# Big Bang убивает проекты: как итерации спасают трансформацию Почему гибкость и скорость важнее громких релизов. Разбираем пример Google по запуску Gemini 2.5 Pro. ## Итерации вместо оваций: кейс Gemini 2.5 Pro Вы на прошлой неделе, наверное, наблюдали за быстрыми обновлениями в параметрах AI-модели Gemini 2.5 Pro? Такая скорость доработок Gemini 2.5 Pro, в очередной раз показала - в Управлении изменениями (особенно в tech, ИТ и, прости Господи, трансформациях) важны правильные уроки. Вы, наверное, уже заметили быстрые обновления параметров AI-модели Gemini 2.5 Pro? Мне кажется, Google снова продемонстрировал, что регулярные и точечные апдейты могут радикально повысить эффективность продукта. И это - отличный пример для любой компании, стремящейся к цифровой трансформации. Факт: Gemini 2.5 Pro, как мне кажется, действительно демонстрирует выдающиеся результаты в задачах программирования, обгоняя конкурентов на специализированных бенчмарках (например, Aider Polyglot, LiveCodeBench v5). ## Скорость и итерации. **Наблюдение 1.** Команда Google за последние месяцы не раз обновляла Gemini 2.5 Pro: улучшала производительность, добавляла новые возможности. Например, за пару релизов [модель прибавила +24 в Elo на LMArena](https://blog.google/products/gemini/gemini-2-5-pro-latest-preview/) и +35 на WebDevArena. С большой вероятностью, она лидер в программировании и решении сложных (в том числе креативных) задач. Если вспомнить первые запуски, то отзывы сообщества были не очень хорошими. Обновление Gemini 2.5 Pro от 6 мая вызвало, по сути, массовое недовольство. Пользователи и разработчики столкнулись с сильными ухудшениями в качестве модели, включая ухудшение логики, стиля и работу фильтров модерации. Ко всему, Google, [как пишут](https://www.reddit.com/r/Bard/comments/1ki69cx/its_happening_googles_gemini_25_pro_0506_update/), заменил стабильную версию модели Gemini 2.5 Pro (от 25 марта) на более свежую и нестабильную (от 6 мая). Без анонсов, без возможности откатиться. Просто поменяли содержимое по старому адресу. И тут началось… Тема вышла за пределы форумов и обсуждений в узких сообществах. Когда под ногами внезапно исчезает стабильный фундамент, даже хорошее обновление превращается в источник головной боли. И мы видели, что пользователи моделей открыто подняли вопрос на форуме, и команда Gemini включилась в обсуждение. Признание ошибки и оперативные шаги по ее исправлению - важный показатель зрелости процесса. И сложная ситуация превращалась в диалог. ## Гибкость как часть архитектуры. **Наблюдение 2.** Команда разработки [добавила в API параметр thinking_budget](https://ai.google.dev/gemini-api/docs/thinking): и пользователь теперь сам решает, что важнее - скорость ответа или глубина. Для быстрых задач - минимальный бюджет: “вжух” - и вы получаете быстрый результат, и меньше тратите. Гибкая настройка - огромное преимущество для компаний. ## Выводы ### Итерации важнее революций. Ключ к успеху - не в редких “больших” релизах. Наоборот - ключ успеха в [постоянных небольших улучшениях](https://www.labellerr.com/blog/gemini-2-5-pro/). Команда получала обратную связь, исправляла ошибки, уточняла развесовку модели и … в итоге обогнала конкурентов. **Добавлю**: такой успех возможен, если владелец бизнеса допускает гибкость и поддерживает риск. **Вывод первый**, в двух пунктах: а) [необходимо двигаться малыми итерациями](https://aspex.tech/insights/one-year-strategy-is-dead/), б) [иметь в компании готовность/культуру к постоянным апдейтам](https://aspex.tech/insights/pochemu-ai-ne-prizhivaetsya/). Такой подход позволяет быстрее учитывать бизнес-потребности, адаптироваться к рынку и выдавать результат небольшими, но частыми порциями. **Вывод второй**, в дополнение к сказанному. Мне кажется, что быстрая итерация возможна только при зрелых процессах, архитектуре и команде. Все что мы видели на прошлой неделе - результат многолетней работы. Бесплатной скорости не бывает. Задайте себе, пожалуйста, вопрос: **готов ли ваш заказчик/руководитель/владелец применять такой подход**, готов ли он не ждать “большого надежного релиза”, получая по пути - маленькие обновления? А какие еще практики вы считаете ключевыми для успешной цифровой трансформации в вашей компании? Thu 12 June 2025 · обновлено Thu 12 June 2025 · [Sergei Karach](https://aspex.tech/about/) [#Искусственный интеллект](https://aspex.tech/read/ai.html)[#Цифровая трансформация](https://aspex.tech/read/cifrovaya-transformaciya.html)[#Команда и культура](https://aspex.tech/read/komanda-i-kultura.html)[#Лучшие практики](https://aspex.tech/read/luchshie-praktiki.html) ## Читайте также [Весь раздел: AI-внедрение в средний бизнес →](https://aspex.tech/topics/ai-vnedrenie/) [### Почему 95% внедрений AIне окупаютсяMIT в 2025 году посчитал: 95% корпоративных пилотов генеративного AI не приносят денег. Разбираю на своем опыте, почему…](https://aspex.tech/insights/pochemu-ai-ne-prizhivaetsya/) [### Как команда тихо похоронила внедрение AIРеальный случай из практики: инструмент внедрили за месяц, а через месяц им никто не пользовался. Что я недооценил и ка…](https://aspex.tech/insights/pochemu-komanda-sabotirovala-ai/) [### KPI, которые разрушают производство — новый подходУзнайте, почему привычные KPI мешают управлению производством и как построить метрики, которым можно доверять. Практика…](https://aspex.tech/insights/manufacturing-performance-kpi-model/) ## Забронируйте бесплатную диагностику 60 минут 1-на-1: разберем вашу ситуацию и где AI и перестройка процессов дадут деньги. [Забронировать диагностику](https://aspex.tech/diagnostic/) [Консалтинг: офферы](https://aspex.tech/consulting/) Не готовы к разговору? Двенадцать шагов и таблица «что делать компании вашего размера» — одним файлом, чтобы не выписывать из статьи. Пришлю на email.