Популярность ИИ в 2026 году сохранится и продолжит расти

Популярность не только сохранится, но и продолжит расти. На то есть несколько веских причин.

Во-первых, потенциал технологии только начинает раскрываться. Мы наблюдаем первые по-настоящему прибыльные интеграции ИИ в бизнес, причем как в крупные корпорации, так и в сегмент малого и среднего бизнеса. Это уже не просто эксперименты, а работающие решения, приносящие доход.

Во-вторых, наметился мощный тренд на внедрение ИИ в государственный сектор, вплоть до управления на муниципальном уровне. Этот процесс будет только набирать обороты, поскольку эффективность технологии становится очевидной.

Наконец, не стоит сбрасывать со счетов геополитические и экономические факторы. Для крупных американских технологических гигантов продвижение ИИ — это прямой путь к росту капитализации и, в конечном счете, к росту ВВП страны. США исторически сильны в плане PR и продвижения технологий, и пока им выгодно пиарить эту волну, они будут это делать. Учитывая все эти факторы, нет никаких предпосылок к тому, чтобы значимость этой технологии снижалась в обозримом будущем.

Говорить о полноценной и всеобъемлющей регуляторике ИИ в России пока рано. Мы видим, как государство уже вводит правила для смежных областей, таких как центры обработки данных (ЦОДы) или майнинг. Но сама технология ИИ и глубина её внедрения ещё не достигли того уровня, чтобы поддаваться жёсткому регулированию.

Основная причина — отсутствие достаточного понимания технологии на государственном уровне. Чтобы формировать эффективные и адекватные правила игры, необходимо сначала досконально разобраться в предмете. Именно для этой цели было дано поручение президента о создании специального штаба, который и должен будет выработать основы будущего регулирования.

Поэтому в ближайший год не стоит ожидать жёстких законов. Регуляторика, скорее всего, будет развиваться в области этики и на основе отдельных прецедентов, а не системных правил. В целом, на данный момент в сфере разработки и внедрения ИИ сохраняется практически полная свобода.

Кроме того, нужно учитывать и технологический аспект. В России пока нет собственных зрелых больших языковых моделей, готовых к массовому использованию, а также отечественных чипов и GPU (графических процессоров - прим. ред.). В связи с этим, первые регуляторные шаги могут быть направлены не на сами алгоритмы, а на инфраструктуру. Например, на организацию и контроль использования GPU-кластеров, от которых зависит развитие всей отрасли.

Понятие агентов в контексте ИИ — это новый, модный термин, который, по сути, не несёт в себе революции. Несколько лет назад мы говорили о чат-ботах, сегодня мы говорим об агентах. Да, это апгрейд, расширение возможностей, но для бизнеса это не означает какого-то чуда. В первую очередь, это отличная история для увеличения капитализации технологических компаний, которые разрабатывают подобные решения.

Важно понимать, что агенты не работают в вакууме. Их эффективность напрямую зависит от качественно собранной и размеченной базы данных. Без этого фундаментального элемента любой агент бесполезен. Если у компании уже есть порядок в данных, то выстраивание логики для агента становится вполне стандартной задачей, при условии наличия бюджета.

Однако если бизнес решает пойти по пути собственной разработки — создавать своих агентов и разворачивать их на своей инфраструктуре (что часто необходимо из соображений безопасности) — нужно быть готовым к серьезным инвестициям. Речь идет о десятках миллионов рублей на старте.

При этом не стоит ожидать, что в ближайшее время это направление станет дешевле. На коротком горизонте снижение расходов на «железо» и софт не предвидится ни при каких обстоятельствах. Скорее наоборот: как только появится убедительная доказательная база, что генеративный ИИ приносит не просто хайп, а ощутимое конкурентное преимущество и дополнительную прибыль, стоимость таких решений автоматически пойдет вверх. Дешевле эта технология точно не станет.

Существует два основных подхода к реализации проектов с использованием новых технологий.

Первый — это заказная разработка и создание собственных решений. Такой путь, безусловно, сопряжен с серьезными затратами и требует сложного управления командой, однако потенциальные инвестиции могут оказаться революционными для того рынка, на котором запускается проект. Это дает возможность сформировать по-настоящему сильное и долгосрочное конкурентное преимущество.

Второй подход — использование готовых продуктов. Здесь ситуация пока неоднозначна. Полноценных, комплексных решений, особенно в таких специфических сферах, как логистика или HR, на данный момент практически нет. Существуют лишь отдельные, «помелочные» инструменты. Например, для сканирования документов. Масштабных продуктов от крупных игроков, таких как Yandex Cloud, пока еще не появилось в широком доступе. Важно понимать, что даже если готовое решение и принесет временное конкурентное преимущество, то оно, скорее всего, будет недолгим, поскольку доступ к таким продуктам со временем будет у всех. В этом случае использование готовых решений — это скорее стратегия «не отстать от рынка», чем завоевать его.

Помимо выбора подхода, критически важными становятся еще два аспекта. Во-первых, это качественный сбор и анализ данных. Все больше компаний осознают необходимость систематизации своих данных, их разметки для дальнейшего «скармливания» ИИ-моделям. Во-вторых, это подбор квалифицированного персонала, который обладает глубоким пониманием того, что можно и нужно делать в направлении ИИ. Таким образом, работа с кадрами приобретает первостепенное значение.