В 2026 году главной проблемой стал не дефицит чипов, а дефицит воображения. OpenAI объясняет, почему power user сжигает в 7 раз больше токенов и как «навес возможностей» тормозит мировой ВВП.
2 мин
Пока футурологи пугали нас восстанием машин, <a href="/glossary/openai" class="text-primary hover:underline">OpenAI</a> (на календаре, напомним, январь 2026-го) выпустила манифест с более приземленной проблемой: мы слишком скучно используем их технологии.
В новом программном тексте компания вводит термин «capability overhang» (навес возможностей). В переводе с корпоративного на человеческий это означает: «Мы дали вам звездолет, а вы используете его, чтобы колоть орехи». Разрыв между тем, на что способны модели уровня frontier AI, и тем, как бизнес их реально применяет, стал главной метрикой, за которой теперь следит команда Сэма Альтмана.
value of intelligence > card image
Самый любопытный инсайт из отчета — профиль «power user». Оказывается, продвинутый пользователь отличается от новичка не промпт-инжинирингом, а банальной прожорливостью. Топовые юзеры потребляют в 7 раз больше вычислительной мощности (compute power).
Это не значит, что они задают в 7 раз больше вопросов. Это значит, что они заставляют AI «думать» глубже: строить софт, проводить математические исследования и выполнять агентские цепочки задач. OpenAI прозрачно намекает: если ваш счет за API не растет, вы, вероятно, стагнируете.
Чтобы закрыть этот разрыв (и, разумеется, поднять выручку), OpenAI предлагает три принципа:
OAI Go Blog ArtCard 1x1
Концепция «навеса возможностей» — это прямой вызов. Если раньше мы ждали, пока модели станут умнее, то теперь модели ждут, пока поумнеем мы. В 2026 году конкурентное преимущество получает не тот, кто внедрил AI, а тот, кто нашел способ утилизировать его «избыточную» мощность для задач, которые раньше считались невозможными.
Как говорил Алан Кей, лучший способ предсказать будущее — изобрести его. OpenAI добавляет: желательно, используя при этом платный API.
OAI Ads Blog ArtCard 1x1
OpenAI смещает фокус с разработки новых моделей на ликвидацию разрыва между возможностями AI и их реальным применением, призывая пользователей нагружать системы сложными задачами.
Показателем эффективности сотрудника теперь считается не скорость работы, а объем сожженного им «компьюта» — чем больше энергии тратит AI на ваши задачи, тем они ценнее.
