В одном канале Slack живёт Claude. Он видит, что происходит, запоминает контекст, берёт задачи, даже когда его не просили. Если коллега ушёл домой, Claude подхватывает разговор с того места, где остановились. Anthropic объявила: 65% кода продуктовой команды уже создаётся этим агентом. Это не эксперимент и не прототип. Это продукт, который компания с выручкой 47 млрд долларов продаёт клиентам. И одновременно с этим Шанхайская лаборатория научила агентов чинить себя самих, а аналитики подсчитали: больше половины B2B-специалистов уже внедрили ИИ, но системного эффекта нет у 75% компаний. Разбираем, что всё это значит.
@Claude в вашем канале: чем агент отличается от бота
Anthropic запустила Claude Tag - продукт, который встраивает их самую мощную модель прямо в Slack как постоянного участника. Напишите @Claude - и он напишет pull request, соберёт цифры по продажам, проведёт анализ данных. Но это не чат-бот, а AI-агент, и разница принципиальная.
Четыре особенности отличают Claude Tag от всего, что было раньше. Первая: мультиплеерность. В одном канале живёт один Claude, который видит всех участников и может подхватить задачу с того места, где остановился предыдущий коллега. Вторая: обучение. Он накапливает контекст о проекте, не требуя переобъяснять всё с нуля. Третья: инициативность. С включённым ambient-режимом он сам находит нужную информацию и предлагает действия. Четвёртая: он пишет код, а не просто отвечает на вопросы.
Ключевые цифры: 65% кода продуктовой команды Anthropic создаётся внутренней версией Claude Tag. Выручка Anthropic - 47 млрд долларов run-rate. Claude Code приносит 2,5 млрд долларов run-rate. Компания привлекла 65 млрд долларов в Series H при оценке 965 млрд долларов.
Ханс Гуде, архитектор Claude Tag, говорит прямо: «Мы должны были построить систему, которая не ждёт инструкций - она читает канал, понимает контекст и предлагает помощь, когда видит, что может быть полезна.»
Для бизнеса во Владивостоке это не абстрактная новость. Нейросети для бизнеса перестали быть надстройкой над существующими процессами. Claude Tag - не инструмент, а член команды. Инструментом управляют. С членом команды сотрудничают. Разница в том, как строятся процессы.
Агенты, которые чинят себя без человека
Пока Anthropic решает задачу интеграции агентов в команду, Шанхайская лаборатория искусственного интеллекта пошла дальше. Они выпустили Self-Harness - фреймворк, в котором агент сам находит свои слабые места, генерирует исправления и проверяет их через регрессионные тесты.
Звучит как футурология, но результат конкретный: прирост на реальных задачах от 33 до 60% в зависимости от модели. MiniMax M2.5 перестал зацикливаться на конфигурациях датасета - Self-Harness добавил loop breaker после 50 вызовов. Qwen-3.5 перестал бесконечно повторять упавшую команду - добавлен запрет точных дубликатов. GLM-5 научился сохранять PATH между сессиями и чинить упавшие проверки.
Ханфань Чжан, ведущий автор Self-Harness, объясняет: узкое место не в моделях, а в обвязке - харнесе. Это системный промпт, инструменты, память, правила верификации, логика оркестрации. Раньше эту обвязку правили вручную. Self-Harness автоматизирует цикл: слабость -> исправление -> проверка. Изменение принимается только если оно не ломает старые сценарии.
Что это меняет: инженер превращается из твикера промптов в архитектора фидбека. Вместо ручной правки агента команда проектирует систему обратной связи, которая позволяет агентам улучшаться самостоятельно. Стоимость эксплуатации AI-агентов падает на порядок.
Разрыв: 53% внедрили, 25% масштабировали
Технологии есть. Продукты работают. Но организации за ними не поспевают. SmarterX опросила больше 2 100 B2B-профессионалов, из которых треть - маркетологи. Результаты: 53% уже перешли от экспериментов к реальному внедрению ИИ в рабочие процессы (рост с 43% год назад). Но только 25% компаний дошли до этапа масштабирования. Остальные застряли в пилотном режиме.
McKinsey показывает ту же картину с другой стороны: 88% организаций уже используют ИИ хотя бы в одной функции, но только 6% сообщают о значимом эффекте на уровне всего предприятия.
Frans Riemersma из MartechTribe формулирует суть: «Самое сильное влияние ИИ может проявиться не в том, чтобы делать существующую работу быстрее, а в том, чтобы открыть совершенно новые способы создавать ценность.» По данным McKinsey, только 23% организаций, использующих генеративный ИИ, перестроили свои рабочие процессы под новую технологию.
Большинство компаний застревают на стадии «фабрики»: эффективность, экономия, оптимизация. И не доходят до «лаборатории»: новые продукты, новые рынки, новая ценность. Первое даёт измеримый, но ограниченный эффект. Второе - рост на порядок.
Для компаний на Дальнем Востоке эта картина знакома: сотрудники осваивают нейросети, автоматизируют рутину, а компания в целом не перестроила процессы. Результат - точечная экономия вместо системного роста. Внедрение искусственного интеллекта в бизнес без перестройки процессов даёт ровно то, что вы попросили - и ничего сверх.
Подробнее об исследовании SmarterX → · Подробнее об исследовании McKinsey →
Ловушка: AI делает то, что вы сказали, а не то, что нужно
Тема автоматизации подводит к главному. AI в маркетинге способен оптимизировать ставки, управлять креативами, распределять лиды. Но система делает то, что вы ей сказали. Вопрос в том, правильную ли цель вы поставили.
Попросите AI «поднять ROAS» - и автоматические ставки уйдут в брендовый поиск, тёплые лиды и ретаргетинг. ROAS вырастет. Бизнес - нет. Попросите «больше регистраций» - кампании наполнятся дешёвым трафиком, который никогда не активируется. Регистраций много, прибыли нет. Попросите «снизить CAC» - система незаметно сузит охват до самой лёгкой аудитории. CAC падает, рынок сжимается.
Главная мысль: размытая цель, отданная на автоматику, даёт уверенные результаты в неверном направлении. Система находит самый эффективный путь к метрике - и уверенно идёт не туда. Перестаньте давать AI направление. Дайте поле.
Решение - в границах. «Мы готовы, чтобы ROAS снизился с 8x до 5x, если объём новых клиентов вырастет. Ниже 5x - стоп.» Это не направление, а игровое поле. Система знает, где победа, а где поражение. Без таких границ автоматизация превращается в ускоренное движение в никуда.
Подробнее об автоматизации и размытых целях →
Что это значит для бизнеса
Пять новостей этой недели складываются в один сюжет. Claude Tag показывает, что AI-агенты уже работают как полноправные члены команды - вопрос не в технологии, а в организации. Self-Harness доказывает, что агенты могут улучшать себя сами, и стоимость их эксплуатации будет быстро снижаться. Данные SmarterX и McKinsey напоминают: внедрение без перестройки процессов даёт точечную экономию, а не рост. А история про размытые цели - что AI не замена стратегии, а её усилитель. Усилит он правильное или неправильное - зависит от вас.
Для компаний во Владивостоке и на Дальнем Востоке вывод практический. AI-агенты для бизнеса - это не про покупку доступа к ChatGPT. Это про архитектуру: какие задачи отдать агентам, как настроить границы автоматизации и как измерить результат не по метрикам, а по бизнесу. Те, кто пройдут этот путь сейчас, окажутся на два шага впереди, когда конкуренты только начнут задумываться о масштабировании.
Хотите проверить, насколько ваша текущая инфраструктура готова к внедрению AI-агентов? Начните с бесплатного AI-аудита. Разберём ваши процессы, найдём точки для автоматизации и подскажем, какую архитектуру выбрать.