Суперприложения, десктопные агенты и роботы-спринтеры: дайджест ИИ-рынка, июль 2025

«Рынок перестаёт продавать функции — он начинает продавать среды. Кто контролирует среду, тот контролирует CAC и LTV клиента. Остальные платят за чужую экосистему.»

Июль 2025 года фиксирует структурный сдвиг: крупнейшие игроки одновременно закрывают периметр своих экосистем. Для маркетологов и собственников это прямой сигнал о перераспределении бюджетов и изменении условий работы с подрядчиками.

Что произошло

• OpenAI объединяет ChatGPT, Codex и браузер Atlas — компания объявила внутренний «красный код» после роста Anthropic среди корпоративных клиентов. Разрозненные продукты сворачиваются в единое суперприложение с автономными агентами. Куратор перестройки — Фиджи Симо (глава по приложениям) и президент Грег Брокман. Управленческий вывод: если ваш подрядчик по автоматизации работает только с одним инструментом — он уже отстаёт на полцикла.

• Google тестирует Gemini для macOS под кодовым названием Janus — закрытая бета стала доступна на этой неделе. Ключевая функция Desktop Intelligence считывает контекст прямо с экрана, видит активные окна и извлекает из них данные. Аналог — десктопный Claude. Сроки публичного релиза не объявлены. Управленческий вывод: Google догоняет, а не задаёт темп — это редкая позиция для компании с 90%+ поиска.

• Anthropic выпустила Claude Code Channels — интеграция среды разработки напрямую с Telegram и Discord через протокол MCP (Model Context Protocol, протокол контекстного взаимодействия моделей). Задачи ставятся со смартфона, уведомления приходят по факту выполнения, все процессы работают в управляемой среде Anthropic. Доступно с подпиской Pro, Max или Enterprise для версий Claude Code 2.1.80 и выше. Управленческий вывод: асинхронная постановка задач агентам — это уже не эксперимент, это инфраструктура.

• Adobe Firefly получила кастомное дообучение и 30+ интегрированных нейросетей — креативные команды теперь дообучают модели на собственных исходниках: стиль бренда, внешность персонажей, цветокоррекция. Обученные модели приватны и доступны для повторного использования. Параллельно расширяется тестирование Project Moonlight — сквозного агентного интерфейса для всех приложений Adobe. Управленческий вывод: визуальный стиль бренда теперь можно зафиксировать в модели, а не в 80-страничном брендбуке.

• Unitree Robotics: гуманоидный робот пробежит 100 м быстрее Болта до конца 2025 года — основатель компании Ван Синсин заявил об этом на китайском форуме предпринимателей. Технологическая база уже есть: робот Чжэцзянского университета развивает скорость до 10 м/с. Рекорд Болта — 9,58 с, средняя скорость 10,44 м/с. Управленческий вывод: физическая автономность роботов выходит из лаборатории — горизонт коммерческого применения сжимается.

Куда всё катится (главный тренд)

Все пять событий описывают одну механику: платформизацию агентного слоя. OpenAI, Google, Anthropic и Adobe строят замкнутые среды, где агент живёт, работает и потребляет ресурсы внутри одной экосистемы. Пользователь входит — и выходить ему уже некуда.

Для бизнеса это означает новое узкое место: зависимость от вендора на уровне операционных процессов. Раньше CAC (стоимость привлечения клиента) и LTV (пожизненная ценность клиента) зависели от рекламных платформ. Теперь к ним добавляется зависимость от платформы автоматизации. Смена инструмента = переобучение агентов, потеря накопленного контекста, простой команды.

Отдельный вектор — физический. Прогноз Unitree — не маркетинговый. Удешевление компонентов и быстрые итерации алгоритмов уже дали скорость 10 м/с на тестовом полигоне. Когда роботы выходят в реальный сектор, первыми под давление попадают логистика, складская обработка и охрана. Это горизонт 2–3 лет, и он требует управленческого сценария уже сейчас.

Новые узкие места для бизнеса — три штуки:

• Стандартизация промптов и агентных цепочек внутри компании: без неё каждый переход на новую платформу — это хаос.
• Контроль над обучающими данными: Adobe показала модель, где бренд владеет своей моделью. Кто не занялся сбором фирменных данных сегодня — будет дообучать чужую модель на чужих данных.
• Кадровый буфер: по мере роботизации физического труда HR-стратегии без сценария переквалификации становятся риском, а не планом.

Action plan: что делать прямо сейчас

1. Провести аудит агентной зависимости — зафиксируйте, какие операционные процессы уже работают через внешние ИИ-платформы. Оцените: что произойдёт, если вендор поднимет цену на 40% или изменит условия API. Это не паранойя — OpenAI меняла ценовую политику трижды за два года.

2. Запустить сбор фирменных данных для дообучения — определите три-пять визуальных и текстовых паттернов бренда, которые критичны для коммуникаций. Начните формировать размеченный датасет уже в этом квартале. Adobe Firefly показала: приватная кастомная модель — это конкурентное преимущество, а не роскошь.

3. Протестировать асинхронный агентный рабочий процесс — Claude Code Channels или аналог. Выберите одну повторяющуюся задачу (еженедельный отчёт, парсинг данных, генерация черновиков). Переведите её в асинхронный агентный режим. Замерьте экономию времени и качество результата через 30 дней.

4. Включить робототехнику в стратегический горизонт — если у вас есть физические операции (склад, доставка, производство), запросите у отраслевых ассоциаций данные по пилотам роботизации в вашем сегменте. Горизонт планирования — 24–36 месяцев, не 10 лет.

5. Зафиксировать протокол перехода между платформами — документируйте промпты, агентные цепочки и контексты в нейтральном формате (Markdown, JSON). Это снижает стоимость миграции при смене вендора и защищает от vendor lock-in (технологической привязки к одному поставщику).

Вывод

Рынок ИИ-инструментов переходит от продажи функций к продаже операционной среды. Кто выстраивает агентные цепочки внутри одной экосистемы без документации и резервного плана — тот принимает стратегический риск, не осознавая его. Действия следующих 90 дней определят, кто управляет своими данными и процессами, а кто арендует их у вендора на его условиях.