Краткое содержание анализа
Ведущие китайские технологические компании (Алибаба, Байду, Тенсент, Юйзи) переходят на модель объединения различных AI-ассистентов для офисной работы. Они больше не полагаются исключительно на собственные крупные модели, а интегрируют в свои системы сторонние решения, такие как Zhispu и DeepSeek, предоставляя пользователям возможность свободного выбора. Основная цель этого подхода — убедить пользователей поручать AI реальные рабочие задачи (подготовка отчетов, создание презентаций, анализ таблиц) и собирать ценные данные о распределении задач, использовании инструментов и обратной связи пользователей. Это позволяет улучшить эффективность работы AI-систем. Однако возникает сложная проблема — выбор наиболее подходящей модели для выполнения конкретной задачи, требующая сбалансировки качества, скорости и затрат. Это станет ключевым фактором конкуренции в будущем.
Почему AI-ассистенты для офисной работы начали использовать несколько моделей?
Раньше соревнование между крупными моделями заключалось в том, какая из них лучше. Но на этапе развития AI-ассистентов логика изменилась: сначала необходимо удержать пользователей и заставить их действительно использовать эти инструменты для выполнения рабочих задач.
Например, офисный AI-ассистент Qianwen интегрировал модели Zhispu GLM-5.3 и DeepSeek V4 Pro, а Tencent WorkBuddy — даже несколько серий моделей, включая Hunyuan, Zhispu и MiniMax. Почему? Потому что одна модель не может справиться со всеми задачами: некоторые хорошо справляются с написанием текстов, другие — с анализом данных, третьи — с созданием презентаций. Чем больше моделей в системе, тем выше вероятность успешного решения пользовательских задач, и тем охотнее пользователи будут ею пользоваться.
Более того, чем активнее пользователи используют AI-ассистенты, тем больше данных о реальных рабочих процессах собирается: например, как AI распределяет задачу на этапы (поиск информации, составление плана, заполнение контента, редактирование)? Где именно возникают ошибки? Эти данные крайне важны для совершенствования AI-систем. Как говорят руководители Байду, стандартные данные уже полностью изучены моделями; дальнейший прогресс зависит от новых знаний, получаемых благодаря использованию пользователей.
Следовательно, цель не в показе технических возможностей, а в создании условий, которые побудят пользователей активно использовать AI-ассистенты и способствуют накоплению данных, формируя замкнутый цикл: «пользователи используют → собираются данные → AI улучшается → пользователи еще активнее используют».
Объединение моделей не означает отсутствие границ
Хотя все компании интегрируют сторонние модели, в их пулах нет моделей конкурентов. Например, у Tencent WorkBuddy нет моделей Алибабы Qianwen и Юйзи Seed; у Юйзи TRAE Work нет модели Hunyuan от Тенсента; у Байду KuKuAI нет моделей Hunyuan, Qianwen или Seed. Причина в том, что крупные компании не хотят перенаправлять пользователей на конкурентские сервисы. Объединение моделей происходит на условиях открытости, но экологические барьеры все еще существуют. Это похоже на работу в магазинах: вы можете предлагать товары других брендов, но не позволите конкурентам занимать свои площадки.
Выбор подходящей модели для выполнения задачи
Интеграция нескольких моделей — это только первый шаг; настоящая сложность заключается в правильном выборе модели для каждой конкретной задачи. Здесь возникает так называемый «невозможный треугольник»: качественные модели обычно дорогие (например, для сложных задач требуются мощные модели, что увеличивает затраты); быстрые модели могут иметь низкое качество; дешевые модели могут не справляться со сложными задачами. Необходимо найти баланс между этими факторами:
- Для простых задач (например, составление отчета о встрече) используйте дешевые и быстрые модели;
- Для сложных задач (анализ данных и создание презентаций) — качественные модели;
- Для срочных задач (например, подготовка плана в течение 10 минут) — быстрые модели.
Для пользователей важны результаты, время выполнения и затраты; для компаний разница в стоимости массовых задач может быть значительной. Поэтому выбор модели — это не простой процесс, а сложный расчет экономических и качественных факторов.
Кто лучше справляется с управлением рабочими процессами?
Модели можно купить или интегрировать, но ключевым является способность системы эффективно распределять задачи, выбирать подходящие модели и восстанавливаться после ошибок. Это функции так называемой «системы управления» AI (AI Harness). Например, при получении запроса на составление отчета о продажах за третий квартал система должна распределить задачу на этапы и выбрать подходящие модели для каждого этапа. Качество такой системы зависит от количества собранных данных и опыта работы с ними. Некоторые платформы могут точнее оценить, какая модель наилучше подходит для выполнения конкретной задачи (например, использование Zhispu вместо DeepSeek).
Таким образом, конкуренция среди AI-ассистентов будет основываться не на количестве моделей, а на эффективности их работы: на способности системы находить оптимальные решения, удобстве использования для пользователей и экономии затрат.
Вывод
Переход от использования одной модели к объединению нескольких моделей направлен на привлечение пользователей и сбор данных. Однако для успешного функционирования системы необходимо решить проблему выбора подходящих моделей для выполнения задач. В конечном итоге ключевой фактор — эффективность работы AI-системы. Это похоже на управление рестораном: сначала необходимо предложить разнообразные блюда (модели), затем научиться рекомендовать их подходящие варианты конкретным клиентам, а последним этапом является обеспечение высокой эффективности работы кухни (системы управления).