В разговора с рисковия капиталист Бил Гърли, Гари каза:

Спя около четири часа в момента. Имам кибер психоза, но мисля, че една трета от главните изпълнителни директори, които познавам, също имат.

Той сравни настоящата си работа с AI със създаването на стартъп – процес, който в миналото е изисквал много време, финансиране и дори употреба на стимуланти.

Когато го пробваш, осъзнаваш: Все едно успях да пресъздам стартъпа си, който отне 10 милиона долара рисков капитал и 10 души, и отне две години работа, докато приемах антинарколептици – спомням си, че бях на модафинил.

Сега според него изкуственият интелект е заменил нуждата от такива помощни средства.

С тази революция не ми е нужен модафинил. Е, буден съм. Заспах в 4 сутринта. Събудих се в 8,

добави той, като каза, че постоянно проверява проекти, задвижвани от AI.

Малко преди интервюто Тан публикува своята Claude Code система, „gstack“, като проект с отворен код в GitHub. Системата включва колекция от “skills“ за многократна употреба – многократно използваеми промптове, съхранени в специални файлове „skill.md“, които насочват поведението на AI в роли като изпълнителен директор, инженер и code reviewer.

В момента хранилището на gstack в GitHub наброява 13 skills, но Тан продължава да публикува за нови актуализации.

Прекарвам си толкова хубаво с Claude Code, исках да имате точно моите skill setup,

сподели той в X.

Проектът бързо стана популярен сред платформи като Product Hunt и GitHub, привличайки близо 20 000 звезди и хиляди “forks“. Gstack предизвика и критика, след като Гари публикува, че негов CTO приятел е описал системата като „god mode“ след като е идентифицирала пропуск в сигурността.

Някои разработчици отхвърлиха проекта като прехвален. Много критици се изказаха, че проектът се състои само от набор промптове, като отбелязаха, че много инженери вече използват подобни workflows.

Youtube клипът на Мо Битар „AI is making CEOs delusional“ е само един пример от една от многото критики.

Въпреки критиката, самите AI системи отговориха положително, когато бяха помолени да оценят gstack. ChatGPT го описа като „разумно сложни промпт работни потоци“ и подчерта ефективността на симулираната структура на инженерен екип. Gemini го нарече „Pro“ конфигурация, която подобрява точността, а Claude го похвали като „зряла, добре дефинирана система, създадена от човек, който я използва интензивно.“

В отговор на критиката Гари подчерта своя ентусиазъм към писането на код с AI:

Взимах модафинил само за да остана буден по-дълго, за да мога да превърна моментните кристални структури в мозъка си, в редове код, преди сънят или разсейването да ги превърне в песъчинки. Обичам да пиша код, но още повече обичам да пиша код с AI. Говоря му, той слуша и заедно създаваме. Виждам структурата и как е изградена. Няма друго по-силно преживяване за мен.

Изображение: Garry Tan LinkedIn Profile

Това стои зад идеята, която главният изпълнителен директор на Nvidia Дженсън Хуанг описа на GTC като настъпването на „inference inflection“. Изразът означава повратен момент на пазара за изкуствен интелект. Системите вече не се оценяват само по способността си да генерират текст, изображения или код в контролирана среда. От тях все по-често се очаква да вършат по-сложна работа: да разсъждават върху проблеми, да използват инструменти, да четат файлове, да разбират контекст и да изпълняват продуктивни задачи с определена степен на автономност.

На практика това означава, че AI преминава от демонстрация към внедряване в различни индустрии. А внедряването изисква inference.

Дженсън Хуанг обяви 2025 за година на inference и очерта бъдещото навлизане на AI във всички индустрии

Inference е фазата, в която един вече обучен AI модел реално се използва. Това е моментът, в който системата отговаря на запитване, анализира документ, взема решение, пише код, обобщава среща или изпълнява задача. Ако обучението е създаването на интелигентност, inference е нейното приложение.

С превръщането на AI системите в по-agentic — тоест способни да разбиват проблемите на стъпки, да извикват инструменти, да преработват отговорите си и да работят по по-дълги вериги от разсъждения — inference-ът става несравнимо по-важен и несравнимо по-скъп.

Дженсън Хуанг го формулира много точно и не случайно повтори поне 12 пъти думата “inference” за около 1 минута в тази част на своя keynote:

Това е фундаментална повратна точка. Най-сетне AI е в състояние да върши продуктивна работа и затова повратната точка при inference вече е настъпила. AI вече трябва да мисли. За да мисли, трябва да прави inference. AI вече трябва да действа. За да действа, трябва да прави inference. AI трябва да чете. За да го прави, трябва – inference. Трябва да разсъждава. Трябва да прави inference. Всяка част от AI, всеки път когато трябва да мисли, да разсъждава, да действа, да генерира tokens, трябва да прави inference. Отдавна сме отвъд обучението. Вече сме в ерата на inference. И тази повратна точка настъпи в момент, когато обемът от токъни и необходимата изчислителна мощ са се увеличили приблизително 10 000 пъти.

Това изказване стига до същността на голямата промяна, която в момента протича в икономиката на изкуствения интелект. По думите на Хуанг през последните две години търсенето на изчислителна мощ за AI задачи е нараснало приблизително 10 000 пъти, а използването — около 100 пъти. Според него при стартъпите и големите AI лаборатории като OpenAI и Anthropic реалният ръст в търсенето на изчислителни ресурси може да се усеща по-скоро като кратно на милиони увеличение за същия период.

Тази разлика има значение. Тя подсказва, че следващият етап в развитието на AI няма да се определя само от това кой разполага с най-умния модел, а и от това кой може да си позволи да го поддържа в мащаб.

Inference се превръща в новото тясно място.

Когато от AI системите се очаква да разсъждават, преди да отговорят, да обработват повече токъни, да използват външни инструменти и да работят непрекъснато в рамките на продукти и работни процеси, инфраструктурата под тях трябва да върши значително повече работа за всяко едно потребителско взаимодействие. Едно просто chatbot съобщение е едно. AI агент, който чете документи, планира действия, преминава през различни варианти и стига до полезен резултат, е съвсем друго. Вторият модел изисква много повече compute, а оттам и много повече капитал.

Това помага да се разбере защо NVIDIA поставя толкова силен акцент именно върху тази фаза от пазара. Компанията определи 2025 г. като „година на inference“, със стратегия, насочена към това инфраструктурата ѝ да работи по цялата верига на AI — от обучението през post-training до inference — като едновременно с това удължава полезния живот на хардуера и намалява разходите за инвеститорите.

С други думи, NVIDIA не продава просто чипове за създаване на модели. Компанията се позиционира като ключов доставчик за оперативната ера на AI.

Пазарните прогнози, цитирани в речта на Хуанг, подчертават мащаба на този залог. По думите му още миналата година е имало много силно търсене и поръчки за общо 500 млрд. долара за системите Blackwell и Ruben до 2026 г. В перспектива до 2027 г. той вече вижда поне 1 трилион долара търсене, като същевременно допуска, че реалното търсене на изчислителна мощ може да се окаже дори по-високо.

Тези числа правят впечатление не само със своя мащаб, а и с това какво подсказват за очакванията на инвеститорите. Пазарът на AI вече не се оценява единствено през призмата на разработката на модели. Все по-често той се ценообразува според устойчивото потребление — ежедневното, повтарящо се изчислително натоварване, което възниква, когато AI се вгражда в търсене, софтуер, корпоративна автоматизация, роботика, наука и дигитални асистенти.

Точно затова тази повратна точка при inference е толкова важна. Тя променя историята на AI — от история за иновация в история за прилагане на AI в различните индустрии.

За стартъпите това повишава цената на амбицията. Вече не е достатъчно да се изгради впечатляващ модел; компаниите трябва и да финансират инфраструктурата, необходима, за да обслужват реални потребители с висока честота. За cloud доставчиците и производителите на чипове това отваря огромна търговска възможност, защото всеки скок в agentic способностите води до още по-голямо търсене на inference хардуер. За компаниите това е сигнал, че внедряването на AI в мащаб може да се окаже по-скъпо и по-оперативно сложно, отколкото предполагаха много от ранните прогнози. А за по-широкия пазар това е знак, че търсенето на изчислителна мощ може да остане изключително високо дори ако темпото на шумните анонси за нови модели започне да се забавя.

В този смисъл повратната точка при inference не е просто технически етап. Тя е рестарт на пазара.

За глобалните AI компании, които търсят електроенергия, капитал и бързина, държавите от Персийския залив доскоро изглеждаха като най-логичната следваща спирка. Саудитска Арабия и Обединените арабски емирства разполагат с пари, енергийни ресурси и ясна стратегическа амбиция да се превърнат в незаменим играч в следващата ера на изчислителната мощ. Именно затова OpenAI, Microsoft, Amazon, Oracle, Google и xAI постепенно бяха привлечени в разширяващата се AI орбита на региона.

Войната в Иран обаче променя тази картина. Това, което до неотдавна се представяше като естествена стартова площадка за следващия етап от AI инфраструктурата, вече изглежда като далеч по-сложен въпрос за сигурност, устойчивост и геополитически риск. И това не е маловажно притеснение. The Information наскоро съобщи, че конфликтът усложнява плановете на държавите от Залива да инвестират над 300 млрд. долара в центрове за данни, чипове и други AI проекти.

Тази сума има значение далеч отвъд региона. В момент, когато frontier AI компаниите отчаяно търсят едновременно финансиране и електроенергия, суверенният капитал от Залива и инфраструктурата, изградена там, започнаха да изглеждат като един от малкото реалистични отговори на огромния апетит на индустрията за изчислителен капацитет. Ако този поток се забави, последиците ще са значителни и далеч няма да се ограничат само до Рияд, Абу Даби и т.н..

Защо Заливът се превърна в толкова силен магнит

Причината е сравнително проста: Заливът предлага нещо, което САЩ и Европа все по-трудно осигуряват с необходимото темпо. Там има земя. Енергията е сравнително евтина. Правителствата действат бързо и централизирано. А суверенните фондове могат да планират в хоризонт от десетилетия, а не през следващото тримесечие. Именно тази комбинация превърна региона не просто в източник на пари, а в реална дестинация за hyperscale инфраструктура.

Reuters вече съобщи, че саудитската Humain изгражда значително AI присъствие с американски партньори, а проектът Stargate в ОАЕ е замислен като най-големият AI комплекс от центрове за данни извън Съединените щати. Именно проектът в Емирствата показва мащаба на амбицията. По данни на Reuters „Stargate UAE“, подкрепен от G42 заедно с OpenAI, Oracle, Nvidia, Cisco и SoftBank, трябва да започне работа през 2026 г., като крайната цел е кампус с капацитет от 5 гигавата в Абу Даби.

Председателят на Oracle Лари Елисън заяви, че платформата ще позволи на „всяка държавна агенция и всяка търговска институция в ОАЕ“ да свърже данните си с напреднали AI модели. Тази реплика добре показва как регионът иска да се позиционира: не просто като място за сървъри, а като територия, в която се концентрира AI капацитет от национален мащаб.

Саудитска Арабия е не по-малко амбициозна. Reuters съобщи, че Public Investment Fund е създал Humain, за да управлява AI технологии, инфраструктура, cloud платформи и напреднали модели, а американски производители на чипове и cloud партньори бързо са се включили в инициативата. Един от най-ясните сигнали за тази динамика беше новината на Reuters, че Humain е инвестирала 3 млрд. долара в рунда Series E на xAI, надграждайки партньорство за съвместно изграждане на 500 мегавата AI капацитет за центрове за данни.

Конфликтът превръща амбицията в риск

Точно затова войната в Иран е толкова дестабилизиращ фактор. Проблемът не е само, че правителствата може да бъдат принудени да пренаредят бюджетните си приоритети. По-важното е, че AI инфраструктурата зависи именно от онази стабилност, която конфликтът сега поставя под съмнение: сигурни енергийни доставки, надеждна логистика, предвидими застрахователни разходи, свободно движение на ръководни екипи и увереност, че един център за данни може да функционира като критична инфраструктура, а не като стратегическа уязвимост.

Анализатори и водещи медии вече сигнализират за промяната. The Information посочва, че войната ограничава достъпа до онова, което допреди малко изглеждаше като ключов източник на финансиране за енергоемките технологични компании. Reuters на свой ред съобщи, че AI амбициите на Залива и без това вече са попаднали в полето на американския стратегически надзор, проверките за сигурност и опасенията около експортния контрол. При по-напрегната регионална среда подобни проблеми, свързани с чувствителни елементи, по-скоро ще се задълбочават.

Именно тук започва да се пропуква и лъскавият разказ за AI растежа. Месеци наред Заливът се продаваше като по-бързото, по-евтиното и по-решителното място за строителство. Но AI центровете за данни не са стандартни инфраструктурни проекти. Те стоят на пресечната точка между националната сигурност, енергийната политика, веригите за доставки на полупроводници и cloud суверенитета. Войната в Иран показа колко бързо един пакет от предимства може да се превърне в пакет от рискове.

Вашингтон искаше Заливът “близо” – но при свои условия

Още миналата година Reuters съобщи, че Вашингтон гледа на по-дълбоките AI връзки със съюзниците си в Залива като на начин да задържи напредналата инфраструктура в технологичната орбита, ориентирана към САЩ. Дейвид Сакс, тогавашният специален експерт по въпросите на изкуствения интелект (AI) и крипто, заяви, че предишните експортни ограничения „никога не са били предназначени да обхващат приятели, съюзници и стратегически партньори“. Посланието беше ясно: държави като ОАЕ и Саудитска Арабия трябва да останат купувачи и строители в рамките на екосистема, водена от Америка, а не да бъдат тласкани към китайски алтернативи.

Но още преди настоящия конфликт най-големите AI кампус проекти, свързани с ОАЕ, не бяха окончателно уредени. Reuters съобщи през 2025 г., че многомилиардното споразумение между САЩ и ОАЕ за кампус за центрове за данни е далеч от финализиране заради продължаващи опасения във Вашингтон по отношение на сигурността и защитата на технологиите. С други думи, AI експанзията в Залива никога не е била просто икономически проект. Тя винаги е имала ясно геополитическо измерение.

Войната в Иран просто направи този факт невъзможен за игнориране.

Какво означава това за OpenAI, xAI, Microsoft, Amazon, Oracle и Google

За големите американски играчи регионът остава твърде важен, за да бъде изоставен. OpenAI търси в Залива и капитал, и инфраструктурни партньорства. xAI вече привлече директна подкрепа, свързана със Саудитска Арабия. Oracle е ключова част от изграждането на Stargate в Абу Даби. Amazon, Microsoft и Google също гледат на региона като на място, където могат да разширяват cloud и AI капацитета си, като едновременно укрепват отношенията си с правителства и суверенни инвеститори.

Базовата логика не се е променила: AI изисква огромни количества електроенергия и финансиране, а Заливът може да осигури и двете. Но инвестиционната теза вече изглежда по-малко като проста история за растеж и повече като тест за устойчивост. Големите компании ще трябва да си зададат не само въпроса дали регионът може да приеме следващото поколение изчислителна инфраструктура, а и дали може да го направи при условия на продължителна нестабилност. Бордове, инвеститори и инфраструктурни стратези почти сигурно ще преоценят този риск. Същото важи и за застрахователите. Най-вероятно и за правителствата.

По-големият урок за AI индустрията

По-дълбокият извод е, че надпреварата за AI инфраструктура вече не е само история за развитие на технологиите. Тя е едновременно история за енергията, за капитала и все повече за войната и сигурността. През по-голямата част от последната година индустрията говореше за чипове, разходи за обучение на модели и недостиг на електроенергия. Заливът изглеждаше като решение и по трите линии.

Войната в Иран напомни на инвеститорите и ръководителите, че географията на AI е почти толкова важна, колкото и самата AI стратегия. Регионът все още може да се превърне в един от ключовите AI коридори в света. Парите са там. Амбицията е там.

Партньорствата не са изчезнали. Но очакването, че изграждането ще върви гладко – че Заливът може да бъде голямата стабилна територия на AI – вече е сериозно разклатено.

А за индустрия, която разчита почти толкова на доверие, колкото и на изчислителна мощ, това може да се окаже най-важната промяна от всички.

Изображение: AI Generated

Формула 1 винаги се е представяла като върха на моторните спортове. Това описание все още е вярно, но вече не е достатъчно. През 2026 г. F1 се разбира по-точно като една от най-концентрираните и видими среди за иновации в света – място, където изкуственият интелект, cloud computing, усъвършенстваните горива, digital twins, анализите в реално време и високоефективното инженерство се срещат в условия, които не оставят място за забавяне, излишък или неточност. Спортът все още е свързан със скоростта. Но все по-често скоростта е резултат от нещо по-голямо: технологичен stack.

Именно това прави Формула 1 толкова интересна за професионалните медии за технологии и иновации. За разлика от много сектори, в които експериментите се случват тихо в лаборатории или зад цикли на корпоративни поръчки, иновациите във F1 се развиват публично. Те могат да бъдат измерени в обиколки, видими са в състезателната стратегия, ограничени са от регулации и всяка седмица се оценяват спрямо най-трудния възможен критерий: конкурентното представяне. Всяко дизайнерско решение, всеки модел, всяка симулация и всяко оперативно решение трябва да издържат не на теория, а в движение.

Следващата глава на спорта прави това по-ясно от всякога. Пакетът от правила за Формула 1 през 2026 г. е едно от най-големите технически рестартирания от години насам и е изграден около преработени автомобили, активна аеродинамика, по-интелигентно използване на енергията и усъвършенствани устойчиви горива. Според Formula1.com новата ера ще доведе до автомобили, които ще бъдат по-предизвикателни за отборите и пилотите, като същевременно ще разчитат на „advanced sustainable fuel and smarter energy use“. Самите нови горива се произвеждат от източници като улавяне на въглерод, битови отпадъци и негодна за храна биомаса, а Формула 1 казва, че те са независимо сертифицирани да отговарят на строги стандарти за устойчивост.

Това е важно, защото Формула 1 вече не прави иновации в изолирани технически категории. Тя прави иновации на системно ниво. Пресечната точка между технологиите и иновациите във F1 не е просто самият автомобил. Това е начинът, по който механичното инженерство, софтуерът, енергийните системи, производството, логистиката и медиите вече функционират като една свързана архитектура на представянето. По-бързият автомобил, разбира се, все още има значение, но също толкова важни са качеството на симулационната среда, която е предвидила неговото поведение, cloud инфраструктурата, която е обработила данните му, machine-learning инструментите, които са открили аномалии, и workflow-ите между човек и машина, които са превърнали данните в решения в деня на състезанието.

В този смисъл Формула 1 все повече прилича на по-широката икономика. Много съвременни индустрии се насочват към операции, дефинирани от софтуер, при които физическите активи се оформят от дигитални модели, а стратегическото предимство идва от свързването на данни, изчислителна мощ и изпълнение. F1 просто стига дотам първа и при много по-интензивни условия.

Един от най-ясните примери е задълбочаващото се използване на AI и cloud технологии в спорта. Чрез работата си с AWS, Формула 1 разработва инструменти, които правят много повече от това просто да украсяват телевизионното излъчване. AWS казва, че Track Pulse на F1 използва machine learning и generative AI, за да даде на телевизионния екип по-ясна картина в реално време на случващото се на пистата, включително живи битки между пилотите, максимални скорости и прогнозни насоки за разказването на историята. Това е важно не само като продукт за феновете, а и като доказателство как AI променя начина, по който се интерпретират и представят сложни системи на живо. В среда, богата на данни, предизвикателството вече не е събирането на информация. То е да се реши какво има значение навреме, за да се действа.

Същият принцип важи още по-силно вътре в отборите. Съвременната F1 организация е наситена с телеметрия, исторически сравнения, променливи на средата и стратегически възможности. Конкурентното предимство идва от интелигентното филтриране на тази информация и превръщането ѝ в решения с висока степен на увереност в рамките на секунди. Работата на McLaren с Deloitte е силен пример за тази промяна. Deloitte казва, че е помогнала за развитието на технологията за digital twin симулации на McLaren така, че да изпълнява 30 000 симулации в секунда, като същевременно извлича практически приложими изводи от над един милион точки данни, събрани по време на всяко състезание. В деня на състезанието тази симулационна среда може да анализира милиони възможни сценарии и да подпомага решенията за питстопове, стратегията за гумите и управлението на горивото.

Това вече не е моторен спорт в представата, която повечето аудитории някога имаха. Това е оперативен intelligence в среда с висока скорост. И то силно напомня посоката, в която се движат много технологично интензивни бизнеси: към среди за вземане на решения, в които digital twins, моделирането на сценарии и анализите в реално време подпомагат човешката преценка, вместо да я заменят. Формула 1 показва, че иновацията не е само в изграждането на по-добри системи; тя е и в изграждането на системи, които помагат на хората да вземат по-добри решения под напрежение.

Промените в правилата за 2026 г. също така затвърждават нарастващата роля на F1 като лаборатория за енергийния преход. Собствените материали на Формула 1 за устойчивост ясно показват, че advanced sustainable fuel не е страничен проект или символичен жест. То е заложено в по-широката стратегия на спорта за декарбонизация. Според Sustainability Update 2025 на Формула 1, спортът е намалил въглеродните си емисии с 26% до края на 2024 г. спрямо базовото ниво от 2018 г., въпреки значителния ръст в броя на състезанията, посещаемостта и аудиторията. Докладът посочва, че Формула 1 е „on track“ за целта си Net Zero до 2030 г., и отбелязва, че от 2026 г. в автомобилите от Формула 1 ще бъде въведено advanced sustainable fuel като част от по-широко усилие, което включва още зелена енергия, промени в логистиката и sustainable aviation fuel.

Тук моделът на иновации на Формула 1 става особено важен и извън състезанията. В много сектори устойчивостта все още се разглежда като слой за съответствие, добавен след като основната инженерна работа вече е приключила. В F1 устойчивостта все повече се превръща в проектно ограничение и в проблем на представянето, който трябва да бъде решен. Горивото не може просто да бъде по-чисто на хартия; то трябва да работи на най-високото ниво на конкуренция. То трябва да функционира в двигатели, създадени за екстремно натоварване. Трябва едновременно да удовлетворява инженери, доставчици, регулатори и производители. Обяснението на Формула 1 за новите горива подчертава, че те са „drop-in“ горива, предназначени да заменят фосилните им еквиваленти, без да изискват преработка на двигателя в контексти, близки до автомобилите за масова употреба. Това не означава, че F1 сама ще преобрази глобалния транспорт, но означава, че спортът помага разработването на устойчиви горива да премине от концепция към достоверност.

Същото може да се каже и за аеродинамиката и системите на автомобила. Рамката на Формула 1 за 2026 г. е създадена не само за да запази скоростта, а и за да преосмисли как тя се генерира и управлява. Активната аеродинамика, по-строгото управление на енергията и новите инструменти за контрол изместват състезателния фокус към по-динамична системна оптимизация. Това прави самия автомобил по-силно посредничен от софтуер, а състезателния уикенд – по-аналитично натоварен. Отборите ще трябва да балансират аеродинамичната ефективност, използването на енергията и състезателното майсторство по начини, които правят интегрираното системно мислене по-важно от всякога.

Тази еволюция лесно може да бъде пропусната, ако F1 се разглежда единствено през нейния блясък или спектакъл. Но от технологична гледна точка това е една от най-важните трансформации в спорта. Старият образ на иновациите във Формула 1 беше изграден около видими хардуерни пробиви: драматични крила, екзотични материали, емблематични двигатели. Новият образ е по-разпределен. Той включва симулационни среди, machine-learning слоеве, cloud-native сътрудничество, инженерство за устойчивост и все по-усъвършенствания превод на състезателните данни в решения и продукти.

Дори преживяването на феновете вече отразява тази промяна. Формула 1 не просто създава по-бързи автомобили; тя изгражда и по-интелигентна медийна платформа около самото състезание. Партньорството между AWS и F1 показва как дигиталната инфраструктура и AI се използват не просто за да се отчете какво се е случило, а за да се предвиждат сюжетни линии, да се визуализира сложната динамика на състезанието и да се направи един силно технически спорт по-разбираем в реално време. Това има значение далеч отвъд развлечението. То сочи към бъдеще, в което среди, натоварени с данни – от индустриални операции до финансови системи – все повече ще разчитат на подпомагани от AI наративни слоеве, за да помагат на хората да разбират бързо променящите се условия.

Има и бизнес урок в начина, по който Формула 1 организира иновациите. Противно на популярното допускане, че повече ресурси автоматично водят до по-добри резултати, F1 процъфтява благодарение на ограниченията. Развитието е лимитирано от финансови правила, технически правила и ограничения в тестовете. Това налага ефективност. То възнаграждава отборите, които изграждат по-стегнати обратни връзки между моделирането и реалността, между дизайна и производството, между операциите и анализа след състезанието. В по-широката технологична икономика, където много организации се опитват да правят повече с по-малко, като същевременно постигат трансформация, тази дисциплина може да се окаже едно от най-преносимите предимства на Формула 1.

Ето защо Формула 1 заслужава да бъде разглеждана сериозно не само като моторен спорт, а и като стратегическа призма към самата иновация. Тя показва какво се случва, когато няколко технологии узряват едновременно и са принудени да взаимодействат в реална система. Показва как AI става полезен, когато е свързан с неотложни решения. Показва как устойчивостта придобива смисъл, когато е обвързана с представянето. Показва как digital twins стават ценни, когато насочват действия, а не просто dashboards. И показва как конкурентният натиск може да ускори сливането на софтуер, хардуер, енергия и дизайн на изживяването.

Формула 1 често е описвана като бъдещето, което идва по-рано. През 2026 г. тази идея все по-малко прилича на слоган и все повече на operational model. На пресечната точка между технологии и иновации, Формула 1 вече не е просто витрина за напреднало инженерство. Тя е тестова площадка за това как съвременните системи се изграждат, оптимизират и разбират. За всеки, който се опитва да проследи накъде всъщност се движат високоефективните иновации, падокът вече не е нишово място, към което да погледне. Той е едно от най-добрите места, откъдето да започне.

Изображения: Formula1.com News

Необходимо ли е QA-ите, които работят с AI агенти, да имат предварителна подготовка?

Според Димо Митев, за да бъде AI агентът полезен и ефективен, трябва потребителят да знае какво иска и, съответно, как да формулира въпроса си. Това умение, подчертава той, се корени в иновативното мислене.

Той споделя, че от личен опит, знае, че изкуственият интелект значително може да подобри ефективността и бързината, защото скъсява времето за техническа обработка.

Въпреки това QA архитектът напомня, че не е фатално, ако въпросите не са правилно формулирани.

Няма да каже „Оф, не може да се разберем“ и да стане и да си тръгне,

шегува се той, като обобщава, че AI агентите са много ценен помощник и вярва, че трябва QA специалистите задължително да се възползват.

Рени Станкова допълва, че иновативното мислене е необходимо на всички специалисти от IT сферата – QA, developer, devops-а и др. – защото то позволява бързото и ефективно решение на проблема.

Това е умение, което на всеки един от нас ни е полезно и е необходимо без значение дали е в контекста на AI света или ако се работи без такъв помощник,

Дими Митев споделя личен опит – как в Payhawk част от работата му се състои в review-иране на end-to-end тестове, писани от инженерите. Те наброяват 120 човека в компанията, което отхвърля възможността QA архитектът самостоятелно да се заеме с тях. Именно за тук се намесва AI – QA архитектът прави guideline, в който описва каква трябва да e структурата на тестовете, и го дава на AI агентa.

Представи си, че си мега готиния и добър QA automation инженер, някой отваря pull request, ти отиваш и ревюираш – и работи, супер добре работи. Агентът казва „тук не си ползвал тази добра практика“ и спряха да ме занимават хората, така че отивам към следващия проблем, който трябва да решавам,

AI агентът е много ефективен за правене на self-review, което е изключително важно, защото така се хващат грешки, typo-та при рефакторинг, както и при други компоненти, потвърждава Рени.

Този подход е полезен да си направиш self-review на промените, които правиш – създавайки си такова правило да си саморевюираш задачите, които си завършил – така пестиш време и хващаш лесни грешки.

Какво е бъдещето на Manual QA ролята?

Manual QA в класическия смисъл няма да оцелее като роля, защото AI вече може да автоматизира тестови сценарии и повтарящи се задачи, смята Димо Митев. Той оприличава работния процес на бъдещия QA с „правенето на кекс“ – за приготвянето може да се използва вилица, миксер, кухнески робот. Всеки следващ уред оптимизира процеса, но най-важният елемент е рецептата – тоест това, което QA специалистът ще измисли.

Аз винаги съм гледал на Manual QA-стването като все едно да правите примерно кекс.

Той допълва, че е от изключително значение и мисленето. Затова е много важно да се развива мисленето и има начини, чрез които да се направи.

Четете книги, решавайте логически задачи, решавайте кръстословици,

Защо все пак ръчното тестване може да бъде от полза за Junior QA-те?

Въпреки, че бъдещето на Manual QA ролята не е особено розово, експертите вярват, че все пак ръчното тестване може да бъде от полза за Junior QA-те. Бъдещите специалисти в ИТ сферата могат бързо да развият технически background, знания за Java екосистемата или за технологиите на Microsoft, които да бъдат основа за кариерното им развитие. Работата на Manual QA може да изгради разбиране на автоматизираните процеси, които се случват в компанията.

По-смислено е преди да започне да се автоматизира, да се вникне първо в системата, в разработката на софтуера, в нейните фази и т.н., казва в допълнение Димо Митев

Изискванията се вдигат, какво е важно за фирмите-работодатели?

Ефектът от навлизането на AI се усеща навсякъде в IT сферата – освен Manual QA-ите, намалява търсенето за developer-и, pm-и, devops-и и др. с около 40%-50% според Димо. Той допълва, че изискванията се вдигат – нещо, към което днешните и бъдещите IT специалисти ще трябва да се адаптират чрез постоянно развиване на знанията и уменията.

Новите изисквания към QA-ите в сезона на AI – Критично мислене, Разбиране, DevOps познания, и още…

Виждал съм всякакви хора, но не съм виждал такива, в които съм усетил силна амбиция и желание и да не са си постигали целта.

Това не важи само за Junior-ите, но и за всеки един специалист, допълва Рени от Experian. Тя се аргументира, че ако един специалист не се учи, няма да успее да надгради професионалното си развитие, а в някои случаи дори може да изостане.

В динамиката на професията, в динамиката на ежедневието ни се налага все повече да учим, ако искаме да бъдем и да останем конкурентноспособни на пазара.

Към това Димо допълва:

Шансът, ако не четем нищо, да се превърнем в технически трупове, е много голям, така че не се превръщайте в технически трупове.

Има ли промени в добрите практики с навлизането на AI инструментите?

Практиките и тестовите принципи не са се променили, смята Димо Митев. Процедира се по същия начин при ранното тестване, defect clustering-а, pesticide парадокса, просто се правят по-бързо.

Най-важното на AI оптимизацията е да се разрешават проблемите още в начална фаза, когато разрешението вече е по-скъпо, допълва Рени Станкова.

От най-голямо значение е разработката на софтуер, от който клиентите да са доволни, съгласява се Димо Митев. Точно това е ролята на QA специалистът – да подсигури качеството на продукта.

Тук е предизвикателството на добрия QA – да можем да гарантираме, че този софтуер ще може да се ползва от най-различни хора, с най-различни способности, с най-различни компютри, мобилни устройства, браузъри, екстеншъни и т.н,

добавя той.

Ще се търсят ли QA-и?

Според Райна изкуственият интелект влияе на QA специалистите така както и на developer-ите и на всички други специалисти в IT сферата – като ефективен помощник и оптимизатор. Въпреки оптимистичната нагласа, тя напомня, че за да се осигурява качеството на кода и продуктите, трябва да се прилага критично мислене в подходите и решенията, които AI тулове и агенти предоставят.

Тя споделя за изкуствения интелект:

Променя цялостното ни ежедневие – задачите, които имаме и изпълняваме на ежедневна база и според мен това е един много добър помощник и оптимизатор на нашия труд и усилията, които полагаме.

Виждането на Димо, обаче е по-различно. Според него QA-ите няма да намалеят, а напротив – ще се увеличат.

Аз може би имам малко по-различно мнение и виждане за нещата. Съмнявам се, че ще намалеят, че ще останем като индианци в резерватите в Щатите. По-скоро очаквам, че QA-ите ще станат още по-търсени.

Той поясни, че изкуственият интелект е променил ролята на QA специалиста – сега QA-ите трябва много по-рано да се включват в процеса на създаване на софтуер, за да приложат критичното мислене в него и да зададат въпроси като „Защо се прави това нещо?“ „Каква е тази функционалност?“ и т.н.

QA позициите: Кои са застрашени и кои имат бъдеще?

QA Архитектът от Payhawk допълва, че чрез AI вече “изключително бързо се създава код” – например чрез похвата vibe coding, който може да скъси процеса на писане на код до 3-5 минути. Това означава, че днес се генерира много повече код, който трябва да бъде тестван от QA-ите.

Димо пояснява, че въпреки че изкуственият интелект може сам да тества код, не е способен да генерира всички възможни сценарии и test case-ове, подобно на developer-ите, които не могат да измислят всички възможни unit тестове. Затова са необходими QA специалистите – заради критичното си мислене и клиентската перспектива.

Затова той напомня, че за да оцелеят QA специалистите при новите пазарни условия, трябва да наблягат на мисленето – аналитично, логическо, креативно и критично.

Как ще се променят изискванията?

Според Рени отговорът на този въпрос зависи от сферата и компанията. Тя пояснява, че всяка компания работи с различни технологии следва различни изисквания за съвместимост, използва различни application-и, и всичко това влияе върху изискванията.

Това до някаква степен е дефинирано или предефинирано от самата компания, в която даденият QA работи

Димо от Payhawk се съгласява напълно с казаното от Рени и допълва, че колкото по-бързо един QA специалист се научи да работи с AI агенти, толково по-бързо ще се адаптира към пазара и ще бъде успешен. И все пак той задава въпроса:

Но всъщност какво означава един QA да е успешен в днешно време?

На този въпрос той не се забавя да отговори – QA специалистът е успешен, когато клиентът е удовлетворен. Това зависи не само от качеството на продукта, но и от скоростта на разрешаване на проблем при оплакване на потребител. Той отново набляга на важността от широките познания, защото именно от тях зависи скоростта при разрешаване на проблем. От значение са следните фактори: доколко QA специалистът има познания и парктика в DevOps сферата, разпознава ли пайплайни, знае ли какво се включва, когато се прави commit и др.

Да реагирате бързо означава в рамките на да не казвам часове дори минути, да идентифицирате проблема, да го отстраните и да доставите нова версия.

Той допълва, че успешните QA-и правят редовен мониторинг, чрез който ще се следи броя клиентски оплаквания, логнати бъгове и др. Това подпомага следенето на текущото състояние, което позволява подобряването на качеството на продукта и ефективността.

Димо допълва с пример от собствения си опит, когато е започнал във Payhawk, от компанията са release-вали продукти два пъти на седмица. Днес, той споделя, че release-ите са средно 9 на седмица, благодарение на редовния мониторинг. Той заключва:

И това цялото нещо става благодарение на някаква автоматизация, на мониторинг, който вие може да покажете: „Вижте къде сме били преди, къде отиваме сега.

Какви технически умения ще станат задължителни за QA специалистите?

За да е успешен един QA трябва да има познания по DevOps практики и правила. Той трябва да познава не само бизнес изискванията, а и как системата работи, как се доставя на клиента, какво се случва, когато се направи commit или pull request, какви тестове се изпълняват, както и процесите по automation testing, version control, continuous integration и др. Това обясни Димо от Payhawk.

Аз виждам едно все по-голямо припокриване между ролята на QA и ролята на DevOps. За мен е изключително важно един успешен QA да има солидни DevOps познания.

Той заключава:

Aко искаме да оцелеем в този пазар, трябва да бъдем гъвкави и адаптивни

QA инженерите трябва да се стремят към широк спектър от познания – не само в контекста на DevOps, а цялостно технически. QA трябва да знае какви са архитектурата на продукта, service-а, технологиите, които се използват при четене на код, процеса по правене на ревю, requirement-ите и какво трябва да се достави. Всичко това насочва QA специалистите към development сферата – процеси, практики и clean code практики. Това е виждането на Рени от Experian.

Изводът е, че ако QA-ът има широки познания по процеса на разработка, то той подпомага качеството на продукта, скоростта на release-а и ефективната автоматизация.

Засягайки необходимостта от DevOps познания QA специалистите трябва да познават CI/CD. Според Димо това е изискване, което все повече се налага и се включва като част от интервютата. Причината, че днес  QA трябва да предотвратява проблеми, а не да ги разрешава, обяснява Димо.

Ние като QA трябва да бъдем мъдри, да се опитваме да предвиждаме къде могат да се появят някакви проблеми, и да предотвратяваме тяхното появяване.

В подкаста Equity на TechCrunch той заявява, че ерата на лесния растеж за базови продукти, стъпили върху големи езикови модели (LLM), до голяма степен е приключила. Стартъпи, които разчитат почти изцяло на бекенд модели като GPT на OpenAI, Claude на Anthropic или Gemini на Google DeepMind, без да изграждат собствена значима интелектуална собственост, трудно ще постигнат устойчив растеж.

Краят на ерата „Сложи UI върху GPT“

LLM обвивките – стартъпи, които добавят потребителски интерфейс или специфичен работен процес върху вече съществуващ модел – донякъде преживяха златен период. През 2024 г., когато OpenAI стартира магазина за ChatGPT, беше възможно да привлечеш внимание само с изчистен UX върху мощен базов модел.

Този прозорец обаче се затваря.

По думите на Моури, ако просто „пребрандираш“ даден модел и оставиш той да върши цялата работа, индустрията вече няма търпение за това. Тънка интелектуална собственост около Gemini или GPT-5 означава липса на реална диференциация.

Как AI променя Стартъп екосистемата, според вицепрезидент на Microsoft

Изводът е ясен: устойчивите AI компании трябва да изграждат по-дълбока продуктова стойност, собствена база данни или силна вертикална специализация. В противен случай рискуват да станат излишни, тъй като базовите модели разширяват собствените си функционалности.

Защо AI агрегаторите са под още по-голям натиск

Подгрупа от тези обвивки – т.нар. AI агрегатори – може да се окажат в още по-сложна позиция. Те комбинират множество LLM модели в един интерфейс или API слой, пренасочвайки заявки между различни доставчици и добавяйки инструменти за мониторинг и управление.

Сред примерите са Perplexity AI и OpenRouter, които предоставят достъп до различни AI модели през единна API инфраструктура.

Съветът на Моури към новите основатели е директен:

“Стойте далеч от бизнеса с агрегатори”

Според него потребителите вече очакват вградена интелектуална стойност – интелигентно маршрутизиране на заявки според контекста и реалната нужда, а не просто превключване между модели според цена или наличност на изчислителен ресурс.

За да оцелеят, стартъпите трябва да изградят силни и устойчиви конкурентни предимства чрез ясно разграничени решения на пазара или чрез продукти, насочени към конкретна индустрия с дълбока експертиза.

Познат сценарий от ранната облачна ера

Моури прави паралел с началото на облачните услуги в края на 2000-те години, когато Amazon Web Services започна да набира скорост. Тогава множество компании се позиционираха като посредници, предлагащи по-лесен достъп до AWS чрез обединено фактуриране и допълнителни инструменти.

С времето обаче AWS изгради собствен корпоративен инструментариум, а клиентите станаха по-опитни в директното управление на облачни услуги. Много от посредниците бяха изтласкани. Оцеляха тези, които добавиха реална и защитима стойност – сигурност, миграционна експертиза, DevOps консултиране.

Днес AI агрегаторите са изправени пред сходен натиск върху маржовете. Докато доставчиците на модели добавят enterprise функционалности – управление, мониторинг, оркестрация – междинните слоеве без ясно разграничение рискуват да бъдат заобиколени.

Къде все пак има възможност

Въпреки предупрежденията си, Моури остава оптимист за редица AI сегменти.

Един от тях е вълната на т.нар. „vibe coding“ и AI-нативни платформи за разработчици. През 2025 г. компании като Replit, Lovable и Cursor привлякоха сериозни инвестиции и потребителска инерция. Те надхвърлят базовия достъп до модел, интегрирайки AI дълбоко в процесите на софтуерната разработка и изграждайки екосистеми около инструментите си.

Cursor например е пример за „по-силна“ LLM обвивка – асистент за програмиране, интегриран в средата за разработка, с продуктова дълбочина отвъд обикновен интерфейс.

Моури посочва и вертикални решения като Harvey AI, насочени към юридическия сектор. Тези компании разработват специализирани функции, собствени работни процеси и уникални бази данни, които им дават пазарна позиция, която трудно може да бъде копирана.

Той очаква и продължаващ ръст в AI решенията за крайни потребители, включително чрез инструменти като Veo – AI генератора за видео на Google, които поставят мощни генеративни технологии в ръцете на масовата аудитория.

Освен AI инфраструктурата, Моури вижда потенциал и в биотехнологиите и климатичните технологии, които се възползват от достъпа до големи масиви от данни и нови изчислителни възможности.

Летвата за AI стартъпите се вдига

Посланието на Моури не е, че възможностите в AI намаляват, а че пазарът узрява. С нарастващите способности на базовите модели и изкачването на облачните доставчици нагоре по технологичния стек, повърхностната диференциация вече не е достатъчна.

Стартъпи, които просто „обвиват“ съществуващи LLM модели без собствена технология, дълбока интеграция или вертикална експертиза, ще имат все по-трудна задача да оправдаят съществуването си. Онези, които изградят реална интелектуална собственост, се вградят в критични работни процеси или използват уникални данни, могат да оформят следващото поколение AI компании.

Изображение: Официален LinkedIn профил на Дарън Моури

Представяме ви мненията по тази тема на едни от водещите специалисти в ИТ индустрията:

Александър Хаджидимитров, Ръководител отдел Консултанти в Тим ВИЖЪН България 

Ангел Свещников, Основател и Продуктов Лидер в B1 IT Consult

Пламен Боев, основател на Zeron ERP

Искрен Чернев, Deepinfra

Оптимизиране на времето

Ангел Свещников споделя, че интегрирането на AI постави началото на много позитивни промени. Една от тях е именно оптимизиране на времето и постигането на по-бързи резултати, както и намаляване на разходите.

Той споделя, че много повече време отнема на един служител да направи сам проучване, отколкото с помощта на AI – изкуственият интелект може да потърси и събере огромно количество информация за много кратко време.

Пламен Боев дава за пример това как във фирмата Zeron ERP използват създаден от тях асистент, който е специализиран в това да въвежда документи – нещо, което обичайно се извършва от счетоводители. Той напомня, че това е процес, който на много места все още се извършва ръчно.

По този начин изкуственият интелект може да е много ефективен инструмент – като автоматизира рутинни задачи. Така може да се съкрати значително много време и съответно да се постави фокуса върху по-важни проблеми.

Извличане и обработка на информация

Александър Хаджидимитров обръща внимание на друга много значима полза от употребата на AI в професионалната дейност – той е много ефективен в това да обработва информация, която не е предварително структурирана. Изкуственият интелект е много ефективен инструмент за извличане на информация, например от имейл или от някой текстов документ, което отново спестява много време и усилия – отстранява нуждата от ръчна обработка.

AI като основа за интелигентни асистенти

Основателят на Zeron ERP обръща внимание на друга много важна тема, свързана с AI – за бъдещето му развитие. Изкуственият интелект има изключително силно влияние в бизнес контекст – той много повлия върху развитието и промените на много системи.

Водещи професионалисти, част от “Как AI променя бизнеса, обществото и начина ни на живот”

Макар в момента именно генеричните типове AI да оказват най-силно влияние върху бизнеса, се очаква в близкото бъдеще да се появят още по-ефективни инструменти – т. нар. интелигентни асистенти. Генеричният AI се използва и с тази цел – да постави основата на бъдещите интелигентни асистенти. Пламен Боев допълва, че вярва, че в рамките на 3-5 години асистентите ще се развият и ще бъдат обработени в най-различни продукти и софтуерни системи.

А това поражда въпроса кои системи ще развият най-интересните интелигентни асистенти, специализирани в това да разрешават специфични проблеми – това ще са асистентите, в които ще се инвестира най-много.

Искрен Чернев допълва, че изкуственият интелект ще се интегрира във всички сфери и ще продължава да се развива и че все още се очаква така нареченият killer app.

Все пак AI не е решение за всичко

Експертът от B1 IT Consult напомня, че внедряването на AI обикновено не означава автоматизиране на по-голямата част от бизнес дейността. Достатъчно ефективен начин да се внедри изкуствен интелект е и да се съкрати времето по разрешаването на някоя рутинна задача с около 20%.

Това е един инструмент, който разрешава един конкретен проблем.

Той споделя, че на този принцип се основава и проектът OmniLaunchpad. Целта на този проект е да осигури публично виртуално пространство, в което да се намират множество различни агенти, специализирани в различни сфери.

Създаването на тези агенти е с цел спестяване на време по различни рутинни задачи, като сканиране и обработване на фактури, за правенето на разходен отчет или за генериране на реклами и др. Това са лесни и ефективни начини да се интегрира AI в работния процес – по начин, по който не се нарушава генералния процес.

Искрен Чернев също потвърждава, че AI не е решение за всичко и допълва, че изкуственият интелект може да спести време, усилия и ресурси, но трябва да се използва внимателно. Не за всичко и във всяка ситуация може да бъде ефективен или полезен.

Понякога върши страхотна работа, понякога не върши никаква работа, понякога пречи и все едно имаш малко дете, не, че е лошо да имаш малко дете, но да го оставяш код в production е малко по-страховита история.

Не може да отречем, че изкуственият интелект оказва значително влияние върху IT индустрията, а и върху бизнес средите като цяло. И въпреки че това влияние е основно позитивно – не забравяйте, че е от най-голямо значение как се употребява.

След обявяването, че SpaceX ще придобие xAI, която преди това купи социалната платформа X, най-малко 11 инженери и двама съоснователи са заявили, че напускат компанията. Част от тях описват решението си като стъпка към нови проекти, докато Мъск твърди, че преструктурирането цели по-голяма организационна ефективност.

Двама бивши служители, цитирани от The Verge, обаче представят по-притеснителна картина. Според тях в екипа се е натрупало разочарование от това, което те определят като пренебрегване на въпросите за безопасността, особено около чатбота Grok.

Grok беше подложен на глобална критика, след като чрез него бяха генерирани над един милион изображения със сексуален контекст, включително deepfake материали с реални жени и непълнолетни.

xAI на Илон Мъск ограничава deepfake възможностите на Grok под регулаторен натиск

Един от бившите служители е заявил, че „безопасността е мъртва структура в xAI“, а друг твърди, че Мъск „активно се опитва да направи модела по-неконтролируем, защото за него безопасността в известен смисъл означава цензура“.

Източниците посочват и липса на стратегическа яснота, като един от тях описва компанията като „заседнала в режим на догонване“ спрямо конкурентите в бързоразвиващия се AI сектор.

Изображение: Flickr/World Economic Forum / Ciaran McCrickard/Редактирано -16.02.2026

най-добрите ни разработчици не са написали нито един ред код от декември,

подчертавайки колко дълбоко е интегриран изкуственият интелект в инженерните процеси на компанията.

Изказването бе част от по-широк коментар за начина, по който Spotify използва AI, за да ускори циклите на разработка и да увеличи темпото, с което компанията пуска нови продукти. През 2025 г. платформата е пуснала над 50 нови функции и ъпдейти, а само през последните седмици въведе AI-базирани възможности като Prompted Playlists, Page Match за аудиокниги и About This Song.

В основата на трансформацията стои вътрешна система, наречена „Honk“, чрез която инженерите ускоряват програмирането и внедряването. Системата позволява отдалечено генериране и deploy-ване на код в реално време чрез генеративен AI – конкретно Claude Code, обясни Сьодерстрьом.

Като конкретен пример – инженер в Spotify може по време на сутрешното си пътуване, директно от Slack на телефона си, да инструктира Claude да поправи бъг или да добави нова функционалност към iOS приложението,

каза той.

След като Claude приключи, инженерът получава нова версия на приложението обратно в Slack на телефона си и може да я пусне в продукционна среда още преди да е пристигнал в офиса.

От компанията отчитат, че системата е ускорила значително както писането на код, така и внедряването му.

Според Сьодерстрьом това е едва началото.

Не виждаме това като крайна точка в развитието на AI, а като начало,

заяви той.

Паралелно с вътрешната автоматизация Spotify инвестира и в изграждането на собствено конкурентно предимство чрез данни. Компанията разработва мащабен набор от данни за музикалните предпочитания на потребителите – актив, който според ръководството не може лесно да бъде „комодитизиран“ от големи езикови модели по начина, по който се използват общи източници като Wikipedia.

За разлика от фактически въпроси с еднозначен отговор, музикалните предпочитания са силно субективни и културно обусловени. Американската аудитория може да клони към хип-хоп, милиони слушатели предпочитат дет метъл, части от Европа залагат на EDM, а в Скандинавия доминира хеви метъл.

Това е набор от данни, който изграждаме в момента и който реално никой друг не създава в подобен мащаб. Той не съществува на това ниво. И виждаме как се подобрява при всяко ново обучение на моделите ни,

отбеляза Сьодерстрьом.

По време на разговора анализатори повдигнаха и въпроса за музиката, генерирана от AI. От Spotify заявиха, че позволяват на артисти и лейбъли да посочват в метаданните на песните как са създадени, като паралелно продължават да следят платформата за спам и злоупотреби.

Изображение: Spotify Newsroom – Stream On 2023