Искусственный интеллект без магии: Gigachat, новые профессии и риск «дешёвого апокалипсиса» — интервью с Сергеем
В интервью Сергею рассказывает, как Gigachat меняет рабочие процессы, где заканчивается маркетинг и почему AI может стать спасением от собственного «апокалипсиса».
В свежем интервью на Habr ML (02 июня 2026) Сергей, ведущий эксперт в области искусственного интеллекта, обсудил текущие тенденции развития AI‑технологий и их влияние на рынок труда. По его словам, нейросети уже вышли за пределы академических лабораторий: они пишут код, редактируют изображения, помогают в бизнес‑аналитике и становятся новым слоем интерфейса между человеком и цифровым миром.
Особое внимание уделено Gigachat – крупномасштабному языковому моделированию от Яндекса, которое уже интегрировано в корпоративные решения и сервисы для конечных пользователей. По словам Сергея, Gigachat демонстрирует уровень «человеческой» разговорности, позволяя автоматизировать рутинные задачи в поддержке клиентов, написании технической документации и даже в генерации кода. За последние шесть месяцев количество запросов к Gigachat выросло более чем в 3 раза, а средний показатель удовлетворённости пользователей превысил 85 %.
Интервью также затрагивает профессиональные трансформации: появляются новые роли – «промпт‑инженер», «AI‑тренер», «моделист данных», а традиционные IT‑специалисты вынуждены осваивать навыки работы с LLM. По оценкам Сергея, к 2030 году около 30 % всех ИТ‑вакансий будут требовать навыков взаимодействия с генеративными моделями.
Не менее важен вопрос риска «дешёвого апокалипсиса» – сценария, когда дешёвая и доступная AI‑технология будет использоваться в масштабных злоупотреблениях (фейковые новости, автоматизированные кибератаки). Сергей подчёркивает, что без чёткой регуляции и этических стандартов такие угрозы могут превзойти потенциальные выгоды.
Ссылка на оригинальное интервью: https://habr.com/ru/articles/1042834/
Gigachat уже подтверждает, что LLM‑технологии становятся рабочим инструментом, а не просто экспериментом. Студентам и разработчикам стоит освоить промпт‑инжиниринг и интеграцию API Gigachat, чтобы оставаться конкурентоспособными. Одновременно, рост рисков поднимает вопрос об этике и необходимости изучать безопасные практики AI.