Скрепка из Microsoft Office стала мемом, и это заслонило неудобный факт: она пыталась решать ту же задачу, что и современные ассистенты. Помощник, который замечает, чем вы заняты, и предлагает помощь по контексту, — постановка не изменилась с 1996 года.
Изменилось всё остальное: качество распознавания речи, понимание естественного языка, способность рассуждать. Одна вещь не менялась тридцать лет.
Факты о продуктах ниже проверялись 2026-08-26; даты выпуска приведены по общедоступной истории продуктов, актуальность текущих версий требует проверки.
#Короткий ответ
Каждое поколение персональных помощников упиралось в одно и то же: помощник не помнил пользователя между обращениями. Скрепка не помнила, что вы уже трижды отказались от её помощи. Голосовые ассистенты 2010-х не помнили вчерашний разговор. Чат-боты начала 2020-х начинали каждую сессию с чистого листа.
Интеллект рос на порядки. Память не появлялась.
#Хронология
| Период | Что появилось | Чего не хватало |
|---|---|---|
| 1995–1996 | Помощник в интерфейсе: Microsoft Bob, затем Office Assistant | Понимания задачи; реакция шла на форму документа, а не на смысл |
| 1997–2005 | Скрепка как массовый опыт, затем её отключение по умолчанию | Памяти об отказах: помощник предлагал одно и то же снова |
| 2006–2010 | Поиск по личным файлам на компьютере | Диалога: поиск отвечал списком файлов, а не ответом |
| 2011 | Siri в iPhone: голос плюс намерения | Контекста между запросами: каждая команда была отдельной |
| 2012–2014 | Проактивные карточки, Cortana, Alexa | Гибкости: работало по заранее заданным сценариям |
| 2015–2019 | Умные колонки в каждом доме; Алиса на русском | Памяти о пользователе и умения выйти за пределы навыков |
| 2020–2022 | Языковые модели общего назначения; ChatGPT в конце 2022 | Памяти между сессиями и владения данными |
| 2023–2024 | Модели уровня GPT-4, длинный контекст, инструменты | Персонального контекста: модель умна и не знает вас |
| 2025–2026 | Встроенные в систему ассистенты, память в чат-продуктах, локальные модели на домашнем железе | Полноценной памяти о человеке и ответа на вопрос, чья она |
Колонка справа — главное содержание таблицы. Она почти не меняется тридцать лет.
#Три эпохи и три разные ошибки
Эпоха интерфейсного помощника (1995–2005). Скрепка отслеживала действия в документе и предлагала помощь по шаблону. Ошибка была не в идее, а в двух вещах: помощник не понимал смысла задачи и не помнил, что вы уже отказались. Раздражение вызывала именно вторая — повторяемость.
Эпоха голосовых ассистентов (2011–2019). Здесь появилось распознавание речи, но архитектура была устроена как классификация намерений: фраза относилась к одному из заранее описанных сценариев, дальше вызывался обработчик. Всё, что не попало в список сценариев, не работало вовсе. Разбор конкретных архитектурных причин — в статье почему Siri, Алиса и Алекса не стали настоящими ассистентами.
Эпоха языковых моделей (2020–). Ограничение по сценариям исчезло: модель отвечает на что угодно. На его место пришло другое — модель не знает лично вас. Она обучена на всём интернете и одинаково безлична для миллионов людей.
Стоит заметить, что каждая эпоха решала проблему предыдущей и приносила свою. Интерфейсный помощник не понимал смысла — голосовой научился понимать намерения, но только из списка. Голосовой не выходил за список — языковая модель вышла, но потеряла даже ту привязку к контексту приложения, которая была у скрепки: та хотя бы видела, над каким документом вы работаете.
#Что успело появиться и исчезнуть по дороге
Отдельного упоминания заслуживают попытки, которые не сложились в линию, но показывают, что именно пробовали.
Проактивные подсказки без запроса. Карточки, которые появлялись сами: пробки по дороге на встречу, посадочный талон в день вылета. Механика работала, потому что опиралась на структурированные данные календаря и почты. Дальше этих источников она не пошла: обобщить подход на произвольный контекст пользователя было нечем.
Помощник, встроенный в рабочий инструмент. Подсказки в редакторе, автодополнение писем, предложения формул в таблицах. Здесь контекст был — тот самый документ, который вы редактируете, — и результат оказался самым устойчивым из всего перечисленного. Но контекст ограничивался одним файлом и не переживал закрытие вкладки.
Персональный поиск по своим данным. Индексация файлов, почты и переписки на своей машине. По духу это ближе всего к сегодняшнему пониманию личной памяти, и появилось раньше всего остального. Проиграло не по технике, а по вниманию: локальный поиск не давал ответа, только список файлов, а к моменту, когда языковые модели научились превращать найденное в ответ, пользовательские данные уже переехали в облака.
Третий пункт стоит запомнить: техника личной памяти существовала за пятнадцать лет до того, как появилось, чем её осмысленно применить.
#Почему память не появлялась так долго
Причина не в том, что об этом не думали. Причин три, и они не технические.
Первая: память требует хранилища на стороне пользователя, а бизнес-модель предполагала хранение у вендора. Помощник, встроенный в операционную систему или колонку, естественно складывал данные туда, куда удобно вендору.
Вторая: память — это ответственность. Система, которая помнит вашу жизнь, создаёт риск, который вендору проще не брать. Отсутствие памяти было в том числе способом не отвечать за неё.
Третья: без языковых моделей память была почти бесполезна. Помнить факты о пользователе имеет смысл, только если их можно осмысленно применить в ответе. У ассистента, работающего по сценариям, применить их было негде.
Третья причина объясняет, почему память появляется именно сейчас: языковая модель — первая архитектура, которая умеет использовать произвольный текстовый контекст. Как это устроено технически — в разборе как работает память ИИ.
#Что из этого следует на практике
Проверяйте продукт по памяти, а не по интеллекту. Мощность модели сегодня — вопрос выбора провайдера, а не свойства продукта. Отличается то, что продукт помнит и где это хранит.
Смотрите, кому принадлежит накопленное. Тридцать лет данные помощников оставались у вендора, и это ни разу не заканчивалось хорошо для пользователя при закрытии продукта.
Не ждите, что «в следующей версии починят». Отсутствие памяти в большинстве продуктов — не недоделка, а следствие архитектуры и бизнес-модели.
Помните урок скрепки. Проактивность без памяти раздражает. Помощник, предлагающий одно и то же после отказа, хуже помощника, который молчит.
Что именно должно быть у ассистента, чтобы он считался личным, и из чего эта категория складывается — в разборе что такое личный ИИ.
#Где интуиция подводит
«Скрепка провалилась, потому что была глупой». Она провалилась, потому что была навязчивой и беспамятной. Ровно та же проактивность с памятью об отказах воспринималась бы иначе — что видно по современным продуктам, которые делают похожие вещи и не вызывают раздражения.
«Голосовые ассистенты не взлетели из-за плохого распознавания речи». Распознавание стало хорошим к середине 2010-х. Ассистенты остались на уровне таймеров и погоды, потому что упирались не в слух, а в отсутствие контекста и жёсткие сценарии.
«Современные модели решили проблему». Решили половину: понимание. Вторая половина — знание лично о вас — решается не моделью, а тем, что вокруг неё построено.
«Раньше не могли, потому что не хватало вычислительных мощностей». Для памяти о пользователе мощности не нужны: это база данных с поиском. Не хватало не мощностей, а архитектуры, способной этот контекст применить.
«История линейна: каждое поколение лучше предыдущего». По интеллекту — да. По владению данными — скорее наоборот: локальный поиск по файлам на своём компьютере в 2006-м давал вам больше контроля, чем облачная колонка в 2016-м.
Как встроенные в систему ассистенты решают этот вопрос сегодня — в сравнении Persona и Apple Intelligence, а на русском рынке — в разборе Persona против Яндекс Алисы.
#Частые вопросы
#Почему скрепку до сих пор помнят?
Потому что это был первый массовый опыт «помощника, который лезет не вовремя», и он оказался универсально узнаваемым. Технически она была примитивной, но постановка задачи — заметить контекст и предложить помощь — с тех пор не изменилась.
#Siri действительно не улучшалась?
Улучшалась — распознавание речи, языки, интеграции. Но архитектурно она долго оставалась системой намерений и сценариев, а не собеседником с контекстом, и именно поэтому ощущалась застывшей на фоне чат-моделей.
#Почему умные колонки не стали ассистентами?
Потому что закрепились в узком наборе сценариев: таймер, музыка, погода, свет. Ограничение здесь не в устройстве, а в модели взаимодействия — короткая голосовая команда плохо переносит контекст, а без контекста сложные задачи не поставить.
#Что изменилось в 2022 году?
Массовым стал интерфейс свободного диалога с моделью общего назначения. Это сняло ограничение по сценариям — главное препятствие предыдущей эпохи — и обнажило следующее: модель отвечает на что угодно, но не знает лично вас.
#Значит, сейчас всё решено?
Нет. Понимание решено, память — частично, вопрос владения данными — почти нигде. Кроме того, компактная локальная модель, дающая контроль над данными, объективно слабее топовой облачной в сложных рассуждениях, и этот компромисс никуда не делся.
#Не повторится ли история со скрепкой?
Повторяется постоянно: любой проактивный помощник без памяти о ваших отказах превращается в неё. Единственная защита — чтобы система помнила, что вы уже отклонили, и не предлагала то же самое снова.
#Вывод
Тридцать лет истории персональных помощников читаются как один сюжет: постановка задачи не менялась, менялись только препятствия. Сначала не хватало понимания смысла, потом — гибкости за пределами сценариев, теперь — знания о конкретном человеке.
Практический вывод для того, кто выбирает инструмент сегодня: интеллект перестал быть отличием, его покупают у провайдера. Отличаются продукты тем, что они о вас помнят и кому это принадлежит. Именно на эти два вопроса и стоит смотреть, а не на количество параметров модели.