# DeepSeek vs OpenAI: кто победит в ИИ-гонке и что делать предпринимателю в России ## Метаданные - **Спикер:** Михаил Степнов - **Канал:** Action Plan | Николай Хлебинский - **Тема:** Почему DeepSeek потряс рынок ИИ, где Россия в мировой гонке моделей и как предпринимателю использовать ИИ-агентов уже сегодня. - **Длительность:** 70 мин - **YouTube:** https://www.youtube.com/watch?v=ByFW6PlAxEg - **Источник:** https://ekstraktznaniy.ru/workbook/16 ## Ключевые тезисы 1. **DeepSeek обучили на ответах других моделей (knowledge distillation)** — Сэкономив на дорогих данных, это доказывает, что топовую модель можно построить без миллиардных бюджетов. 2. **Россия не участвует в гонке языковых моделей из-за недостаточных инвестиций** — Даже суммарные вложения Сбера и Яндекса несопоставимы с бюджетом одного запуска DeepSeek. 3. **ИИ — вопрос геополитики уровня ядерного оружия** — Кто первым получит реальный AGI или стабильный квантовый компьютер, тот ломает все правила глобального баланса сил. 4. **ИИ-агент — это автономная система, которая сама ставит подзадачи, вызывает инструменты и итерирует...** — ИИ-агент — это автономная система, которая сама ставит подзадачи, вызывает инструменты и итерирует до результата без участия человека на каждом шаге. 5. **Год ИИ-агентов уже наступил** — Бизнесы внедряют агентов в поддержку, продажи, производство — и снижают операционные косты на 20–40%. 6. **Идеальный клиент для ИИ-студии — средний бизнес с высокой маржинальностью** — Там есть деньги на внедрение и боль от рутинных процессов. 7. **LLM-оптимизация (GEO) — новое SEO** — Компании уже платят за то, чтобы языковые модели рекомендовали именно их продукты, а не конкурентов. 8. **Кибербезопасность — главный риск ИИ в корпорациях** — Сотрудники сливают коммерческую тайну в ChatGPT, мошенники делают deepfake-звонки от имени топ-менеджеров. 9. **Критическое мышление важнее промптов** — ИИ умножает и компетентность, и некомпетентность — без аналитики пользователь просто быстрее получает плохой результат. 10. **Библиотека промптов — ложная цель** — Важна не идеальная формулировка, а итерационная работа с моделью и умение контролировать качество ответа. 11. **Физические ИИ-роботы на производстве управляются текстом вместо кода** — — переналадка линии занимает минуты, а не дни, что меняет экономику гибкого производства. 12. **Вычислительные мощности — реальный потолок роста** — Без новых архитектур (нейроморфные чипы, фотонные вычисления) дальнейший прогресс моделей упрётся в физику. ## Практические задания ### Задание 1: Аудит ИИ-рисков в вашем бизнесе **Цель:** Составьте список из 5–7 процессов, где сотрудники используют внешние LLM (ChatGPT, Gemini, Claude). Для каждого пункта оцените: какие данные передаются? Нарушаете ли вы NDA, закон о персональных данных, банковскую тайну? Результат — реестр рисков и приоритеты для внедрения корпоративного решения (локальная модель или enterprise-доступ с гарантиями конфиденциальности). ### Задание 2: GEO-анализ: как вас находят языковые модели **Цель:** Откройте ChatGPT или Claude и задайте вопрос, который типичный клиент задаёт при выборе вашего продукта/услуги. Например: «Какие компании лидируют в [ваша ниша] в России?» Проверьте: упоминает ли модель вас? Если нет — составьте план GEO-оптимизации: обновите описания на сайте, добавьте FAQ, разместите экспертные статьи, которые LLM может цитировать. ### Задание 3: Прототип ИИ-агента для рутинной задачи **Цель:** Выберите один повторяющийся процесс в вашем бизнесе (первичная обработка заявок, сортировка почты, составление отчётов). С помощью Make.com или n8n + LLM-коннектора (OpenAI/Anthropic) за 1–2 часа соберите прототип автоматизации. Цель не идеальный результат, а понять узкие места: где агент ошибается, какой контроль нужен со стороны человека. ### Задание 4: Конкурентный анализ через призму DeepSeek **Цель:** Изучите кейс DeepSeek: компания использовала knowledge distillation (обучение на ответах готовых моделей) вместо дорогостоящего сбора оригинальных данных. Найдите аналогию в вашей отрасли: где вы тратите ресурсы на первичные данные, хотя можно использовать уже существующие структурированные знания? Опишите 2–3 конкретных возможности снижения стоимости разработки продукта по этому принципу. ### Задание 5: Голосовой поток сознания — структурированный документ **Цель:** В течение недели используйте голосовой режим ChatGPT или Claude для разгрузки мыслей: перед каждым важным решением проговорите 5–10 минут ваш поток сознания с запросом «Структурируй мои мысли в 5 тезисов и 3 следующих шага». Сравните качество решений с привычным подходом. Зафиксируйте: в каких ситуациях это работает лучше всего? ### Задание 6: Zero Trust-протокол для команды **Цель:** Проведите 15-минутный брифинг с командой на тему кибербезопасности в эпоху ИИ: deepfake-звонки, вишинг с синтетическим голосом, фишинг через AI-переписку. Введите одно простое правило: коды из SMS не сообщаем никому и никогда. Зафиксируйте правило в onboarding-документах. Проверьте через месяц: было ли хоть одно подозрительное обращение? ## Ключевые цитаты > «Это доказательство того, что из говна и палок можно собрать злую и фактически топовую языковую модель.» > — Михаил Степнов > «Чтобы пользоваться искусственным интеллектом, нужен интеллект естественный в первую очередь. Всё остальное приложится.» > — Михаил Степнов > «Искусственный интеллект — это мультипликатор, и он будет умножать на условно 10 и компетенции, и некомпетентность.» > — Михаил Степнов > «Кто владеет пользователем, тот и владеет миром.» > — Михаил Степнов > «В России нет денег. Никто не вкладывает в России достаточно денег, достаточно долго, для того, чтобы этим заниматься.» > — Михаил Степнов > «Основная концепция работы с языковыми моделями заключается не в идеальном промте, а в объёме пользования и итерационности.» > — Михаил Степнов > «Получение реального AGI сопоставимо на уровне государства с получением ядерного оружия. Первый, кто получит — меняет всё.» > — Михаил Степнов ## Полный текст экстракта # DeepSeek vs OpenAI: кто победит в ИИ-гонке и что делать предпринимателю в России **Гость:** Михаил Степнов — эксперт года по ИИ (Сколково), руководитель центра R&D и Big Data MTS Web Services, основатель ИИ-студии ЭспаАД Innovative Solutions **Ведущий:** Николай Хлебинский, канал Action Plan **Длительность:** ~70 минут --- ## О госте: кто такой Михаил Степнов Михаил работал на ИИ-проектах с финансовым эффектом от 4 до 150 млрд рублей. В Сбере — графовая платформа, в МТС — рекламная вертикаль с 200 000 RPS и ответом за 40 миллисекунд. Сейчас его студия ЭспаАД делает оборот 150 млн рублей в год на заказных ИИ-решениях: от звонилок с предложениями до AI-психологов и систем оценки рекламы. Его позиция — глубокая разработка, а не no-code автоматизация. Make и n8n — для прототипов. Реальная нагрузка — это кубернетес, кастомные модели, production-системы. --- ## Часть 1. Ландшафт рынка ИИ-разработки ### Три слоя рынка Рынок ИИ-разработки сейчас расслоился: **Верхний слой — автоматизаторы на no-code.** Студии и фрилансеры, которые строят на Make, n8n, Zapier с LLM-коннекторами. Доходят до $100K оборота в месяц, $10–20K чистой прибыли. Масштабироваться сложно: узкое место — экспертиза, а не деньги. **Средний слой — диптех-студии.** Кастомные модели, production-системы, интеграции с телефонией и корпоративными данными. Звонилки на кубернетесе, которые работают год под NDA. **Нижний слой — хардкорный диптех.** Оптимизация алгоритмов для финансовых рынков, медицинские препараты, фундаментальные исследования. Туда даже Михаил говорит «нам глубоко». ### Кому ИИ-студия принесёт максимум ценности Три типа клиентов: 1. **Крупные корпорации** (Сбер, ВТБ, Росатом) — долгий пресейл (6–12 месяцев), потом год-два работы на хороших деньгах. Страдания в делопроизводстве. Михаил пока морально не готов. 2. **Средний бизнес с высокой маржинальностью** — основной путь студии. Достаточно денег, меньше бюрократии, острая боль от рутины. Особенно хорошо заходит в эзотерику и другие высокомаржинальные ниши. 3. **Концептуально интересные проекты** — например, биржа тарологов, где все «тарологи» — GPT-боты с разными подстройками. Модель простая, маржа — космос. --- ## Часть 2. DeepSeek и ИИ-гонка ### Что произошло с DeepSeek DeepSeek стал главным ИИ-событием года. Китайская компания выпустила модель, которая не уступает GPT-4, потратив на обучение в разы меньше денег. Магия простая: вместо честного (и дорогого) сбора данных они подключились к API существующих моделей, задавали им наборы вопросов и собирали ответы — получая готовую обучающую выборку. Это называется knowledge distillation. Как сказал Михаил: «Это доказательство того, что из говна и палок можно собрать злую и фактически топовую языковую модель». ### Китай в ИИ: серьёзнее, чем кажется Есть стереотип «китайцы только копируют». Михаил его разрушает: Китай — один из крупнейших инвесторов в фундаментальные ИИ-исследования. Tencent — второе место в мире по патентам после Google. Alibaba, Baidu, Qwen — полноценные игроки. DeepSeek — не случайный прорыв, а результат системных инвестиций плюс умного инженерного решения. ### Почему Россия не в этой гонке Прямо и честно: в России нет денег. Не просто мало — несопоставимо мало. Даже суммарные инвестиции Сбера и Яндекса не дотягивают до бюджета одного запуска DeepSeek. При этом специалисты есть — крутые, Михаил многих знает лично. Греф после выхода ChatGPT за полгода сделал GigaChat, что само по себе подвиг. Но это реактивная, догоняющая стратегия. Системного нацпроекта с достаточным финансированием нет. Итог: Россия остаётся потребителем западных и китайских моделей, а не создателем. ### ИИ — это геополитика уровня ядерного оружия Михаил формулирует жёстко: получение реального AGI (или стабильного квантового компьютера) — это событие уровня ядерной бомбы. Тот, кто первый получит и не успеет поделиться, по теории игр обязан ждать превентивного ядерного удара от всех остальных. Это не фантастика — это реальная геополитическая логика, которая уже влияет на решения государств о регулировании и инвестициях в ИИ. --- ## Часть 3. ИИ-агенты и физический ИИ ### Что такое ИИ-агент Агент — это не просто чат-бот. Это система, которая: - Сама ставит подзадачи - Вызывает инструменты (поиск, код, API) - Итерирует до достижения цели - Работает автономно, без участия человека на каждом шаге Пример Михаила: агент в поддержке клиентов не просто отвечает на вопрос, а сам находит информацию, проверяет статус заказа, инициирует возврат — всё в одном сценарии. ### Год ИИ-агентов уже наступил 2024-й был годом разговоров об агентах. 2025-й — год их реального внедрения. Бизнесы уже: - Автоматизируют первичную обработку заявок - Строят голосовых агентов для продаж - Внедряют агентов в HR-процессы ### Физические ИИ-роботы: управление текстом вместо кода Ещё один тренд — LLM-управление роботами на производстве. Раньше переналадка линии = дни работы программиста. Теперь: написал или наговорил текстом «теперь нам нужно делать вот это», робот перестроился. Гибкость производства резко возрастает, операционные косты падают. --- ## Часть 4. Как правильно использовать ИИ ### Почему библиотеки промптов — ложная цель Многие строят «идеальные библиотеки промптов». Михаил объясняет, почему это тупик: ключевое не промпт, а итерационность. Золотая рамка из 5 элементов промпта (роль, контекст, формат, лучшие примеры, ограничения) — это база. Но даже без идеального промпта, просто итерируя диалог, вы дойдёте до нужного результата. Современный контекст запоминает всю историю разговора и адаптируется под вас. ### ИИ как усилитель критического мышления Главный инсайт о производительности: ИИ — мультипликатор. Он умножает на 10 и компетентность, и некомпетентность. Пример из команды Михаила: человек без формального образования дата-аналитика с сильным критическим мышлением даёт идеальные результаты работы с ChatGPT. Другой, с техническим образованием но без аналитики — стабильно получает плохой результат, просто быстрее. Вывод: сначала развивай интеллект, потом инструменты. ### Голосовой ИИ как новый интерфейс мышления Михаил описывает свою практику: ходит и полчаса разговаривает с ChatGPT (голосовой режим), выгружая поток сознания. Запрос: «Структурируй мой поток сознания». Получает тезисы, черновик статьи, план. Это не замена мышления — это экзоскелет для мышления. Вместо того чтобы мысли терялись, они превращаются в структуру. --- ## Часть 5. LLM-оптимизация и новые рынки ### GEO — новое SEO Появился новый рынок: GEO (Generative Engine Optimization) — оптимизация под языковые модели. Суть: когда пользователь спрашивает ChatGPT «какую квартиру купить» или «какой CRM выбрать», модель даёт конкретные рекомендации. Кто попадёт в эти рекомендации — тот выигрывает. Михаил показал кейс с Донстроем: застройщик уверен, что они лучшие, а в ответе ChatGPT их нет. Это реальная потеря трафика и клиентов уже сейчас. Что делать: обновить описания, FAQ, создать экспертный контент, который LLM будет цитировать. ### Внутри ChatGPT уже появляется кнопка «Купить» Прогноз Михаила: следующий шаг после GEO — нативная реклама внутри LLM-интерфейсов. Агент выбирает продукт и нажимает «купить» от имени пользователя. Рекламные агентства уже предлагают услуги «попасть в ответы модели». --- ## Часть 6. Кибербезопасность в эпоху ИИ ### Главный корпоративный риск: утечки через LLM Уровень использования ChatGPT в корпорациях растёт. Проблема: сотрудники сливают в него коммерческую тайну, персональные данные клиентов, банковские данные, переговорные позиции. Это не решается запретами — люди всё равно используют. Решение: корпоративный LLM (локальная модель или enterprise-доступ с гарантиями изоляции данных). ### Deepfake-атаки: уже работают Реальный кейс из крипто-тусовки: мошенники вышли на Zoom, изобразили первых лиц экосистемы — голос, лицо, движения. Без артефактов. Убедили перевести огромные суммы на криптокошельки. Жертвы не усомнились. Это не фантастика — это уже происходит. ### Zero Trust как единственная защита Правило Михаила: коды из SMS не сообщаются никому и никогда. Никто, кроме мошенников, их не попросит. Никаких исключений. Второе правило: по умолчанию считай, что тебе звонит мошенник. Проверяй через другой канал. ### ИИ в реальных взломах Крупные взломы (Аэрофлот, Вкусвилл, QLAB) — ИИ пока не главный инструмент, но уже помогает находить паттерны в уязвимостях, автоматизировать фишинг, масштабировать социальную инженерию. --- ## Часть 7. Пределы роста и будущее ### Вычислительный потолок Текущие архитектуры GPU близки к физическому пределу. Без новых вычислительных платформ (нейроморфные чипы, фотонные вычисления) следующего качественного скачка не будет. Первые прототипы нейроморфных чипов уже существуют и доступны для аренды под эксперименты — но до production ещё далеко. ### Итоговая мысль Михаил заканчивает просто и точно: «Чтобы пользоваться искусственным интеллектом, нужен интеллект естественный в первую очередь. Всё остальное приложится.» ИИ — мультипликатор. Инвестируй в своё мышление, развивай критический анализ, учись итерировать. Тогда ИИ умножит твою компетентность. Если нет — просто быстрее получишь плохой результат. --- ## Ключевые термины | Термин | Пояснение | |--------|-----------| | Knowledge distillation | Обучение модели на ответах других моделей, а не на первичных данных | | ИИ-агент | Автономная система, которая сама ставит подзадачи и итерирует до цели | | GEO | Generative Engine Optimization — оптимизация контента под рекомендации LLM | | Zero Trust | Принцип безопасности: по умолчанию никому не доверяй | | Deepfake | Синтетическое видео/аудио, имитирующее реального человека | | AGI | Artificial General Intelligence — ИИ с общим интеллектом уровня человека | | Нейроморфные вычисления | Архитектура чипов, имитирующая работу нейронов мозга | --- *Видео: «Китайский DeepSeek уничтожил конкурентов. Где в этом ИИ-хаосе Россия?» — канал Action Plan | Николай Хлебинский*