В правилах Anthropic чёрным по белому запрещено использовать Claude для создания конкурирующих продуктов. А в документах к IPO (форме S-1), как отмечают рыночные аналитики, та же компания спокойно предупреждает инвесторов: время от времени Anthropic сама может конкурировать с разработчиками корпоративного софта. Игра идёт в одни ворота. Тебе заходить на их поляну нельзя, а они на твою выходят в следующем же релизе.
Причина простая. Дата-центры и обучение моделей стоят огромных денег, поэтому лаборатории больше не хотят быть просто поставщиками дешёвых токенов. Они идут вверх по стеку — прямо в готовые бизнес-инструменты.
Когда плагин в один клик роняет акции гигантов
За 2025 и 2026 годы Anthropic выкатила целую витрину отраслевых решений: Claude для финансов, Excel, таблиц, досок, встреч, науки, производства и малого бизнеса. В своём разборе Ник Сараев шутит: «Claude теперь не только решает домашку по математике — он буквально съедает всё подряд... Где Claude для мытья посуды?»
На бирже к этому относятся без юмора. После выхода юридических плагинов Claude акции Thomson Reuters, по данным разбора Сараева, упали на 16%. Запуск Claude Code Security обвалил бумаги CrowdStrike и других игроков кибербезопасности на 7–11% в отдельные сессии. В день анонса Claude Design примерно на 7% просела Figma.
OpenAI делает ровно то же самое: компания выпустила ChatGPT for Sales, и сервис встал в один каталог рядом с Apollo, Clay и Gong. В соцсетях всё чаще пишут основатели: «Проснулся, а Claude убил мой стартап».
Первыми под удар попадают тонкие SaaS-обёртки — сервисы, где вся суть сводится к удобному интерфейсу и паре промптов поверх чужого API. Но Сараев метко спрашивает: если копнуть глубже, разве не почти любой софт сегодня в чём-то обёртка? У лабораторий есть козырь, который не перебить рекламой — сотни миллионов активных пользователей. Им не нужно продвигать новый стартап с нуля. Они просто добавляют кнопку прямо в знакомый чат: «Попробуй плагин в один клик».
Как лаборатории видят спрос — и где граница галочки приватности
Главный страх бизнеса звучит резко: «Я решаю в чате рабочие задачи, а лаборатория читает переписку и завтра выпускает мой сервис». В ролике Сараева отчёт Anthropic Economic Index подаётся так, будто Claude вручную прочёсывает миллион бизнес-чатов ради чужих секретов.
Тут нужен честный фактчек. На деле Economic Index работает через систему Clio — автоматическую приватную кластеризацию. Алгоритмы вычищают персональные данные, а тема попадает в отчёт только при пороге от тысячи уникальных пользователей на кластер. Вытащить оттуда регламент конкретной фирмы через индекс невозможно.
Официальная визуализация отчёта Anthropic Economic Index о применении ИИ в рабочих задачах (Источник: anthropic.com/economic-index)
Но стратегически риск никуда не делся. За удобство «закинул задачу в чат и получил ответ за секунду» ты платишь сигналом о спросе. Даже без чтения конкретных диалогов лаборатории видят общую картину: какие коннекторы кликают чаще, какие категории задач растут быстрее всего и где живые деньги.
Вторая часть цены — обучение моделей. На личных планах (ChatGPT Free, Plus, Pro; Claude Free, Pro, Max; Grok) переписки по умолчанию идут на дообучение нейросетей, пока ты сам не нажмёшь стоп. В коммерческих API и корпоративных тарифах Team/Enterprise обучение отключено изначально — путать личную подписку с бизнес-контуром здесь опасно.
Причём выключенная галочка не делает облачный чат герметичным сейфом. Она отключает обучение будущих версий, но не убирает продуктовую аналитику и исключения безопасности: диалоги, задевшие фильтры trust & safety или отправленные через кнопку жалобы, всё равно могут временно храниться и проверяться.
Минута цифровой гигиены: выключаем обучение в трёх чатах
Если используешь личные аккаунты для рабочих черновиков, первый шаг займёт минуту. В коротком гайде Джейсон Уэст формулирует это прямо: «Одна галочка в каждом приложении отключает обучение моделей на ваших чатах — на всё уйдёт минута».
По справке OpenAI, настройка в ChatGPT сразу синхронизируется между браузером и телефоном. В Claude отключение действует на все будущие чаты и сессии кода. У Grok маршрут зависит от площадки: в X, на grok.com и в Grok Bot пункты меню называются по-разному.
| Сервис | Тарифы с обучением по умолчанию | Куда нажать, чтобы выключить | Что остаётся за рамками галочки |
|---|---|---|---|
| ChatGPT (OpenAI) | Free, Plus, Pro | Профиль → Settings → Data controls → Improve the model for everyone → Off (Done) | Фильтры безопасности, телеметрия использования |
| Claude (Anthropic) | Free, Pro, Max | Профиль → Settings → Privacy → Help improve our AI models → Off | Продуктовая аналитика, чаты с жалобами и фильтрами |
| Grok / Grok Bot (xAI / X) | Личные аккаунты X и Grok | В X: Settings and privacy → Privacy and safety → Grok. На grok.com: Settings → Data Controls / Privacy & Safety. В Grok Bot: Settings → General → Improve Grok Bot and more → Off | Обработка данных в облаке провайдера |
Сараев точно описывает соблазн: кажется, будто чёртик на плече шепчет — просто вставь внутренний регламент в окно чата, ничего страшного не случится. Даже без обучения файл улетает на чужие серверы. Для критичных документов личный облачный чат не подходит.
Зачем бизнес уходит на открытые модели и четыре способа защитить процессы
В компаниях контраст между двумя подходами виден ещё ярче. Один путь — гонять всю внутреннюю кухню через облачные подписки и чужое API, платя за каждый миллион токенов. Другой — развернуть на своих серверах open-weights модели (нейросети с открытыми весами вроде Meta Llama, Google Gemma или NVIDIA Nemotron), где документы вообще не покидают периметр компании.
Бизнес переезжает туда ради экономии и Knowledge Alpha — накопленного опыта фирмы: внутренних регламентов (SOP), проверенных промптов, клиентской базы и разбора редких нестандартных случаев. По отраслевым оценкам, на которые ссылается Сараев, больше 40% компаний хотят запустить открытые модели в боевой работе, а около 60% уже перенесли на них часть задач.
Твёрдый корпоративный пример — телеком-гигант AT&T. Во внутреннем помощнике Ask AT&T работает около 100 тысяч сотрудников, которые генерируют примерно 45 миллиардов токенов в день. Инженеры внедрили умную маршрутизацию на базе LiteLLM и перевели часть потока на локальные Llama, Gemma и Nemotron. По словам руководителей ИИ-направления AT&T Энди Маркуса и Марка Остина, такой гибрид срезал расходы на ИИ-кодинг на 56% (на отдельных задачах экономия доходит до 80–90%) при потере качества всего около 2%.
Доля open-weights моделей в ИИ-нагрузке AT&T: факт и целевой диапазон
На графике виден масштаб разворота: открытые веса забирают на себя основную массу рабочих запросов, а дорогие закрытые флагманы остаются только для самых сложных задач.
Из этой расстановки сил для основателей и команд вытекают четыре практических правила.
Первое — не трать месяцы на тонкую обёртку. Сервис, который просто рисует слайды или конспектирует созвоны поверх чужого API, живёт ровно до того дня, пока Anthropic или OpenAI не добавят такую же кнопку у себя.
Второе — строй бизнес там, куда лабораториям невыгодно идти в ближайшие годы. Их цель — массовые цифровые категории с быстрыми деньгами. Всё, что связано с физическим миром, регулируемыми отраслями с юридической ответственностью, живыми отношениями с клиентами и поставщиками, одним плагином в чате не закроешь.
Третье — береги свои регламенты. Если главный секрет бизнеса спрятан в уникальных SOP и рабочих сценариях, не скармливай их целиком в личные облачные чаты.
Четвёртое — переходи на открытый харнесс с hot-swap моделей. Это рабочая оболочка, которая переключает движок на лету командой вроде /model. Разбираешь закрытый договор, базу клиентов или внутренний регламент — включаешь локальную open-weights модель внутри своего контура. Закончил, открыл чистую сессию для мозгового штурма или сложного кода без секретов — одной командой вернулся на флагманский Claude или ChatGPT.




