Чому плани Google щодо Gemini 4 чинять тиск на конкурентів у сфері штучного інтелекту: більше, ніж просто чат-бот

Глобальна гонка штучного інтелекту загострюється: ось що насправді стоїть за останнім поколінням штучного інтелекту від Google

Глобальна гонка за першість у штучному інтелекті вступає у свою наступну, надзвичайно захопливу фазу. Поки світ все ще вчиться повною мірою використовувати величезний потенціал агентних систем, таких як Gemini 3, у повсякденному житті та бізнесі, Google вже дивиться далеко в майбутнє: офіційно розпочалося навчання для своєї найамбітнішої на сьогодні моделі, Gemini 4. Цей багатомільярдний проект – це набагато більше, ніж просто технологічний прогрес чи розумна генерація тексту. Він радше являє собою запеклу битву за контроль над цифровою інфраструктурою наступного десятиліття – битву, яка тримає в напрузі інвесторів, конкурентів, таких як OpenAI, та цілі галузі. У наступній статті розглядається величезний економічний вплив цього динамічного розвитку, аналізується стратегічний багатогранний підхід Google та демонструється, чому перехід від простої машини знань до автономно діючого агента штучного інтелекту безповоротно змінить наш робочий та економічний світ.

Пов'язано з цим:

• Нові дані розкривають: Чому Google приховує власні відповіді на основі штучного інтелекту – Коли ринкова влада стикається з кризою довіри

Що ми насправді знаємо про Gemini 4? Той, хто контролює обчислювальні потужності, контролює майбутнє економіки

Оголошення про те, що Google розпочав навчання Gemini 4, є набагато більшим, ніж просто черговий запис у каталозі продуктів. Це економічний сигнал, на який звертають увагу інвестори, конкуренти та цілі галузі. Влітку 2026 року Google офіційно підтвердив, що паралельно з поточними поставками сімейства моделей Gemini 3, найамбітніший на сьогоднішній день пробіг попереднього навчання для Gemini 4 вже розпочався, одночасно наголосивши на своєму захопленні досягнутим на сьогодні прогресом. Ця заява пролунала в той час, коли глобальна гонка за генеративними системами штучного інтелекту перетворилася з технологічної цікавості на одну з найбільш капіталомістких промислових битв нашого часу. Той, хто переможе в цій гонці, не лише забезпечить собі частку ринку програмних продуктів, але й потенційно отримає контроль над основною інфраструктурою цифрової економіки наступного десятиліття.

Від ери чат-ботів до акторської машини

Щоб зрозуміти економічне значення Gemini 4, варто поглянути на шлях розвитку, який привів до цього моменту. З Gemini 3, Google зазнав зміни моделі в листопаді 2025 року, яку галузеві оглядачі описують як перехід від суто знаннєвого помічника до агента, орієнтованого на дії. У той час як попередні покоління моделей в основному формулювали відповіді, Gemini 3 здатний самостійно планувати багатоетапні робочі процеси, керувати інструментами та виконувати складні завдання від початку до кінця, такі як програмування повних додатків з одного опису. Ця здатність, відома в технічному жаргоні як агентська компетентність, стала ключовим конкурентним параметром галузі всього за кілька місяців, оскільки вона безпосередньо призводить до підвищення продуктивності для компаній. Відповідно, Google позиціонує Gemini 3 Pro не лише як мовну модель, але й як інструмент для фінансового планування, коригування ланцюгів поставок та перегляду контрактів у компаніях.

Також варто зазначити, як швидко диверсифікувалося сімейство моделей з осені 2025 року. За оригінальною версією швидко послідували Gemini 3.1 Pro, Gemini 3 Flash, Gemini 3.5 Flash, і, нарешті, влітку 2026 року, Gemini 3.6 Flash та особливо економічно ефективна Gemini 3.5 Flash-Lite. Ця диференціація на різні категорії продуктивності та ціни є економічно значущою, оскільки демонструє, що Google не лише конкурує на технологічному передовій, але й одночасно проводить стратегію масштабування в усьому сегменті ринку, від дорогих корпоративних рішень до додатків з надзвичайно високою пропускною здатністю за мінімальної вартості на запит.

Гонка озброєнь у навчанні відбувається як питання капіталу

Твердження, що навчання за програмою Gemini 4 є найамбітнішим навчальним проектом на сьогоднішній день, вимагає детальнішого економічного аналізу. Моделі навчальних баз такого масштабу стали одним із найбільш капіталомістких видів діяльності в усій технологічній галузі, оскільки вони місяцями залучають величезну кількість спеціалізованого обчислювального обладнання, енергії та висококваліфікованого персоналу. Кожне нове покоління моделі зазвичай вимагає у багато разів більшої обчислювальної потужності, ніж попередниця, для досягнення значного покращення продуктивності. Коли Google публічно заявляє, що Gemini 4 є її найамбітнішим на сьогодні проектом, можна зробити висновок, що інвестиції в базову інфраструктуру, ймовірно, знову значно зросли, що, ймовірно, опосередковано відображається на капітальних витратах її материнської компанії Alphabet.

Ця інвестиційна динаміка не є ізольованим явищем. Вона є частиною загальногалузевої гонки озброєнь, у якій Google, OpenAI, Anthropic, Meta, а в Китаї особливо Alibaba та DeepSeek, підштовхують одне одного до постійно зростаючих витрат на центри обробки даних, спеціалізовані чіпи та енергопостачання. Для таких економік, як Німеччина, які традиційно сильно орієнтовані на створення промислової вартості, а не на платформні економіки, ця концентрація капіталу в руках кількох американських та китайських технологічних компаній становить структурну проблему. Європейські компанії все частіше позиціонують себе як користувачі та інтегратори цих базових моделей, а не як їх розробники, що в довгостроковій перспективі може посилити залежність від неєвропейської цифрової інфраструктури.

Паралельна розробка: Чому Google робить ставку на кількох коней

Один аспект, який часто ігнорується в публічних дебатах навколо Gemini 4, полягає в тому, що Google одночасно розглядає кілька шляхів розробки паралельно. Хоча команда вже працює над наступною основною базовою моделлю, на конференції розробників I/O 2026 також було представлено абсолютно нове сімейство моделей під назвою Gemini Omni. Ця нова модель є першою, здатною генерувати вихідні дані в різних модальностях з будь-якого вхідного формату, починаючи з генерації відео. Паралельно була представлена ​​нова серія моделей Gemini 3.5 Flash, яка поєднує передовий інтелект з операційними можливостями. Тим часом, на момент цього аналізу, потужніший варіант Gemini 3.5 Pro вже проходив тестування з партнерами.

Такий багатогранний підхід аж ніяк не є стратегічною випадковістю. Він дозволяє Google диверсифікувати ризики, пов'язані з розробкою єдиної монолітної моделі, одночасно обслуговуючи різні сегменти ринку. З економічної точки зору, це також є відповіддю на невизначеність щодо того, яка форма продукту зрештою переважатиме: чисто текстові моделі, мультимодальні помічники, автономні інструменти програмування чи генеративні медіасистеми. Крім того, у квітні 2026 року Google випустила Gemma 4, сімейство моделей з відкритою ліцензією, побудоване на тій самій дослідницькій основі, що й Gemini 3, але доступне для локального використання на власному обладнанні користувача за комерційно дозвільною ліцензією Apache 2.0. Ця подвійна стратегія закритих преміум-моделей та моделей з відкритою базою має на меті забезпечити прибутковий хмарний бізнес, одночасно прив'язуючи спільноту розробників до власної технологічної екосистеми, перш ніж конкуренти, такі як Meta, заповнять цю прогалину своїми відкритими моделями.

Тактико-технічні характеристики Gemini 3 як основи для Gemini 4

Оскільки конкретні технічні характеристики Gemini 4, природно, наразі не є загальнодоступними, очікуваний напрямок розвитку можна екстрапольувати лише на основі продуктивності поточного покоління Gemini 3, яке вважається його безпосереднім попередником. На момент запуску Gemini 3 Pro досяг найвищих балів у ключових галузевих тестах, включаючи Humanity's Last Exam, GPQA Diamond та MathArena Apex, значно перевершуючи конкуруючі моделі, такі як GPT-5.1, наприклад, з балом 37,2 відсотка без додаткових інструментів порівняно з 26,5 відсотка у конкуруючої моделі. У широко поширеному рейтингу LMArena, порівняльному методі, в якому оцінювачі-люди анонімно зважують відповіді моделей одна з одною, Gemini 3 Pro досяг рейтингу Elo 1501, таким чином зайнявши лідируючу позицію.

Технічно, Gemini 3 базується на єдиній мультимодальній архітектурі, яка обробляє текст, зображення, аудіо, відео та код в межах одного ланцюжка обробки трансформаторів, а не використовує окремі кодери для кожного типу вхідних даних. Таке архітектурне рішення забезпечує справжнє крос-модальне мислення, дозволяючи моделі, наприклад, перетворювати намальований від руки ескіз у робочий програмний код або аналізувати відео та пояснювати наукові концепції, які воно містить. Крім того, контекстне вікно об'ємом один мільйон токенів дозволяє захоплювати повні дослідницькі роботи, цілі архітектури програмного забезпечення або довгі відеотранскрипти без фрагментації за один крок обробки. Якщо Gemini 4 дотримуватиметься цієї логіки розробки, ми можемо очікувати подальшого вдосконалення цієї єдиної архітектури, більших контекстних вікон та ще тіснішої інтеграції міркувань та дій.

Глибоке мислення та економічне значення обчислювального часу як фактора якості

Особливо цікавим елементом архітектури Gemini 3 є так званий режим глибокого мислення, який базується на паралельному мисленні та навчанні з підкріпленням, таким чином навмисно обмінюючи повільніші, але ґрунтовніші відповіді на невелику втрату часу. Таке свідоме розмежування швидкості відповіді та її якості встановлює новий економічний принцип у розгортанні штучного інтелекту: користувачі та компанії тепер можуть точно вирішувати, скільки обчислювального часу, а отже, і витрат, вони хочуть інвестувати для вищого ступеня точності. Google систематизував цей принцип за допомогою так званого параметра «Рівень мислення», який дозволяє розробникам детально контролювати максимальну глибину внутрішнього процесу мислення моделі, від мінімального до дуже високого рівня.

Ця підвищена гнучкість в інтенсивності обчислень безпосередньо впливає на ціноутворення послуг штучного інтелекту. Постачальники тепер можуть створювати багаторівневі пропозиції послуг, де прості запити обробляються економічно ефективно та з низькою затримкою, тоді як складні стратегічні або наукові питання обробляються за вищою ціною зі збільшеною обчислювальною потужністю. Для таких компаній, як Xpert.Digital, яка спеціалізується на контент-стратегії, розвитку бізнесу та цифровій трансформації, цей розвиток означає, що робочі процеси, що підтримуються штучним інтелектом, можуть бути точніше адаптовані до їх співвідношення витрат і вигод, наприклад, завдяки цілеспрямованому використанню економічно ефективних моделей Flash для рутинних завдань та потужніших версій Pro для складного стратегічного аналізу.

Конкурентна динаміка: Google у протистоянні з OpenAI та Anthropic

Оголошення про навчання Gemini 4 не можна розглядати окремо від поведінки його основних конкурентів. OpenAI з його серією моделей GPT та Anthropic з його сімейством Claude перебувають у майже постійному циклі взаємних реакцій, де кожен новий випуск моделі від одного постачальника викликає контрреакцію з боку конкурентів протягом кількох тижнів. Пряме порівняння між Gemini 3 Pro та GPT 5.1 у провідних галузевих бенчмарках показує, що Google встановив технологічну лідерство, принаймні в короткостроковій перспективі. Однак історично це лідерство рідко буває тривалим, оскільки основні результати досліджень швидко поширюються по всій галузі, а конкуренти наздоганяють, використовуючи власні ресурси.

З точки зору корпоративної стратегії, примітно, що Google, на відміну від деяких конкурентів, має вирішальну структурну перевагу: повну вертикальну інтеграцію від розробки чипів та інфраструктури центрів обробки даних до кінцевих користувацьких додатків у пошуку, електронній пошті, обробці текстів та електронних таблицях. Gemini вже безпосередньо інтегровано в Gmail, Документи, Таблиці, Календар, YouTube та Карти Google, що дозволяє новим поколінням пристроїв негайно охоплювати сотні мільйонів активних користувачів без необхідності окремих зусиль з продажу. Ця сила розподілу являє собою економічну перевагу, яку навіть технологічно порівнянні конкуренти намагаються подолати, оскільки їм бракує доступу до аналогічно широкої встановленої бази користувачів.

Квазі-власне рішення: Як Xpert.Digital усуває операційні прогалини в B2B-маркетингу та продажах – Розумний контент-орієнтований бізнес - Зображення: Xpert.Digital

Xpert.Digital — це галузевий центр B2B, що базується на даних, який очолює Konrad Wolfenstein . Компанія виступає зовнішнім, квазі-внутрішнім рішенням для промислових партнерів, усуваючи операційні прогалини в маркетингу, контенті та продажах, не вимагаючи додаткових ресурсів з боку клієнта.

Більше інформації тут:

• Квазі-власне рішення: як Xpert.Digital усуває операційні прогалини в B2B-маркетингу та продажах – Розумний контент-орієнтований бізнес

Індустрія пошукових систем переживає трансформацію

Одна з найбільш економічно значущих змін, що виникли в результаті розвитку Gemini, стосується самого основного бізнесу Google: пошукової системи. З впровадженням Gemini 3 у так званий режим штучного інтелекту Пошуку Google, нова модель Gemini була вперше інтегрована безпосередньо в пошукову систему в день її випуску. Ця інтеграція дозволяє системі створювати динамічно згенеровані візуальні інтерфейси з інтерактивними інструментами та симуляціями, які точно адаптовані до конкретного запиту, замість простого представлення списку посилань.

Ця трансформація пошуку зі структури рефералів на генеративну систему відповідей має далекосяжні наслідки для всієї екосистеми цифрової реклами та для всіх тих компаній, які традиційно покладаються на органічний пошуковий трафік для охоплення клієнтів. Для творців контенту, видавців та оптимізаторів пошукових систем це означає структурний зсув у ланцюжку створення вартості: оскільки користувачі все частіше отримують свої відповіді безпосередньо у згенерованих резюме, стимул відвідувати зовнішні веб-сайти зменшується, що створює тиск на традиційні бізнес-моделі, засновані на переглядах сторінок та показах реклами. Водночас генеративний інтерфейс користувача відкриває нові можливості для структурованого, машиночитаного контенту, який переважно підхоплюється системами штучного інтелекту, що все більше підкреслює важливість технічної оптимізації для видимості за допомогою штучного інтелекту порівняно з класичною пошуковою оптимізацією.

Пов'язано з цим:

• Gemini 4: Велика невідомість зі штучним інтелектом та стратегічне позиціонування – Коли Google мовчить, світ розмірковує

Корпоративне розгортання: від експерименту до операційної необхідності

Для корпоративних клієнтів Google стратегічно розмістив Gemini 3 для конкретних бізнес-випадків використання, які виходять далеко за рамки простої генерації тексту. Google Cloud описує сценарії застосування, починаючи від аналізу рентгенівських знімків для підтримки рентгенологів та автоматичного створення транскриптів для подкастів, до оцінки журналів машин для прогнозного обслуговування. Особливо підкреслюється здатність моделі обробляти фінансове планування, коригування ланцюга поставок та оцінку контрактів як незалежні, багатоетапні завдання, що дуже актуально для галузей зі складними операційними процесами, таких як логістика.

У сфері розробки програмного забезпечення Google створив власне агентне середовище розробки на платформі Antigravity. Ця платформа дозволяє генерувати повноцінні фронтенд-інтерфейси з одного опису, що значно скорочує перехід від прототипу до готовності до виробництва. Така автоматизація розробки програмного забезпечення має глибокі наслідки для ринку праці, оскільки традиційні завдання розробки все частіше можуть бути поглинені моделями, тоді як роль розробників-людей зміщується в бік визначення завдань, контролю якості та стратегічних архітектурних рішень. Крім того, технологія діє як мультиплікатор продуктивності для технічних команд у визнаних компаніях під час міграції застарілих систем та автоматизованого тестування програмного забезпечення.

Генерація зображень та питання фактичної точності

Ще одним елементом, який, ймовірно, матиме особливе значення для наступного покоління моделей, є поступова інтеграція генерації зображень з дослідженнями, заснованими на фактах. Поточні моделі зображень сімейства Gemini 3, що мають внутрішню назву Nano Banana Pro та Nano Banana 2, мають можливість отримувати дані в режимі реального часу, такі як прогнози погоди або ціни на фондовому ринку, перед фактичною генерацією зображення та фактично підтверджувати ці дані за допомогою пошуку Google перед створенням високоякісного зображення. Крім того, ці моделі підтримують чітке та розбірливе відтворення тексту з роздільною здатністю до 4K, а також редагування розмовних зображень протягом кількох раундів діалогу, в яких попередні візуальні контексти зберігаються за допомогою так званих сигнатур думок.

Таке поєднання генеративного візуального мистецтва з перевіреною фактичною основою вирішує один з центральних економічних ризиків генеративних систем штучного інтелекту: створення, здавалося б, правдоподібного, але фактично неправильного контенту. Для галузей, які покладаються на високоточну візуальну комунікацію, таких як маркетинг, технічна документація або наукова комунікація, цей розвиток відкриває нові сфери застосування, але не повністю усуває потребу в людському контролі, оскільки помилки в отриманні основних даних все ще можуть призвести до неточних візуальних представлень.

Реакція Китаю та геополітичний вимір перегонів штучного інтелекту

Економічна гонка за дедалі потужніші базові моделі не відбувається в геополітичному вакуумі. У той час як американські постачальники, такі як Google, OpenAI та Anthropic, домінують у розробці західних моделей, китайські компанії, такі як Alibaba з її сімейством моделей Qwen та DeepSeek з економічно ефективними, але потужними моделями з відкритим кодом, досягли значних успіхів, посилюючи ціновий тиск на західних постачальників. Ця ситуація змушує Google не лише залишатися на передовій технологій, але й постійно оптимізувати структуру витрат своїх моделей, що відображається у впровадженні особливо ефективних варіантів, таких як Gemini 3.5 Flash-Lite, який, згідно з внутрішніми вимірюваннями, обробляє до 350 вихідних токенів на секунду, працюючи при цьому значно економічніше, ніж попередні покоління.

Для експортно-орієнтованих економік, таких як Німеччина, ця глобальна гонка створює подвійний виклик: з одного боку, доступ до дедалі потужніших та доступніших інструментів штучного інтелекту відкриває значний потенціал продуктивності для малих та середніх промислових підприємств (МСП); з іншого боку, зростаюча технологічна концентрація серед кількох американських та китайських постачальників посилює стратегічну залежність європейських компаній від зовнішньої цифрової інфраструктури. Ця залежність поширюється не лише на саме програмне забезпечення, але й на базову інфраструктуру напівпровідників та центрів обробки даних, геополітична вразливість якої ще більше посилюється експортними обмеженнями та торговельними конфліктами.

Перевірки безпеки як економічне вузьке місце

Часто недооцінений аспект розробки моделі – це часова затримка, спричинена тестуванням безпеки перед широким випуском особливо потужних функцій. Режим глибокого мислення Gemini 3 спочатку був доступний лише для окремих преміум-користувачів, поки Google завершив необхідні тести безпеки перед ширшим доступом. Ця політика поетапного випуску є економічно значущою, оскільки демонструє, що конкурентні переваги, отримані завдяки технологічній перевазі, не завжди можна монетизувати негайно, але їх можна затримати через регуляторні та репутаційні міркування.

Очікується, що для майбутнього покоління Gemini 4 будуть застосовані аналогічні механізми тестування, особливо враховуючи зростаючу регуляторну увагу до генеративного штучного інтелекту в Європейському Союзі через законодавчу базу щодо штучного інтелекту та аналогічні ініціативи у Сполучених Штатах. Компанії, які тісно пов'язують свої бізнес-процеси з доступністю нових поколінь моделей, повинні враховувати ці затримки у своєму стратегічному плануванні, оскільки фактична широка доступність нових можливостей на ринку зазвичай відбувається через місяці після першого публічного оголошення.

Якої динаміки ринку можна очікувати в найближчі квартали

Поєднання постійного навчання Gemini 4, нещодавно запущеного сімейства моделей Omni та постійного вдосконалення лінійки Gemini 3.5 свідчить про те, що інноваційний цикл в індустрії штучного інтелекту прискорюється, а не сповільнюється. Для інвесторів та спостерігачів ринку це чіткий сигнал про те, що нинішні високі оцінки компаній, що займаються технологіями штучного інтелекту, підтримуються, принаймні в короткостроковій перспективі, постійними суттєвими інноваціями продуктів, навіть якщо довгострокове питання про те, як ці інвестиції будуть фактично монетизовані, залишається відкритим. Сама частота випусків, від Gemini 3 у листопаді 2025 року через кілька проміжних версій до паралельної розробки Gemini 4 влітку 2026 року, ілюструє, що часовий проміжок між значними поколіннями моделей постійно скорочується.

Для компаній, які базують свою стратегію цифрової трансформації на використанні таких систем, це призводить до структурної необхідності розробляти організаційні процеси настільки гнучко, щоб нові можливості моделей можна було швидко інтегрувати без необхідності фундаментально перебудовувати власну технологічну основу з кожною зміною версії. Тому справжній економічний виклик найближчих років полягає не стільки в самій наявності дедалі потужніших моделей, скільки в організаційній та кадровій спроможності компаній-користувачів йти в ногу з цим розвитком та створювати від нього реальну додану вартість.

Відкриті питання щодо невідомого наступника

Незважаючи на офіційне підтвердження того, що Gemini 4 вже перебуває на стадії навчання, ключові питання щодо обсягу, архітектури та очікуваної дати випуску моделі залишаються без відповіді, оскільки Google ще не розкрив жодних конкретних технічних деталей. Така навмисна стриманість типова для ранніх стадій розробки великих, фундаментальних моделей, де компанії прагнуть викликати очікування та інтерес інвесторів, одночасно запобігаючи конкурентам робити передчасні стратегічні висновки щодо напрямку своїх досліджень. Враховуючи темпи розвитку протягом останніх дванадцяти місяців, видається правдоподібним, що Gemini 4 продовжить уже усталені тенденції: подальше поглиблення можливостей агентів, ще тісніша інтеграція мультимодального розуміння та генеративного творення, а також подальша диференціація портфеля продуктів за категоріями вартості та продуктивності.

Для експертів у галузі цифрової трансформації, розвитку бізнесу та контент-стратегії це означає, що стратегічне планування використання генеративних систем штучного інтелекту залишатиметься предметом значної невизначеності щодо конкретних продуктових циклів у середньостроковій перспективі. Тим не менш, з історії розвитку на сьогоднішній день можна зробити вагоме базове припущення: можливості кожного останнього покоління моделей, найімовірніше, будуть значно перевищені протягом кількох місяців. Це вимагає від компаній постійної адаптації своєї технологічної інфраструктури та внутрішньої експертизи до поточного стану розвитку, а не очікування на нібито стабільну цільову архітектуру.

Від видимості до довіри: Ваш масштабований шлях з Xpert.Digital - Зображення: Xpert.Digital

У промисловому B2B сталий бізнес-відносини рідко виникають за одну ніч. Вони розвиваються крок за кроком – через видимість, професійну релевантність, повторювані точки дотику та зростання довіри. 4-етапна модель Xpert.Digital саме це і робить: вона пропонує структурований шлях, який починається з керованої точки входу та може перерости в глибшу співпрацю в розвитку бізнесу, якщо це необхідно.

Замість того, щоб покладатися на гучні маркетингові обіцянки, ця модель ставить на перший план відносини. Компанії починають з чітко визначених, легко обчислюваних показників, а потім, виходячи з власного досвіду, вирішують, наскільки вони хочуть розширити співпрацю. Ключовим фактором для цього безперешкодного процесу побудови довіри є те, що платформа повністю уникає надокучливої ​​реклами, тому редакційна увага залишається виключно на експертизі компаній.

Більше інформації тут:

• Від видимості до довіри: Ваш масштабований шлях з Xpert.Digital

☑️ Наша ділова мова – англійська або німецька

☑️ НОВИНКА: Листування вашою рідною мовою!

Konrad Wolfenstein

Я та моя команда раді бути вашим особистим консультантом.

Ви можете зв'язатися зі мною, заповнивши контактну форму тут [email protected]:, або просто зателефонувавши мені за номером +49 7348 4088 965. Моя адреса електронної пошти

Я з нетерпінням чекаю нашого спільного проєкту.

☑️ Підтримка МСП у стратегії, консалтингу, плануванні та впровадженні

☑️ Створення або переорієнтація цифрової стратегії та діджиталізації

☑️ Розширення та оптимізація процесів міжнародних продажів

☑️ Глобальні та цифрові торгові платформи B2B

☑️ Розвиток бізнесу Pioneer / Маркетинг / PR / Виставки