компаний, однако между «пользуются» и «извлекают пользу» лежит дистанция, и в сегменте СМБ она особенно велика: у малого заказчика нет ни времени осваивать промпт-инжиниринг, ни специалиста, который сделает это за него.

Как рынок закрывает пробелы?

Ответов на проблему «пустого поля» рынок выработал несколько, и они хорошо ранжируются по стоимости для заказчика. Первый это обучение: курсы, гайды, разборы в профильных каналах. Работает, но требует главного дефицитного ресурса СМБ времени. Второй библиотеки готовых промптов: от бесплатных подборок в мессенджерах до зарубежных маркетплейсов, торгующих формулировками поштучно. Слабое место это несистемность и необходимость адаптации: чужая заготовка всё равно дорабатывается под задачу, что возвращает пользователя к исходному навыку. Третий корпоративный: штатный специалист составляет библиотеку выверенных формулировок под процессы компании, и ею пользуется весь персонал. По качеству это эталон, по цене — история для среднего бизнеса и выше.

Четвёртый ответ продуктовый, и именно он сейчас формирует отдельный класс решений: сценарии, зашитые в сам сервис. Пользователь не формулирует запрос вовсе  он выбирает типовую задачу из списка (подготовить коммерческое предложение, рассчитать показатель, разобрать таблицу) и подставляет свои данные. По сути, это та же корпоративная библиотека, но собранная вендором заранее и амортизированная на всю пользовательскую базу  без зарплаты промпт-инженера на стороне заказчика.

Как это выглядит в продукте?

На российском рынке подход в чистом виде реализует, например, Сфера (sphere.su). Вместо чистого чата — библиотека готовых сценариев и шаблонов под типовые деловые задачи, встроенные калькуляторы с фиксированными формулами, разбор загружаемых таблиц (ABC-анализ, динамика, структура затрат). Существенная деталь: заготовка здесь связана с инструментом, поэтому результатом становится оформленный документ или расчёт, а не текст в ленте переписки, который ещё предстоит куда-то переносить. Крупные игроки движутся в ту же сторону — обрастают наборами инструментов и средами для сборки цепочек (у Сбера это GigaChain), — однако их надстройки адресованы скорее разработчикам решений; рядовой пользователь на старте по-прежнему встречает пустое поле.

Экономика двух подходов тоже различается. Универсальный чат монетизируется подпиской на мощность модели, и его ценность растёт вместе с квалификацией пользователя что автоматически сужает платящую аудиторию до продвинутой её части. Сценарный продукт монетизирует не мощность, а сэкономленное время на конкретных операциях: ценность очевидна заказчику с первого использования и не требует от него никакого роста квалификации. Для рынка, где основная масса потенциальных пользователей — новички, второй механизм масштабируется заметно легче.

Ограничение сценарного подхода следует назвать прямо: он работает ровно до границы типового. Нестандартная задача, выпадающая из шаблона, возвращает пользователя к свободному диалогу и навыку формулирования — поэтому зрелые продукты держат оба контура, а не противопоставляют их. Практика показывает и то, что подходы не конкурируют лоб в лоб: типовая рутина, составляющая до четырёх пятых обращений делового пользователя, уходит в сценарии, остальное — в чат.

Выводы

Из описанной картины следует несколько выводов, значимых для участников рынка. Первый: в массовом деловом сегменте конкуренция смещается с мощности модели на длину пути от задачи до результата. Лишние баллы в бенчмарке не компенсируют заказчику десять минут уговоров чата; заготовка нужной структуры документа — компенсирует. Второй: сценарный подход радикально снижает требования к квалификации пользователя, а значит, расширяет адресуемый рынок — продавать такой продукт можно тем, кто «уже пробовал нейросети и разочаровался», и это огромная аудитория. Третий: для партнёров здесь открывается сервисная ниша — наполнение сценарных библиотек под отрасль или конкретного заказчика: у вендора всегда типовой набор, у клиента всегда своя специфика, и мост между ними — естественная работа интегратора.

Четвёртый вывод касается удержания. У чистого чата переключение на конкурента стоит пользователю ноль: история переписки не актив, привычки переносимы. У сценарного продукта с накопленными шаблонами, настроенными под процессы заказчика калькуляторами и загруженными данными стоимость переключения растёт с каждым месяцем использования — классическая логика закрепления, знакомая каналу по любому прикладному софту.

Пустое поле никуда не исчезнет — для сложных и творческих задач свободный диалог с мощной моделью незаменим. Но массовый деловой спрос, особенно в СМБ, судя по всему, будет консолидироваться вокруг продуктов, где работа по постановке задачи выполнена заранее. Рынок, который два года мерился размерами моделей, начинает мериться длиной пути до результата — и это, пожалуй, признак его взросления.