Личный ИИ: что такое personal AGI и чем он отличается от чат-бота

22 сентября 2026 года спор об искусственном интеллекте окончательно сместился с вопроса «какая модель умнее» на вопрос «чей это интеллект». Модели последнего поколения — GPT-6 Astra, Claude, Gemini, Qwen — отвечают примерно одинаково хорошо на общие вопросы. Разница начинается там, где ИИ знает ваши документы, имеет доступ к вашей почте и доводит задачу до готового файла. Это и называют personal AGI — личным искусственным интеллектом.

Обычная нейросеть — универсальный советчик. Она знает всё в среднем: как в принципе составляют коммерческое предложение, что обычно пишут в акте, какие бывают этапы воронки продаж. Про вас она не знает ничего: ни вашего прайса, ни имени вашего юриста, ни того, что скидку больше 15% у вас согласует директор.

Личный искусственный интеллект отличается от чат-бота тремя вещами. Первое — память: он помнит ваши документы, регламенты и прошлые решения. Второе — руки: у него есть инструменты и доступы, он ищет в интернете, запускает код, собирает файл, читает почту и пишет в CRM. Третье — доведение до результата: он возвращает не совет, а сделанную работу — таблицу XLSX, договор DOCX, письмо в черновиках, карточку в системе.

Отсюда простой способ проверить, личный у вас ИИ или нет. Спросите его о том, что знает только ваша компания. Если ответ общий и красивый — перед вами чат-бот. Если он называет ваш прайс, ваш шаблон договора и ваше правило согласования — перед вами личный ИИ.

Личный ИИ — не одна программа, а семь слоёв. Каждый настраивается отдельно, и именно поэтому сборка получается вашей, а не «коробочной».

Ни один из слоёв сам по себе не даёт эффекта. Модель без документов отвечает общо, документы без инструментов остаются папкой файлов, а инструменты без правил делают не то, что нужно. Работает именно связка — и собирается она за вечер, а не за квартал.

Про новые модели пишут как про спортивные рекорды: размер контекста, баллы на тестах, скорость ответа. Это важно, но объясняет меньше, чем кажется. Когда вышел GPT-6 Astra, доступ к нему получили все примерно одновременно — а результат у всех оказался разным.

Причина в том, что модель отвечает на вопрос, а качество ответа задаёт контекст. Две компании просят одно и то же: «подготовь коммерческое предложение для клиента». У первой агент видит прайс, три последних договора и правило про согласование скидки — и выдаёт документ, который можно отправлять после беглой вычитки. У второй агент не видит ничего и выдаёт аккуратный шаблон, который придётся переписывать целиком.

Поэтому выбор модели — решение на один вечер, а сборка личного ИИ — работа, которая окупается месяцами. Модель со временем сменится на более новую, это нормально. База знаний, описанные правила и настроенные доступы останутся и будут работать с любой следующей моделью.

Агент читает входящее письмо, находит компанию в CRM, поднимает историю переписки и прошлые счета, собирает коммерческое предложение по вашему шаблону с актуальными ценами из прайса и кладёт его в черновики почты. Менеджер открывает готовый документ, правит одну строку и отправляет. Человеку остаётся решение и отправка — не сбор данных.

Агент забирает выгрузку XLSX из 1С, сверяет её с актами на диске, находит расхождения по суммам и датам, собирает таблицу «что не сошлось» с пояснением по каждой строке и присылает её одним файлом. Задача, которая занимала полдня ручной сверки, занимает несколько минут, а проверка остаётся человеческой — именно потому, что расхождения названы явно.

Агент раз в неделю ищет новости отрасли, сверяет их с вашим контент-планом, пишет черновики постов в вашем тоне (он знает его по загруженным примерам), подбирает иллюстрации и складывает всё в таблицу с датами публикации. Несколько таких агентов, работающих в одном пространстве, и образуют то, что мы называем цифровым штатом в одном чате.

Вокруг личного ИИ сейчас больше обещаний, чем практики. Мы не пересказываем пресс-релизы, поэтому разложим по полочкам: что говорят — и что за этим стоит на самом деле.

AGI (artificial general intelligence, общий искусственный интеллект) — это гипотеза: система, которая справляется с любой интеллектуальной задачей не хуже человека и переносит навык из одной области в другую без переобучения. Такой системы сегодня не существует, а оценки сроков у исследователей расходятся от нескольких лет до «никогда».

Personal AGI — термин практический, а не философский. Он описывает не уровень интеллекта, а конфигурацию: ИИ, настроенный под одного человека или одну компанию и потому решающий их задачи целиком. Он ничего не «осознаёт» и не обладает волей. Он работает с вашим контекстом, вашими инструментами и вашими правилами — и в этом вся разница.

Различие существенное ещё и потому, что personal AGI можно собрать сегодня и измерить пользу в сэкономленных часах, а AGI пока измеряют в заявлениях. Если вам обещают второе, а продают первое — это не обман, но ожидания лучше поправить заранее.

В СуперИнтеллекте расход считается в нейронах — общем балансе на все модели и все действия. Короткий вопрос стоит долю нейрона. Задача, где агент ищет в интернете, разбирает три PDF, запускает код и собирает таблицу, стоит заметно дороже — потому что это несколько шагов работы, а не одна реплика. Один баланс на всю работу агента — и на рассуждения модели, и на поиск, и на сборку файла.ru/neyroseti) доступен на одном балансе.

Практическое следствие: экономия приходит не от выбора самой дешёвой модели, а от точной постановки задачи. Агент, которому дали нужные документы и внятное правило, делает работу за один проход. Агент без контекста делает три попытки и всё равно ошибается — и это стоит дороже. Что добавилось в платформу за последний месяц, собрано в обзоре обновлений сентября.

Личный ИИ начинается не с подписки и не с выбора самой сильной модели, а с первой задачи, доведённой до файла. Заведите рабочее пространство, загрузите пять своих документов и попросите агента сделать то, что вы каждую неделю делаете руками. После первого готового результата становится понятно, что достраивать дальше.