В конце июня Morgan Stanley запустил AI-агентов в один из самых требовательных процессов в финансах - сверку прибылей и убытков (P&L). И сократил время работы вдвое. Контринтуитивный момент: банк добился этого, сделав систему менее автономной, а не более. Человек остаётся в цикле, его решения превращаются в повторяемые правила, которые система применяет сама. Это история про то, как правильно организовать работу AI в реальном бизнесе с человеком в центре.
За те же двое суток произошло ещё несколько событий, которые вместе показывают: рынок AI перешёл в новую фазу. Модели дешевеют, внедрение становится проще, а поиск - сложнее. Разберём главное.
Enterprise AI-агенты: меньше автономии - больше результата
История Morgan Stanley - лучший аргумент для тех, кто сомневается в практической пользе AI для бизнеса. Раньше на сверку одной книги уходило до шести часов. Теперь система FIXR делает это за два-три часа. На масштабе 100 контролёров это экономит около 1500 часов в неделю.
Как она устроена. Несколько агентов работают вместе. Один интерпретирует предыдущие указания и формирует решения на начало дня. Второй учится на поведении контролёров и документирует правила, которые они применяют. Третий превращает повторяющиеся паттерны в постоянную автоматизированную логику. Со временем система может автоматически закрывать расхождения, с которыми уже сталкивалась, предлагать решения для менее знакомых и просить помощи, когда сталкивается с новым. Тодд Джонсон, управляющий директор Morgan Stanley, говорит, что система работает как коллега.
Параллельно HubSpot купил Warmly - сервис, который определяет конкретных сотрудников компании, зашедших на сайт, по именам и должностям. Warmly приносит в HubSpot двух AI-агентов. Inbound Agent превращает сигналы о покупке в диалоги и заявки на встречи. TAM Agent находит и вовлекает потенциальных покупателей ещё до того, как они посетят сайт.
Square пошла ещё дальше. Пока DoorDash и Uber Eats берут с ресторанов до 30% комиссии, Square подключила 4,5 млн своих продавцов к ChatGPT и Claude без дополнительной настройки и без маркетплейс-комиссий. Клиент пишет в ChatGPT запрос «найди кофейню рядом с хорошим пуровером и закажи мне пачку их фирменного бленда» - и заказ попадает в POS-терминал Square. Без отдельного приложения, без API-интеграции, без разработчика.
Модели дешевеют: Opus за цену среднего тарифа
30 июня Anthropic выпустила Claude Sonnet 5 - модель, которая выдаёт результат на уровне флагманского Opus 4.8, но стоит на 40% дешевле. По SWE-bench Pro разрыв с Opus сократился вдвое (63,2% против 69,2%). По Terminal-Bench 2.1 Sonnet 5 набрала 80,4% - почти вровень с Opus (82,7%). А по GDPval-AA v2 (знаниевая работа) Sonnet 5 даже обошла флагман: 1 618 баллов против 1 615.
Для бизнеса это означает: задачи, которые раньше требовали дорогой модели, теперь решаются за цену среднего тарифа. Anthropic демократизирует возможности, которые были доступны только клиентам с безлимитным бюджетом. И компания готовится к IPO.
Meituan выложила LongCat-2.0 - 1,6 триллиона параметров, MoE-архитектура, миллион токенов контекста. Всё под MIT-лицензией. Цены в промо-периоде: 0,30 долларов за миллион входных токенов против 1 доллара у GPT-5.6 Luna. Модель несколько месяцев лидировала на OpenRouter как анонимная Owl Alpha - разработчики по всему миру использовали её, не зная, кто за ней стоит. Теперь это open source.
Google выкатила Nano Banana 2 Lite - генерация изображений 1K за 4 секунды по цене 0,034 долларов за тысячу штук. Не для художников - для A/B-тестов креативов, прототипирования, автоматической генерации контента.
Поиск меняется: ChatGPT Thinking цитирует другие источники
Semrush и SEO-эксперт Kevin Indig протестировали 100 промптов в 20 сценариях покупки. Результат: в режиме высокого рассуждения ChatGPT проводит в 4,6 раза больше поисковых запросов и цитирует совсем другие домены, чем в обычном режиме. Совпадение источников между обычным и глубоким режимом - всего 25,6%. Три из четырёх источников меняются.
Reddit потерял позиции: его доля в цитированиях упала с 15% до 7%. Государственные и академические источники выросли с 1,9% до 8,8%. Для бизнеса это означает, что стратегия SEO должна учитывать два разных режима поиска - быстрый и глубокий. То, что работает в обычных ответах ChatGPT, может исчезнуть, когда пользователь задаёт сложные вопросы.
По данным Search Engine Land, трафик из LLM вырос на 80% за вторую половину 2025 года. Старые инструменты - трекеры позиций, ключевики, аудиторы - работают всё хуже. Новый SEO-стек строится на LLM, API, скриптах и данных об упоминаниях в AI-ответах.
Что это значит для бизнеса
Три вывода, которые можно применять прямо сейчас.
Первый. AI-агенты для бизнеса - это инструмент ускорения, который помогает сотрудникам работать быстрее. Пример Morgan Stanley показывает: правильный подход - обучение системы на действиях человека с постепенной автоматизацией повторяющегося. Для компаний во Владивостоке, которые только присматриваются к внедрению AI, это хорошая новость: не нужно сразу строить сложную систему. Достаточно начать с одного процесса, где много рутинной сводки или отчётности.
Второй. Модели дешевеют быстрее, чем многие ожидают. Sonnet 5 даёт почти Opus за 40% стоимости. LongCat-2.0 под MIT-лицензией. Через полгода текущие цены на API покажутся дорогими. Если вы откладывали автоматизацию с помощью ИИ из-за стоимости моделей - сейчас лучший момент пересмотреть расчёты.
Третий. Поиск фрагментируется. ChatGPT, Claude, Gemini, Perplexity - каждый работает по-своему. Обычный и глубокий режимы внутри одного сервиса дают разные источники. Владельцам бизнеса стоит перестать мерить только позиции в Google и начать отслеживать присутствие в AI-ответах. И хотя бы протестировать, как AI-поиск отвечает на запросы по вашей тематике.