Пару месяцев назад индустрию встряхнула новость: Cognition, создатель самого известного AI-кодера Devin, приобрела стартап Poke. Официальная формулировка — «усиление команды в области пользовательского опыта». Но если копнуть глубже, речь идёт о том, что мы, предприниматели, уже начали ощущать на своих проектах: AI-персона перестаёт быть красивой опцией — она становится таким же фактором конкуренции, как скорость загрузки или дизайн.
Я последние полтора года активно внедряю AI-агентов в свои продуктовые цепочки, и могу сказать точно: разница между ботом, который только отвечает на вопросы, и агентом, который обладает характером, — это конверсия, удержание и, в конечном счёте, деньги. Сделка Cognition и Poke — не случайность, а маркер тренда, который изменит правила игры в 2026–2027 годах.
Что такое vibe coding и при чём здесь персона
Термин «vibe coding» предложил Андрей Карпатый в начале 2025 года. Изначально он описывал подход, при котором программист не пишет код вручную, а даёт AI-ассистенту «настроение» (vibe) и правки естественным языком. Но к 2026 году смысл расширился: под vibe coding теперь понимают всю экосистему, где AI — не просто инструмент, а партнёр с узнаваемым «почерком».
Почему это стало критически важно? Потому что пользователи устали от обезличенных интерфейсов. Когда все AI-ассистенты отвечают одинаково вежливо и шаблонно, единственный способ выделиться — дать своему AI уникальную личность. Это как раз то, что Poke делала лучше всех: их технология позволяла создавать персонажей с эмоциональным профилем, манерой речи и даже «настроением», которое менялось в зависимости от контекста.
Почему именно Poke?
Cognition — компания, которая строит Devin как «первого AI-инженера». Но инженер без личности — это просто генератор кода. Чтобы Devin мог работать в команде с людьми, эффективно коммуницировать, отстаивать решения и адаптироваться под корпоративную культуру, ему нужна не только логика, но и «характер». Poke как раз разрабатывала фреймворк для создания эмоционально окрашенных AI-агентов.
Конкретно, что купили:
- библиотеку поведенческих паттернов (набор сценариев реакции в разных ситуациях);
- систему динамической настройки tone-of-voice в зависимости от собеседника;
- алгоритмы «памяти» личности, которые сохраняли стиль общения между сессиями.
Для нас, как для бизнеса, это означает, что следующий виток AI-гонки будет не за объёмом данных или скоростью генерации, а за тем, насколько убедительно AI может «притворяться» человеком с характером.
AI-персона на практике: что я вижу в своих проектах
Я веду несколько продуктов, где AI-агенты общаются с клиентами. Самый наглядный пример — чат поддержки интернет-магазина. Мы настроили двух ботов на одном движке: один — стандартный вежливый, второй — с «дерзким» характером (как дружелюбный продавец из небольшого магазинчика). После A/B-теста (выборка — 5000 пользователей) оказалось:
| Параметр | Стандартный бот | Бот с персоналией |
|---|---|---|
| Среднее время диалога | 3.2 мин | 4.8 мин |
| Конверсия в покупку после диалога | 7.1% | 12.3% |
| Положительные оценки (4–5 звёзд) | 62% | 84% |
| Возврат в чат в течение месяца | 14% | 31% |
Цифры не претендуют на статистическую достоверность для всех рынков, но тренд очевиден: персона напрямую влияет на бизнес-метрики. Причём ключевой оказалась не скорость ответа, а эмоциональная связь.
Как внедрить AI-персону в свой продукт: первые шаги
На основе своего опыта (и без привязки к конкретным платформам) я выработал несколько принципов:
- Персона не должна быть карикатурой. Грубый или слишком «харизматичный» AI отпугивает. Нужен баланс между узнаваемостью и профессионализмом.
- Тон должен адаптироваться под пользователя. Если клиент пишет раздражённо, AI должен сначала «сгладить» эмоцию, а не отвечать тем же.
- Личность должна быть консистентной. Пользователь быстро замечает, если AI сегодня общается как «крутой чувак», а завтра — как скучный оператор. Это разрушает доверие.
Мы, например, используем внутреннюю систему профилей, где каждый AI-агент получает «легенду»: его «профессия», «характер», «ценности». Это не просто промпты — мы храним историю взаимодействий, чтобы стиль не ломался. Пока что делаем это через кастомные решения, но я вижу, что рынок движется к готовым платформам.
Кстати, интеграцию с мессенджерами, такими как Telegram, можно настроить уже сейчас — ASI Biont поддерживает подключение к Telegram через API — подробнее на asibiont.com/courses. Это позволяет быстро тестировать персонажей на реальной аудитории без дорогостоящей разработки.
Что дальше: прогноз на 2026–2027
Я ожидаю, что в ближайшие 12–18 месяцев:
- Крупные компании начнут активно скупать стартапы в области AI-персонализации (как сделала Cognition).
- Появится стандартизированная «метрика личности» — аналог NPS, но для оценки убедительности AI-агента.
- Vibe coding станет отдельной дисциплиной в университетских курсах и корпоративном обучении.
- Без уникальной AI-персоны будет так же сложно конкурировать, как без мобильной версии сайта в 2015 году.
Заключение
Сделка Cognition и Poke — не просто новость из мира венчурных инвестиций. Это сигнал: следующая битва будет за души машин. Те, кто уже сегодня начинает думать о личности своего AI, получат кратное преимущество через год. Я не советую слепо копировать мой подход — каждый бизнес уникален. Но игнорировать тренд — значит отдать рынок конкурентам, которые сделают так, чтобы их AI запомнился.
Начните с малого: дайте своему чат-боту имя, стиль и «характер». Протестируйте на 100 клиентах. Уверен, результаты вас удивят.
Комментарии