По данным совместного исследования Школы коммуникаций НИУ ВШЭ и исследовательского холдинга РОМИР, доля россиян, пользующихся нейросетями, выросла с 39,2% в 2025 году до 44% в 2026 году. Однако темпы прироста аудитории замедляются: волна первого любопытства прошла, а массового перехода от разовых запросов к ежедневному использованию ИИ не происходит. Эксперт НИУ ВШЭ Денис Деркач рассказал о том, почему так происходит и что может изменить ситуацию.
Люди не знают, что можно поручить нейросети
Для решения повседневных задач большинство пользователей по-прежнему идут в поисковики, а не к искусственному интеллекту. И дело не столько в качестве ответов ИИ и в недоверии к технологии. Главная проблема в другом: люди просто не знают, какие задачи можно решить с помощью нейросети.
Почти все знают, что «нейросети рисуют картинки» или «отвечают на вопросы», но представление о реальном спектре возможностей остается узким. Может ли ИИ, например, описать технический маршрут для производства детали? У обычного пользователя чаще всего нет готового ответа на этот вопрос.

Из-за этого люди продолжают решать рутинные бытовые и рабочие задачи привычными способами — через сайты и поисковики, — даже не задумываясь, что их можно передать нейросети. Мешает и то, что сформулировать хороший запрос к ИИ пока умеют не все, поскольку культура промптинга только формируется. Ее развитие я считаю одним из главных направлений массового образования в ближайшие годы.
Первое впечатление решает все
Еще один барьер — качество первого опыта. Если пользователь обратился к ИИ и результат ему не понравился, он вряд ли вернется к инструменту повторно.
По своему опыту могу сказать, что здесь особенно важна предсказуемость: когда модель стабильно выдает качественный результат без необходимости «донастраивать» ее под каждую задачу, человек перестает воспринимать ИИ как эксперимент и начинает видеть в нем рабочий инструмент.

Здесь нужно разделять два разных понятия: экспертность модели (насколько хорошо она справляется с задачами) и понятность ее использования. Пользователю недостаточно знать, что нейросеть «умная» — ему нужно понимать, в какой конкретной жизненной ситуации стоит открыть приложение. Без этого польза ИИ остается абстрактной, и переход от сценария «попробовал один раз из любопытства» к сценарию «пользуюсь каждый день для множества задач» не происходит.
Как разработчики делают ИИ понятнее
Разработчики уже осознали: даже самая мощная модель останется нишевым продуктом, если пользователь не понимает, зачем ее использовать. Поэтому интерфейсы популярных сервисов становятся интуитивнее, в них появляются готовые шаблоны запросов и примеры использования. В целом создатели ИИ-моделей идут по пути интеграции персонализированных сценариев под конкретные типы задач в свои сервисы.
Один из самых наглядных инструментов — специальные режимы работы, в названии которых сразу указан их функционал. Следующий уровень — ИИ-агенты, которые помогают решать конкретные задачи через привычные сервисы: доставку, такси, маркетплейсы. Именно поэтому российские разработчики делают ставку на мультиплатформенность. Так, в Алису AI намеренно встроили разные сервисы «Яндекса» — с ее помощью можно заказать еду и такси, искать товары, сравнивать цены и анализировать отзывы.

Похожий подход работает и за рубежом. Amazon развивает ИИ-помощника Alexa for Shopping (ранее — Rufus), который встроен непосредственно в процесс покупок: подбирает товары, сравнивает варианты, анализирует отзывы и цены, находит скидки и автоматизирует повторные покупки. Microsoft, в свою очередь, тестирует Copilot Tasks — агента, способного самостоятельно искать и бронировать услуги, следить за ценами на отели и организовывать поездки через браузер.
Отдельно хочу подчеркнуть, что прозрачность — это не только про удобный интерфейс, но и про честное объяснение ограничений. Нейросеть не всегда права и может «галлюцинировать» — выдавать неверную информацию с уверенным видом. Поэтому в некоторых сервисах уже появляются предупреждения о рисках использования ИИ для важных решений.
Агенты и персонализация — следующий шаг
Когда сервис прямо называет способ и цель своего применения, он сам снижает порог входа для новых пользователей и отвечает на главный вопрос — «а что мне вообще делать с нейросетью». Пользователю не обязательно понимать, как именно ИИ формирует ответ, для него важен только конечный результат.

Именно поэтому ИИ-агенты и режимы с «говорящими» названиями я бы назвал реалистичным драйвером роста аудитории, так как по названию сразу понятно, какую задачу инструмент помогает решить — найти, купить, изучить.
Более того, такие агенты уже сами подсказывают пользователю сценарии применения. Человек, который пришел в нейросеть с одной задачей, может увидеть агента «Забронировать столик» и вспомнить, что собирался поужинать с друзьями, — или заметить режим «Репетитор» и вспомнить о тройке сына по математике. После этого он либо сам обратится к ИИ с новой задачей, либо порекомендует его кому-то еще.
Я считаю, что именно персонализация может стать следующим драйвером роста аудитории ИИ. Она позволит подстраивать ответы под опыт конкретного пользователя и повышать их качество в его личной оценке. Будущее — за теми моделями, которые умеют сами подсказать человеку, зачем они нужны ему именно сейчас.
