Пользователи Threads рассказали, какие нейросети используют для кода, поиска и работы

Платформа gro.now, которая занимается маркетинговыми исследованиями на основе опросов и открытых данных, проанализировала 7785 публичных публикаций и комментариев в Threads, опубликованных с июля 2023 по июль 2026 года. После очистки массива исследователи изучили 4899 релевантных публикаций, чтобы понять, какие AI-модели обсуждают пользователи, для каких задач их используют и какие проблемы возникают чаще всего.

The Tech изучил результаты исследования и собрал главные выводы.

Важно: исследование основано на анализе открытых публикаций в Threads и не отражает мнение всего рынка. Его результаты стоит рассматривать как качественный анализ пользовательских обсуждений и источник гипотез о поведении аудитории.

Главный барьер — не недоверие к AI, а подписки и ограничения 

Когда говорят о внедрении искусственного интеллекта, чаще всего обсуждают качество ответов, ошибки моделей и так называемые галлюцинации. Однако анализ публикаций в Threads показал другую картину.

Исследование gro.now показало, что темы подписок, тарифов и доступа к AI-сервисам встречаются почти в восемь раз чаще, чем обсуждения ошибок или недоверия к нейросетям. Пользователи значительно чаще жалуются на лимиты, сложности с оплатой, необходимость использовать VPN и ограничения доступа, чем на неточные ответы моделей.

Один из самых буквальных примеров: пользователь из Казахстана ищет не совет, какую модель выбрать, а человека-посредника, который поможет организовать оплату ChatGPT, Claude и других нейросетей. Главный вопрос сейчас не про доверие, а «как мне за него заплатить?».

Что обсуждают чаще всего: от подписки к реальной работе

После вопросов доступа пользователи переходят к практическим сценариям использования. Чаще всего в Threads обсуждают программирование, создание контента, автоматизацию, поиск информации и сравнение AI-сервисов.

При этом выбор подписки оказался одной из самых популярных тем — практически наравне с написанием кода. Это говорит о том, что пользователи оценивают не только возможности моделей, но и стоимость, ограничения и целесообразность использования каждого сервиса.

В одном посте человек рассказывает, что отказался от ChatGPT, оставил Gemini для повседневных задач, Claude — для сложных, Perplexity — для поиска и начал интегрировать Claude в Excel и PowerPoint. Его формулировка точнее любого рекламного слогана: «Они не делают мою работу, они мои ассистенты».

ChatGPT все еще первый. Но уже не единственный

Внутри именных упоминаний ChatGPT сохраняет первое место — около 28%. Но следом уже идет не один слабый конкурент, а целая группа: Claude занимает около 18%, Gemini — около 16%, DeepSeek — около 11%. Вместе четыре модели собирают почти три четверти именных упоминаний.

Еще важнее другое: примерно в каждой пятой публикации рабочего массива упоминаются две и более модели одновременно. Люди все реже ищут «лучшую нейросеть вообще» и все чаще собирают собственный набор под задачи.

Роли уже распределяются:
Claude — код
Copilot — таблицы
Perplexity — поиск.

Когда задача становится конкретной, общий рейтинг перестает быть главным. В теме программирования доля упоминаний Claude заметно выше, чем у DeepSeek и Copilot. В сценариях анализа данных чаще всплывает Copilot, в переводах — Gemini, в поиске — Perplexity.

Claude особенно заметен в коде. Один пользователь за вечер собрал сервис для выбора города при переезде в Испанию.

Другой пользователь дал сыну на час доступ к Claude Code. За это время появилась игра, которую ребенок продолжил дорабатывать, пока модель писала код.

Но, пожалуй, точнее всего сдвиг описала аналитик, которая уже не представляет работу без Claude, Copilot и Gemini. При этом она подчеркивает: AI убирает необходимость помнить часть синтаксиса, но не отменяет понимание задачи, проверку логики и способность заметить ошибку.

То есть профессия не исчезает — меняется ее планка. Ценность человека смещается от ручного исполнения к постановке задачи, выбору инструмента и проверке результата.

Почему пользователи чаще доверяют Perplexity

Среди моделей с достаточным количеством упоминаний Perplexity показывает самое высокое соотношение позитивной и негативной тональности. На этих данных нельзя доказать причинно-следственную связь, но в публикациях регулярно появляется одна понятная ценность: источники можно открыть и проверить.

Для AI-продуктов это практический вывод: доверие строится не только на качестве ответа, но и на возможности понять, откуда он взялся.

Рынок взрослеет: меньше восторга, больше рутины

Почти 88% публикаций в рабочем массиве имеют нейтральную тональность. Позитив составляет около 9%, негатив — около 2%. Это не обязательно означает равнодушие. Скорее, AI постепенно становится обычным рабочим инструментом.

Когда технология новая, люди пишут: «Будущее наступило». Когда она встроилась в жизнь, вопросы меняются: «какой тариф оставить?», «почему закончились токены?», «что лучше для кода?», «какой инструмент покажет источники?».

Что это значит для бизнеса

Продавать нужно не само слово AI, а снятый барьер. Понятная оплата, прозрачные лимиты, работа без обходных схем, локальный язык и проверяемые источники ближе к реальным разговорам пользователей.

Пользователь собирает портфель, а не выбирает одного победителя. Продукту важно занять конкретную роль в рабочем процессе: код, поиск, таблицы, визуал, автоматизация или универсальные задачи.

Доверие становится продуктовой функцией. Ссылки на источники, понятное объяснение результата и возможность перепроверки могут быть не менее важны, чем сама мощность модели.

Открытые данные дают сигналы, а не готовую истину о рынке. Они помогают увидеть язык аудитории, неожиданные боли и гипотезы, которые затем нужно проверять количественно или качественно.

Вместо вывода

Главный вывод исследования прост: пользователи больше не спорят, нужна ли им нейросеть.

Они обсуждают, какая модель лучше подойдет для конкретной задачи, сколько стоит подписка, где удобнее работать и какие инструменты действительно экономят время.

И именно это показывает, насколько быстро AI перестает быть новой технологией и становится привычной частью повседневной работы.