Два месяца назад в AI-сообществе активно обсуждали, что половина нарекаемых в том же LLM инструментов работает криво и нужна куда более дешёвая автоматизация. Сейчас тот же стек (LLM, AI-агенты, RAG, MCP, векторные базы) вернулся в тренды, но скептицизм испарился. Кажется, сообщество просто пришло к выводу: это работает и это норма.
Чем вызвана переоценка? В основном тем, что за полгода большинство проектов, которые пробовали эти инструменты на боевом коде, получили результаты. LLM научились лучше интегрироваться в бизнес-логику, RAG перестал быть чёрным ящиком, агенты начали предсказуемо справляться с узкими, но полезными задачами. Инструменты не стали волшебством, но стали инженерной нормой — как когда-то были нормой API-интеграции или микросервисы.
Что конкретно кристаллизовалось как стандарт: LLM как движок рассуждений и генерации (в основном GPT-4 level и OpenAI API, но тянут и облегчённые модели), RAG для подачи контекста вместо дообучения (дёшево и быстро), векторные БД как инфраструктура для RAG (Pinecone, Weaviate, Milvus перестали быть экзотикой), MCP как протокол для подключения внешних инструментов к моделям. Агенты остаются самым хрупким звеном: они работают, когда задача хорошо определена, и ломаются, когда нужна творческость или непредсказуемость.
Для российского бизнеса это означает, что можно планировать автоматизацию без опасения, что архитектура устареет завтра. AI Studio и подобные платформы как раз позволяют быстро прототипировать такие системы без написания кода с нуля. В e-commerce вроде AliExpress модели применяют для обработки запросов и разборки отзывов, в финтехе — для скоринга и валидации операций, в поддержке — для классификации тикетов. Стек уже достаточно мозолист, чтобы работать в production, но достаточно понятен, чтобы не требовать PhD по ML на каждый проект.
Интересный момент: тема вернулась не потому, что появился новый инструмент, а потому, что старый инструментарий наконец зарекомендовал себя в боевой работе. Это признак того, что AI-интеграция переходит из фазы «попробуем, может быть» в фазу «это уже в смете на Q3». Критики вроде бы правы были — большая часть громких обещаний не сбылась. Но критика была в том, что инструменты переоценены, а не в том, что они не работают вообще.
Алексей Мартыненко
Главный редактор SPV News
Шум вокруг этих компонентов не исчез, просто изменил качество. Полгода назад говорили «это революция и спасение», потом «это всё сломано и бесполезно», теперь «это просто инструмент в наборе». Это здоровое развитие любой технологии: от хайпа к реальности. Значит, для тех, кто работает с этим на реальных задачах, наступает момент, когда можно перестать гадать и начать считать конкретные цифры — экономия, скорость обработки, качество выходных данных.