AI становится товаром: следующее преимущество — в архитектуре его использования

Последние обновления ChatGPT заставили меня задать себе довольно неприятный вопрос: а зачем вообще сегодня строить собственную AI-систему?

Несколько месяцев назад ответ был довольно очевиден. Нужна память — строим свою. Нужны агенты — строим. Нужен Deep Research — делаем отдельного агента. Нужно работать с почтой, файлами, календарём — подключаем интеграции. Нужно выполнять задачи автономно — строим соответствующий контур.

Именно из этой логики когда-то появился мой «Цех» — локальная система с памятью, задачами, специализированными агентами, интеграциями и возможностью выполнять работу, а не только разговаривать со мной.

Почему собственная разработка перестаёт быть преимуществом

Проблема в том, что базовые AI-платформы развиваются с совершенно безумной скоростью. Современный ChatGPT — это уже далеко не просто чат с языковой моделью. Claude движется туда же. Codex и Claude Code вообще постепенно превращаются в полноценную среду исполнения.

Если вчера собственная память, агенты или исследовательский контур были самостоятельным технологическим преимуществом, сегодня строить всё это только ради самого факта наличия становится бессмысленным.

В какой-то момент я поймал себя на неправильном вопросе: «Чем мой Цех лучше ChatGPT?» А потом понял, что вообще не хочу на него отвечать, потому что не собираюсь конкурировать с OpenAI или Anthropic. Более того, я хочу пользоваться их развитием.

Два слоя: когнитивные двигатели и персональный операционный слой

Для себя я сейчас вижу архитектуру примерно так. ChatGPT, Claude и другие AI-модели — это когнитивные двигатели. Один лучше исследует. Другой пишет код. Третий работает с большим контекстом. Завтра появится четвёртый, который будет лучше первых трёх. Мне совершенно не принципиально, кто именно выиграет эту гонку.

А поверх них нужен другой слой — слой, который знает меня, а не только текущий диалог.

Что должен знать и уметь персональный слой

• Знать мои проекты, задачи, людей, документы, решения, договорённости, источники информации
• Знать, какие специализированные агенты у меня существуют, зачем каждый нужен, какими данными и правами располагает
• Уметь создавать и управлять агентами под разные задачи вне зависимости от их сложности
• Решать, какой инструмент использовать для конкретной работы
• Связывать AI с моей реальной рабочей средой
• Сохранять всё это независимо от того, какая модель сегодня считается лучшей

То есть я постепенно перестаю смотреть на Цех как на «свой ChatGPT». Скорее это персональный операционный слой над AI. Если завтра OpenAI даст мне всё необходимое из коробки — я не вижу смысла героически переписывать то же самое самостоятельно. Если 80% системы можно собрать на ChatGPT — надо использовать ChatGPT. Если для какой-то задачи лучше Claude — использовать Claude. Собственная разработка имеет смысл только там, где между реальной работой и возможностями готовых платформ остаётся конкретный разрыв.

Где теперь появляется конкурентное преимущество

Мы слишком долго обсуждали инструменты: какую модель выбрать, каких агентов создать, что автоматизировать, какую платформу внедрить. Но по мере того как сами инструменты становятся всё мощнее и универсальнее, конкурентное преимущество постепенно перемещается этажом выше. Главным становится уже не наличие AI, а архитектура его использования:

• Что AI должен знать о вас
• Что он должен замечать
• Какие задачи ему вообще следует отдавать
• Где должны существовать специализированные агенты
• Какие решения нельзя автоматизировать
• Какие источники считать доверенными
• Что должно сохраняться независимо от конкретной модели
• Где проходит граница между человеком и машиной

Похоже, следующий большой вопрос — уже не «какой AI использовать?», а «какую систему его использования нужно построить вокруг конкретного человека, его целей, решений и реальности?». Эта тема сейчас кажется мне гораздо интереснее очередного спора о том, какая модель лучше.