Четыре слова, которые путают: ИИ, машинное обучение, нейросеть, LLM
Эти слова вложены друг в друга как матрёшки, и большая часть путаницы в статьях и на конференциях от того, что их используют как синонимы.
Из таблицы следует, что всякая LLM это ИИ, но не всякий ИИ это LLM. Навигатор, который строит маршрут, это ИИ по любому определению, но в нём нет нейросети: маршрут ищет алгоритм с правилами. А рекомендательная система маркетплейса это машинное обучение, но не языковая модель.
Что происходит внутри нейросети, я показывал на живом примере в статье нейросеть это: там модель из 50 тысяч чисел обучалась за полсекунды. Как устроены языковые модели, во сколько токенов обходится русский текст и сколько стоит один ответ, разобрано в статье LLM: что это.
Ещё одно слово, которое стало отдельным: генеративный ИИ. Это модели, которые создают новое, будь то текст, картинка, видео или звук, в отличие от моделей, которые только классифицируют или предсказывают. Стратегия ИИ описывает их как «большие генеративные модели», способные интерпретировать и создавать тексты, изображения и видео на уровне, сопоставимом с человеком.
Слабый и сильный ИИ: что есть, чего нет
Всё, что работает сегодня, это слабый, или узкий, ИИ: каждая система решает свой класс задач. Языковая модель пишет текст, но не водит машину. Система распознавания лиц не переведёт документ. Даже когда один продукт делает много всего, внутри стоят разные модели под разные задачи.
Сильным ИИ называют систему, которая справляется с любой интеллектуальной задачей не хуже человека. Российская стратегия определяет его как тип ИИ, который способен выполнять различные задачи, взаимодействовать с человеком и самостоятельно адаптироваться к изменяющимся условиям. Такой системы нет, и споры о сроках её появления идут между людьми, которые её строят. Три сценария на 2030 год от Anthropic, включая тот, где ИИ в основном автоматизирует рутину, я разбирал в новости про сценарии экономики.
Практический вывод для бизнеса: не ждать сильного ИИ. Слабого хватает на большую часть рутины, если понимать его границы.
Как ИИ учится: три способа на примерах из бизнеса
Обучение с учителем. Системе показывают примеры с правильными ответами: вот 5 000 обращений клиентов, у каждого пометка «заявка», «вопрос» или «жалоба». Модель учится ставить пометки сама. Так работают фильтры спама, оценка заявок и распознавание товаров на фото. Цена: нужны размеченные данные, и размечать их должен человек, который понимает бизнес.
Обучение без учителя. Данные есть, правильных ответов нет. Модель сама находит группы похожих объектов: например, делит клиентов на сегменты по поведению. Так устроен RFM-анализ в его продвинутых вариантах и поиск аномалий: покупка, не похожая на остальные, может быть мошенничеством.
Обучение с подкреплением. Модель действует, получает награду или штраф и подстраивается. Так учат играть в игры и так дообучают языковые модели: люди оценивают ответы, и модель начинает отвечать теми способами, которые оценивали выше. Побочный эффект этого способа, склонность угадывать вместо «не знаю», разобран ниже.
Малый бизнес почти никогда не обучает модели сам. Он берёт готовую, обученную на общих данных, и добавляет свои документы в запрос. Это дешевле и быстрее, а результат для типовых задач не хуже.
Сколько бизнеса в России уже работает с ИИ
Цифры зависят от того, кого спрашивают. Крупные компании впереди: по исследованию «Яков и Партнёры» и Яндекса за декабрь 2025 года, 71% компаний применяют генеративный ИИ хотя бы в одной функции, на 17 процентных пунктов больше, чем в 2024-м. Там же оценка эффекта для экономики к 2030 году: 7,9–12,8 трлн рублей в год, до 5,5% прогнозного ВВП.
Малый и средний бизнес отстаёт, но не так сильно, как принято думать. По исследованию НАФИ, о котором писало РИА Новости в мае 2024 года, руководители 30% предприятий МСП уже использовали инструменты на базе ИИ, 63% видят главную ценность в экономии времени, а почти каждый второй пользователь оценивает эту экономию в 3–10 часов в неделю. Чаще всего ИИ применяли для маркетинга и рекламы: картинки, тексты, поиск аудитории, контент-план.
Эти данные за 2024 год, и с тех пор инструменты стали доступнее. Более свежей выборки именно по малому бизнесу с методикой, которую можно проверить, я не нашёл, поэтому цифру 30% стоит считать нижней границей.
Покупатели тоже перешли на ИИ: свежий замер
Вторая сторона рынка, клиенты, меняется быстрее компаний. Исследование «Ашманов и партнёры» «Поиск 2026: роль ИИ-сервисов при поиске и выборе товаров», о результатах которого компания сообщила 14 сентября 2026 года, опросило 1 000 онлайн-покупателей 18–55 лет из Москвы, Петербурга и городов-миллионников, которые пользуются нейросетями. По данным компании, которые приводит RB.RU, нейросети стали предпочтительным инструментом в 4 из 7 сценариев поиска товаров, 69% опрошенных считают, что ИИ ускоряет поиск, а после рекомендации нейросети 35% переходят по ссылкам из ответа и 45% идут на знакомые площадки.
Для владельца магазина или услуги это означает новую точку входа: клиент может прийти не из поиска и не с маркетплейса, а из ответа нейросети. Как попадать в такие ответы, разобрано в статье про GEO-продвижение.
Мои цифры: что делает ИИ на одной платформе за месяц
Опросы показывают намерения, а мне интересно, что происходит на практике. Мы делаем платформу Ноя, где компании собирают ИИ-агентов для переписки с клиентами, и я снял 15 сентября 2026 года агрегированные цифры за август без каких-либо данных о конкретных клиентах.
Ответов больше, чем сообщений от людей, потому что агент часто отвечает несколькими сообщениями и пишет первым в рассылках. Контекст в 14 тысяч токенов это инструкция агента, база знаний компании и история диалога, которые модель перечитывает при каждом ответе. Что такое этот предел памяти и почему он важен, я разобрал в статье про контекстное окно.
Вывод, который я из этого делаю: ИИ в малом бизнесе уже не эксперимент, а рабочий инструмент, где счёт идёт на сотни тысяч диалогов в месяц. Тариф платформы от 990 ₽ в месяц, пробный период 7 дней, а при регистрации по ссылке с портала стартовый баланс 1 000 ₽ вместо 500 ₽. Как устроена платформа целиком, есть в обзоре Ноя.
Пять применений для малого бизнеса
Переписка с клиентами. Агент отвечает в Telegram, WhatsApp, на Авито и в Max по прайсу и правилам компании, записывает на время и передаёт менеджеру, когда вопрос выходит за рамки. Разбор по нишам собран в гайде по ИИ-сотрудникам.
Звонки. Модель расшифровывает разговор, находит, где менеджер не назвал цену или не договорился о следующем шаге, и складывает это в таблицу. Что из этого получается на практике, есть в статье о речевой аналитике.
Реклама и контент. Тексты объявлений, описания товаров, ответы на отзывы, картинки для соцсетей. Здесь ИИ экономит часы, но требует редактора: без правки тексты выходят одинаковыми у всех, кто пользуется той же моделью. Как ставить задачу, чтобы результат не был усреднённым, разобрано в статье про промпт.
Документы. Договор на 14 страниц читается за минуту, модель отвечает на вопрос «где здесь штрафы для меня». Проверять всё равно должен человек, но он проверяет 3 пункта, а не 14 страниц.
Сайты. Описание бизнеса словами превращается в готовую страницу с формой заявки. Как это устроено и чем ограничено, я разбирал в статье про вайбкодинг.
Во всех 5 случаях ИИ это только часть решения. Вторая часть: данные компании, подключение к каналам и правила, когда звать человека.
Где ИИ ломается и кто отвечает
Уверенно врёт. Языковые модели выдают правдоподобные, но ложные ответы, и OpenAI в исследовании от 5 сентября 2025 года объясняет это устройством обучения: модели оценивают по доле правильных ответов, поэтому угадать выгоднее, чем признать незнание. Лечится инструкцией «если данных нет, скажи об этом» и подключением документов компании.
Не знает вашего бизнеса. Модель обучена на общих данных и ничего не знает о ваших ценах, сроках и остатках. Всё это нужно положить в запрос или базу знаний, иначе она возьмёт «среднее по интернету».
Забывает. У модели есть предел памяти в одном разговоре, и длинный диалог в него не помещается. Это решается системой вокруг модели, которая хранит и подаёт нужное, о чём отдельная статья про контекстное окно.
Не отвечает. Юридически и фактически за ответ отвечает компания, которая его отправила клиенту. Если агент пообещал скидку, которой нет, это ваше обещание. Поэтому правила эскалации и проверка первых недель обязательны.
Закон: что уже написано про ИИ в России
Отдельного закона об ИИ в России нет, но правил, которые касаются ИИ в бизнесе, уже несколько.
Национальная стратегия до 2030 года задаёт понятия и приоритеты: определения ИИ, сильного ИИ, больших генеративных и фундаментальных моделей закреплены указом № 490 в редакции от 15 февраля 2024 года. Для бизнеса это словарь, на который можно ссылаться в договорах и спорах.
Закон о персональных данных 152-ФЗ действует на любую переписку с клиентами: имена, телефоны и адреса это персональные данные, и передавать их на зарубежные серверы моделей без правовых оснований нельзя. Штрафы за утечки выросли, и о том, сколько уже взыскали, есть отдельная новость.
Реклама с участием ИИ маркируется как обычная реклама, а пометка «создано ИИ» её не заменяет. Оба правила разобраны в новости про маркировку. Минцифры готовит отдельные правила для ИИ-систем, и под них попадут в том числе маркетплейсы, о чём есть новость от августа 2026.
Как отличить ИИ от наклейки «ИИ»
Слово «ИИ» сегодня пишут на всём, от чайника до CRM, поэтому перед покупкой я задаю продавцу 5 вопросов.
- Какая модель внутри и кто её сделал? Если ответ «наша собственная разработка» без названия, чаще всего это правила, а не обучение.
- Что происходит, когда данных нет? Настоящая система скажет «не знаю» или переключит на человека, наклейка выдаст что-нибудь.
- Можно ли посмотреть, почему система приняла решение? Хотя бы в виде «ответ построен на этих 3 документах».
- Где обрабатываются данные и есть ли обезличивание перед отправкой в модель?
- Что изменится через месяц? ИИ учится или дообучается на ваших правках, наклейка нет.
Если на 3 вопроса из 5 ответа нет, вы покупаете обычную программу с модным словом на коробке. Это не обязательно плохо, но платить за неё как за ИИ не стоит.
Промпт: правила работы с ИИ для сотрудников
Первое, что ломается при внедрении ИИ в компании, это не технология, а порядок: кто-то отправляет договор клиента в бесплатный чат, кто-то публикует текст без проверки. Этот запрос собирает короткий свод правил под вашу компанию. Вставьте в любую нейросеть и заполните скобки.
Ты консультант по внедрению ИИ в малом бизнесе. Составь свод правил работы с ИИ-инструментами для сотрудников моей компании.
О компании:
— чем занимаемся и сколько сотрудников: [описание]
— какие ИИ-инструменты уже используем и для чего: [список]
— какие данные проходят через сотрудников: персональные данные клиентов, договоры, финансы, внутренние документы: [что из этого есть]
— кто отвечает за клиентскую переписку и публикации: [роли]
Сделай так:
1. Раздели данные на три группы: можно отправлять в любой ИИ-сервис; можно только в сервисы с хранением данных в России и договором; нельзя отправлять никуда.
2. Для каждой рабочей задачи (переписка, тексты, документы, расчёты) напиши, что ИИ делает сам, что делает с проверкой человека, что не делает.
3. Пропиши правило проверки: кто и что обязан перечитать перед отправкой клиенту или публикацией.
4. Опиши, что делать, если ИИ ошибся и ошибка ушла клиенту.
5. Уложи всё в одну страницу простым языком, без канцелярита, чтобы новый сотрудник понял за 5 минут.
Не выдумывай законов и штрафов: если нужна ссылка на норму, напиши «уточнить у юриста».
Пример выхода для студии интерьерного дизайна с 6 сотрудниками (сокращённо):
Правило проверки в примере: любой текст клиенту перечитывает автор проекта, любой публичный пост перечитывает второй человек. Если ошибка ушла клиенту: сначала честно исправить, потом разобрать, какой пункт правил не сработал.
Частые вопросы
Что такое искусственный интеллект простыми словами?
Это программы, которые решают задачи, требующие от человека мышления: понимают речь, узнают изображения, отвечают на вопросы, находят закономерности. Официальное определение в российской стратегии подчёркивает «поиск решений без заранее заданного алгоритма».
Чем ИИ отличается от нейросети?
ИИ это общее понятие, нейросеть один из способов его построить. Есть ИИ без нейросетей, например навигатор с алгоритмом маршрута, а всякая нейросеть это ИИ.
Чем ИИ отличается от машинного обучения?
Машинное обучение это часть ИИ, где правила выводятся из данных, а не записываются программистом. Старые системы ИИ с правилами, вроде экспертных систем, к машинному обучению не относятся.
ChatGPT это искусственный интеллект?
Да, это слабый ИИ на основе большой языковой модели. Он решает задачи с текстом и не претендует на универсальность.
Существует ли сильный ИИ?
Нет. Российская стратегия определяет его как систему, способную выполнять различные задачи и самостоятельно адаптироваться к меняющимся условиям, и такой системы пока нет ни у кого.
Сколько компаний в России используют ИИ?
По исследованию «Яков и Партнёры» и Яндекса за декабрь 2025 года, 71% крупных компаний применяют генеративный ИИ хотя бы в одной функции. По данным НАФИ за 2024 год, среди малого и среднего бизнеса инструменты ИИ использовали руководители 30% предприятий.
Может ли ИИ ошибаться?
Да, и делает это уверенно. Языковые модели выдают правдоподобные ложные ответы, потому что их обучали угадывать, а не признавать незнание. Защита: инструкции, документы компании в запросе и проверка человеком там, где цена ошибки высокая.
Что нужно, чтобы внедрить ИИ в малом бизнесе?
Одна повторяющаяся задача, 20 реальных примеров для проверки, данные компании в электронном виде и человек, который первые 2 недели проверяет ответы. Программист нужен только при работе с моделями напрямую через API.
Заменит ли ИИ сотрудников?
На типовых задачах ИИ уже берёт на себя первый ответ, черновик и разбор записей, а человек проверяет и решает сложное. По опросу НАФИ, малый бизнес видит главную ценность в экономии времени, а не в сокращении людей.
Главное практическое ограничение сегодняшнего ИИ это уверенные выдумки: 5 моделей из 8 в моём замере назвали компании чужой ИНН. Разбор причин и способов защиты в статье про галлюцинации нейросети.
С чего начать прямо сейчас
Всё ниже делается за один вечер.
- Выпишите 3 задачи, которые повторяются каждый день и состоят из текста или речи: ответы клиентам, описания, разбор звонков.
- Для каждой ответьте на вопрос: есть ли у вас данные, по которым ИИ должен отвечать, в электронном виде. Если нет, начинать нужно с них.
- Прогоните промпт из этой статьи и получите свод правил на одну страницу: кто что проверяет и какие данные куда нельзя отправлять.
- Выберите одну задачу и соберите 20 реальных примеров с правильными ответами.
- Проверьте на них бесплатный чат любой модели, чтобы понять, что она делает сама, а где ошибается.
- Назначьте человека на подстраховку и дату через 2 недели, когда сравните время на задачу до и после.
Дальше по цепочке: разобраться, как устроены языковые модели и их память, а потом собрать первого ИИ-сотрудника на выбранной задаче.
