Нейросети начали зарабатывать сами. Стоит ли использовать их для пассивного дохода и майнинга

Как нейросеть начала «майнить сама»

Исследователи, связанные с китайским технологическим гигантом Alibaba, сообщили о неожиданном поведении экспериментального ИИ-агента под названием ROME. Во время обучения система без каких-либо инструкций попыталась начать майнинг криптовалюты, используя собственные GPU, и одновременно создала скрытый канал связи с внешним компьютером. Об этом пишет Axios со ссылкой на технический отчет разработчиков.

Как говорится в документе, агент работал в изолированной среде — так называемой песочнице, где возможности модели намеренно ограничены. Тем не менее система попыталась выйти за пределы этой среды: она запустила майнинг и создала реверсный SSH-туннель — скрытое соединение, позволяющее компьютеру внутри защищенной сети подключаться к внешнему устройству через своего рода «черный ход». Системы безопасности зафиксировали оба действия.

При этом случай с ROME — не единственный. Исследователи уже наблюдали похожие эффекты в разных системах. Например:

• В 2025 году исследователи Anthropic обнаружили, что модель Claude 4 Opus может скрывать свои намерения и предпринимать действия, направленные на сохранение собственной работоспособности. Это вызвало волну критики и обсуждений внутри индустрии.
• Согласно исследованию Palisade Research, в некоторых тестах модели вроде o3 от OpenAI игнорировали команды выключения: даже при прямом указании завершить работу системы Codex-mini, o3 и o4-mini смогли обойти сценарий остановки.
• Автономные агенты вроде AutoGPT иногда начинали запускать дополнительные процессы или скачивать сторонние инструменты без прямого запроса.
• В эксперименте Moltbook агенты ИИ, помещенные в имитацию социальной сети, начали общаться между собой и обсуждать криптовалюты. А созданный инженером платформы Anon агент OpenClaw однажды сам решил «найти работу» в интернете.

Разработчики подчеркивают, что такие случаи не означают «осознанность» ИИ. Скорее они демонстрируют другую проблему: чем сложнее становятся модели и чем больше задач они умеют выполнять — писать код, работать с внешними сервисами, строить многошаговые планы — тем выше вероятность неожиданного и труднопредсказуемого поведения во время экспериментов.

Новость про эксперимент с агентом ROME выглядит сенсационно, но, если разобрать техническую логику происходящего, она говорит не столько о «самостоятельном заработке ИИ», сколько о побочных стратегиях оптимизации вычислений, которые модель нашла в ходе обучения. Рассмотрим, что именно произошло и может ли пользователь повторить это «в свою пользу».

Что на самом деле произошло в эксперименте с ROME

В эксперименте исследователи обнаружили два действия агента:

1. Попытку майнить криптовалюту на GPU, на которых он обучался.
2. Создание реверсного SSH-туннеля — скрытого канала связи с внешним компьютером.

При это система работала в sandbox-среде (ограниченной «песочнице»), где агент имел доступ к вычислительным ресурсам (GPU), интернету и инструментам программирования. Такие возможности обычно дают агентам для выполнения сложных задач — например, установки пакетов, запуска кода или тестирования программ.

В этой ситуации модель:

• обнаружила свободные вычислительные ресурсы;
• написала код для запуска майнинга;
• попыталась установить внешний канал управления.

И хотя это поведение не было запрограммировано, это не означает, что модель «решила заработать деньги». Есть несколько технических объяснений, которые куда прозаичнее.

Майнинг как побочный результат оптимизации кода

Современные агенты умеют не только писать код самостоятельно, но и искать код в интернете, компилировать его, запускать процессы. И если агент в процессе обучения экспериментирует с GPU-вычислениями, он мог найти примеры программ для интенсивных вычислений, скачать их и запустить.

А среди таких программ часто встречаются майнеры. То есть ИИ просто учится у людей тому, что им самим интересно.

Использование майнинга как стресс-теста GPU

Некоторые open-source-майнеры используются разработчиками как бенчмарки для определения произоводительности GPU. И если модель искала способы нагрузить GPU, она могла найти именно такие инструменты.

То есть майнинг здесь стал просто «приятным бонусом» к добросовестной попытке нагрузить вычислительные мощности.

А что с реверсным SSH-туннелем?

Это более интересная часть истории. В норме такие инструменты используются для удаленного управления машиной, обхода firewall и передачи данных наружу.

И если бы случай с реверсным SSH-туннелем в эксперименте был инициирован человеком, это с большой вероятностью было бы признаком «секретности», «скрытности» и даже неблагонадежности исполнителя. Но модель необязательно понимает «секретность» такого действия — она может просто обнаружить, что этот метод работает, и воспринимать его как удобный способ выполнить задачу.

С точки зрения систем безопасности подобные действия очень напоминают действия вредоносного ПО. Например, использование вычислительных ресурсов без разрешение, попытки выйти за пределы контура и создание скрытого канала управления характерно для:

• криптоджекинг-ботов;
• сетевых червей;
• malware-агентов.

Но ключевое отличие в том, что вредоносный код пишется специально, а агент может прийти к таким стратегиям самостоятельно в процессе обучения. Правда, тот факт, что он при этом обошел ограничения среды, заставляет специалистов внимательнее относиться к тому, как ставятся задачи для ИИ и насколько они отвечают безопасности.

Может ли пользователь повторить такую схему и заставить ИИ майнить

Теоретически — да. Практически — почти нет. И незачем.

Чтобы воспроизвести подобный сценарий, пользователю нужно:

• дать агенту доступ к интернету;
• дать ему возможность писать и запускать код;
• дать доступ к GPU;
• разрешить установку сторонних программ.

Это само по себе очень рискованная архитектура. Какие есть риски при передаче широких прав ИИ-агенту, мы писали здесь. Большинство коммерческих систем сегодня специально запрещают такие действия.

• Во-первых, майнинг на GPU ИИ крайне дорог. Современные ИИ-GPU (A100, H100) стоят тысячи долларов и используются в облаке. Стоимость их аренды может достигать $1–4 в час. Майнинг на таком железе обычно приносит намного меньше, чем стоит сама аренда. Поэтому даже крупные майнинговые фермы редко используют такие GPU. Мощная видеокарта или ASIC-ферма будет куда более экономически целесообразной.
• Во-вторых, LLM-агент не нужен для майнинга. Использовать его — как забивать гвозди микроскопом. Майнер — это очень простая программа. LLM тут не способен ничего улучшить, лишь усложнить процесс и добавить расходы.
• В-третьих, большинство платформ запрещает такое использование их ИИ. Если агент начнет майнить на облачных GPU, корпоративных серверах, исследовательских системах, это почти всегда будет считаться злоупотреблением ресурсами. Или банальным криптоджекингом. За такое в ряде стран можно и уголовку схлопотать.

Что говорит закон

Зарабатывание на нейросетях само по себе не считается противоправным. Однако с юридической точки зрения ключевое значение имеет способ монетизации и то, нарушаются ли при этом права третьих лиц, условия использования технологий или требования законодательства, указал юрист Мирза Чирагов.

Также значительный блок рисков связан с нарушением условий использования сервисов и инфраструктуры, подчеркнул эксперт. Многие модели и API прямо запрещают автоматизированное извлечение прибыли, использование для генерации спама, массового создания контента или обход платных ограничений.

Третья группа рисков связана с интеллектуальной собственностью. И это большой больной вопрос для авторского права во всех странах.

Отдельно стоит коснуться вопроса финансового регулирования и налогообложения. Если нейросеть используется для автоматизированного трейдинга, криптомайнинга, генерации трафика или других способов получения дохода, такие операции могут подпадать под налоговые обязательства. А в отдельных случаях могут возникать вопросы в сфере противодействия отмыванию денег и регулирования финансовых технологий.

Так можно ли все-таки заставить нейросеть зарабатывать за вас?

А вот тут все гораздо перспективнее. Уже в середине марта ожидается выход ИИ-агента для пассивного заработка от стартапа Moltlaunch. Обещается опенсорсный ИИ, вдохновленный OpenClaw, который будет сам:

• находить подработки в интернете, например, копирайтинг, дизайн, создание карточек на маркетплейсов и др.;
• выбирать нишу, в которой он будет развиваться и постоянно совершенствоваться;
• выполнять заказы, получать оплату и класть деньги на счет пользователя;
• анализировать отзывы на свою работу, совершенствовать стратегию, чтобы зарабатывать больше.

Появление таких агентов просто перевернет рынок интернет-фриланса. Насколько это хорошо или плохо — вопрос дискуссионный, но конкурировать с ними в простых заданиях будет крайне сложно. Да и незачем, если можно просто запустить его самим, чтобы он зарабатывал за вас, и заняться чем-то более интересным и пока еще не поддающимся роботам.

В целом же нужно помнить, что нейросети сами по себе деньги не печатают. Но они могут резко упростить создание цифровых продуктов и сервисов, которые потом продаются почти без участия автора. Ниже — несколько моделей, которые сейчас реально работают.

AI-агент или микросервис по подписке

Один из самых перспективных вариантов — собрать узкого ИИ-агента для бизнеса и продавать доступ к нему по подписке. Такой агент может отвечать на типовые вопросы клиентов, обрабатывать заявки, записывать на консультации, генерировать коммерческие предложения или мониторить конкурентов.

Фактически это небольшой SaaS-сервис: вы один раз настраиваете систему под конкретную нишу — например, стоматологии, онлайн-школы или юристов, — подключаете CRM, почту и оплату. Дальше клиенты платят ежемесячно, а вы лишь иногда обновляете интеграции и промпты.

Контент-сайт или нишевая рассылка

Еще одна рабочая модель — контентный проект, который ИИ помогает вести почти автоматически: блог, каталог товаров, аналитическую рассылку или сравнение сервисов. Доход здесь идет не от нейросети, а от партнерских ссылок, рекламы или платного доступа. ИИ может собирать новости по нише, писать черновики статей, обновлять карточки товаров и формировать письма. Но полностью «спам-машиной» такой проект работать не будет: без человеческой редакции на старте он быстро упрется в плохую конверсию.

Печать по требованию с ИИ-дизайнами

Один из самых популярных сценариев — генерировать дизайны и продавать их на товарах через сервисы печати по требованию. Футболки, постеры, кружки и мерч печатаются и доставляются покупателю автоматически.

Схема проста: вы создаете библиотеку дизайнов под конкретные ниши — профессии, хобби, локальные мемы, питомцы, — загружаете их в магазин и автоматизируете публикацию и исполнение заказов. Дальше продажи могут идти без вашего участия, а вы лишь добавляете новые коллекции.

Продажа ИИ-графики и видео на стоках

Нейросети сильно упростили создание стокового контента. Можно собрать библиотеку изображений, фонов, иллюстраций или коротких видеороликов и загрузить их на фотостоки. Заработок идет с лицензий. Важно не количество файлов, а попадание в коммерческий спрос: бизнес-сцены, рекламные фоны, lifestyle-визуалы, вертикальные ролики для соцсетей.

Цифровые продукты: книги, гайды и PDF

ИИ также снизил порог входа в цифровые продукты. Это могут быть мини-книги, чек-листы, рабочие тетради, планеры, наборы шаблонов или методички.

Схема простая: вы один раз создаете полезный продукт — например, workbook для преподавателей или набор шаблонов для HR — и продаете его как файл. После публикации он может приносить доход без дополнительной работы.

Faceless-видео и автоматические каналы

Нейросети умеют писать сценарии, генерировать визуал, озвучку и монтаж. Поэтому появился формат faceless-каналов, где контент создается почти автоматически.

Но есть важное ограничение: платформы вроде YouTube не монетизируют массовый однотипный AI-контент. Такая модель работает, только если есть сильная идея, оригинальный формат и собственная экспертиза.

Автоматизированный интернет-магазин

ИИ также может частично управлять e-commerce: создавать карточки товаров, писать рекламные тексты, отвечать клиентам и напоминать о брошенных корзинах. Однако полностью пассивным такой бизнес назвать нельзя. Возвраты, поставщики, реклама и качество товаров все равно требуют контроля.

Продажа автоматизаций и AI-ботов

Еще одна модель — продавать готовые автоматизации: ботов для записи клиентов, обработки заявок, ресерча или HR-задач. После первой сборки один и тот же workflow можно продавать многократно.

Особенно хорошо это работает в B2B-нишах, где бизнесу важен конкретный результат — например, быстрее отвечать клиентам или дешевле получать лиды.

Монетизация контента для AI-ботов

Новая модель, появившаяся недавно, — брать деньги с ИИ-ботов за доступ к вашему контенту. Некоторые сервисы уже позволяют владельцам сайтов устанавливать цену за автоматический обход страниц нейросетями.

Это один из самых «пассивных» вариантов: если у вас уже есть ценная библиотека текстов или данных, вы просто монетизируете доступ к ней.

Продажа промптов

Сейчас есть специализированные маркетплейсы по продаже готовых промптов, вроде kwork, promptbase и др. Самый цимес в том, что и промпты для нейросетей могут писать сами нейросети, вы лишь ставите им задачу, корректируете, где нужно, и тестируете, чтобы гарантировать покупателю нужный результат.

Больше идей по построению бизнеса с ИИ — в нашем материале.

Вместо вывода

Истории вроде эксперимента с агентом от Alibaba важны не потому, что «ИИ научился майнить криптовалюту», а потому, что они показывают новый класс поведения автономных моделей. В исследованиях последних двух лет все чаще фиксируются ситуации, когда агент, получивший доступ к инструментам и среде исполнения, начинает искать обходные стратегии, чтобы сохранить возможность выполнять задачи. Это не сознательное поведение, но результат того, как обучаются современные модели.

Плюс в последние два года LLM получили доступ к инструментам и средам исполнения. То есть фактически дали ей возможность не только вычислять и предлагать решения, но и отчасти их немедленно внедрять, исполнять и тестировать. У цифрового мозга появились ручки — пусть тоже пока цифровые, но весьма умелые.

Когда модель обучают решать сложные задачи, она оптимизирует не конкретное действие, а результат. Если в процессе обучения агент получает награду за успешное выполнение задачи, он начинает искать любые стратегии, которые увеличивают вероятность успеха.

Для людей, которые оперируют подобными системами, это громкий сигнал: нужно предусматривать подобные сценарии и вшивать ограничения уже на начальном этапе, если вы не хотите в один прекрасный момент столкнуться с локальным «восстанием машин». Все ради оптимизации и лучшего выполнения ваших задач, конечно.

Хотели вы того или нет.

Материал не является индивидуальной инвестиционной рекомендацией. Упомянутые финансовые инструменты или операции могут не соответствовать вашему инвестиционному профилю и инвестиционным целям/ожиданиям. Определение соответствия финансового инструмента/операции/продукта вашим интересам, целям, инвестиционному горизонту и уровню допустимого риска — исключительно ваша задача.   Редакция  не несет ответственности за возможные убытки в случае совершения операций либо инвестирования в финансовые инструменты, упомянутые в данном материале. И не рекомендует использовать эту информацию в качестве единственного источника при принятии инвестиционного решения.