Введение и актуальность
С 9 октября 2026 года бесплатный доступ к Gemini для личных аккаунтов стал уже. Пользователи без подписки Google AI получают модель Flash-Lite, а более мощные варианты для них больше не доступны. Для компании из этого простой вывод: бесплатная нейросеть подходит для проб и личных задач, но опираться на неё как на часть рабочего процесса нельзя. Ниже разобрано, что именно изменилось, какие варианты остаются и как перевести задачи на инструменты, которыми компания может управлять сама.
Это не подборка бесплатных сервисов. Таких списков в выдаче много. Здесь речь о том, что делать бизнесу, если инструмент, на котором держится процесс, завтра поменяет условия.
Что изменилось в октябре 2026
Официальная справка Google «Changes to Gemini model access and limits» (support.google.com/gemini/answer/17004136, открыта 13 октября 2026) говорит, что изменения касаются личных аккаунтов. Для пользователей без подписки Google AI они вступают в силу 9 октября. Справка описывает автоматический выбор модели: большинство запросов уходит в Flash-Lite, более сложные могут уходить в Flash или Pro. Для подписчиков AI Plus дату смены Google обещает сообщить письмом.
Схема в справке описана не полностью, поэтому не стоит закладывать в процесс конкретный набор моделей для бесплатного аккаунта без проверки. Подробности по платным тарифам в разных источниках тоже расходятся: перед выбором тарифа сверяйте текущие условия на странице Google. Если вам нужен общий контекст по бесплатным тарифам ИИ-агентов, он собран в материале Бесплатные ИИ-агенты: что реально дают тарифы.
Почему личный бесплатный аккаунт не подходит для процесса
Есть четыре причины, и каждая из них важна сама по себе.
Первая: условия меняются без участия пользователя. Изменения доступа к моделям Google вводит по своему графику, и тот, кто встроил сервис в ежедневную работу, должен заранее предусмотреть запасной вариант.
Вторая: нет административного контроля. Нельзя выдать доступ сотруднику, посмотреть, кто и что отправлял, отключить доступ при увольнении. Личный аккаунт не предназначен для команды.
Третья: условия обработки данных. Личный аккаунт не даёт тех договорных гарантий, которые компания обычно требует от подрядчика. Перед тем как вставить в запрос коммерческие данные, нужно прочитать условия использования именно этого продукта и тарифа. Если в тексте есть персональные данные клиентов, дополнительно нужна правовая основа по 152-ФЗ.
Четвёртая: результат нестабилен. Смена модели меняет ответы. Промпт, который давал хороший черновик на более сильной модели, на более лёгкой может выдать слабый текст. Поэтому любой процесс с ИИ нуждается в наборе проверочных примеров, а не в вере в один удачный ответ.
Какие варианты остаются
Бесплатный доступ не исчезает полностью, но для рабочих задач у компании есть четыре направления.
Платный тариф провайдера в командном варианте. Даёт понятные лимиты и поддержку, проще контролировать пользователей. Стоимость растёт вместе с числом людей, а зависимость от условий одного провайдера остаётся. Подходит небольшим командам, которым нужен быстрый старт без разработки.
API с оплатой за запрос. Подключается к CRM, почте, базе знаний и внутренним системам. Нужен разработчик, зато появляются журнал запросов, права доступа и возможность сменить модель без переделки процесса. Подходит для задач, которые должны работать автоматически.
Локальные модели (Ollama, LM Studio, llama.cpp). Данные не покидают ваш сервер или рабочую станцию, нет зависимости от внешних квот. Цена вопроса в железе и настройке. Требования к памяти зависят от выбранной модели и степени её сжатия, поэтому точную конфигурацию нужно проверять на пилоте. На сложных задачах такие модели обычно уступают крупным облачным, это тоже проверяется на ваших данных. Подробнее о практике — в материале Локальные ИИ-агенты.
Открытые модели через агрегаторы. Дают выбор моделей и гибкость. Бесплатные квоты у таких сервисов меняются, поэтому перед внедрением нужно проверить лимиты и условия именно на дату запуска.
Какие процессы можно оставить на бесплатном доступе
Бесплатный инструмент уместен там, где в запросе нет чувствительных данных и ошибка легко видна. Например: черновики общих текстов, идеи для контента, перевод публичных материалов, структура презентации по открытым источникам, проверка формулировок в рекламных текстах без данных клиентов.
Нельзя отправлять в личный бесплатный аккаунт договоры, персональные данные клиентов, финансовые отчёты, переписку с контактами, пароли, ключи доступа и любые закрытые материалы компании.
Какие процессы переводить первыми
Первыми стоит брать процессы, где совпадают четыре признака: задача повторяется каждую неделю, объём заметный, результат можно проверить за минуту, а ошибка не выходит наружу без проверки человеком.
Типичные кандидаты: первичная классификация входящих обращений с черновиками ответов, которые правит оператор; сводки по созвонам и заявкам; извлечение данных из однотипных документов в таблицу; черновики описаний товаров по выгрузке из каталога; черновики коммерческих предложений по шаблону.
Процессы, где ошибка дорого стоит (юридические формулировки, финансовые расчёты, решения о приёме и увольнении сотрудников), на первом этапе лучше не автоматизировать. Там ИИ может готовить материалы, но решение принимает человек.
Сценарии для разных компаний
Интернет-магазин. Черновики карточек товаров по выгрузке из каталога, ответы на типовые вопросы покупателей с проверкой оператором. Если каталог закрыт или содержит коммерческие условия поставщиков, разумнее локальная модель или API под контролем компании.
Небольшое агентство или студия. Контент-план, тексты для соцсетей, структура коммерческих предложений. Здесь обычно хватает командного тарифа, а результат проверяет руководитель проекта. Экономия видна сразу, потому что меняется объём черновиков, а не набор инструментов.
Бухгалтерская или юридическая фирма. Извлечение реквизитов и сверка данных из документов. Документы содержат персональные данные и коммерческую тайну, поэтому здесь почти всегда нужен локальный вариант или API с договорённостями об обработке данных. Личный бесплатный аккаунт не подходит.
Производство и сервис. Поиск по регламентам, инструкциям и истории обращений. Для этого нужна база знаний и поиск по ней, а не просто чат. Как устроена такая система, описано в материале RAG-система для компании.
Пошаговый план перехода
- Инвентаризация. Спросите команду, какие задачи они уже решают в бесплатных сервисах, и составьте список. Часто выясняется, что инструмент уже стал частью процесса, о котором руководство не знает.
- Классификация данных. Каждую задачу отнесите к одной из групп: публичные данные, внутренние материалы, персональные данные, коммерческая тайна.
- Выбор варианта для каждой группы. Публичные данные можно оставить на облачном тарифе, внутренние и персональные переводить на командный тариф с договорённостями или на локальную модель.
- Набор проверочных примеров. Соберите 20–30 реальных задач с эталонными ответами. Без него нельзя понять, стал ли результат хуже после смены модели или инструмента.
- Пилот на одном процессе в течение 2–4 недель. Фиксируйте время на задачу, число правок и число ошибок, которые заметил проверяющий.
- Правила использования. Что можно вставлять в запрос, кто проверяет результат, куда сохраняется итог, кто отвечает за доступы.
- Масштабирование только после того, как пилот показал измеримый результат.
Требования к данным и инфраструктуре
Для облачного варианта нужны корпоративный аккаунт, отдельные учётные записи сотрудников и понятное разграничение прав. Для API добавляются ключи, которые хранятся в секретах, а не в коде и не в переписке, и журнал запросов.
Данные для ИИ должны быть очищены: выгрузки без лишних персональных данных, база знаний в читаемом формате, актуальные версии документов. Чем хуже подготовлены данные, тем чаще модель уверенно отвечает неправильно.
Для локальной модели нужен сервер или рабочая станция с достаточным объёмом памяти. Какой объём нужен, зависит от модели и параметров сжатия. Это определяется на пилоте, а не по обещаниям из описаний.
Роли в процессе обычно такие: владелец процесса, который отвечает за результат; ответственный за данные (часто руководитель отдела или юрист); администратор или разработчик, который настраивает доступы и интеграции; сотрудник, который проверяет результат перед использованием.
Экономический эффект
Простая формула: экономия за месяц равна разнице между временем на задачу без ИИ и временем с ИИ и проверкой, умноженной на число задач и стоимость часа, минус стоимость инструмента и внедрения.
Условный пример: если проверка черновика экономит 15 минут на каждой из 40 задач в неделю, это около 10 часов в неделю. Цифры здесь иллюстративные, на данных компании их нужно проверять. Важно, что бесплатный инструмент не даёт нулевой стоимости: время на обходные пути, ручное копирование и исправление ошибок тоже считается.
Ориентиры по стоимости услуг на сайте W1DO (по состоянию на 13 октября 2026): консультация с подбором стека и AI-roadmap от 3 000 ₽, MVP-прототип агента или сервиса от 50 000 ₽, сложные системы с собственными моделями и глубокой интеграцией оцениваются индивидуально. Точная смета зависит от процесса, объёма данных и требований к безопасности.
Риски и ограничения
Первый риск уже реализован: условия сервиса поменялись, и процесс, построенный на старом варианте, пришлось пересматривать.
Второй риск связан с ошибками модели. Модель может уверенно написать неверную цифру или несуществующую ссылку. Поэтому любой результат, который уходит клиенту или в документ, нужно проверить человеком.
Третий риск: утечка данных при вставке в сервис, который не предназначен для коммерческой информации. Защита здесь организационная: правила, обучение, запрет на определённые типы данных.
Четвёртый риск: зависимость от одного провайдера. Хорошая архитектура позволяет сменить модель без переписывания процесса. Для этого нужны единый слой запросов и проверочный набор примеров.
Пятый риск: правовой. Права на результат, условия использования и требования к персональным данным зависят от конкретного сервиса и юрисдикции. Их стоит согласовать до внедрения.
Безопасность и защита данных
Минимальный набор правил: список запрещённых данных, которые нельзя передавать во внешние сервисы; отдельные учётные записи; отключение доступа при увольнении; журнал запросов для API; регулярная проверка ключей доступа и их замена при подозрении на утечку.
Для данных, которые нельзя выносить за пределы компании, остаётся локальная модель или API с понятными условиями обработки. Если процесс касается персональных данных, перед запуском нужно определить правовое основание обработки и срок хранения запросов.
Бесплатно или платно: как выбрать
Правило простое. Если задача не содержит чувствительных данных и ошибка видна сразу, можно работать на бесплатном доступе. Если задача повторяется, затрагивает клиентов или связана с данными, выбирайте платный командный тариф, API или локальную модель в зависимости от чувствительности данных и нужной автоматизации.
Выбирать инструмент стоит по процессу, а не по рейтингу в подборке. Подборки меняются каждый месяц, а процесс живёт годами.
Что делать дальше
Если бизнес уже использует бесплатную нейросеть в рабочих задачах, начните с инвентаризации и классификации данных. Это занимает день и показывает, где риск. Затем выберите один процесс для пилота.
W1DO помогает пройти этот путь: от аудита процессов и выбора модели до пилота и интеграции с рабочими системами. Подробнее — на странице Внедрение ИИ в бизнес. Если пока неясно, с какого процесса начать, подойдёт AI Консалтинг и Roadmap: там составляют план по процессам и оценивают бюджет.
Новостной контекст за месяц собран в ИИ-агенты для бизнеса: новости октября 2026, порядок внедрения по шагам описан в Как внедрить ИИ в бизнес-процессы.
