CEO Phygital+ Олег Юсупов: нейросети ускорили ручную работу дизайнеров, но не менеджерские задачи

CEO и сооснователь Phygital+ Олег Юсупов опубликовал колонку в издании Russian Business, в которой описал, где сейчас находится рынок нейротехнологий в дизайне и как он будет меняться. Phygital+ — платформа, которая собирает десятки нейросетей в единое рабочее пространство для дизайн-команд Альфа-Банка, «Яндекса», МТС, «Магнита», X5 и других компаний. По словам автора, он занимается внедрением искусственного интеллекта в дизайн-процессы с 2018 года, а с 2022-го развивает сам продукт.

От дополненной реальности к нейросетям

Юсупов рассказывает, что более четырёх лет работал с дополненной реальностью и к 2017 году пришёл к выводу, что технология зашла в тупик: не было ни киллер-приложения, ни подходящего железа, ни алгоритмов для анализа трёхмерных сеток и генерации 3D-объектов. По его оценке, рынок оставался маленьким: из восьми миллиардов человек гарнитуру купили около ста миллионов, а ежедневно используют меньше миллиона.

После этого он сместил фокус на удешевление создания контента и занялся компьютерной графикой и машинным обучением. В 2017–2018 годах он открыл R&D-лабораторию, а затем магистерскую программу в МАИ совместно с Microsoft. С 2018 года внедрял AI в дизайн-процессы, а к 2022 году это переросло в полноценный продукт.

Как дизайнеры принимали нейросети

Автор описывает несколько этапов принятия технологии. Сначала дизайнеры реагировали на предложение использовать нейронки резко отрицательно. Второй этап начался в 2022 году, когда появились ChatGPT и Midjourney, первые диффузионные модели, — тогда возник вопрос, зачем нужны посредники, если есть эти сервисы.

Третья стадия, по его словам, разворачивается сейчас: дизайнеры поняли, что для эффективной работы нейросетей нужно много инструментов, желательно в одном месте и с возможностью вести проект в облаке с командой. При этом не все научились выстраивать удобный пайплайн: повторяемость процесса не менее важна, чем консистентность персонажей. Консервативный слой, отмечает Юсупов, никуда не делся, но таких людей становится всё меньше.

Что ускорили нейросети, а что нет

Юсупов делит задачи дизайнера на две части — дизайнерские и менеджерские. С точки зрения технических навыков, таких как монтаж и цветокоррекция, нейросети дают стопроцентное ускорение: где-то возможна полная автоматизация, где-то ускорение в разы.

Менеджерские задачи практически не ускорились. Дизайн-ревью, согласования и отбор, по его наблюдению, местами стали занимать даже больше времени: если раньше нужно было выбрать один вариант из пяти, то теперь — из ста. Отсюда, считает автор, и бум на ИИ-агентов: когда кто-то говорит, что у него всё суперавтоматизировано, скорее всего, он просто не понимает задачу. По мнению Юсупова, не нужно выдумывать сложную систему, достаточно одного агента, который будет делать нормальное дизайн-ревью в зависимости от контекста.

За что платит рынок

Опираясь на опыт продаж крупным B2B-клиентам, Юсупов формулирует закономерность: бизнес никогда не платит просто за «красивые картинки» или доступ к нейросетям. Рынок платит за управление рисками и системность. На примере Phygital+ он выделяет два типа запросов.

• Центр компетенций вместо зависимости от кадров. Сильные AI-креаторы — штучный товар, и когда уникальный специалист уходит, он забирает с собой промпты, процессы и логику работы. Компания теряет время и деньги, поэтому бизнесу нужна система, а не герои-одиночки.
• Предсказуемый продакшен-результат. Сгенерировать один эффектный кадр несложно, но главная боль коммерческого продакшена — консистентность: сохранение единого стиля, персонажа, деталей продукта или сцены от кадра к кадру. Именно на этом этапе определяется, пойдёт результат в работу или останется бесполезной концепцией.

Кто работает в дизайн-команде

Юсупов подчёркивает, что графический дизайнер сегодня должен уметь работать с нейронками — это база, с которой уже все согласились. Но дизайнер — лишь видимый слой процесса, в который вовлечены и другие специалисты.

• Математик-теоретик — понимает алгоритмы и может придумать новый, который, к примеру, ускорит рендеринг.
• ML-инженер — роль на уровень внедрения: обеспечивает работу алгоритмов с помощью кода на Python или C++, отвечает за архитектуру.
• AI-инженер — разработчик, который понимает, как работать с Claude и ChatGPT, может написать агента и разбирается в работе LLM глубже обычного человека, но сам с нуля нейронку не напишет.
• Графический дизайнер — применяет нейроинструменты, используя насмотренность и вкус. Здесь же часто появляются AI-креаторы, которые делают поверхностный контент для кликов и трафика.

На вопрос, что проще — научить дизайнера с хорошим вкусом нейросеткам или «дотянуть» вкус у человека, разбирающегося в алгоритмах и пайплайнах, Юсупов отвечает: в 80% случаев сработает первый вариант. Но иногда нужен свежий взгляд со стороны AI-креатора, который приносит новую эстетику. В перформанс-маркетинге, отмечает он, красота с точки зрения дизайна вообще не нужна — там важнее конверсия.

Как считать экономику

По наблюдению Юсупова, подходы к подсчёту экономики у всех разные, а считать правильно почти никто не умеет: результат зависит от того, что с чем сравнивать. Сравнивать нужно конкретные кейсы, а не абсолютные цифры. Он приводит пример: фотосъёмка для бренда одежды KANZLER стоила пятнадцать тысяч долларов, а с Phygital+ компания тратит сто долларов на генерацию. Смотреть на стоимость годового контракта некорректно, поскольку помимо фотосессии клиент делает ещё тысячу других вещей.

Разным клиентам важно разное. У клиентов из ретейла огромные объёмы контента, поэтому всё упирается в юнит-экономику: ускорение в иксы имеет прямое денежное значение. У креативных студий таких объёмов нет, им важно качество.

Меняется и то, кто выполняет работу: раньше у компаний было много аутсорса, дизайн делали агентства, сейчас многое уходит в инхаус. При этом агентства всё ещё нужны, поскольку запрос на количество контента растёт. Юсупов передаёт слова студий, которые приходили к нему со словами, что агентствам пора умирать, и его ответ: меняется экономика, и к этому нужно быть готовыми. Если раньше агентство зарабатывало миллион рублей на кей-вижуалах, то сейчас про такие цифры надо забыть, но можно зарабатывать по сто тысяч с единицы контента, а этих единиц стало в десять раз больше.

Четыре эры AI-революции

Юсупов предлагает рамку из четырёх этапов, через которые, по его мнению, проходит индустрия за последние 15 лет. Он отмечает, что реальная адаптация технологий происходит в 2–3 раза медленнее, чем кажется.

• Perception AI (2012–2021) — эра восприятия, начавшаяся с появления архитектуры AlexNet. Девять лет алгоритмы учили распознавать мир: считывать текст, находить объекты на картинках, распознавать 3D-модели и голос.
• Generative AI (2021 — настоящее время) — эра генерации. Генеративные модели синтезируют текст, код, фото, аудио и видео. Одна из проблем этапа: человек всё ещё работает промпт-инженером и вручную соединяет результаты.
• Agentic AI (сейчас — ближайшие 2–3 года) — эра агентов и Generative UI. Протоколы связи с нейронками внедряются во все привычные программы, появляются операционные системы для работы с агентами и автономные системы замкнутого цикла. Следующий шаг внутри эры — адаптивный веб: всё, что пользователь видит в интернете, будет генерироваться под его текущий контекст.
• Physical AI (через 5 лет) — эра физического ИИ. Сдвиг произойдёт, когда ИИ научится полноценно взаимодействовать с физическим пространством: беспилотники, дроны и постоянный визуальный контекст через камеры гаджетов. На этом этапе, считает автор, произойдёт возвращение AR и VR.

Разговоры про великий AGI, который завтра закроет все рабочие места, Юсупов называет «булшитом». Он напоминает, что в 2012 году нейронные сети впервые запустили на видеокартах Nvidia, до этого их считали на процессорах, и тогда же появилась AlexNet. По его словам, и тогда, и сейчас большинство AI-компаний продают технологии через AGI и «искусственный интеллект уровня Skynet», и это его раздражает. Он также признаёт, что до 2018 года не относился к ИИ всерьёз и недооценил работу с текстом: тестировал BERT и другие семантические подходы, предсказывавшие следующее слово, как GPT сегодня, но решил сосредоточиться на 3D.

Будущее креативного рынка и авторские права

Креативный рынок, по мнению Юсупова, переходит от UGC к AIGC — AI-Generated Content. Это не «нейрослоп», а динамическая адаптация продуктов, контента и интерфейсов под человека. Он приводит пример бренда вроде «Маши и Медведя»: в AIGC цифровой актив переиспользуется иначе, и амбассадоры бренда смогут генерировать серии и игры внутри вселенной бренда без навыков кодинга или 3D-анимации. Массовый сдвиг, по его оценке, случится в ближайшие три года.

Отсюда вырастает вопрос, кому платить за авторство. Юсупов видит три направления.

1. Партнёрства. То, что происходит сейчас в глобальном бизнесе: попытки договариваться. Но это не всегда работает. У Anthropic мировое соглашение с авторами на полтора миллиарда долларов, у Midjourney иски от студий, у OpenAI куча процессов. Показательна история Getty Images против Stability AI: осенью 2025 года британский суд отклонил ключевые претензии Getty по авторскому праву. Именно этот процесс должен был стать прецедентом, но ясности он почти не добавил.
2. Лицензирование. Компании с цифровым активом ищут для него второе применение. Phygital+ в таком случае дообучает модель под определённый датасет и даёт доступ к ней через свой сервис.
3. Технологическое направление на горизонте минимум пяти-десяти лет. Если совместить блокчейн и искусственный интеллект, веса и датасеты, на которых обучается модель, будут поделены на блоки. При генерации картинки или видео внутри модели будет понятно, какой именно блок использовался, что позволит платить роялти конкретному человеку или компании.

Что это значит

Колонка Юсупова — это взгляд практика, который развивает платформу для корпоративных дизайн-команд, а не прогноз аналитического агентства. Из его описания следует, что заметнее всего нейросети ускорили ручные технические операции, тогда как согласования и отбор вариантов остаются узким местом, а спрос бизнеса смещается от доступа к отдельным моделям к системности и предсказуемости результата. Предложенная рамка из четырёх эр — авторская интерпретация, а не общепринятая периодизация, и сроки в ней Юсупов обозначает как собственные оценки. Вопросы авторского права на сгенерированный контент, по его собственному признанию, пока не получили ясного правового решения.