Технический контекст
Я полез проверять жалобы в мобильном ChatGPT и быстро понял: люди не преувеличивают. Явный выбор модели действительно убрали под упрощённые режимы Instant, Thinking и Pro, а по умолчанию приложение толкает пользователя в Instant.
Для обычного человека это выглядит как «ну вот же ChatGPT, он просто отвечает». Но в реальности это уже не прозрачный выбор модели, а автороутер, который сам решает, сколько думать, искать и какой стек под капотом поднять. Для AI integration это плохой сигнал: когда система скрывает важный переключатель, потом все ругают не интерфейс, а сам результат.
Я отдельно посмотрел, как добраться до нормального выбора. Сейчас это либо через Configure → Model, либо через настройки с включением дополнительных или legacy-моделей. На iPhone часть опций вообще уехала в меню, на Android люди массово пишут, что селектор «оглупили» почти до неузнаваемости.
И вот здесь у меня главный вопрос не к UX, а к качеству. Instant реально часто отвечает слишком быстро и без нормального поиска там, где поиск явно нужен. Если человек не знает, что можно переключиться на Thinking, он делает простой вывод: ChatGPT стал хуже.
Это особенно заметно у нетехнических пользователей. Они не мыслят категориями GPT-4o, o3 или роутинга. Они видят одно окно и судят весь продукт по дефолту. Если дефолт слабый, репутация проседает целиком.
Что это меняет для бизнеса и автоматизации
Первое последствие простое: растёт разрыв между «AI вроде работает» и «AI реально решает задачу». Если сотрудник или клиент сидит на Instant, он может получать быстрые, но поверхностные ответы и даже не понимать, что проблема в режиме, а не в самой модели.
Второе: усложняется AI automation в продуктах, где важна предсказуемость. Если вы строите сценарий вокруг ChatGPT и не контролируете выбор модели, качество поиска, суммаризации и reasoning начинает плавать.
Кто выигрывает? Только онбординг для массового пользователя. Кто проигрывает? Все, кому нужна стабильность: команды поддержки, sales, исследовательские задачи, внутренние ассистенты.
Я у себя давно исхожу из простого правила: если модель влияет на результат, её нельзя прятать от процесса. Мы в Nahornyi AI Lab решаем такие вещи на уровне архитектуры, а не надежды на магию интерфейса. Если у вас уже проседает качество ответов или пользователи не доверяют ассистенту, давайте посмотрим на ваш сценарий целиком и соберём AI solution development так, чтобы система вела к правильному результату, а не к случайному дефолту.