Сейчас у всех в кармане компьютер мощнее того, что запускал людей на Луну. Но на Луну что-то никто не летит

Четыре года занимался технологией будущего, которая не выстрелила

К 2017 году я больше четырёх лет работал с дополненной реальностью и понимал, что технология зашла в тупик. Не было ни киллер-приложения, ни хорошего железа, ни алгоритмов для анализа трёхмерных сеток и генерации 3D-объектов. И сам рынок просто маленький: из восьми миллиардов человек гарнитуру купили около ста миллионов, а каждый день её используют меньше миллиона.

Дополненную реальность я люблю до сих пор, просто время для неё не пришло. Тогда я сместил фокус и начал думать, как с помощью технологий удешевить создание контента, пошёл ресёрчить компьютерную графику — конкретно machine learning*Машинное обучение ( англ. Machine Learning, ML) — раздел искусственного интеллекта, который изучает методы построения алгоритмов, способных обучаться на основе данных, закономерностей и прогнозов., сейчас это называют нейронками. Технологически это было мне близко: в дополненной реальности многое завязано на 3D-движках*3D-движки (англ. 3D engines) — программные платформы для создания трёхмерной графики, интерактивных миров и видеоигр., а они работают на GPU*GPU (англ. Graphics Processing Unit, графический процессор) — микропроцессор для быстрой обработки графики, трёхмерных изображений и параллельных вычислений. и нейронном рендеринге. Оставалось придумать, как превратить это в бизнес.

В 2017–2018 году я открыл R&D-лабораторию, а затем магистерскую программу в МАИ совместно с Microsoft. С 2018-го внедрял AI в дизайн-процессы, к 2022 году это переросло в полноценный продукт. Мой подход — смотреть на технологии с разных сторон: через искусство, науку, бизнес.

От «пошли вы на фиг, сумасшедшие» до понимания важности пайплайнов и консистентности

Мы прошли через несколько этапов принятия нейросетей в дизайне. Поначалу мы приходили к дизайнерам и говорили, что им нужны нейронки, а нам отвечали: «Какие нейронки, что это вообще такое, пошли вы на фиг, сумасшедшие». Второй этап начался в 2022 году, когда появились ChatGPT и Midjourney, первые диффузионные модели. Тогда нам говорили: «О, круто, но зачем вы нужны, если есть ChatGPT или Midjourney».

Третья стадия разворачивается сейчас. Дизайнеры поняли, что для эффективной работы нейронных сетей нужно много — недостаточно одной Midjourney или Nano Banana — и желательно в одном месте с возможностью легко вести проект в облаке с командой. Но пока не все научились выстраивать удобный пайплайн: повторяемость процесса не менее важна, чем, допустим, консистентность персонажей. Консервативный слой, конечно, никуда не делся, но их становится всё меньше.

Что нейросети ускорили, а что нет

Я бы разделил задачи дизайнера на две части: дизайнерские и менеджерские. С точки зрения технических навыков — монтаж, цветокоррекция, всё, что делается руками, — нейросети дают стопроцентное ускорение. Где-то доступна полная автоматизация, где-то ускорение в разы.

А вот менеджерские задачи практически не ускорились. Дизайн-ревью, согласования, отбор. Более того, где-то они стали занимать даже больше времени: если раньше тебе нужно было выбрать что-то одно из пяти вариантов, то сейчас — из ста.

Отсюда и бешеный бум на ИИ-агентов*ИИ-агент — программа на базе искусственного интеллекта, которая самостоятельно выполняет поставленную задачу: планирует шаги, обращается к нужным сервисам. В отличие от нейросети, отвечающей на один запрос, агент действует последовательно и принимает решения по ходу.. Когда кто-то говорит вам, что у него всё суперавтоматизировано, агент агентом погоняет, — скорее всего, он просто не понимает задачу. Не нужно выдумывать сложную систему, вайб-кодить, достаточно одного агента, который будет делать нормальное дизайн-ревью в зависимости от контекста.

За что платит рынок в эпоху AI

У меня большой опыт продаж для крупнейших B2B-клиентов, и я вижу одну и ту же закономерность: бизнес никогда не платит просто за «красивые картинки» или доступ к нейросетям. Рынок платит за управление рисками и системность. На примере Phygital+ хорошо видно, за какими именно решениями приходят крупные компании.

Во-первых, это центр компетенций вместо зависимости от кадров. Сильные AI-креаторы сегодня штучный товар. Но когда уникальный специалист уходит, он забирает с собой промпты, процессы и логику работы. Компания теряет время и деньги. Бизнесу нужна система, а не герои-одиночки.

Во-вторых, предсказуемый продакшен-результат. Сгенерировать один эффектный кадр не проблема. Главная боль коммерческого продакшена — консистентность: сохранение единого стиля, персонажа, деталей продукта или сцены от кадра к кадру. Именно на этом этапе определяется, пойдёт результат в работу или останется бесполезной концепцией. Рынок платит за инструмент, который даёт контролируем

Дизайн-команда больше не просто дизайнеры

Графический дизайнер должен уметь работать с нейронками, это база, с этим уже все согласились. Но дизайнер — это видимый слой; если идти в глубину, процесс более сложный, в него вовлечены много специалистов.

Математик-теоретик — человек, который понимает алгоритмы. Он может придумать новый алгоритм, который, к примеру, ускорит рендеринг.

ML-инженер — это роль на уровень внедрения. Он обеспечивает работу алгоритмов с помощью кода на Python или C++, отвечает за архитектуру. Это больше и глубже, чем просто инженеры бэкенда и фронтенда.

AI-инженер — это разработчик, который понимает, как работать с Claude, ChatGPT, может написать агента, понимает, как LLM работает на чуть более низком уровне, чем обычный человек, но сам с нуля нейронку не напишет.

Графический дизайнер — на этом уровне важно уметь работать с нейроинструментами, применяя свои насмотренность и вкус. Здесь ещё часто появляются AI-креаторы, которые любят делать нейрослоп, поверхностный контент исключительно для кликов и трафика.

Что проще: найти дизайнера с хорошим вкусом и насмотренностью и научить нейросеткам, или взять человека, который отлично разбирается в алгоритмах и пайплайнах, «дотянуть» вкус? В 80% сработает первый вариант — найти хорошего дизайнера. Но порой нужен свежий взгляд со стороны AI-креатора, который делает какую-то фигню с бананом и клубникой, зато приносит новый эстетический взгляд. Для некоторых отраслей это имеет значение. В перформанс-маркетинге красота с точки зрения дизайна вообще не нужна, там важнее конверсия, и тогда чем тупее, тем лучше.

Как считать деньги

Подходы к подсчёту экономики у всех разные, а считать правильно почти никто не умеет. Результат зависит от того, что с чем сравнивать.

Сравнивать нужно конкретные кейсы, а не абсолютные цифры. На нашем примере: фотосъёмка для бренда одежды KANZLER стоила пятнадцать тысяч долларов, а с нами они тратят сто долларов на генерацию. Смотреть, сколько стоил годовой контракт, некорректно: помимо фотосессии, клиент делает ещё тысячу других вещей.

Разным клиентам важно разное. У нас много клиентов из ретейла, там объёмы контента огромные, поэтому всё упирается в юнит-экономику: ускорение в иксы имеет прямое денежное значение. У креативных студий таких объёмов нет, им важно качество — что они лучше всех сделают вот здесь цветокоррекцию, а вот здесь сгенерируют свечку с реалистичной тенью.

Меняется и то, кто эту работу делает. Раньше у компаний было много аутсорса, дизайн им делали агентства, сейчас многое уходит в инхаус: нейронки дают возможность делать быстро и качественно.

При этом агентства всё ещё нужны, запрос на количество контента только растёт. Ко мне приходили студии со словами: всё, конец, агентствам пора умирать. Я говорю: ребят, нет, просто меняется экономика и вам нужно быть к этому готовыми. Если раньше агентство зарабатывало миллион рублей на кей-вижуалах, то сейчас про такие цифры надо забыть. Но вы можете зарабатывать по сто тысяч с единицы контента, а этих единиц стало в десять раз больше. Тот же самый миллион.

Меня бесил хайп ещё в 2012 году

Принцип, вокруг которого я строю всё, что делаю, называется «усиленный интеллект», Augmented Intelligence. Его придумал Дуглас Энгельбарт, один из родителей human-computer interaction и автор первых элементов графического интерфейса. Компьютер — это велосипед для мозга, как говорил Стив Джобс. Мы не заменяем себя инструментом: ни ИИ, ни компьютером, ни калькулятором. Задача — научиться работать с ним с максимальной синергией.

Если бы я вышел на улицу и побежал наперегонки с автомобилем, вы бы решили, что я сумасшедший. С нейронками так же: инструмент нужно использовать по назначению. Задача Phygital+ — сделать так, чтобы дизайнеры не потеряли работу, а с новыми инструментами остались в обойме.

В 2012 году нейронные сети впервые запустили на видеокартах Nvidia — до этого они считались на процессорах: долго, качество не очень, аппаратные ограничения. Тогда же появилась AlexNet, свёрточная модель, с которой всё началось. Начался бум, несопоставимый с нынешним, но в научной среде тогда говорили только о GPU и нейронках.

И тогда, и сейчас большинство AI-компаний продают всё это через AGI*AGI (англ. Artificial General Intelligence) — «общий искусственный интеллект», то есть гипотетический компьютерный разум, который может мыслить, обучаться и решать любые задачи наравне с человеком или лучше него. и искусственный интеллект уровня Skynet*Skynet — вымышленный искусственный интеллект из серии фильмов «Терминатор», который стал причиной войны машин против людей., который всех нас поработит. Меня это бесило тогда и бесит сейчас. Мы все думаем, что у нас есть бог в кармане, мы можем сделать что угодно с помощью нейронки. На самом деле это не так. Наши смартфоны фактически мощнее компьютера, запустившего людей на Луну. Ну и что? Каждый из нас что-то запускает на Луну?

Из-за этого хайпа я до 2018 года не относился к ИИ всерьёз. Мы его использовали, я делал проекты, но не считал ближайшей волной. И упустил ещё одну вещь. Мы тестировали работу с текстом: тогда были BERT*BERT (англ. Bidirectional Encoder Representations from Transformers) — языковая модель глубокого обучения, созданная исследователями Google AI Language в 2018 году для задач обработки естественного языка. и другие семантические подходы, которые предсказывали следующее слово, как GPT сегодня. И я, типа такой умный, сел и подумал: это неинтересно, пусть этим занимаются всякие лохи, а мы будем работать с 3D — вот это реально крутая штука. Сегодня вижу, что недооценил.

Четыре эры AI-революции: где мы находимся прямо сейчас и к чему придём через пять лет

Каждый день, читая новости про нейросети, легко поддаться панике или иллюзии, что завтра искусственный интеллект поработит мир. Но если посмотреть на индустрию без хайпа, становится очевидно: рынок движется быстро, но у него есть мощная инерция. Реальная адаптация технологий происходит в 2–3 раза медленнее, чем нам кажется.

За последние 15 лет AI-индустрия проходит понятные и логичные этапы эволюции. Понимание этой рамки помогает бизнесу планировать инвестиции и не вестись на громкие заголовки.

Эры AI-революции

1. Perception AI (2012–2021): эра восприятия. Всё началось с появления архитектуры AlexNet. Девять лет мы учили алгоритмы распознавать мир: считывать текст, находить объекты на картинках, распознавать 3D-модели и распознавать голос. Это был базовый этап, когда нейросети учились оцифровывать человеческий опыт.
2. Generative AI (2021 — настоящее время): эра генерации. Как только ИИ научился распознавать данные, произошёл естественный переход — мы научили его генерировать. Мы живём в этой эре прямо сейчас. Генеративные модели синтезируют текст, код, фото, аудио и видео. Одна из проблем этого этапа: человек всё ещё работает промпт-инженером и вручную соединяет результаты.
3. Agentic AI (сейчас — ближайшие 2–3 года): эра агентов и Generative UI. Прямо сейчас мы находимся на переломе — переходим к этапу агентного ИИ. Это время, когда мы перестанем писать промпты и начнём делегировать сложные задачи.

На практике это значит, что протоколы связи с нейронками внедряются во все привычные программы. Появляются полноценные операционные системы для работы с агентами и автономные системы замкнутого цикла. Скоро нормой станут связки агентов. Представьте алгоритм для маркетплейса: внутренний агент генерирует креативы под запрос, передаёт их в сервис дистрибуции, тот запускает рекламу, собирает конверсии и возвращает аналитику. На основе данных агент переделывает креатив и снова запускает цикл до достижения максимальной конверсии в оплату без участия человека.

Следующий шаг внутри этой эры — адаптивный веб (Generative UI, генеративные интерфейсы). Всё, что вы видите в интернете, будет генерироваться под ваш текущий контекст: время суток, местоположение, историю покупок и даже настроение.

И да, все разговоры про великий AGI, который завтра закрывает все рабочие места, — это просто булшит.

4. Physical AI (через 5 лет): эра физического ИИ и эпоха «Джарвиса». Фундаментальный сдвиг произойдёт, когда ИИ научится полноценно взаимодействовать с физическим пространством. Это беспилотники, дроны и постоянный визуальный контекст через камеры гаджетов.

Именно на этом этапе произойдёт долгожданное возвращение AR и VR. Для меня дополненная реальность — это не просто очки с картинкой, а естественный графический интерфейс для работы с искусственным интеллектом. Текстовые промпты уйдут в прошлое. Лучший интерфейс взаимодействия с ИИ — как Джарвис у Железного человека: когда вы работаете со всеми цифровыми и физическими элементами вокруг себя в единой среде.

Будущее креативного рынка: AIGC, авторские права и монетизация AI

Креативный рынок переходит от UGC (контент руками пользователей) к AIGC (AI-Generated Content). Это не «нейрослоп», который мы наблюдаем сейчас, а динамическая адаптация продуктов, контента и интерфейсов под человека.

Возьмём бренд вроде «Маши и Медведя». Что сейчас получают пользователи? Мультики, игрушки, мерч. А в AIGC цифровой актив переиспользуется иначе: амбассадорам и почитателям бренда можно дать генерировать серии и игры внутри вселенной бренда без навыков кодинга или 3D-анимации. Массовый сдвиг случится в ближайшие три года.

Отсюда вырастает вопрос, кому платить за авторство. Я вижу три направления.

Первое — то, что происходит сейчас в глобальном бизнесе: пытаются договариваться и заключать партнёрства. Но это не всегда работает. У Anthropic мировое соглашение с авторами на полтора миллиарда долларов, у Midjourney иски от студий, у OpenAI куча процессов. Показательна история Getty Images против Stability AI: осенью 2025 года британский суд отклонил ключевые претензии Getty по авторскому праву. Именно этот процесс должен был стать прецедентом, на который все смотрят, а ясности он почти не добавил. Но я технологический оптимист и считаю, что вопросы легального характера мы преодолеем.

Второе направление — лицензирование. К нам приходят компании, у которых есть цифровой актив, но монетизировать его так, как хочется, они не могут. Представьте, у вас есть ручка, вы ей пишете, но 50% времени она лежит без дела. И в этот момент её можно использовать в другом качестве. Пример банальный, но суть в том, что компании ищут для своего актива второе применение. Мы в таком случае дообучаем модель под определённый датасет и даём доступ к ней через наш сервис.

Третье направление технологическое, на горизонте минимум пяти-десяти лет. Если совместить блокчейн и искусственный интеллект, веса и датасеты, на которых обучается модель, будут поделены на блоки. И когда вы промптом генерируете картинку или видео, внутри модели будет понятно, какой именно блок использовался. Это позволит платить роялти конкретному человеку или компании.