В июле 2026 года ленты соцсетей взорвались заголовками: нейросети «предсказали» апокалипсис, роботы «полностью заменили» людей на складах, а новые модели ИИ научились «сами себя улучшать» без участия человека. Мы прошлись по первоисточникам и разложили каждое утверждение на факты и фантазии.

Откуда взялась эта волна новостей

Июль выдался урожайным на тему ИИ. 16 июля отмечался неофициальный День искусственного интеллекта, 17 июля в Шанхае открылась Всемирная конференция по искусственному интеллекту, а параллельно вышла целая пачка материалов о моделях с рекордным числом параметров и математических прорывах. На этом фоне полезли и тревожные, местами откровенно кликбейтные заявления — про войну, про роботов-захватчиков рабочих мест, про ИИ, который «думает сам».

Мы решили разобраться. Из этого подтверждается документами и открытыми данными, а что — обычный интернет-миф

Миф 1: «Нейросети предсказали Третью мировую войну на 2026–2030 годы»

Заявление разошлось в видеороликах, где утверждается, что «самые популярные системы искусственного интеллекта» рассчитали грядущие «колоссальные потрясения» для человечества в промежутке 2026–2030 годов. Некоторые версии слуха приводили якобы «процент вероятности конфликта» — от 60 до 85 процентов — и даже указывали на конкретные географические регионы.

Проверка. Ни одна языковая модель не умеет предсказывать будущее в буквальном смысле — она не видит реальность, а генерирует текст на основе статистических закономерностей в данных, на которых её обучали. Иными словами, модель работает с вероятностными паттернами прошлого, а не с информацией о будущих событиях. Задайте любой современной модели провокационный вопрос про войну, и она с высокой вероятностью выдаст обобщённый ответ на основе исторических паттернов конфликтов — например, упомянет напряжённость в определённых регионах, исторические аналогии или геополитические факторы. Это не расчёт, а текстовая генерация по запросу, основанная на обучающих данных, которые заканчиваются несколько месяцев до момента запроса.

Формулировки вроде «согласно расчётам популярных систем ИИ» в таких материалах никогда не подтверждаются ссылками на конкретную модель, методику, опубликованное исследование или воспроизводимый эксперимент. Если бы разработчик модели (например, OpenAI, Google, Meta или Yandex) действительно обнаружил какой-то значимый паттерн, это бы требовало официального заявления, рецензируемой публикации и огромного количества критики от академического сообщества. Вместо этого в интернете появляются скриншоты чатов без верификации и ссылок.

Вердикт: развод. Классический приём — приписать нейросети роль оракула, чтобы придать сенсации технологический вес. ИИ здесь используется как красивая обёртка для того же жанра предсказаний, что раньше делали и без всякого искусственного интеллекта — астрологи, аналитики, политологи. Сложность и непредсказуемость геополитических процессов несовместимы с точечными «расчётами».

Миф 2: «Модели ИИ научились сами себя улучшать — это путь к неконтролируемому сверхразуму»

В обзорах новостей июля упоминаются модели с параметрами, доходящими до 2,8 триллиона, и понятие «рекуррентного самосовершенствования ИИ» — то есть способности систем улучшать собственные алгоритмы без прямого участия разработчика. Некоторые материалы ссылаются на исследования о «моделях, которые оптимизируют сами себя на лету» и выводят это на уровень экзистенциальной угрозы.

Проверка. Рост числа параметров моделей — реальный и давно зафиксированный технический тренд. Для контекста: в 2020 году флагманская модель GPT-3 имела 175 миллиардов параметров. К июлю 2026 года некоторые исследовательские модели действительно достигают триллионного диапазона — это происходит потому, что больше параметров потенциально позволяет модели улавливать более сложные закономерности в огромных объёмах текстовых данных. Но рост параметров — это не тайное самоулучшение, а плановое инженерное решение разработчиков, требующее колоссальных вычислительных мощностей (дата-центров стоимостью сотни миллионов рублей) и электроэнергии.

Термин «рекуррентное самосовершенствование» действительно фигурирует в обзорах июля 2026 года как одно из направлений исследований — рядом с судебными исками к разработчикам и заявленным доказательством математической гипотезы, которая оставалась нерешённой около 50 лет. Но в исследовательском контексте «самосовершенствование» означает автоматизированную оптимизацию отдельных компонентов модели под контролем разработчиков, а не самостоятельное принятие моделью решений о собственном развитии без человека.

Например, алгоритм может автоматически подстраивать вес параметров модели во время обучения, чтобы минимизировать ошибку — но это происходит в процедуре, которую написал человек-инженер, на оборудовании, которое контролируют люди, и с целью, которую люди определили заранее. Это похоже на автопилот в самолёте — сложная система, которая принимает локальные решения, но в рамках строгих параметров, установленных пилотами и разработчиками авиастроительной компании.

Вердикт: полуправда. Технический прогресс реален и заслуживает внимания — крупные модели действительно становятся мощнее, а часть задач по автоматизации обучения действительно передаётся алгоритмам. Но громкие формулировки про «неконтролируемый сверхразум» — это интерпретация журналистов и блогеров, а не описание того, что реально происходит в лабораториях. Когда вы видите статью про «модель, которая научилась думать сама», уточните: о каком именно процессе идёт речь и есть ли ссылка на опубликованное исследование, где описаны границы и условия этого явления.

Миф 3: «На складах и заводах людей заменили роботы, человек там больше не нужен»

В репортажах о промышленных объектах с активной автоматизацией встречаются формулировки о складах, которыми «оперируют только роботы», а присутствие человека там «практически не нужно». Видеосюжеты показывают движение коробок и роботехники без людей в кадре, создавая впечатление полной замены человеческого труда.

Проверка. Автоматизированные склады с роботизированной логистикой — реальность, и такие объекты действительно показывают на профильных мероприятиях, включая Всемирную конференцию по искусственному интеллекту в Шанхае. Примеры известны: крупные логистические операторы (вроде Amazon, в России — компании вроде Wildberries и Ozon) внедряют роботы для перемещения и сортировки товаров. Такая автоматизация сокращает время обработки заказов — например, с 8–10 часов до 2–3 часов для крупного заказа.

Но «практически не нужно» — это совсем не то же самое, что «совсем не нужно». На таких объектах остаются функции, которые не автоматизированы:

• Техническое обслуживание и ремонт оборудования. Роботы ломаются, требуют калибровки, чистки сенсоров. Специалистов по обслуживанию робототехники нужно обучать, и их зарплата выше, чем была у сборщиков коробок (по данным рекрутинговых агентств, инженер по роботизации в России зарабатывает заметно выше среднего по ИТ-сектору, грузчик — существенно ниже, но точные диапазоны зарплат варьируются в зависимости от региона и предприятия).
• Контроль качества упаковки и содержимого. Когда в коробку попадает неправильный товар или повреждённый предмет, это определяет человек (или специализированная визуальная система, но её тоже обслуживает человек).
• Программирование и переконфигурация систем. Когда логистический процесс меняется (сезон, новый поставщик, новый товар), роботов переучивают — это делают инженеры и программисты.
• Реагирование на нештатные ситуации. Если робот зависает, если случился сбой электроснабжения, если произошла авария, нужны люди, которые могут принять решение на месте.
• Управление человеческими ресурсами. Даже при полной роботизации физической работы на объекте остаются начальник смены, планировщик, инспектор безопасности.

По данным отчётов о мировом рынке логистической автоматизации (проверяйте актуальные данные на официальном сайте Всемирной ассоциации логистики), роботизация складов может сокращать численность персонала, но масштаб сокращений зависит от типа операций и стратегии переквалификации сотрудников, но не на 100. Если на старом складе работало 200 человек, то на новом работает 100–140, но зато появляются 10–15 вакансий для специалистов с высоким уровнем технической подготовки.

Вердикт: полуправда. Автоматизация складов реальна и растёт, но полное исчезновение человека из процесса пока не подтверждается. Речь скорее о сокращении ручного труда и смене профессий внутри отрасли, а не о складах-призраках без единого сотрудника. Это серьёзный социально-экономический вызов (переподготовка, перемещение рабочих, смена профессиональных навыков), но не апокалипсис безработицы.

Миф 4: «Маркировка ИИ-контента убьёт рынок и никто её не будет соблюдать»

Отдельный пласт слухов касается регулирования: якобы любые требования маркировать контент, созданный искусственным интеллектом (например, изображения, тексты, видео), задушат индустрию и превратятся в мёртвую норму — как многие штрафы на бумаге, которые никто не выполняет. В социальных сетях циркулируют прогнозы о том, что ИИ-индустрия упадёт на 40–60 процентов, если вводить маркировку.

Проверка. Маркировку ИИ-контента вводят через законопроекты постепенно. В США это обсуждается в контексте авторского права и защиты от дипфейков. В ЕС принят закон об искусственном интеллекте (EU AI Act), который вступил в полную силу в августе 2026 года и требует маркировки синтетического контента в ряде случаев. По оценке аналитиков (данные из отчётов McKinsey и Gartner на июль 2026 года), маркировка ИИ-контента помогает снижать риски дезинформации и выдачи сгенерированного контента за реальный, но точный процент эффективности требует дополнительного исследования. Одновременно рынок ИИ продолжает расти — не падает, а развивается в новом нормативном поле.

В России тема регулирования искусственного интеллекта обсуждается на уровне правительства. Заместитель председателя правительства Дмитрий Григоренко в июле 2026 года говорил о формировании регуляторных механизмов и появлении новых цифровых сервисов. На практике это означает не запрет технологии, а установление правил использования: например, требование указывать в описании изображения в соцсети. Оно сгенерировано ии, или требование согласия на обработку персональных данных для обучения моделей.

Параллельно ИИ становится темой международной политики и фактором конкуренции между странами — это значит, что развитие технологий никуда не исчезает, просто становится более контролируемым. Страны, которые полностью запретят ИИ, проиграют в экономической конкуренции. Страны, которые вводят разумное регулирование, защищают свои интересы, оставаясь в игре.

Вердикт: правда с уточнением. Регулирование действительно вводится, и оно действительно рассчитано на снижение конкретных рисков, а не на запрет технологии. Но нормы пока формируются поэтапно, а не одним жёстким законом, поэтому говорить о «смерти рынка» преждевременно — как и о полном отсутствии контроля. Если вы разработчик ИИ-сервиса, ориентируйтесь на меняющееся законодательство, но не ждите, что вас завтра закроют. Если вы пользователь, ожидайте, что через год-два маркировка станет нормой, как GDPR в ЕС.

Миф 5: «Рынок искусственного интеллекта — это надутый пузырь, который скоро лопнет»

Периодически всплывает тезис: весь ажиотаж вокруг ИИ — временный хайп на грани финансового пузыря, а реальной прибыли индустрия почти не приносит. Прогнозируют крах инвестиций, закрытие стартапов и возврат к «нормальным» технологиям.

Проверка. По открытым статистическим данным (по данным Grand View Research на июль 2026 года), мировой рынок ИИ показывает стремительный рост, достигая сотен миллиардов долларов, но конкретные цифры по 2025 году варьируются в зависимости от методологии и источника расчёта, и прогнозируется дальнейший рост. При курсе около 95 рублей за доллар на конец июля 2026 года это соответствует сумме порядка 60,6 триллиона рублей — цифра, которая говорит о зрелом и растущем секторе экономики, а не о разовом всплеске интереса. Для сравнения: объём российского IT-рынка в 2025 году оценивался в 3–4 триллиона рублей — то есть мировой ИИ-сектор в 15–20 раз больше всего российского IT.

Доля ИИ в выручке крупных технологических компаний (Microsoft, Google, Amazon) растёт. Microsoft заявил в квартальных отчётах (май–июнь 2026 года) об увеличении выручки от облачных сервисов с ИИ на 40 процентов год к году. Google интегрирует ИИ в свой поисковик, что влияет на количество и качество рекламных показов. Amazon внедряет ИИ в рекомендательные системы, что прямо влияет на средний чек покупателя.

Да, в ИИ-индустрии есть перегрев: множество стартапов с минимальными разработками привлекают инвестиции, ориентируясь на модный тренд. Некоторые из них не переживут следующие 2–3 года — это нормально для быстрорастущего рынка (вспомните доткомовский пузырь 2000 года, когда лопнули компании с непроверенными бизнес-моделями, но интернет выжил и вырос). Но это не означает, что весь сектор — обман.

Дополнительный аргумент: если это был бы пузырь, инвесторы давно бы вывели капиталы. Вместо этого государства (США, Китай, ЕС, Россия) вкладывают в развитие ИИ десятки миллиардов долларов — потому что видят в нём долгосрочный фактор экономической и военной мощи, а не спекулятивный актив.

Вердикт: развод, но с рациональным зерном. Отдельные направления внутри ИИ-индустрии действительно перегреты по оценкам экспертов, и не все проекты окажутся прибыльными — это нормально для быстрорастущего рынка. Но называть всю отрасль «пузырём» на фоне устойчивого роста и реального внедрения технологий в бизнес — некорректное обобщение. Если вы инвестор, будьте избирательны и проверяйте бизнес-модели стартапов. Если вы нет — просто пользуйтесь ИИ-инструментами, которые уже встроены в привычные вам сервисы.

Жизненные сценарии: где ИИ уже влияет на ваш доход и безопасность

Сценарий 1: Трудоустройство и переквалификация

Если вы работаете в области, где есть повторяющиеся задачи (анализ документов, ввод данных, базовое программирование, копирайтинг), то уже сейчас некоторые из ваших функций могут быть частично автоматизированы. Это не значит, что вас уволят завтра, но это значит, что работодатель ожидает, что вы либо научитесь пользоваться этими инструментами, либо перейдёте в более сложные задачи (дизайн процессов, управление, творческий контент, аналитика).

Люди, которые в 2024–2025 году прошли переподготовку на курсах по работе с ИИ-инструментами, уже видят рост зарплаты на 15–25 процентов. Те, кто отказывается учиться, сталкиваются с давлением: работодатель начинает искать замену. Это не мгновенно, но в горизонте 3–5 лет вполне ощутимо.

Сценарий 2: Безопасность платежей и дипфейки

Банки активно внедряют ИИ-системы для выявления мошенничества. Если вы переводите необычно большую сумму или платите в неожиданной стране, система может заблокировать операцию и потребовать дополнительную верификацию. Это раздражает, но защищает: по статистике финансовых регуляторов, системы, обученные на ИИ, выявляют мошенничество на 20–30 процентов более эффективно, чем ручные правила.

Одновременно растёт риск дипфейков — фальшивых видео, где вы видите лицо реального человека, а слышите синтетический голос. В июле 2026 года было несколько публичных случаев, когда мошенники использовали дипфейки для взлома биометрических систем или для создания компрометирующих видео. Лучшая защита — не открывайте ссылки на видео от незнакомцев, проверяйте звонки по обратному номеру в контактах, не верьте видео-доказательствам в деликатных ситуациях без дополнительной проверки.

Сценарий 3: Персональные данные и локализация

Если вы используете ИИ-сервис (чат, генератор изображений, аналитик данных), ваши запросы и вводимые данные попадают на серверы разработчика. Если это американская компания, ваши данные могут быть доступны американским спецслужбам (по закону FISA в США). Если это российский сервис, данные обычно хранятся в России, но всё равно подпадают под 152-ФЗ — закон о защите персональных данных. Если это компания, обслуживающая ЕС, действуют правила GDPR.

Практический совет: если вы работаете с коммерческими секретами, личной информацией клиентов или государственной тайной, не используйте облачные ИИ-сервисы без согласования с юристом и ИТ-отделом. Используйте локальные модели, которые работают на вашем компьютере или на серверах вашей организации. Если вы обычный пользователь — просто помните, что ваши запросы могут быть использованы для улучшения модели (многие сервисы оставляют себе право на это в пользовательском соглашении).

Что из новинок ИИ реально полезно в повседневной жизни

Пока одни заголовки пугают апокалипсисом, реальная практическая польза искусственного интеллекта выглядит куда скромнее и приземлённее. По данным обзоров, приуроченных к Дню искусственного интеллекта 16 июля, технологии сейчас закрывают вполне бытовые задачи:

• Автоматизация рутинных операций — от сортировки писем до заполнения таблиц. Если вам надо обработать 500 похожих документов, ИИ может распознать в них одни и те же поля (имя, адрес, сумма платежа) и заполнить таблицу автоматически. Экономия времени: часы вместо дней.
• Помощь в написании и проверке программного кода для разработчиков. Современные ИИ-помощники (вроде GitHub Copilot) могут подсказать, как написать функцию, найти ошибку, переписать код на другом языке. По данным опросов разработчиков, это ускоряет работу на 20–30 процентов.
• Генерация изображений и иллюстраций для дизайнеров и маркетологов. Вместо того чтобы заказывать дизайнера за 10–50 тысяч рублей на картинку, можно сгенерировать десяток вариантов за 500 рублей через API. Качество улучшается каждый месяц.
• Перевод текста и речи между языками практически в реальном времени. Если раньше профессиональный перевод на английский стоил 50–100 рублей за 1000 символов и занимал 1–2 дня, то нейросетевой перевод даёт результат за секунды и стоит копейки. Качество на уровне 80–90 процентов от профессионального — подходит для большинства целей.
• Ускорение научных расчётов, включая работу с математическими и статистическими моделями. Исследователи используют ИИ, чтобы генерировать гипотезы, обработать датасеты с миллионами точек или симулировать физические процессы быстрее, чем раньше.
• Персонализация контента и рекомендации. Когда вы смотрите видео на YouTube или читаете новости на Яндексе, ИИ показывает вам то, что вероятнее всего вас заинтересует. Это упрощает навигацию, но одновременно создаёт «фильтр-пузырь» — вы видите только то, что уже знаете и любите, и меньше узнаёте нового.

Именно эти сценарии — а не гипотетические войны и захват мира — приносят реальную прибыль бизнесу и экономят время обычным пользователям. Организации всё активнее используют синтетические данные для обучения новых моделей: это позволяет тестировать разработки быстрее и без риска утечки реальных персональных данных клиентов. Например, банк может генерировать синтетические записи транзакций для обучения системы выявления мошенничества, вместо того чтобы использовать реальные данные реальных людей.

А что с защитой данных и регулированием в России

Отдельный вопрос — как новые ИИ-сервисы соотносятся с защитой персональных данных пользователей и требованиями российского законодательства. В России тема регулирования искусственного интеллекта обсуждается на правительственном уровне: формируются регуляторные механизмы, появляются новые цифровые сервисы, а вопросы развития ИИ становятся предметом международной политики и конкуренции между странами.

Ключевые российские требования (проверяйте актуальные данные на сайте Роскомнадзора и Минцифры):

• 152-ФЗ о защите персональных данных. Если ИИ-сервис обрабатывает персональные данные россиян, оператор должен зарегистрироваться в Роскомнадзоре, обеспечить безопасность и получить согласие пользователя. Нарушение грозит штрафом от 10 до 75 тысяч рублей для юридических лиц.
• Требование локализации. С 2021 года действует закон, требующий хранить персональные данные россиян на российских серверах. Это значит, что иностранные ИИ-сервисы, обслуживающие российских п

  Читайте также

  • Сокращения в IT-холдингах и качество софта: разбираем миф, который пугает пользователей больше, чем нужно
  • Grok 4.5 — как нейросеть Маска помогает в работе и учёбе
  • Роботы и рабочие места: что ждать в ближайшие годы?