Reg.Oblako: a AI generativa entrou na fase da internet de 1997, e a janela para entrar está se estreitando

Генеративный ИИ вошел в стадию, когда рынок переходит от любопытства к системному внедрению, а промедление начинает стоить дорого. В колонке на Habr CIO Рег.облака Евгений Мартынов проводит прямую аналогию с интернетом 1997 года и утверждает: 2026–2027 годы определят, кто успеет встроить ИИ в продукт, а кто останется на уровне пилотов.

Почему это 1997-й

Главный тезис материала простой: массовое первое знакомство с генеративным ИИ уже произошло, но настоящее конкурентное преимущество появится не у тех, кто «поигрался с промптами», а у тех, кто доведет эксперименты до повторяемых процессов. Мартынов ссылается на Stanford AI Index 2026: за три года генеративный ИИ достиг 53% охвата мирового населения. Для сравнения, интернету на такой же рубеж понадобилось около семи лет, а персональным компьютерам — больше десяти.

То есть скорость распространения выше, чем у прошлых технологических волн. Но автор специально отделяет скорость охвата от глубины внедрения. По его логике, рынок сейчас находится посередине второй волны: пользователи и компании уже знают инструмент, но еще не встроили его в ключевые процессы.

Именно в этом окне появляется шанс для поздних игроков: времени войти не с самого нуля еще хватает, но оно быстро сужается.

«Технология зреет вместе с теми, кто ее внедряет».

Эта аналогия важна потому, что в интернете конца 90-х выиграли не те, кто больше всех обсуждал технологию, а те, кто раньше других построил процессы, интерфейсы и каналы дистрибуции. Автор переносит ту же логику на ИИ: когда технология станет по-настоящему повседневной, догоняющим придется платить не только деньгами, но и временем на накопление данных, настройку команд и интеграцию в продукт.

Что говорят цифры

Для российского рынка колонка приводит еще один аргумент: в 2025 году объем сегмента генеративного ИИ, по оценке Just AI и Onside, достиг 58 млрд рублей, что означает рост в 4,5 раза за год. Прогноз на 2030 год — 778 млрд рублей при среднегодовом темпе 68%. Но ключевая оговорка касается именно ближайшего периода: сценарий такого роста зависит от того, превратятся ли пилоты 2026–2027 годов в реальные сервисы, а не останутся презентациями и внутренними демо.

Одновременно рынок остается удивительно сырым. По данным MTC Web Services, только 26% компаний, которые уже закладывают бюджет на ИИ, имеют внятную стратегию внедрения. Остальные либо тестируют отдельные сценарии, либо вообще не вышли из стадии планирования.

Отсюда и второй тезис статьи: эпоха «пост-хайпа» уже началась. Экспериментов много, но победителей определит не число пилотов, а способность подключить данные, выстроить безопасность и получить измеримый бизнес-результат. Отдельно автор разбирает тему моделей.

Российские компании, по его оценке, не строят фронтирные системы уровня глобальных лидеров с нуля и поэтому рационально делают ставку на open-source базу — прежде всего на семейства Qwen, Llama и их производные. Конкуренция смещается из гонки капитальных затрат в дообучение, работу с доменными данными, прикладные интеграции и качество продукта. Для корпоративного сегмента это важнее, чем сама идея «своей большой модели».

На чем строят внедрение Из этого вывода вырастает и инфраструктурная часть материала.

Если компании нельзя отправлять чувствительные данные в публичные сервисы, а стабильность API и цен важнее «магии из коробки», то нужен контролируемый контур в российской юрисдикции: собственные или арендованные GPU, внутренние базы знаний и понятная зона ответственности у провайдера. На этом фоне Рег.облако оформило отдельное AI-направление и перечислило сценарии, которые уже можно запускать без большой команды исследователей.

• Поиск по внутренним документам и RAG по закрытой базе знаний Корпоративный ассистент с доступом к чувствительной информации Помощник первой линии поддержки на истории тикетов и документации * Генерация и проверка договоров и других документов по локальному комплаенсу В качестве базового стека компания называет GPU bare metal и виртуальные машины, инференс через vLLM, внутренний чат-бот на Open WebUI и Ollama, автоматизацию через n8n, совместную среду JupyterHub, S3-хранилище и автономного агента OpenClaw. По сути это попытка собрать не одну «волшебную модель», а практическую платформу, где бизнес может быстро пройти путь от идеи до работающего сценария — от умного поиска по базе знаний до автоматизации саппорта и документных процессов.

Что это значит

Материал Рег.облака — это одновременно рыночный сигнал и презентация собственного AI-стека. Главная мысль звучит убедительно: окно для спокойного изучения генеративного ИИ закрывается, и в 2026–2027 годах компании будут разделяться на тех, кто построил рабочие процессы вокруг моделей, и тех, кто все еще обсуждает пилоты. Для рынка это означает смещение интереса от «какую модель выбрать» к вопросам данных, интеграции, безопасности и скорости внедрения.