Рассмотрим ключевые тенденции, которые определят, какие компании укрепят позиции на фоне развития технологий искусственного интеллекта, а какие столкнутся с рисками.
1. Ставка на оптимизацию
На IT-рынке в 2026 году, по всей вероятности, сохранится положительная динамика. Согласно нашим прогнозам, общий рост может составить около 15%, а сегменты, связанные с искусственным интеллектом (ИИ), могут вырасти на 30%. Драйвером станет текущий курс государства на импортозамещение, развитие цифровой экономики и экономики данных.
Тем не менее, настроения в индустрии неоднозначные. Сохраняется дефицит квалифицированных специалистов, одновременно ускоряется внедрение ИИ, чтобы оптимизировать процессы и снижать издержки. На фоне экономической неопределенности крупные компании пересматривают бюджеты. Поэтому в центре технологических стратегий 2026 года ожидаемо окажется курс на оптимизацию: процессов, затрат, архитектур и продуктов.
2. От ИИ-эйфории до отрезвления
2026 год во многом станет переходным для развития ИИ. Рынок постепенно движется от хаотичных экспериментов к появлению первых зрелых корпоративных решений – внутренних агентов, систем автоматизации и аналитических инструментов на базе ИИ.
Однако у техно-бума есть оборотная сторона. Знакомство с нейросетями усиливает мифы: от страха вроде «машины всех заменят» до эйфории «ИИ решит все». И если первый миф более-менее безобиден, второй очень опасен. Хватает примеров, когда сотрудники слепо копируют ответы моделей, не проверяя их на галлюцинации, логические ошибки или устаревшие данные, в итоге бизнес получает сбои и убытки.
Исследование Стэнфордского университета показало, что универсальные LLM галлюцинируют в 58-82% юридических запросов. В финансах уровень ошибок достигает 41%. По данным Gartner, 45% компаний уже столкнулись с репутационным ущербом из-за сбоев ИИ, теряя в среднем свыше $550 тыс. за инцидент.
Между тем, большинство компаний абсолютно не контролирует использование ИИ работниками. Люди запускают корпоративные документы через публичные чат-боты с личных ноутбуков и телефонов. Согласно исследованиям Rezolve, 73% сотрудников ежедневно пользуются ИИ, но лишь 39% компаний имеют формальные правила. При этом 38% работников передают ИИ конфиденциальные данные, а 37% загружают во внешние сервисы внутреннюю корпоративную информацию.
Когда накопится критическая масса ошибок, «кривых» внедрений и публичных провалов, произойдет отрезвление рынка:
- Компании будут говорить о пользе ИИ только в связке с механизмами контроля. Будут вводиться внутренние правила использования моделей: ограничение доступа к корпоративным данным через MDM-системы, разворачивание собственных управляемых ИИ-моделей и ввод роли операторов-валидаторов, которые проверяют работу алгоритмов.
- Рост налоговой нагрузки и стоимости технологий сделает дискурс вокруг ИИ менее хайповым и более прагматичным. Многие компании не готовы вкладываться в дорогостоящие ИИ-проекты.
- Человеческий труд во многих случаях может оказаться экономичнее сложных ИИ-решений. Поэтому компаниям целесообразно просчитывать ROI каждого сценария и выбирать внедрения, где автоматизация дает высокий эффект.
- Во многих задачах оптимально планировать гибридные процессы – там, где ИИ ускоряет работу, а человек гарантирует результат. Основатель компаний ABBYY и Newo.ai Давид Ян объясняет это просто: если хотите, чтобы модель попадала в цель 9 раз из 10, можно использовать публичные модели. Но чтобы достичь точности 10 из 10, потребуется дополнительная работа людей, проверка и контроль.
- Постепенно будет меняться архитектура IT-ролей. Привычные позиции уступят место гибридным, в которых сотрудники работают в связке с ИИ.
Но отрезвление будет происходить неравномерно. Вероятно, мы увидим разделение поставщиков на две группы: тех, кто сохраняет качество за счет человеческой проверки и будет стоить дороже, и тех, кто снижает затраты, рискуя падением качества.
3. Заметные перемены на рынке труда
Многие компании осознают, что технологии позволяют перераспределять задачи и повышать продуктивность без раздувания штата. Вместо того чтобы просто набирать новых сотрудников, бизнес учится «расти» за счет повышения эффективности существующих команд и перестройки процессов. Цель – работать умнее, а не больше. Например, глава Сбера Герман Греф уже анонсировал сокращение до 20% сотрудников, которых искусственный интеллект оценил как «неэффективных». Это совпадает с тенденцией на западном рынке: 39% руководителей предприятий США уже провели сокращения в 2025 году (в том числе, из-за ИИ), 35% ожидают увольнения работников до конца года, а 58% считают, что сокращения вероятны в 2026 году.
Еще один тренд, который заметен на нашем рынке труда – рост числа самозанятых специалистов. Работа на нескольких работодателей стала новой нормой. Длинные контракты теряют привлекательность. На первый план выходят прозрачные условия, гибкие форматы сотрудничества и понятная система оплаты.
4. IT-импортозамещение и технологический суверенитет
В ближайшие годы многие компании планируют завершить замену иностранных систем, включая SAP, поэтому стоит заранее формировать дорожные карты перехода, чтобы избежать технологических разрывов и резкого роста стоимости интеграции.
С генеративным ИИ ситуация еще острее. В России существует всего три заметные модели: закрытая GigaChat от Сбера, открытая YandexGPT и семейство VK. Остальное – иностранные решения: OpenAI, Anthropic, Google, Perplexity, Midjourney и десятки других.
В 2022 году пользователи лишились доступа к привычным сервисам, облачным хранилищам и даже обновлениям прошивок. Ничто не мешает владельцам крупных моделей точно так же в один момент отрезать пользователей в конкретной стране от доступа к своим API, ограничить функциональность или начать фильтровать выдачу. Об этом необходимо помнить.
5. Преодоление технологического отставания в сфере ИИ
Чтобы стать архитекторами повестки, а не ее потребителями, необходима консолидация внутренних ресурсов. Построить что-то серьезное на этом фундаменте трудно – усилия разрознены. В США, например, есть мощный частный сектор (OpenAI, Perplexity, Google). Есть коалиции, занимающиеся строительством ИИ-инфраструктуры (например, The Stargate Project). Есть ощутимая господдержка. В России тоже требуется консолидация игроков для преодоления технологического разрыва.
Но если горизонты появления такой коалиции – 2030-2035, то локальные и отраслевые союзы могут начать формироваться уже в 2026 году. Стоит оценивать возможности коллективного использования ресурсов – от ЦОДов до ИИ-моделей, чтобы снизить стоимость владения.
2026 год потребует от игроков IT-рынка зрелого подхода и к внедрению ИИ, и к работе с кадрами, и к управлению процессами и инфраструктурой. Те, кто надеется на «автоматическое чудо», рискуют дорого заплатить.
Также читайте:
Да, я думаю, что ИИ-шное мышление будет скоро присуще многим людям.
Даже болезнь такая «синдром ИИ» появится.
По-моему в статье кое что пропущено. "Потребительский рынок ИИ" уже забрали американцы и там больше никого нет, и обеспечили себе преимущества. Китайский ИИ уже жестко цензурирован в Европе, речь о LLM моделях, да и пока их данные полностью остают от американских, да и в случае чего просто отодвинут. Дальше лидерство в ИИ и Россия - тут нечего обсуждать, тут скорее можно так сформулировать - можем ли мы у себя дома сформировать лидерство в нейросетях, санкции никто не снимет, поэтому вопрос скорее риторический. И плюс надо накопить критическую базу данных или точнее нужно как-то за пару лет сделать прыжок в отсутствие данных за лет так 30.
Насчет остального ещё веселее, можно еще к астрологу сходить, что бы он нагадал как поведут себя сложные алгоритмы упарауяоемые человеком )))
Как только вы начинаете погружаться в эту тему, то само собой возникает куча вещей, нюансов, которые надо учитывать в перспективе.
Есть то что открыто с точки зрения источников, есть то что известно нутри экспертного сегмента/это узкая информация, но экспертная.
Администрирование и контроль интернета, манипуляции с помощью интернет ресурсов – это реальность. Точно также будут администрировать использования ИИ.
Вопросы информационной безопасности никуда не делись...
пока неслышал, не поделитесь... надо обогащать свой уровень знаний
Я имею в виду неосознанное стремление людей думать как ИИ, говорить как ИИ, рассуждать и обосновывать как ИИ.
Поэтому и статьи люди могут писать как ИИ.
Обычное копирование, на которое запрограммирован человек.
Извините, не совсем понял вашу мысль, мне кажется наоборот это ИИ пытается копировать человека, а неонаборот.
Навык структурирования информации – это навык мышления, который можно и нужно воспитать.
У каждого из нас есть свой "внутренний чек лист" для оценки материала с точки зрения качества уровня эксперта, где один из элементов – это его ответы или комментарии к тексту, которые были опубликованы.
Согласен с трендами. Но на практике вижу две проблемы:
ИИ внедряют в старые процессы. Компании хотят «ускорения», но не меняют устоявшиеся схемы работы. В итоге ИИ становится дорогой игрушкой, а не двигателем. Сначала нужно пересмотреть процесс, потом — встроить в него ИИ.
Импортозамещение делают «один в один». Меняют зарубежную CRM на отечественную, но повторяют старую логику, упуская шанс сделать систему умнее и гибче с самого начала.
Главный навык сейчас — строить гибридные системы: часть процессов на старом софте, часть — на новом, с общими данными и контролем. Кто ищет просто «заменить одну коробку на другую» — теряет время и деньги.
Можно эту мысль подробнее
Я бы не говорил, что ИИ пытается копировать, он вообще-то просто данные обрабатывает в соответствии со своими настройками.
А вот люди пытаются копировать друг друга.
И часто это выглядит так, как будто зеркала отражаются друг в друге.
Но ваша мысль интересная, что ИИ копирует человека.
Думаю, это более-менее будет возможно, когда его эмоции научат моделировать и желания.
Пока это больше похоже на игрушку, которая повторяет сказанное человеком несколько переделов то, что он сказал.
Надо бы получше разобраться с механизмом копирования у людей.
Интересно, отсутствие критического мышления — это результат тяги к копированию?
Согласен, структурирование информации — важный навык.
Это очень похоже на механизм сортировки и объединения по схожим признакам или разъединения по отличающимся.
Для меня эксперт должен иметь не только глубокие знания и свою позицию в какой-либо области, но и должен быть способен просто и доходчиво излагать свои мысли.
Без своей позиции — это просто тот же ИИ, который пересказывает чужие тексты.
Но тема, как устроено мышление человека, потрясающе интересная.
Какие типы данных и алгоритмы работы с ними использует человек?
Мысль — это тип данных или просто информационный пакет?
Да, но, по-моему, это старая проблема автоматизации «хаоса».
А для наведения нового порядка нужен все-таки человек.
Или уже не нужен?