{
  "id": 16,
  "title": "DeepSeek vs OpenAI: кто победит в ИИ-гонке и что делать предпринимателю в России",
  "speaker": "Михаил Степнов",
  "topic": "Почему DeepSeek потряс рынок ИИ, где Россия в мировой гонке моделей и как предпринимателю использовать ИИ-агентов уже сегодня.",
  "duration_label": "70 мин",
  "theses": [
    {
      "title": "DeepSeek обучили на ответах других моделей (knowledge distillation)",
      "description": "Сэкономив на дорогих данных, это доказывает, что топовую модель можно построить без миллиардных бюджетов."
    },
    {
      "title": "Россия не участвует в гонке языковых моделей из-за недостаточных инвестиций",
      "description": "Даже суммарные вложения Сбера и Яндекса несопоставимы с бюджетом одного запуска DeepSeek."
    },
    {
      "title": "ИИ — вопрос геополитики уровня ядерного оружия",
      "description": "Кто первым получит реальный AGI или стабильный квантовый компьютер, тот ломает все правила глобального баланса сил."
    },
    {
      "title": "ИИ-агент — это автономная система, которая сама ставит подзадачи, вызывает инструменты и итерирует...",
      "description": "ИИ-агент — это автономная система, которая сама ставит подзадачи, вызывает инструменты и итерирует до результата без участия человека на каждом шаге."
    },
    {
      "title": "Год ИИ-агентов уже наступил",
      "description": "Бизнесы внедряют агентов в поддержку, продажи, производство — и снижают операционные косты на 20–40%."
    },
    {
      "title": "Идеальный клиент для ИИ-студии — средний бизнес с высокой маржинальностью",
      "description": "Там есть деньги на внедрение и боль от рутинных процессов."
    },
    {
      "title": "LLM-оптимизация (GEO) — новое SEO",
      "description": "Компании уже платят за то, чтобы языковые модели рекомендовали именно их продукты, а не конкурентов."
    },
    {
      "title": "Кибербезопасность — главный риск ИИ в корпорациях",
      "description": "Сотрудники сливают коммерческую тайну в ChatGPT, мошенники делают deepfake-звонки от имени топ-менеджеров."
    },
    {
      "title": "Критическое мышление важнее промптов",
      "description": "ИИ умножает и компетентность, и некомпетентность — без аналитики пользователь просто быстрее получает плохой результат."
    },
    {
      "title": "Библиотека промптов — ложная цель",
      "description": "Важна не идеальная формулировка, а итерационная работа с моделью и умение контролировать качество ответа."
    },
    {
      "title": "Физические ИИ-роботы на производстве управляются текстом вместо кода",
      "description": "— переналадка линии занимает минуты, а не дни, что меняет экономику гибкого производства."
    },
    {
      "title": "Вычислительные мощности — реальный потолок роста",
      "description": "Без новых архитектур (нейроморфные чипы, фотонные вычисления) дальнейший прогресс моделей упрётся в физику."
    }
  ],
  "exercises": [
    {
      "goal": "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).",
      "title": "Аудит ИИ-рисков в вашем бизнесе"
    },
    {
      "goal": "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.",
      "title": "GEO-анализ: как вас находят языковые модели"
    },
    {
      "goal": "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.",
      "title": "Прототип ИИ-агента для рутинной задачи"
    },
    {
      "goal": "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.",
      "title": "Конкурентный анализ через призму DeepSeek"
    },
    {
      "goal": "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?",
      "title": "Голосовой поток сознания — структурированный документ"
    },
    {
      "goal": "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?",
      "title": "Zero Trust-протокол для команды"
    }
  ],
  "quotes": [
    {
      "text": "Это доказательство того, что из говна и палок можно собрать злую и фактически топовую языковую модель.",
      "author": "Михаил Степнов"
    },
    {
      "text": "Чтобы пользоваться искусственным интеллектом, нужен интеллект естественный в первую очередь. Всё остальное приложится.",
      "author": "Михаил Степнов"
    },
    {
      "text": "Искусственный интеллект — это мультипликатор, и он будет умножать на условно 10 и компетенции, и некомпетентность.",
      "author": "Михаил Степнов"
    },
    {
      "text": "Кто владеет пользователем, тот и владеет миром.",
      "author": "Михаил Степнов"
    },
    {
      "text": "В России нет денег. Никто не вкладывает в России достаточно денег, достаточно долго, для того, чтобы этим заниматься.",
      "author": "Михаил Степнов"
    },
    {
      "text": "Основная концепция работы с языковыми моделями заключается не в идеальном промте, а в объёме пользования и итерационности.",
      "author": "Михаил Степнов"
    },
    {
      "text": "Получение реального AGI сопоставимо на уровне государства с получением ядерного оружия. Первый, кто получит — меняет всё.",
      "author": "Михаил Степнов"
    }
  ],
  "full_markdown": "# DeepSeek vs OpenAI: кто победит в ИИ-гонке и что делать предпринимателю в России\n\n**Гость:** Михаил Степнов — эксперт года по ИИ (Сколково), руководитель центра R&D и Big Data MTS Web Services, основатель ИИ-студии ЭспаАД Innovative Solutions\n**Ведущий:** Николай Хлебинский, канал Action Plan\n**Длительность:** ~70 минут\n\n---\n\n## О госте: кто такой Михаил Степнов\n\nМихаил 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.\n\nЕго позиция — глубокая разработка, а не no-code автоматизация. Make и n8n — для прототипов. Реальная нагрузка — это кубернетес, кастомные модели, production-системы.\n\n---\n\n## Часть 1. Ландшафт рынка ИИ-разработки\n\n### Три слоя рынка\n\nРынок ИИ-разработки сейчас расслоился:\n\n**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.\n\n**Средний слой — диптех-студии.** Кастомные модели, production-системы, интеграции с телефонией и корпоративными данными. Звонилки на кубернетесе, которые работают год под NDA.\n\n**Нижний слой — хардкорный диптех.** Оптимизация алгоритмов для финансовых рынков, медицинские препараты, фундаментальные исследования. Туда даже Михаил говорит «нам глубоко».\n\n### Кому ИИ-студия принесёт максимум ценности\n\nТри типа клиентов:\n\n1. **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.\n\n2. **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.\n\n3. **Концептуально интересные проекты** — например, биржа тарологов, где все «тарологи» — GPT-боты с разными подстройками. Модель простая, маржа — космос.\n\n---\n\n## Часть 2. DeepSeek и ИИ-гонка\n\n### Что произошло с DeepSeek\n\nDeepSeek 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.\n\nКак сказал Михаил: «Это доказательство того, что из говна и палок можно собрать злую и фактически топовую языковую модель».\n\n### Китай в ИИ: серьёзнее, чем кажется\n\nЕсть 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.\n\nDeepSeek — не случайный прорыв, а результат системных инвестиций плюс умного инженерного решения.\n\n### Почему Россия не в этой гонке\n\nПрямо и честно: в России нет денег. Не просто мало — несопоставимо мало. Даже суммарные инвестиции Сбера и Яндекса не дотягивают до бюджета одного запуска DeepSeek.\n\nПри 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.\n\nИтог: Россия остаётся потребителем западных и китайских моделей, а не создателем.\n\n### ИИ — это геополитика уровня ядерного оружия\n\nМихаил 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.\n\nЭто не фантастика — это реальная геополитическая логика, которая уже влияет на решения государств о регулировании и инвестициях в ИИ.\n\n---\n\n## Часть 3. ИИ-агенты и физический ИИ\n\n### Что такое ИИ-агент\n\nАгент — это не просто чат-бот. Это система, которая:\n- Сама ставит подзадачи\n- Вызывает инструменты (поиск, код, API)\n- Итерирует до достижения цели\n- Работает автономно, без участия человека на каждом шаге\n\nПример Михаила: агент в поддержке клиентов не просто отвечает на вопрос, а сам находит информацию, проверяет статус заказа, инициирует возврат — всё в одном сценарии.\n\n### Год ИИ-агентов уже наступил\n\n2024-й был годом разговоров об агентах. 2025-й — год их реального внедрения. Бизнесы уже:\n- Автоматизируют первичную обработку заявок\n- Строят голосовых агентов для продаж\n- Внедряют агентов в HR-процессы\n\n### Физические ИИ-роботы: управление текстом вместо кода\n\nЕщё 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.\n\n---\n\n## Часть 4. Как правильно использовать ИИ\n\n### Почему библиотеки промптов — ложная цель\n\nМногие строят «идеальные библиотеки промптов». Михаил объясняет, почему это тупик: ключевое не промпт, а итерационность.\n\nЗолотая 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.\n\n### ИИ как усилитель критического мышления\n\nГлавный инсайт о производительности: ИИ — мультипликатор. Он умножает на 10 и компетентность, и некомпетентность.\n\nПример 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.\n\nВывод: сначала развивай интеллект, потом инструменты.\n\n### Голосовой ИИ как новый интерфейс мышления\n\nМихаил описывает свою практику: ходит и полчаса разговаривает с ChatGPT (голосовой режим), выгружая поток сознания. Запрос: «Структурируй мой поток сознания». Получает тезисы, черновик статьи, план.\n\nЭто не замена мышления — это экзоскелет для мышления. Вместо того чтобы мысли терялись, они превращаются в структуру.\n\n---\n\n## Часть 5. LLM-оптимизация и новые рынки\n\n### GEO — новое SEO\n\nПоявился 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.\n\nМихаил показал кейс с Донстроем: застройщик уверен, что они лучшие, а в ответе ChatGPT их нет. Это реальная потеря трафика и клиентов уже сейчас.\n\nЧто делать: обновить описания, FAQ, создать экспертный контент, который LLM будет цитировать.\n\n### Внутри ChatGPT уже появляется кнопка «Купить»\n\nПрогноз 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».\n\n---\n\n## Часть 6. Кибербезопасность в эпоху ИИ\n\n### Главный корпоративный риск: утечки через LLM\n\nУровень использования ChatGPT в корпорациях растёт. Проблема: сотрудники сливают в него коммерческую тайну, персональные данные клиентов, банковские данные, переговорные позиции.\n\nЭто не решается запретами — люди всё равно используют. Решение: корпоративный LLM (локальная модель или enterprise-доступ с гарантиями изоляции данных).\n\n### Deepfake-атаки: уже работают\n\nРеальный 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.\n\nЭто не фантастика — это уже происходит.\n\n### Zero Trust как единственная защита\n\nПравило Михаила: коды из SMS не сообщаются никому и никогда. Никто, кроме мошенников, их не попросит. Никаких исключений.\n\nВторое правило: по умолчанию считай, что тебе звонит мошенник. Проверяй через другой канал.\n\n### ИИ в реальных взломах\n\nКрупные взломы (Аэрофлот, Вкусвилл, QLAB) — ИИ пока не главный инструмент, но уже помогает находить паттерны в уязвимостях, автоматизировать фишинг, масштабировать социальную инженерию.\n\n---\n\n## Часть 7. Пределы роста и будущее\n\n### Вычислительный потолок\n\nТекущие архитектуры GPU близки к физическому пределу. Без новых вычислительных платформ (нейроморфные чипы, фотонные вычисления) следующего качественного скачка не будет.\n\nПервые прототипы нейроморфных чипов уже существуют и доступны для аренды под эксперименты — но до production ещё далеко.\n\n### Итоговая мысль\n\nМихаил заканчивает просто и точно:\n\n«Чтобы пользоваться искусственным интеллектом, нужен интеллект естественный в первую очередь. Всё остальное приложится.»\n\nИИ — мультипликатор. Инвестируй в своё мышление, развивай критический анализ, учись итерировать. Тогда ИИ умножит твою компетентность. Если нет — просто быстрее получишь плохой результат.\n\n---\n\n## Ключевые термины\n\n| Термин | Пояснение |\n|--------|-----------|\n| Knowledge distillation | Обучение модели на ответах других моделей, а не на первичных данных |\n| ИИ-агент | Автономная система, которая сама ставит подзадачи и итерирует до цели |\n| GEO | Generative Engine Optimization — оптимизация контента под рекомендации LLM |\n| Zero Trust | Принцип безопасности: по умолчанию никому не доверяй |\n| Deepfake | Синтетическое видео/аудио, имитирующее реального человека |\n| AGI | Artificial General Intelligence — ИИ с общим интеллектом уровня человека |\n| Нейроморфные вычисления | Архитектура чипов, имитирующая работу нейронов мозга |\n\n---\n\n*Видео: «Китайский DeepSeek уничтожил конкурентов. Где в этом ИИ-хаосе Россия?» — канал Action Plan | Николай Хлебинский*\n",
  "youtube_url": "https://www.youtube.com/watch?v=ByFW6PlAxEg",
  "url": "https://ekstraktznaniy.ru/workbook/16"
}