Что вышло в последние недели
За сентябрь и начало октября 2026 года вышло несколько обновлений, которые касаются бизнеса напрямую.
- Claude Opus 5.5 — 22 сентября. Самая мощная модель линейки для сложных задач и длинных цепочек рассуждений.
- Claude Sonnet 5.5 — 28 сентября. Баланс качества и цены для большинства рабочих задач.
- Claude Haiku 5.5 — 7 октября. Быстрая и дешёвая модель для большого потока однотипных запросов: сводки, классификация, первичные ответы в поддержке.
По документации Anthropic, Haiku 5.5 стоит $0.10 за миллион входных и $0.50 за миллион выходных токенов при промпте до 100 тысяч токенов. Важная оговорка: Anthropic говорит о снижении стоимости в среднем на 75% по сравнению с Haiku 4.5, но тот же текст в Haiku 5.5 даёт примерно на 30% больше токенов. Реальная экономия зависит от задачи, поэтому её стоит проверить на своих данных.
Если вы выбираете модель для автоматизации, с этого и стоит начинать. Разбор того, как выбрать подход и не переплатить, есть в статье как внедрить ИИ в бизнес-процессы.
Реальный кейс: Barclays
1 октября Anthropic опубликовала кейс Barclays. По материалу, Claude используется в двух местах.
- Обработка писем клиентов. В подразделении Global Markets модель сортирует входящие письма, добавляет контекст и определяет, куда направить каждое обращение. Команда получает запрос уже с нужной информацией. По словам Anthropic, система обрабатывает около 120 000 писем в день.
- Внутренний ассистент для сотрудников. Colleague Knowledge Assistant помогает находить ответы в базе знаний. Им пользуются более 16 000 сотрудников, за время работы он обработал больше миллиона запросов.
Это цифры самого вендора, независимой проверки я не нашёл. Но схема переносима на средний бизнес: классификация входящих, обогащение данными, маршрутизация и поиск по внутренним документам. Похожие сценарии разобраны в статье ИИ-агенты для малого бизнеса, а поддержка клиентов — в разборе ИИ-агента для поддержки.
Агенты внутри рабочих приложений
Google показал агента Gemini, который работает внутри Gmail, Drive, Docs, Sheets, Slides, Chat и Calendar. По описанию Google, агент может вести задачу сразу в нескольких приложениях: превратить длинную переписку в бриф, собрать презентацию из документа. Также можно создать «коллегу-агента» с собственным аккаунтом Workspace, календарём и доступом к Drive.
Тренд в том, что агент перестаёт быть отдельным чатом и встраивается туда, где уже работает команда. Меньше переключений между системами и меньше ручного переноса данных. Но требования к доступам становятся строже, их нужно продумывать заранее.
Чем агент отличается от обычного чат-бота и где он действительно нужен, разобрано в статье ИИ-агенты против ChatGPT.
Что это меняет для бизнеса
Агенты хорошо работают на узких, повторяемых задачах с понятными правилами. Решения, где нужна ответственность человека, по-прежнему за людьми.
Что стоит сделать, если вы рассматриваете ИИ-автоматизацию:
- Выбрать один процесс с большим объёмом. Например, сортировку входящих заявок, первичный ответ в поддержке или поиск по регламентам.
- Измерить исходную точку. Сколько времени уходит на заявку, сколько заявок в день, сколько ошибок маршрутизации.
- Запустить пилот с проверкой человеком. Агент предлагает решение, сотрудник подтверждает. Так видно, где модель ошибается.
- Считать стоимость по токенам и по времени команды. Дешёвая модель не всегда выгоднее, если она требует больше токенов или больше проверок.
- Логировать решения агента. Без журнала трудно понять, почему произошла ошибка, и невозможно улучшать систему.
Когда пилот проверен и нужен подрядчик, помогут критерии из статьи как выбрать разработчика ИИ-агента. Типичные ошибки на этапе разработки собраны в разборе ошибок внедрения.
Вывод простой: выигрывают не те, кто подключил самую большую модель, а те, кто выбрал один процесс, измерил результат и довёл его до стабильной работы. Больше материалов по теме — в разделах Автоматизация бизнеса и ИИ-агенты.
