# Андрей Карпати предложил перевести большие языковые модели из личных чат-ботов в постоянных асинхронных помощников для организаций

> Бывший руководитель направления искусственного интеллекта Tesla и сотрудник OpenAI Андрей Карпати (Andrej Karpathy) опубликовал тезисы о необходимости трансформации больших языковых моделей (LLM) из персональных чат-ботов в автономных участников рабочих...

- Canonical HTML: https://youragents.me/ru/media/news/andrej-karpati-predlozhil-perevesti-bolshie-jazykovye-modeli-iz-lichnyh-chat-botov-v-postojannyh-asinhronnyh-pomoshhnikov-dlja-organizacij
- Markdown: https://youragents.me/ru/media/news/andrej-karpati-predlozhil-perevesti-bolshie-jazykovye-modeli-iz-lichnyh-chat-botov-v-postojannyh-asinhronnyh-pomoshhnikov-dlja-organizacij.md
- Section: Новости
- Published: 2026-06-26T00:37:36+03:00
- Modified: 2026-06-26T00:37:36+03:00

Бывший руководитель направления искусственного интеллекта Tesla и сотрудник OpenAI Андрей Карпати (Andrej Karpathy) опубликовал тезисы о необходимости трансформации больших языковых моделей (LLM) из персональных чат-ботов в автономных участников рабочих процессов компаний. 

Андрей Карпати, один из ключевых разработчиков современных архитектур нейросетей, представил концепцию, согласно которой большие языковые модели должны эволюционировать от роли личных ассистентов к полноценным членам команд в организациях. По его словам, нынешние LLM ограничены синхронным взаимодействием в формате чата, что не позволяет им эффективно интегрироваться в корпоративные процессы.

Карпати предлагает перейти к асинхронным моделям работы, где ИИ-агенты будут действовать автономно, выполняя задачи в фоновом режиме, обмениваясь данными с другими системами и адаптируясь к долгосрочным целям компании. «Современные LLM — это как стажёры, которых нужно постоянно инструктировать. Нам нужны модели, способные самостоятельно планировать и выполнять многоэтапные задачи», — отметил он в своём посте.

В качестве примера Карпати привёл сценарии, где ИИ-агенты могли бы автоматически обновлять базы знаний, анализировать большие объёмы данных без прямого запроса пользователя или координировать работу между отделами. При этом он подчеркнул, что такие системы должны обладать памятью, контекстным пониманием и возможностью обучения на основе обратной связи.

Концепция вызвала дискуссию среди специалистов по машинному обучению. Некоторые поддержали идею, указав на потенциал повышения производительности, другие выразили опасения относительно безопасности и контроля над автономными ИИ-агентами в корпоративной среде. В частности, Равид Шварц-Зив (Ravid Shwartz Ziv), исследователь из Нью-Йоркского университета, отметил, что реализация таких систем потребует значительных изменений в инфраструктуре компаний.

Источники: X-пост Андрей Карпати (Andrej Karpathy), 24 июня 2026; Digg Tech.