Андрей Карпата только что сформулировал одно из самых важных наблюдений об AI в 2026 году: теперь существуют две принципиально разные группы пользователей AI, которые полностью говорят на разных языках.

Его твит (3,6 млн просмотров и продолжает расти) описывает растущую пропасть, которую каждый, кто работает с AI, должен понять.

Группа 1: «AI — это игрушка»

Эта группа попробовала ChatGPT — обычно бесплатную версию — где-то в прошлом году. Они видели галлюцинации, смеялись над вирусными видео, где голосовой режим путался в простых вопросах, и пришли к выводу, что AI переоценён.

Они не ошибаются насчёт того, что испытали. Бесплатные модели 2025 года действительно ограничены. Но вот в чём проблема: они заморозили своё представление об AI в той точке и больше никогда его не обновляли.

Как выражается Карпата, те старые устаревшие модели не отражают возможностей современных фронтирных моделей.

Группа 2: «AI-психоз»

Эта группа профессионально использует самые современные агентные модели — Claude Code, OpenAI Codex — в технических областях. Они платят $200 в месяц. Они дают этим моделям компьютерный терминал и наблюдают, как те решают задачи, которые обычно заняли бы дни или недели работы.

Карпата говорит, что эта группа переживает то, что он называет «AI-психозом» — не потому что они в бреду, а потому что улучшения были настолько ошеломительными, что трудно передать увиденное кому-то, кто не испытал этого лично.

Почему разрыв существует

Карпата выделяет две структурные причины неравномерного развития возможностей AI:

1. Обучение с подкреплением лучше всего работает с поддающимися проверке наградами.

Задачи вроде программирования, математики и исследований имеют чёткие критерии успеха — код компилируется? Тесты проходят? Доказательство верно? Эти области естественно подходят для RL-обучения, где модель получает конкретную обратную связь о том, преуспела ли она.

Задачи вроде написания текстов, советов и разговоров гораздо сложнее оценить объективно, поэтому они улучшаются медленнее.

2. B2B-ценность управляет распределением ресурсов.

Наибольшие коммерческие возможности — в технических и профессиональных областях. Именно туда AI-компании направляют лучшие команды. Потребительские функции вроде голосового режима получают меньше инвестиций по сравнению с B2B-продуктами, генерирующими наибольшую выручку.

Проблема перевода

В результате возникает странный разрыв. Одновременно справедливо, что:

Бесплатный голосовой AI-ассистент будет путаться в базовых вопросах в ваших Instagram Reels
Платный агентный AI проведёт час за последовательной реструктуризацией всей кодовой базы

Оба эти события происходят в 2026 году. Но люди из Группы 1 видят только первое. Люди из Группы 2 — только второе. И когда они пытаются говорить друг с другом об «AI», они описывают совершенно разные технологии.

Как преодолеть разрыв

Если вы в Группе 1, путь к Группе 2 — не в том, чтобы тратить $200/месяц на другой чат-бот. Это изменение того, как вы используете AI — от случайных вопросов-ответов к структурированной работе со знаниями.

Вот что разделяет две группы на практике:

Поведение Группы 1:

Открывает ChatGPT, задаёт вопрос, читает ответ
Нет постоянного контекста между сессиями
AI каждый раз начинает с нуля
Судит об AI по худшим провалам

Поведение Группы 2:

Создаёт базы знаний, на которые AI может ссылаться
Даёт AI доступ к файлам проекта, документации и исследованиям
Использует AI как коллегу с памятью, а не поисковик
Судит об AI по лучшим возможностям

Ключевой инсайт: качество вывода AI прямо пропорционально качеству контекста, который вы ему предоставляете.

Создание контекста: недостающий слой

Здесь большинство людей застревают. Они слышат «давайте AI лучший контекст» и думают, что это значит писать более длинные промпты или тратить больше времени на объяснения. Это подход грубой силы. Более умный подход — создание постоянного слоя знаний, к которому AI может обращаться автоматически.

Вот как это выглядит на практике:

Захватывайте веб-исследования как структурированный Markdown — вместо добавления страниц в закладки или копирования отрывков в документ, конвертируйте полное содержимое в чистый Markdown. Это сохраняет информацию в формате, который может поглотить любой AI-инструмент.
Организуйте в поисковые базы знаний — группируйте сохранённый контент по проекту, теме или области исследований. Это даёт AI возможность найти релевантный контекст без необходимости помнить, что вы сохранили.
Соедините AI с вашими знаниями — такие инструменты, как MCP (Model Context Protocol), позволяют Claude искать и ссылаться на ваш сохранённый контент напрямую. Когда вы задаёте вопрос, Claude сначала проверяет вашу базу знаний, опирая ответы на ваши кураторские исследования, а не на обобщённые обучающие данные.

Это рабочий процесс, который поддерживает Save. Каждая сохранённая вами веб-страница становится Markdown-файлом в вашей локальной базе знаний. Встроенный MCP-сервер Save Vault соединяет её с Claude. Ваш AI-ассистент теперь имеет доступ ко всему, что вы читали и исследовали.

Эффект накопления

Разрыв между Группой 1 и Группой 2 — не только в том, какую модель вы используете. Это накопленный контекст, который вы создали со временем.

Разработчик, который сохранял документацию, ответы Stack Overflow и архитектурные статьи на протяжении шести месяцев, имеет AI-ассистента, понимающего его кодовую базу, стек и конкретные проблемы. Случайный пользователь, каждый раз открывающий ChatGPT заново, имеет универсальный инструмент, ничего не знающий о его работе.

Именно поэтому наблюдение Карпаты важно за пределами цикла хайпа вокруг AI. Разрыв в возможностях не сокращается — он расширяется. И разделительная линия — не техническая квалификация или бюджет. Это то, строите ли вы структурированную практику работы со знаниями вокруг AI или рассматриваете его как прославленный поисковик.

Начните сегодня

Вам не нужно тратить $200/месяц, чтобы начать преодолевать разрыв. Вам нужно начать захватывать и организовывать знания, с которыми вы уже сталкиваетесь каждый день:

Установите Save и начните конвертировать полезные веб-страницы в Markdown во время просмотра
Создайте базы знаний для ваших основных рабочих или интересующих областей
Подключите Claude через MCP-сервер Save Vault, чтобы ваш AI-ассистент мог ссылаться на сохранённый контент
Будьте последовательны — сохраняйте 2-3 страницы в день и наблюдайте, как ваша база знаний накапливается

Через месяц у вас будет личный слой знаний, который фундаментально улучшит каждое взаимодействие с AI. Вот в чём разница между Группой 1 и Группой 2 — и начинается она с того, как вы захватываете знания, а не с того, за какую модель вы платите.

Save конвертирует любую веб-страницу в чистый Markdown одним кликом и сохраняет её в вашей локальной базе знаний. С MCP-сервером Save Vault Claude ищет в ваших сохранённых материалах перед ответом. Попробуйте Save бесплатно.