Технический контекст
Я внимательно сопоставил пользовательский опыт с тем, что уже видно по агентным тестам, и картина складывается довольно чёткая: Claude у Anthropic сегодня выглядит сильнее именно в практическом computer use. Не в красивом промо, а в скучной, дорогой для бизнеса части — открыть браузер, пройти по шагам, заполнить форму, не выдумать кнопку и не сломать сценарий на середине.
Поводом стал свежий практический отзыв от 10 марта 2026 года: в приложении Anthropic на Mac режим cowork от Claude параллельно выполнял действия в фоне и лишь изредка просил подтверждение, тогда как GPT Atlas на базе 5.4, по словам пользователя, «тупил, глючил, галлюцинировал» и даже выдумывал пункты меню. Это не академический спор о вкусах. Это маркер зрелости агентного исполнения.
Я не делаю вывод по одному комментарию. Но когда такой опыт совпадает с TAU-bench, Terminal-Bench 2.0 и данными по prompt injection defense, я воспринимаю это уже как инженерный сигнал. У Claude семейства 4.x выше результаты в planning-heavy задачах, лучше дисциплина в multi-step execution и заметно крепче защита от неожиданных отклонений во время автономных действий.
Для desktop и browser automation это особенно важно. Если модель не держит план, она начинает «сочинять интерфейс», теряет контекст шага и превращает автоматизацию с помощью ИИ в дорогое ручное сопровождение.
Влияние на бизнес и автоматизацию
Я вижу здесь прямое последствие для архитектурных решений. Если компания хочет сделать ИИ автоматизацию для продаж, бэк-офиса, закупок, рекрутинга или сервисных операций, победит не тот стек, который быстрее пишет текст, а тот, который устойчиво проходит цепочку действий в реальном интерфейсе.
Именно поэтому я в Nahornyi AI Lab почти всегда разделяю модели по ролям. Один класс моделей годится для генерации, другой — для планирования, третий — для агентного исполнения с подтверждениями и журналированием. Новость вокруг Claude усиливает этот подход: универсальная ставка на одного вендора в 2026 году выглядит слабой AI-архитектурой.
Кто выигрывает? Компании, у которых уже есть процессная дисциплина и готовность проектировать guardrails. Кто проигрывает? Те, кто пытается пустить агент в production без карты состояний, прав доступа, логирования и fallback-механизмов.
По моему опыту, внедрение искусственного интеллекта ломается не на модели, а на слое интеграции. Если агент работает с CRM, ERP, почтой и внутренними порталами, нужна не «магия», а архитектура ИИ-решений: подтверждения критичных действий, лимиты на шаги, контроль селекторов, human-in-the-loop и наблюдаемость на каждом этапе.
Стратегический взгляд и глубокий разбор
Я бы не сводил ситуацию к лозунгу «Claude лучше OpenAI». Мой вывод тоньше: Anthropic сейчас лучше попадает в сегмент операционной агентности, где цена ошибки выше цены токена. А OpenAI по-прежнему может быть очень сильным в отдельных coding-задачах, быстрых точечных действиях и сценариях, где execution path короче.
Но рынок уже смещается. Я вижу спрос не на чат-ботов, а на цифровых исполнителей, которые умеют работать в браузере, приложениях и внутренних системах компании. В таких проектах стабильность важнее яркости ответа, а низкая склонность к галлюцинациям важнее впечатляющей демки.
На проектах Nahornyi AI Lab я регулярно сталкиваюсь с одной и той же закономерностью: как только агент выходит из песочницы в реальный интерфейс, каждая ошибка начинает стоить денег, времени и репутации. Поэтому разработка ИИ решений для бизнеса сегодня должна начинаться не с выбора «самой умной» модели, а с теста на надёжность в вашем собственном workflow.
Мой прогноз простой. В ближайшие месяцы рынок разделится на два лагеря: системы для контента и системы для действия. И если Anthropic удержит текущий темп по computer use, именно её стек я бы рассматривал первым для задач, где нужна ИИ интеграция с браузером, формами, кабинетами операторов и полуавтономными back-office процессами.
Этот разбор подготовил Вадим Нагорный — ведущий эксперт Nahornyi AI Lab по AI-архитектуре, внедрению ИИ и ИИ-автоматизации для реального бизнеса.
Если вы хотите проверить, какой стек подойдёт именно под ваши процессы, я предлагаю обсудить проект предметно. В Nahornyi AI Lab я помогаю спроектировать и внедрить ИИ решения для бизнеса: от выбора модели и сценариев computer use до безопасного запуска в production.