Но что ей до меня — она была в Париже,
И сам Марсель Марсо ей что-то говорил! Я бросил свой завод — хоть, в общем, был не вправе, —
Засел за словари на совесть и на страх…
Но что ей до того — она уже в Варшаве,
Мы снова говорим на разных языках…
Владимир Высоцкий. Она была в Париже.
В 2026 году эта песня обрела новый смысл в корпоративном обучении. Только теперь в роли путешественника, который «был в Париже», выступает… обычный сотрудник в своей повседневной жизни.
«Париж» на личном смартфоне
Дома мы имеем доступ к самым передовым технологиям в ИИ.
Для личных задач мы открываем продвинутые Gemini или ChatGPT, закидываем учебники и статьи в NotebookLM, чтобы ИИ сделал нам понятную инфографику и презентации, генерируем картинки, видео, таблицы и код.
Мы привыкли к умным, мультимодальным ИИ-ассистентам, которые понимают контекст с полуслова и выдают хороший результат без особых усилий.
«Подмосковье» в корпоративном контуре
Вся эта роскошь (по совершенно объективным причинам) недоступна в корпоративном контуре.
Чаще всего сотрудники имеют доступ к развернутой на мощностях компании версии DeepSeek или Qwen.
И здесь начинается серьезная фрустрация:
• Внутренняя модель часто «подрезана» по мощности ради экономии серверных ресурсов.
• Она не помнит длинный контекст, галлюцинирует там, где ChatGPT стабильно выдает хороший результат, не умеет строить таблицы или не читает PDF.
• Требует навыков промптинга, про который, все понемногу начали забывать.
Сотрудник сидит перед экраном и думает: «Я-то знаю, как ИИ может работать на самом деле..».
В чем проблема?
Сегодня крупный бизнес массово пушит внедрение ИИ, требуя от сотрудников интеграции нейросетей в ежедневную рутину. Но KPI часто буксуют. Не все сотрудники активно используют технологии.
Сотрудники делятся на два лагеря, и у каждого своя боль:
Первые (новички): сопротивляются новому, боятся, что ИИ отнимет их работу, или просто не хотят тратить время на освоение сложных инструментов.
Один раз попробовали, ИИ не выдал нужный результат (это же не Gemini, тут нужен опыт и обучение) и бросили.
Вторые (продвинутые): саботируют процесс по совершенно противоположной причине. Они уже привыкли к лучшему пользовательскому опыту. И когда вместо космолета им выдают рабочую лошадку — просто закрывают вкладку. Им лень возиться с капризной моделью, которая не понимает их с полуслова.
В итоге уровень внедрения недотягивает до целевых показателей.
Что делать?
У нас однозначно не получится сделать локального «Марселя Марсо». На это нужны миллиарды. Но давайте честно: даже урезанный DeepSeek – очень хорош. Пару лет назад мы не могли о таком даже и мечтать. При правильном подходе он отлично справляется с большим объемом задач.
Так и что делать?
Прокачивать промптинг, управлять ожиданиями, делиться опытом с коллегами, подключать RAG к внутренним базам знаний (DeepSeek с правильным контекстом намного «умнее» стоковых передовых моделей) – это очень важно. Можно сказать база.
Но в контексте этого поста: перестать сравнивать корпоративный ИИ с ChatGPT!
Корпоративный ИИ не обязан быть умнее лучших мировых моделей.
Его задача – быть безопасным, и при этом достаточно хорошим для работы с внутренними данными компании.
Как итог:
Песня Высоцкого заканчивается словами:
Я понял: мне за ней, конечно, не успеть! Ведь она сегодня здесь, а завтра будет в Осло…
Да, я попал впросак, да, я попал в беду!..
Кто раньше с нею был и тот, кто будет после, —
Пусть пробуют они, я лучше пережду!
Это главный риск для бизнеса. Когда сотрудники видят огромный разрыв между моделями и включают именно эту стратегию: закрывают вкладку и решают просто переждать пока модель не поумнеет.
В гонке технологий «переждать» — значит отстать. Задача бизнеса сегодня — не пытаться догнать ИИ-лидеров, которые «завтра будут в Осло», а доказать команде: даже локальный инструмент здесь и сейчас может забрать на себя тонну рутины.
⭐ Создаёте лучшие продукты для обучения? Обязательно участвуйте в Премии Digital Learning 2026!