Технический контекст
Я посмотрел мартовский отчёт Andreessen Horowitz за 2025 год как не новость в вакууме, а как рыночный снимок, который в 2026-м уже можно читать аналитически. Для меня главный сигнал не в том, кто занял первое место, а в том, что рынок потребительского GenAI начал стабилизироваться. На вебе стало меньше новых игроков, а на мобильном рост идёт через более жёсткий отбор и чистку копий.
Я отдельно отметил методологию: веб-рейтинг строится на unique monthly visits из Similarweb, мобильный — на MAU из Sensor Tower. Это не идеальная истина, но для архитектурных и продуктовых выводов данных достаточно. Когда я вижу совпадение между трафиком, удержанием и платёжной дисциплиной категорий, я уже могу переносить выводы в ИИ решения для бизнеса.
По категориям картина стала жёстче. Ассистенты вроде ChatGPT, Perplexity, Poe, Claude и Deepseek держат базовый слой спроса, а поверх него быстро растут видео, голос, редактура контента и companionship. Отдельно меня заинтересовал всплеск vibecoding: это уже не игрушка, а входной шлюз для пользователей, которые хотят создавать, а не только спрашивать.
Я также вижу, что победители всё реже строятся вокруг одной модели. В отчёте прямо читается тренд на multi-model orchestration, контекстную инженериию и «толстые» приложения с доменной логикой. Именно такая архитектура ИИ-решений даёт шанс удерживать пользователя, когда сами модели быстро коммодитизируются.
Влияние на бизнес и автоматизацию
Для бизнеса я бы сформулировал вывод просто: ценность смещается с модели на слой исполнения. Если раньше многие компании спрашивали меня, какую LLM выбрать, то сейчас правильный вопрос другой — какой пользовательский сценарий мы усиливаем, как маршрутизируем модели и где накапливаем собственные данные.
Выигрывают те, кто умеет собрать продукт вокруг конкретной работы пользователя. Проигрывают компании, которые пытаются сделать ещё один универсальный чат без канала дистрибуции, без уникального workflow и без данных, которые со временем улучшают результат. Я вижу это и в потребительском сегменте, и в корпоративных внедрениях.
В моей практике внедрение искусственного интеллекта почти никогда не начинается с «давайте поставим самую новую модель». В Nahornyi AI Lab мы сначала проектируем контур: где нужен агентный сценарий, где достаточно deterministic automation, где критична мультимодальность, а где важнее latency и стоимость. Только потом выбираем стек.
Отчёт a16z хорошо показывает, почему ИИ автоматизация сегодня требует инженерной дисциплины. Если продукт работает с видео, голосом, поиском и генерацией одновременно, то без маршрутизации запросов, контроля контекста, fallback-логики и учёта unit economics система быстро становится дорогой и нестабильной. На демо это не видно. В продакшене — видно сразу.
Стратегический взгляд и глубокий разбор
Мой неочевидный вывод такой: рынок уже начал наказывать «тонкие» AI-приложения. Простая обёртка над одной моделью ещё может выстрелить на трафике, но плохо защищается. А вот продукты, которые вшивают ИИ в длинный пользовательский цикл — создание контента, обработку заявок, сопровождение продаж, исследование данных, — получают гораздо более прочную экономику.
Я вижу тот же паттерн в проектах Nahornyi AI Lab. Лучшие результаты даёт не одиночный бот, а связка из интерфейса, оркестрации моделей, бизнес-правил, памяти, аналитики и интеграции в CRM, ERP или внутренние базы. Это уже не «попробовать ИИ», а полноценная интеграция искусственного интеллекта в операционный контур компании.
Именно поэтому я бы не переоценивал хайп вокруг отдельных лидеров списка. Через год часть названий изменится, но направление останется: мультимодальность, доменная специализация, агентность под контролем пользователя и продукты, которые снимают трение в конкретной задаче. Для собственников это означает одно — пора инвестировать не в модный логотип, а в AI-архитектуру, которая выдержит смену моделей и поставщиков.
Этот разбор подготовил Вадим Нагорный — ведущий эксперт Nahornyi AI Lab по AI-архитектуре, ИИ автоматизации и практическому запуску решений для бизнеса. Если вы хотите не просто обсудить тренд, а сделать ИИ автоматизацию под вашу экономику, процессы и ограничения, я приглашаю вас на предметный разговор со мной и командой Nahornyi AI Lab. Мы разложим задачу на архитектуру, риски, бюджет и реальный план внедрения.