Аналитики Gartner собрали ключевые инновации, которые будут внедряться до 2030 года. "ДП" изучил отчёт и выяснил, что это значит для российского бизнеса.
В отчёте американской исследовательской и консалтинговой компании Gartner выделены три кластера, которые будут определять развитие инноваций в 2026 году и в ближайшие 5 лет. По этим кластерам распределены 10 трендов, которые описывают конкретные технологии.
Виртуальные дирижёры
Первый кластер — "Архитектура". Сюда попали ИИ–нативные платформы для разработки (они позволяют писать код без специальных навыков, так называемый вайбкодинг), суперкомпьютеры и "защищённые вычисления". Аналитики ожидают, что к 2029–му уже 75% операций в облачных сервисах будут защищены от внешнего вмешательства.
Вторым кластером стал "Синтез": сюда вошли ИИ–мультиагенты (мультизадачные модели), специализированные языковые модели (DSLM), а также физический ИИ (роботы и автоматизированные системы в офлайне).
Завершает перечень кластер "Авангард", включающий такие тренды, как превентивная кибербезопасность, происхождение данных, платформы безопасности с ИИ, а также геопатриация — новый термин, который означает "заземление" IT–мощностей в конкретном регионе.
Нетрудно заметить, что шесть из 10 трендов отчёта напрямую связаны с технологиями искусственного интеллекта. Мы привыкли, что сейчас нейросети используются преимущественно для генерации текстов, картинок и видео. Тем интереснее факт, что генеративный искусственный интеллект (так называются все модели, собирающие контент по запросу пользователя) — новинка на рынке, которая появилась всего несколько лет назад.
Руководитель по внедрению решений продвинутой аналитики и ИИ в CRM для юрлиц Альфа–Банка Иван Александров напоминает, что узкоспециализированные модели, которые работают только с маркетинговыми или логистическими задачами, активно внедряются ещё с прошлого века и не являются абсолютной инновацией. К примеру, в недвижимости в качестве "предсказания числа" может быть прогноз стоимости квартиры.
По мнению Gartner, следующим этапом развития ИИ станут мультиагентные системы. В этом случае несколько моделей (или агентов) "общаются" между собой, распределяя задачи и проверяя друг друга. Аналитики видят в этом путь к более надёжным и взвешенным решениям.
Александров сравнивает такую архитектуру с оркестром.
“
"У вас есть модель–дирижер, которая ставит задачу, есть исполнители и контролёр качества. В результате снижается риск, что один “фантазирующий” агент отдаст клиенту неработающий код, — его подстрахуют другие системы", — поясняет эксперт.
ИИ-агенты могут руководить друг другом
лучше, чем это сделает человек
Аналитики предсказывают, что к 2028 году уже больше половины мультиагентных систем будут совместимы между собой. В перспективе это позволит прийти к глобальной сети узконаправленных агентов, которые будут взаимодействовать между собой.
Кодеры ещё пригодятся
Растут не только возможности ИИ–систем, но и инструменты для их создания без специальных навыков. Вайбкодинг (слово 2025 года, по мнению Collins Dictionary) с применением ИИ позволяет любому пользователю создать сайт или бота в несколько предложений.
Как отмечает Gartner, через 5 лет 80% компаний трансформируют крупные разработки в более компактные, усилив их ИИ. К этому же времени у 40% компаний появятся собственные решения, собранные на ИИ–нативных платформах. Это в 20 раз больше, чем сейчас.
При этом интеграция ИИ–сервисов на практике всё ещё не идеальна: около 95% проектов в бизнесе с использованием GPT–подобных моделей не доходят до промышленного контура.
"Причины две: отсутствуют чистые, структурированные данные и нет команды, которая способна встроить ИИ в процессы, а не просто прикрутить чат–бота", — комментирует доцент учебно–методического центра "Искусственный интеллект" ИТМО Александр Кугаевских.
Он также отметил, что классические области обделены вниманием ИИ. К классическим в данном случае относятся оптимизация производственных процессов, анализ работы оборудования, прогнозирование техобслуживания, планирование производства, выявление брака, нарушение техники безопасности. По мнению эксперта, именно там стоит ожидать более активного внедрения в ближайшие несколько лет.
"Если говорить про отрасли, то это скорее обрабатывающая промышленность и сельское хозяйство", — добавил Александр Кугаевских.
Иван Александров, в свою очередь, считает, что отправлять программистов на пенсию отделами пока рано. Вайбкодинг–сервисы и генеративные системы хороши для создания лендингов или MVP. Но архитектура, которую пишут сейчас агенты, всё ещё нуждается в доработке специалистами, если от неё ожидается высокая производительность. Искусственный интеллект создаёт просто рабочий, а не самый эффективный и наименее ресурсозатратный алгоритм.
Догнать и перегнать
Кластер "Синтеза" в отчёте посвящён тому, как алгоритмы управляют реальными объектами. Gartner рассчитывает, что через 3 года уже 80% складов будут оборудованы автоматизированными сотрудниками.
Операционный директор по работе с маркетплейсами компании giper.fm Сергей Дёминов отмечает, что ретейл и логистика уже живут в этой повестке.
"Я думаю, процесс автоматизации и роботизации на складах неизбежен, тут просто вопрос времени и средств. Например, у Wildberries уже есть фуры с автопилотом, которые курсируют по территории складов, перевозят грузы между зданиями одного склада. Много где используются автоматические сортировщики посылок", — приводит он пример.
По словам эксперта, на складах крупных маркетплейсов применяются и собственные разработки. К примеру, робот–инвентаризатор, который ездит между стеллажей и сканирует товар.
Ещё один тренд отчёта — "заземление" IT–мощностей. То есть переход от глобальных к локальным решениям. Это напрямую связано с регуляторикой, санкциями и требованиями по хранению данных.
Для российского бизнеса именно этот сюжет особенно чувствителен. По словам Александра Кугаевских, отечественные чипы и дата–центры заметно отстают от мировых лидеров. Но спрос на суверенную инфраструктуру растёт.
"У нас нет аналога NVidia, но появляются производители, которые способны закрывать часть задач. Это дорого, но для крупных игроков вопрос уже не в цене, а в независимости", — объясняет он.
Иван Александров добавляет, что чем сложнее ИИ–ландшафт, тем опаснее оказываться в полной зависимости от одного вендора.
“
"Сейчас разумная стратегия для крупных компаний — держать портфель. Один–два глобальных провайдера там, где это возможно по комплаенсу, плюс отечественные модели и open source решения. Это дороже на старте, но дешевле, чем однажды проснуться с отключённым API", — подчёркивает эксперт.
Специалисты отмечают, что острой проблемой является нехватка мощностей. Суперкомпьютеры, которые используются для обучения ИИ–моделей, до сих пор остаются в большом дефиците. В России их всего пять, из которых только один принадлежит государству. В США суперкомпьютеров 171, в Китае — 40.
По мнению Александра Кугаевских, сейчас Россию по уровню конкурентоспособности IT–решений для бизнеса можно поставить на условное третье место. Отставание по программным решениям от американских и китайских конкурентов составляет примерно 2–3 года. Иван Александров оценил разрыв между отечественными и иностранными моделями примерно в одно поколение.
