Google снова уперлась не в модель и не в вычисления, а в интерфейс. Поводом стало обновление Gemini Live, а главная претензия звучит болезненно знакомо для всей индустрии: брендинг AI-приложений заставляет пользователя разбираться во внутренней кухне продукта вместо того, чтобы просто решить задачу. Для русскоязычной IT-аудитории это важный сигнал: даже компании с миллиардной аудиторией по-прежнему проектируют AI-сервисы так, будто ими будут пользоваться не обычные люди, а собственные продуктовые команды.
26 августа 2026 года Google анонсировала новые голосовые возможности Gemini Live, а TechCrunch в тот же день обратил внимание на формулировку из анонса: пользователю якобы не нужно гадать, что именно запустить для задачи. Как пишет TechCrunch, проблема в том, что сама Google тут же эту идею подрывает. В приложении Gemini пользователь видит несколько отдельно оформленных сущностей: обычный чат, Spark и Daily Brief. У каждой свой значок, свое место в навигации и, по сути, своя логика взаимодействия. Обещание простоты разбивается о продуктовую реальность: если человеку надо сначала понять архитектуру сервиса, значит, сервис уже проиграл часть битвы за массовое использование.
Самый показательный пример здесь — Daily Brief. На бумаге идея звучит аккуратно: AI-дайджест, который собирает персонализированные обновления на основе данных из сервисов Google, включая Gmail и Calendar. Но в пересказе TechCrunch быстро становится ясно, где ломается ценность. Такой режим не всегда различает действительно срочную и полезную информацию от навязчивых напоминаний. В результате пользователь может получить не рабочий приоритет на утро, а странный цифровой тычок в бок: мол, продолжи исследование, которое ты раньше начал в чат-боте, или вернись к старым поисковым запросам. В одном случае это просто шум, в другом — уже тревожное ощущение, что продукт знает слишком много и слишком охотно это демонстрирует.
Со Spark ситуация почти зеркальная. По оценке автора TechCrunch, это как раз один из самых практичных элементов Gemini: агентный режим, который может выполнять действия по поручению пользователя. Но Google оформляет его как отдельный бренд внутри и без того перегруженного AI-продукта. Для инженерной организации это, возможно, удобно: отдельная команда, отдельная дорожная карта, отдельные KPI. Для конечного пользователя пользы почти ноль. Человеку не нужен выбор между «поговорить с ассистентом» и «включить агента» как между двумя разными приложениями. Он пишет задачу в одном окне, а система уже сама решает, когда достаточно ответа, а когда нужен запуск агентного сценария. Иначе интерфейс начинает работать не на пользователя, а на оргструктуру компании.
В этом, собственно, и состоит более широкий тезис: проблема не только у Gemini. TechCrunch прямо ставит в один ряд и другие крупные AI-продукты, которые выносят наружу свои внутренние режимы работы. Пользователю предлагают не просто сформулировать запрос, а еще и выбрать правильную «поверхность» для этого запроса. У Anthropic, например, нужно понимать, когда общаться с Claude в режиме чата, а когда использовать другой сценарий взаимодействия; при этом, как отмечает издание, до этой недели эти режимы внутри приложения даже не делили одну и ту же память прошлых разговоров. У ChatGPT похожая логика с переключением между разными режимами работы. Для продвинутого пользователя это терпимо. Для массовой аудитории — лишняя когнитивная нагрузка, которая делает AI не естественным инструментом, а набором продуктовых компромиссов.
На этом фоне особенно интересен контраст с Apple. В статье TechCrunch приводится простой, но неприятный для конкурентов аргумент: Apple может выиграть именно за счет менее эффектного подхода. Не заставлять человека открывать новое приложение, учить новые названия и разбираться, где именно живет нужная функция, а просто делать уже знакомые точки входа умнее. Spotlight Search, приложение «Фото», камера iPhone, голосовые запросы к Siri — это понятные интерфейсы, которые существовали и до AI-ажиотажа. Если интеллектуальные функции встраиваются туда без смены пользовательского поведения, барьер входа резко падает. Это не выглядит как демонстрация технологической мощи, зато выглядит как взрослая продуктовая дисциплина.
Отсюда же понятен и рост текстовых AI-сервисов, о которых упоминает TechCrunch: Poke, Ollie, Lindy, Orchid, Lucas, Folk, Tomo, Instinct и другие. Их сила не обязательно в более совершенной модели, а в том, что интерфейс там уже всем знаком. Сообщение в мессенджере не требует обучения. Человек не думает, какой модуль выбрать, где лежит агентная функция и включена ли память между режимами. Он просто пишет задачу. Партнер a16z Джастин Мур в этом контексте сформулировала довольно жесткий ориентир для рынка: людям не хочется каждый раз открывать отдельное приложение за помощью, им нужен контакт, которому можно написать как знакомому. Для разработчиков и продактов это звучит почти банально, но именно такие банальности рынок и забывает чаще всего, когда слишком увлекается словарем из демо-сценариев.
Для бизнеса и продуктовых команд вывод из этой истории довольно прикладной. Брендинг AI-приложений полезен ровно до той точки, пока он помогает понять ценность продукта, а не заставляет пользователя проходить ускоренный курс по его внутренней архитектуре. Если в интерфейсе появляются отдельные названия для режимов, агентов, дайджестов и рабочих пространств, команде стоит честно спросить себя: это действительно новая пользовательская сущность или просто удобная упаковка для внутренних команд и презентаций? Для разработчиков здесь тоже есть прямое следствие. Хороший AI-слой все чаще будет оцениваться не по числу режимов, а по качеству маршрутизации: насколько незаметно система сама выбирает нужный сценарий, сохраняет контекст и не перекладывает на человека принятие лишних решений.
Главный вопрос теперь не в том, у кого больше AI-функций, а в том, кто первым перестанет ими хвастаться на уровне интерфейса. Пока рынок продает пользователю не результат, а карту собственных внутренних механизмов, у более тихих и дисциплинированных игроков появляется шанс обыграть лидеров не моделью, а элементарной внятностью. И если Google с ее масштабом до сих пор не решила эту задачу в Gemini, значит, проблема действительно системная: индустрия все еще строит AI для тех, кто знает, как он устроен, а не для тех, кто просто хочет, чтобы он работал.