Что мешает бизнесу внедрять ИИ: три барьера, о которых не пишут в пресс-релизах

18 сентября 2026 года ведущий подкаста The AI Daily Brief Натаниэль Уиттмор посвятил выпуск ровно этому разрыву: пока публичная дискуссия крутится вокруг безопасности ИИ вообще, компании заняты тремя приземлёнными вещами — безопасностью агентов, сменой моделей и контролем над собственными данными. Разберём каждый барьер и то, что с ним делать.

Что на самом деле тормозит внедрение ИИ в бизнес

Проблемы внедрения ИИ в бизнес редко упираются в качество модели. Модель, как правило, уже достаточно хороша для задачи. Упирается в другое: невозможно объяснить, кто отвечает за действия системы, непонятно, на что опереться при выборе поставщика, и неясно, где физически окажутся данные. Какие нейросети для бизнеса уже применяют и как их внедряют, помогает понять обзор инструментов и кейсов.

Общее у всех трёх барьеров одно — отсутствие измеримости. Нельзя управлять тем, что не считаешь. И вот здесь в сентябре 2026 года произошло кое-что более важное, чем очередной релиз.

Барьер 1. Безопасность ИИ-агентов: автономность — это не только возможность

Агент отличается от чат-бота тем, что совершает действия: пишет код, отправляет запросы, меняет файлы. Вопрос «а если он сделает это неправильно» перестаёт быть теоретическим, как только агент получает доступ к рабочим системам. Какие инциденты уже случались с агентами и как ограничить им права доступа, разбирают в материале о рисках ИИ-агентов.

17 сентября 2026 года Anthropic Institute опубликовал материал «Measurements for understanding the pace of AI development inside frontier labs» (авторы Марина Фаваро и Филли Райт, научное руководство — Джек Кларк). Компания предложила три измерения собственной работы с ИИ и — что редкость — раскрыла по ним цифры за август 2026 года:

• Claude «ведёт» 26% внутренних исследовательских и инженерных работ Anthropic по ИИ;
• доля работ на уровне «ИИ сотрудничает с человеком» и выше — более 90%;
• полностью автономно Claude не работает ни на одном измеренном участке;
• около 30 000 агентов заняты research- и engineering-задачами;
• онлайн-мониторинг блокирует 0,002% их действий — примерно одно из 47 000;
• офлайн-проверка помечает 1–2 транскрипта на тысячу;
• около 6% вычислительных мощностей, потраченных на ИИ-исследования, ушло на безопасность.

Anthropic прямо приглашает других разработчиков публиковать те же метрики по открытой методологии.

Наша оценка: главное здесь — не цифры, а сам факт их существования. Впервые крупный разработчик показал не декларацию «мы за безопасность», а числитель и знаменатель: сколько действий агентов проходит проверку, сколько блокируется, какая доля работы идёт без человека. Это шаблон вопросов, который бизнес теперь может задавать любому подрядчику. Недооценённая часть новости в том, что шаблон применим и внутри компании: если у вас работает ИИ-агент и вы не можете назвать долю его действий, прошедших ревью, — у вас нет надзора, у вас есть надежда.

Показательно и то, что «полностью автономно — ноль». Компания, которая делает передовые модели, не отпускает своих агентов без присмотра. Аргумент в пользу того, чтобы и вы этого не делали.

Барьер 2. Выбор модели: как не застрять в тестировании

Второй барьер — скорость рынка. Пилот идёт три месяца, за это время выходят две новые модели, и результаты пилота устаревают до того, как их успевают защитить перед руководством.

Свежий пример: 15 сентября 2026 года Google представил модели Gemini 3.8 Live и Gemini 3.8 Live Extended Thinking. Заявленные возможности — обработка визуального ввода почти в реальном времени, автоматическое переключение между 97 языками прямо посреди разговора, вызов инструментов в фоне без паузы в диалоге. Extended Thinking, по описанию Google, «рассуждает и говорит одновременно». Весь синтезированный звук помечается водяным знаком SynthID. У обеих моделей есть бесплатный тариф и платный доступ через API.

Важная деталь для тех, кто читает новости по диагонали: «Gemini Live» в заголовках — это потребительская функция приложения, а вышли именно модели с версией 3.8. Путаница в названиях — бытовая причина, по которой в компании сравнивают несопоставимые вещи.

Практический вывод из этой гонки простой: не выбирайте модель, выбирайте архитектуру, в которой модель заменяема. Если ваш процесс завязан на конкретного поставщика через его интерфейс, каждая смена — это новый проект. Если между вашей логикой и моделью есть слой абстракции, а к задаче написан набор тестовых примеров с эталонными ответами, замена модели превращается в один прогон тестов.

И второе: сравнивайте не бенчмарки, а свои кейсы. Возьмите 30–50 реальных задач, прогоните через двух-трёх кандидатов, посчитайте долю ответов, которые ушли бы в работу без правок. Этот показатель полезнее любого места в рейтинге.

Барьер 3. Контроль над данными: чужое облако или своя инфраструктура

Третий барьер — самый скучный на вид и самый частый на практике. Договор с внешним ИИ-сервисом означает, что ваши документы, переписка и клиентские данные уходят на чужие серверы. Для части отраслей это просто запрещено, для остальных — предмет отдельного разговора с юристом.

Контроль над данными складывается из нескольких проверяемых пунктов: где физически хранятся данные; используются ли они для обучения моделей; сколько хранятся логи запросов; можно ли по требованию удалить всё; кто из сотрудников подрядчика имеет доступ. Если хотя бы на один вопрос поставщик отвечает общими словами, ответ считайте отрицательным.

Есть и регуляторный контекст. В США 23 июля 2026 года сенаторы Адам Шифф и Джим Бэнкс внесли законопроект CATSR Act (S. 5105) — он даёт разработчикам ограниченное антимонопольное изъятие для обмена информацией об угрозах безопасности ИИ и для согласованной отсрочки релизов, но только после письменного уведомления Минюста. Это именно внесённый законопроект, а не принятое решение: глава FTC Эндрю Фергюсон 15 сентября 2026 года высказался о такой идее резко негативно, оговорив, что это его личное мнение. Тему подогрело и эссе Дарио Амодеи «We Must Pace the Frontier», опубликованное в сентябре 2026 года на его личном сайте — не от лица Anthropic.

Для бизнеса вывод прагматичный: правила игры ещё не устоялись, и это аргумент не откладывать внедрение, а строить его так, чтобы смена поставщика или требований регулятора не обнуляла работу.

Что с этим в России

Практическая часть, которой нет в англоязычных источниках.

Подкаст The AI Daily Brief слушать бесплатно можно, но с оговорками. Spotify официально не обслуживает Россию с апреля 2022 года, приложение удалено из российских магазинов, карты РФ не проходят. У Apple карты РФ не работают с 2022 года, а с 1 апреля 2026 года отключена и оплата со счёта мобильного — при этом бесплатное прослушивание в Apple Podcasts из России доступно. Самый надёжный путь — сайт aidailybrief.ai, RSS-фид напрямую и бесплатная email-рассылка. YouTube с августа 2024 года замедлен, а в феврале 2026 года его домены исключены из НСДИ — у большинства провайдеров не открывается без смены DNS или VPN.

Gemini 3.8 Live в России официально недоступен: России нет в списке поддерживаемых стран ни для веб-версии, ни для мобильной. Русский язык в списке поддерживаемых языков есть, но это не то же самое, что доступность страны.

Чем заменить. Для новостей по ИИ на русском прямого аналога ежедневного подкаста нет, зато есть регулярные текстовые каналы — «эйай ньюз» и «Сиолошная», а из подкастов выходят «Проветримся!» Ивана Ямщикова и «Неопознанный Искусственный Интеллект» от «Системного Блока». Для рабочих задач вместо Gemini — YandexGPT и Алиса у Яндекса, GigaChat у Сбера: оба варианта снимают вопрос с трансграничной передачей данных.

Пять шагов: как начать внедрение ИИ в бизнес без большого ИТ-отдела

1. Возьмите одну задачу с измеримым результатом. Не «внедрить ИИ», а «сократить время подготовки коммерческого предложения». Без метрики «до» нечего будет сравнивать.
2. Соберите свой мини-бенчмарк. 30–50 реальных примеров с эталонными ответами. Это ваш инструмент выбора модели сегодня и проверки замены через полгода.
3. Определите режим надзора до запуска. Что агент делает сам, что — только с подтверждением человека, что запрещено совсем. Логируйте всё и раз в неделю просматривайте выборку — по сути, это упрощённая версия того, что Anthropic называет agent oversight.
4. Задайте поставщику пять вопросов о данных из раздела выше и зафиксируйте ответы в договоре, а не в переписке.
5. Вложитесь в людей раньше, чем в лицензии. Основная причина провала пилота — сотрудники не умеют формулировать задачу так, чтобы модель дала пригодный результат. Разобраться в этом системно помогает программа «Нейросети для маркетинга», где работу с промптами и оценку результата разбирают на прикладных задачах.

Отдельные аспекты мы уже разбирали подробнее — например, как делить задачи между человеком и ИИ и с чего начинать делегирование агентам.

Частые вопросы

Можно ли доверять ИИ-агентам работу с конфиденциальными корпоративными данными? Только при трёх условиях: поставщик письменно подтвердил, что данные не уходят в обучение, у агента ограничены права доступа, и действия логируются с регулярной выборочной проверкой. Показательно, что Anthropic по состоянию на август 2026 года не даёт своим агентам работать полностью автономно ни на одном измеренном участке.

Какую AI-модель выбрать малому и среднему бизнесу в 2026 году? Ту, что лучше решает ваши 30–50 тестовых задач, а не ту, что выше в рейтинге. Для задач с персональными данными российских клиентов практичнее YandexGPT или GigaChat — вопрос трансграничной передачи снимается сразу.

Как понять, что подрядчик обеспечивает достаточный контроль над данными? Он отвечает конкретикой на вопросы о месте хранения, сроке хранения логов, использовании данных для обучения, процедуре удаления и списке сотрудников с доступом — и готов внести эти ответы в договор.

Нужен ли собственный ИТ-отдел, чтобы безопасно внедрить ИИ? Для первой задачи — нет. Нужен один ответственный сотрудник, который ведёт список разрешённых сценариев, проверяет выборку результатов и держит связь с поставщиком. ИТ-отдел понадобится, когда дойдёте до интеграции с внутренними системами.