Как люди реально используют ИИ?

Весь уходящий год нам твердили, что искусственный интеллект совершает революцию в продуктивности — помогает писать письма, генерировать код и резюмировать документы.

Но что, если реальность использования ИИ людьми кардинально отличается от того, во что нас заставили поверить?

Исследование OpenRouter, основанное на данных, приоткрыло завесу над реальным использованием ИИ. Был проанализирован массив из более чем 100 триллионов токенов — по сути, это миллиарды и миллиарды разговоров и взаимодействий с большими языковыми моделями, такими как ChatGPT, Claude и десятки других. Полученные результаты опровергают многие представления о революции ИИ.

OpenRouter — это мультимодельная платформа для ИИ-инференса (генерации ответов), которая распределяет запросы между более чем 300 моделями от 60+ провайдеров: от OpenAI и Anthropic до открытых альтернатив вроде DeepSeek и LLaMA от Meta.

Поскольку более 50% трафика платформы поступает из-за пределов США, а ее услугами пользуются миллионы разработчиков по всему миру, OpenRouter предлагает уникальный срез того, как ИИ реально применяется в разных географических регионах, сценариях использования и типах пользователей.

Важно отметить, что исследование анализировало метаданные миллиардов взаимодействий без доступа к самому тексту разговоров, что позволило сохранить конфиденциальность пользователей и при этом выявить поведенческие паттерны.

К концу 2025 года открытые модели ИИ заняли примерно треть от общего объема использования, с заметными всплесками активности после крупных релизов.

Революция ролевых игр, которую никто не ожидал

Пожалуй, самое удивительное открытие: более половины всех обращений к открытым ИИ-моделям вообще не связано с продуктивностью. Это ролевые игры (roleplay) и творческий сторителлинг.

Да, вы всё правильно прочитали. Пока технологические руководители расхваливают потенциал ИИ для трансформации бизнеса, пользователи тратят большую часть времени на разговоры от лица персонажей, интерактивную литературу и игровые сценарии.

Более 50% взаимодействий с открытыми моделями попадают в эту категорию, затмевая даже помощь в программировании.

— Это противоречит предположению, что большие языковые модели (LLM) в основном используются для написания кода, писем или анализа, — говорится в отчете. — На самом деле многие пользователи обращаются к этим моделям ради общения или исследования.

Это не просто непринужденная болтовня. Данные показывают, что пользователи рассматривают модели ИИ как структурированные движки для ролевых игр: 60% «ролевых» токенов приходятся на конкретные игровые сценарии и контексты творческого письма. Это огромный, во многом невидимый сценарий использования, который меняет представление ИИ-компаний о своих продуктах.

Стремительный взлет программирования

Хотя ролевые игры доминируют в сегменте открытого ПО, программирование стало самой быстрорастущей категорией среди всех моделей ИИ. В начале 2025 года запросы, связанные с кодом, составляли всего 11% от общего использования ИИ. К концу года эта цифра взлетела до более чем 50%.

Этот рост отражает углубляющуюся интеграцию ИИ в разработку программного обеспечения. Средняя длина промптов (запросов) для задач программирования выросла в четыре раза — с примерно 1500 токенов до более чем 6000, а некоторые запросы, связанные с кодом, превышают 20 000 токенов (что примерно эквивалентно загрузке всей кодовой базы в модель для анализа).

Для контекста: сейчас запросы по программированию генерируют одни из самых длинных и сложных взаимодействий во всей экосистеме ИИ. Разработчики больше не просят просто написать простые фрагменты кода; они проводят сложные сеансы отладки, архитектурные обзоры и многоэтапное решение проблем.

Модели Claude от Anthropic доминируют в этой нише, захватив более 60% использования, связанного с программированием, на протяжении большей части 2025 года. Однако конкуренция усиливается: Google, OpenAI и открытые альтернативы набирают обороты.

Запросы, связанные с программированием, выросли с 11% от общего использования ИИ в начале 2025 года до более чем 50% к концу года.

Китайский прорыв

Еще одно важное открытие: на китайские модели ИИ теперь приходится около 30% глобального использования — это почти втрое больше их доли в 13% в начале 2025 года.

Модели от DeepSeek, Qwen (Alibaba) и Moonshot AI быстро набрали популярность. Только DeepSeek обработал 14,37 триллиона токенов за период исследования. Это свидетельствует о фундаментальном сдвиге в глобальном ландшафте ИИ, где западные компании больше не обладают неоспоримым доминированием.

Упрощенный китайский стал вторым по распространенности языком для взаимодействия с ИИ в мире (5% от общего использования), уступая только английскому (83%). Общая доля Азии в расходах на ИИ выросла более чем в два раза — с 13% до 31%, а Сингапур стал второй страной по объему использования после США.

Восход «агентного» ИИ

Исследование вводит понятие, которое определит следующую фазу развития ИИ: агентный инференс (agentic inference). Это означает, что модели ИИ больше не просто отвечают на одиночные вопросы — они выполняют многоэтапные задачи, вызывают внешние инструменты и рассуждают в рамках продолжительных диалогов.

Доля взаимодействий с ИИ, классифицируемых как «оптимизированные для рассуждений», подскочила с почти нуля в начале 2025 года до более чем 50% к концу года. Это отражает фундаментальный переход от ИИ как генератора текста к ИИ как автономному агенту, способному планировать и исполнять.

— Медианный запрос к LLM больше не является простым вопросом или изолированной инструкцией, — объясняют исследователи. — Вместо этого он становится частью структурированного, агентно-подобного цикла, вызывающего внешние инструменты, рассуждающего о состоянии и сохраняющего контекст на протяжении длительного времени.

Представьте это так: вместо того чтобы просить ИИ «написать функцию», вы теперь просите его «отладить эту кодовую базу, выявить узкое место в производительности и внедрить решение» — и он действительно может это сделать.

Эффект «хрустальной туфельки»

Один из самых увлекательных инсайтов исследования касается удержания пользователей. Исследователи обнаружили то, что они назвали эффектом «хрустальной туфельки» Золушки (Glass Slipper Effect) — феномен, при котором модели ИИ, первыми решившие критическую проблему, формируют устойчивую лояльность пользователей.

Когда недавно выпущенная модель идеально соответствует ранее неудовлетворенной потребности — той самой метафорической «хрустальной туфельке», — ранние пользователи остаются с ней гораздо дольше, чем те, кто пришел позже. Например, когорта пользователей Google Gemini 2.5 Pro, пришедшая в июне 2025 года, сохранила примерно 40% аудитории к пятому месяцу, что существенно выше показателей более поздних когорт.

Это ставит под сомнение привычную мудрость о конкуренции в сфере ИИ. Быть первым важно, но именно первенство в решении высокоценной проблемы создает долгосрочное конкурентное преимущество. Пользователи встраивают эти модели в свои рабочие процессы, делая переключение на другие продукты дорогим как технически, так и поведенчески.

Цена не имеет значения

Возможно, вопреки интуиции, исследование показывает, что использование ИИ относительно неэластично по цене. Снижение цены на 10% соответствует лишь увеличению использования примерно на 0,5–0,7%.

Премиальные модели от Anthropic и OpenAI стоят $2–35 за миллион токенов, сохраняя при этом высокий спрос, в то время как бюджетные варианты вроде DeepSeek и Google Gemini Flash достигают схожих масштабов при цене менее $0,40 за миллион токенов. И те, и другие успешно сосуществуют.

— Рынок LLM пока не ведет себя как рынок сырьевых товаров (commodity), — заключает отчет. — Пользователи ищут баланс между стоимостью и качеством рассуждений, надежностью и широтой возможностей.

Это означает, что сфера ИИ не превратилась в гонку на понижение цен. Качество, надежность и возможности по-прежнему оправдывают высокую стоимость — по крайней мере, пока.

Что это значит для будущего

Исследование OpenRouter рисует картину реального использования ИИ, которая гораздо сложнее и многограннее, чем отраслевые нарративы. Да, ИИ трансформирует программирование и профессиональную деятельность. Но он также создает совершенно новые категории взаимодействия человека и компьютера через ролевые игры и творческие приложения.

Рынок диверсифицируется географически, Китай становится крупной силой. Технология эволюционирует от простой генерации текста к сложному, многоэтапному рассуждению. А лояльность пользователей зависит не столько от того, кто первым вышел на рынок, сколько от того, кто первым по-настоящему решил проблему.

Как отмечается в отчете, «способы использования LLM людьми не всегда соответствуют ожиданиям и значительно варьируются от страны к стране, от штата к штату, от одного сценария использования к другому».

Понимание этих реальных паттернов — а не только результатов бенчмарков или маркетинговых заявлений — будет иметь решающее значение по мере того, как ИИ будет всё глубже проникать в повседневную жизнь. Разрыв между тем, как мы думаем, что используется ИИ, и тем, как он используется на самом деле, шире, чем многие полагают. Это исследование помогает сократить этот разрыв.