Экс-главный научный сотрудник Google только что описал архитектуру Оракула

Что на самом деле сказал Джефф Дин

Дин — не блогер и не маркетолог, а бывший главный научный сотрудник Google. В интервью Диане Ху (Diana Hu) из Y Combinator он озвучил мысль, которая ломает главный маркетинговый миф индустрии последних двух лет: выбор конкретной модели ИИ значит всё меньше. Раньше прогресс мерили размером модели и объёмом обучающих данных. Сегодня — тем, как модель встроена в систему вокруг себя.

Три тезиса из интервью (Search Engine Journal, автор Roger Montti):

1. Модель — один узел системы, а не вся система. Беспокойство о том, какую именно модель использовать, отвлекает от главного — экосистемы инструментов вокруг неё: поиска, API, баз знаний.

2. Контекст бьёт обучающие данные. Обучающая выборка — это, по выражению Дина, «суп из триллионов токенов», размытый по миллиардам параметров. Точный, отобранный под задачу контекст в моменте даёт меньше галлюцинаций и точнее ответ, чем самая крупная модель.

3. Будущее — за оркестрацией нескольких агентов. Система должна разбивать сложную задачу на подзадачи, пробовать разные подходы, выбирать лучший результат и хранить историю решений, чтобы не решать одно и то же заново.

Вывод звучит жёстко для рынка, который два года продавал «у нас модель мощнее»: побеждают не те, у кого модель новее, а те, кто выстроил вокруг неё инфраструктуру.

Как был устроен Оракул — ещё до этого интервью

Разберём тезисы Дина по порядку и покажем, где они уже стоят в продукте.

«Модель — один узел, а не вся система». В Оракуле модель — это настройка конкретного агента, а не фундамент всей платформы. Владелец кабинета сам назначает модель каждому специалисту и может сменить её за секунды, не трогая остальную систему: Gemini для одного агента, Claude для другого, GPT — для третьего. Платформа не привязана к одному провайдеру.

«Контекст важнее обучающих данных». У Оракула есть база знаний с RAG — агент отвечает не из «супа триллионов токенов», а из документов, которые владелец сам туда загрузил: прайс-листы, регламенты, переписку с конкретным клиентом. Это и есть тот самый «очищенный контекст под задачу», о котором говорит Дин.

«Будущее за оркестрацией агентов». Это не будущее Оракула, а его настоящее с первого дня. Когда приходит задача, классификатор внутри системы не пытается ответить сам — он подбирает, какому специалисту в команде её передать: продажнику, службе поддержки, бухгалтерии. Отдельно работает планировщик — он следит за дедлайнами и напоминает, если задача зависла, не давая процессу потеряться. Это и есть прикладная память, о которой говорит Дин: не гениальный ответ одной модели, а система, которая не забывает.

Пока рынок два года спорил, какая модель ИИ «победит», Оракул изначально не делал на неё ставку — он делал ставку на команду.

Почему это не совпадение

Когда мы проектировали Оракула, отправная точка была не «какая модель самая умная», а простой вопрос владельца сервисного бизнеса: «Мне нужен не гений, мне нужен отдел, который не спит и не увольняется». Отдел — это по определению не один сотрудник, а несколько, каждый со своей ролью, с доступом к нужным документам и с памятью о том, что было вчера. То, что Дин в 2026 году называет «context engineering» и «multi-agent orchestration», владелец бизнеса называет проще — «нормально организованная работа команды».

Оракул не предсказал интервью Дина. Он с самого начала строился по чертежу, который Дин просто впервые публично назвал по имени.

Как проверить любой ИИ-инструмент по этому же критерию

Раз уж Google задал систему координат, ей можно мерить не только Оракула, но и любой ИИ-инструмент, который вам предлагают:

• Он привязан к одной модели или её можно сменить без переустройки системы? Если нет выбора — вы платите за конкретную модель, а не за архитектуру.

• Есть ли у него собственная база знаний, или он отвечает только из общих обучающих данных? Без контекста ответы размыты и быстро устаревают.

• Он решает задачу один или распределяет её между специалистами по ролям? Один агент на всё — это узкое место, а не команда.

• Он помнит, что происходило вчера, или каждый диалог начинается с нуля? Без памяти о дедлайнах и истории задач инструмент решает одну и ту же проблему снова и снова.

Если на большинство пунктов ответ «нет» — вы имеете дело с обёрткой вокруг одной модели, а не с системой.

Что это значит для вас

Если вы выбираете ИИ-инструмент для бизнеса и всё ещё сравниваете модели по бенчмаркам — вы сравниваете не то. Вопрос не «GPT-5 или Gemini 3», а есть ли вокруг модели инструменты, память и команда агентов, которые доведут задачу до конца. Оракул отвечает на этот вопрос с первого дня: устанавливается на вашем сервере, работает с любым провайдером и меняет модель под капотом за секунды — потому что архитектура никогда не была завязана на одну модель.

Хотите посмотреть, как это работает на вашей задаче — напишите нам в Telegram: t.me/trafficnavigator_bot.

Источник: Roger Montti, «Google's Ex-AI Chief Jeff Dean Explains How To Improve Context Engineering» — Search Engine Journal, август 2026.

Maxim Safianov

Я работаю на стыке технического SEO и разработки: помогаю сайтам оставаться видимыми и для классического поиска, и для AI-ответов — и пишу инструменты на Python, которые это автоматизируют.