Что произошло
Москва, апрель 2023 года. Сбер открывает публичный доступ к GigaChat — российской генеративной языковой модели. Прошло пять месяцев с момента запуска ChatGPT, перевернувшего представление о возможностях AI. Мировая гонка за собственными языковыми моделями набирает обороты: Google выпускает Bard, Meta — LLaMA, Baidu — Ernie Bot. Россия вступает в эту гонку с двумя мощными игроками — Сбером и Яндексом.
GigaChat — не первый AI-проект Сбера. К 2023 году банк-экосистема уже несколько лет развивал семейство виртуальных ассистентов «Салют»: Сбер, Афина и Джой — три персонажа с разными голосами и характерами, управляющие умными колонками SberBoom и телевизионной приставкой SberBox. Но Салют работал по принципу голосовых команд: «включи свет», «поставь таймер», «закажи такси». GigaChat добавил другое измерение — свободный диалог. Модель могла обсуждать литературу, объяснять финансовые продукты, помогать с текстами, генерировать код. Салют получил мозг, а не только уши и язык.
Сбер обучал GigaChat на русскоязычных данных — и это было осознанным стратегическим решением. ChatGPT, обученный преимущественно на английских текстах, понимал русский язык, но с оговорками: путал падежи в длинных конструкциях, не знал российских реалий, не различал разговорный и деловой регистры. GigaChat изначально проектировался для русского контекста. Он знал, что СНИЛС — не болезнь, а документ; что «пятница, развиватися» — не ошибка, а мем; что ИП и ООО — принципиально разные формы ведения бизнеса с конкретными юридическими последствиями.
Параллельно Яндекс шёл своим путём. В 2023 году компания интегрировала YandexGPT в голосового ассистента Алису — и Алиса изменилась до неузнаваемости. С момента запуска в 2017 году Алиса умела отвечать на фактические вопросы, ставить будильники, рассказывать сказки детям и вести шутливые диалоги в рамках заготовленных сценариев. YandexGPT превратил её в полноценного собеседника. Алиса научилась поддерживать контекст разговора, рассуждать, признавать незнание, помогать с творческими задачами. Из «прикольной штуки в колонке» она стала рабочим инструментом.
В ноябре 2023 года Яндекс выпустил YandexGPT 2.0 — существенно улучшенную версию модели. Качество русскоязычной генерации выросло настолько, что модель стала конкурентоспособной для рабочих задач: написание текстов, суммаризация документов, ответы на сложные вопросы. В 2024 году появился YandexGPT 3, продолживший эту траекторию.
Но, пожалуй, самым заметным для пользователей стал запуск Нейро — AI-поиска от Яндекса. Вместо привычного списка из десяти синих ссылок пользователь получал сгенерированный ответ — связный текст, синтезирующий информацию из нескольких источников, с указанием этих источников для проверки. Поиск перестал быть навигацией по интернету. Он стал разговором с системой, которая интернет уже прочитала.
К 2024 году российский рынок генеративного AI оформился. GigaChat Pro от Сбера предложил расширенные возможности для бизнес-задач. Т-Банк (бывший Тинькофф) интегрировал AI-ассистентов в мобильное приложение и службу поддержки. MTS AI развивал собственные модели для телеком-задач. Каждый крупный российский технологический игрок обзавёлся собственным AI — или как минимум стратегией его внедрения.
Контекст эпохи
Появление российских AI-моделей в 2023–2024 годах не было изолированным технологическим событием. Оно разворачивалось на фоне двух мощных контекстов: глобальной AI-гонки и специфической российской ситуации.
Глобальный контекст. После запуска ChatGPT в ноябре 2022 года мир пережил то, что аналитики назвали «AI spring» — весну искусственного интеллекта. OpenAI выпустила GPT-4 в марте 2023 года. Google ответил моделью Gemini. Anthropic развивала Claude. Meta открыла исходный код LLaMA. Китай запустил десятки моделей — от Ernie Bot (Baidu) до Qwen (Alibaba). Впервые со времён космической гонки технологическое соревнование приобрело геополитическое измерение: контроль над AI рассматривался как вопрос национального суверенитета.
Российский контекст. После 2022 года доступ к западным сервисам для российских пользователей стал нестабильным. OpenAI официально не работала в России. Google ограничивал некоторые AI-функции. Западные облачные платформы (AWS, Azure, GCP) прекратили работу с российскими клиентами. В этих условиях собственные AI-модели — не роскошь, а необходимость. Ситуация напоминала то, что произошло с UX-инструментами несколькими годами ранее: когда Fastuna закрыла потребность в российской платформе для быстрых UX-исследований, она сделала это не потому, что западные аналоги были плохи, а потому что нужна была платформа с российской панелью респондентов, на русском языке, с серверами в России. GigaChat и YandexGPT закрывали аналогичную потребность на уровне AI-инфраструктуры.
Был и ещё один контекст, менее очевидный. Российский UX-рынок к 2023 году существовал уже четверть века — с первых проектов 1998 года. За это время он сформировал собственную экосистему: конференции, образовательные программы, профессиональные сообщества. Но долгое время российские UX-специалисты использовали преимущественно западные инструменты и методологии. Появление собственных AI-моделей, глубоко интегрированных в продукты Яндекса и Сбера, создало уникальную ситуацию: российские UX-дизайнеры оказались на передовой проектирования AI-интерфейсов для аудитории, которую они понимали лучше, чем кто-либо в Кремниевой долине.
Значение для UX
Российские AI-модели повлияли на UX-дизайн в нескольких измерениях — от конкретных проектных задач до переосмысления роли дизайнера.
Проектирование AI-интерфейсов стало повседневной задачей. До 2023 года разговорный AI в российских продуктах ограничивался чат-ботами поддержки — жёсткими сценариями с кнопками и деревьями ответов. GigaChat и YandexGPT превратили AI-интерфейс в задачу для каждой крупной продуктовой команды. Как показать пользователю, что он общается с AI, а не с человеком? Как оформить ситуацию, когда модель не знает ответа? Как спроектировать эскалацию — переход от AI к живому оператору, когда задача превышает возможности модели? Как визуально обозначить степень уверенности AI в своём ответе? Эти вопросы, которые для команды ChatGPT были теоретическими (пустое текстовое поле — и всё), для российских продуктов стали проектными задачами с конкретными ограничениями: регуляторные требования, пользовательские ожидания, бизнес-метрики.
Локализация — не перевод, а культурная адаптация. Когда GigaChat обсуждал финансовые продукты, он оперировал российскими реалиями: вклады по 18% годовых, материнский капитал, налоговый вычет по ИИС. Когда Алиса с YandexGPT помогала спланировать ужин, она предлагала рецепты из продуктов, доступных в «Перекрёстке», а не в Whole Foods. Это не вопрос перевода — это вопрос контекста. Для UX-проектирования это означало, что нельзя просто скопировать паттерны ChatGPT. Российский AI-интерфейс должен учитывать ментальные модели российского пользователя: привычку к формальному обращению в банковских приложениях, ожидание конкретных рекомендаций (а не абстрактных советов), настороженное отношение к персональным данным.
Мультимодальная интеграция. Яндекс пошёл дальше чат-интерфейса. YandexGPT встроился в Карты (объяснение маршрутов на естественном языке), в Маркет (AI-описания товаров), в Браузер (суммаризация страниц). Алиса в умных колонках получила способность вести сложные диалоги голосом. Для UX-дизайнеров это означало проектирование AI-взаимодействия в разных модальностях: текст, голос, визуальные подсказки — в зависимости от контекста. Один и тот же AI, но разные интерфейсы для Станции на кухне, для приложения в метро, для десктопного Браузера в офисе. Каждый контекст требовал своих решений.
Проблема качества и доверия. К 2024 году российские модели заметно отставали от GPT-4 и Claude по качеству сложных рассуждений, работе с длинным контекстом и генерации кода. Пользователи, попробовавшие ChatGPT через VPN, сравнивали — и сравнение не всегда было в пользу отечественных моделей. Для UX это создавало специфическую задачу: как управлять ожиданиями? Обещать слишком много — и получить разочарованных пользователей. Обещать слишком мало — и потерять их в пользу западных аналогов. Честное позиционирование возможностей AI — «я могу помочь с этим, но для того лучше обратиться к специалисту» — стало ключевым UX-решением.
Новая роль UX-исследователя. Сами AI-модели стали инструментом исследователя. GigaChat и YandexGPT позволяли быстро анализировать открытые отзывы пользователей, генерировать гипотезы, создавать черновики сценариев тестирования — на русском языке, с пониманием российского контекста. Это не заменяло исследование, но ускоряло подготовку. Исследователь тратил меньше времени на рутину и больше — на интерпретацию результатов, где человеческая экспертиза пока незаменима.
Появление GigaChat и YandexGPT в 2023–2024 годах стало для российского UX тем же, чем было появление UsabilityLab в 2006-м для рынка юзабилити: подтверждением того, что задача достаточно зрелая для специализированного, локального решения. Мировая AI-революция получила российское измерение — со своими ограничениями, своими возможностями и своими проектными вызовами.
Связанные статьи
- AI и UX: от AlphaZero к ChatGPT (2017–2023) — глобальная AI-революция, на фоне которой появились российские модели. GigaChat и YandexGPT — ответ на тот же вызов, но с учётом локального контекста.
- 5G, Fastuna и зрелость инструментов (2017–2019) — Fastuna закрыла потребность в российской UX-платформе; GigaChat и YandexGPT закрывают потребность в российской AI-инфраструктуре. Паттерн повторяется.
- Рождение UX-профессии в России (1998–1999) — российский UX-рынок идёт своим путём с момента основания. Собственные AI-модели — следующая глава этой истории.
Из серии «История UX»:
- UsabilityLab (2006) — первая российская UX-компания создала рынок юзабилити-услуг. Двадцать лет спустя AI-модели Сбера и Яндекса создают рынок AI-интерфейсов, который этот рынок должен проектировать.
- AI-агенты: от ассистентов к операторам (2024–2025) — следующий шаг: от AI, который отвечает на вопросы, к AI, который действует самостоятельно. Российские модели участвуют и в этой гонке.
- Тёмные паттерны (2010) — AI-интерфейсы поднимают старые этические вопросы в новом контексте: когда модель «рекомендует» финансовый продукт Сбера, это помощь пользователю или тёмный паттерн?