Аналитический обзор от АНО «Новое время».
«ИТ-тренды 2026»
Оглавление
1.Платформы для разработки приложений на основе ИИ/ AI-Native Development Platforms2
2.Суперкомпьютерные платформы для искусственного интеллекта/ AI Super Computing Platform2
3.Конфиденциальные вычисления/ Confidential Computing3
4.Мультиагентные системы/ Multiagent Systems3
5.Специализированные языковые модели для предметных областей/ Domain-Specific Language Models (DSLMs)4
6.Физический ИИ/ Physical AI4
7.Проактивная кибербезопасность /Preemptive Cybersecurity5
8.Подтверждаемое происхождение цифровых объектов/ Digital Provenance5
9.Платформы безопасности на основе ИИ/ AI Security Platforms6
10.Геопатриация/ Geopatriation6
11.Почему эти технологические тенденции важны сегодня7
Платформы для разработки приложений на основе ИИ/ AI-Native Development Platforms
Платформы для разработки программного обеспечения, изначально созданные с использованием ИИ, применяют GenAI для создания программного обеспечения быстрее и проще, чем это было возможно ранее. Инженеры-программисты, работающие непосредственно в компании и выступающие в роли «передовых инженеров», могут использовать эти платформы для совместной работы с экспертами в предметной области над разработкой приложений. Организации могут создавать небольшие команды, объединяя людей с ИИ, чтобы создавать больше приложений, используя тот же уровень разработчиков, что и сегодня. Ведущие организации создают небольшие команды на основе платформ, чтобы позволить нетехническим экспертам в предметной области самостоятельно разрабатывать программное обеспечение, обеспечивая при этом соблюдение мер безопасности и управления.
По прогнозам Gartner, к 2030 году платформы разработки, изначально созданные на основе ИИ, приведут к тому, что 80% организаций преобразуют большие команды разработчиков программного обеспечения в более мелкие и гибкие команды, дополненные ИИ.
Суперкомпьютерные платформы для искусственного интеллекта/ AI Super Computing Platform
Суперкомпьютерные платформы для искусственного интеллекта объединяют центральные процессоры (CPU), графические процессоры (GPU), специализированные ASIC-ускорители для ИИ, нейроморфные и другие нетрадиционные подходы к вычислениям, позволяя организациям управлять сложными рабочими нагрузками, одновременно открывая новые уровни производительности, эффективности и инноваций. Эти системы сочетают в себе мощные процессоры, большой объем памяти, специализированное оборудование и программное обеспечение для управления, чтобы справляться с ресурсоемкими рабочими нагрузками в таких областях, как машинное обучение, моделирование и аналитика.
По прогнозам Gartner, к 2028 году более 40% ведущих предприятий внедрят архитектуры гибридных вычислений в критически важные бизнес-процессы, по сравнению с нынешними 8%.
Конфиденциальные вычисления/ Confidential Computing
Технологии защищенной обработки данных во время вычислений (Confidential Computing) меняют подход организаций к обработке конфиденциальных данных. Изолируя рабочие нагрузки внутри аппаратных доверенных сред выполнения (Trusted Execution Environment), они обеспечивают конфиденциальность контента и рабочих нагрузок даже для владельцев инфраструктуры, поставщиков облачных услуг или любого, кто имеет физический доступ к оборудованию. Это особенно ценно для регулируемых отраслей и глобальных операций, сталкивающихся с геополитическими рисками и рисками соблюдения нормативных требований, а также для межконкурентного сотрудничества.
По прогнозам Gartner, к 2029 году более 75% операций, обрабатываемых в недоверенной инфраструктуре, будут защищаться в процессе обработки с использованием технологий конфиденциальных вычислений.
Мультиагентные системы/ Multiagent Systems
Мультиагентные системы (МАС) - это совокупности агентов искусственного интеллекта, взаимодействующих для достижения индивидуальных или общих сложных целей. Агенты могут быть развернуты в единой среде или разработаны и внедрены независимо в распределенных средах.
По мнению аналитиков Gartner, внедрение мультиагентных систем предоставляет организациям практичный способ автоматизации сложных бизнес-процессов, повышения квалификации команд и создания новых способов взаимодействия людей и агентов ИИ. Такой подход также упрощает масштабирование операций и быструю адаптацию к меняющимся потребностям.
Специализированные языковые модели для предметных областей/ Domain-Specific Language Models (DSLMs)
Руководители ИТ-отделов и генеральные директора требуют от ИИ большей пользы для бизнеса, но универсальные большие языковые модели (LLM) часто оказываются неэффективными для решения специализированных задач. Специализированные языковые модели для предметных областей (DSLM) заполняют этот пробел, обеспечивая более высокую точность, меньшие затраты и лучшее соответствие требованиям. DSLM - это языковые модели, обученные или доработанные на специализированных данных для конкретной отрасли, функции или процесса. В отличие от моделей общего назначения, DSLM обеспечивают более высокую точность, надежность и соответствие требованиям для целевых бизнес-задач.
По прогнозам Gartner, к 2028 году более половины моделей GenAI, используемых предприятиями, будут специализированными для конкретной предметной области.
Аналитики Gartner отмечают, что контекст становится одним из важнейших факторов успешного внедрения агентов. Агенты ИИ, не использующие модели DSLM, могут интерпретировать отраслевой контекст для принятия обоснованных решений даже в незнакомых сценариях, демонстрируя высокую точность, объяснимость и способность принимать взвешенные решения.
Физический ИИ/ Physical AI
Физический искусственный интеллект обеспечивет работу машин и устройств (роботы, дроны и интеллектуальное оборудование), которые воспринимают информацию, принимают решения и действуют. Он приносит ощутимые выгоды в отраслях, где приоритетами являются автоматизация, адаптивность и безопасность.
По мере расширения внедрения новых технологий организациям требуются новые навыки, которые объединяют ИТ, операционную деятельность и инженерию. Этот сдвиг создает возможности для повышения квалификации и сотрудничества, но также может вызывать опасения по поводу рабочих мест и требовать тщательного управления изменениями.
Проактивная кибербезопасность /Preemptive Cybersecurity
Проактивная кибербезопасность становится все более актуальной, поскольку организации сталкиваются с экспоненциальным ростом угроз, направленных на сети, данные и подключенные системы. По прогнозам Gartner, к 2030 году на упреждающие решения будет приходиться половина всех расходов на безопасность, поскольку руководители ИТ-отделов переходят от реактивной защиты к проактивной.
Аналитики Gartner отмечают, что проактивная кибербезопасность заключается в действиях до того, как злоумышленники нанесут удар, с использованием методов SecOps на основе искусственного интеллекта, программного отказа в обслуживании и обмана.
Подтверждаемое происхождение цифровых объектов/ Digital Provenance
По мере роста зависимости организаций от стороннего программного обеспечения, открытого исходного кода и контента, созданного с помощью ИИ, возрастает значение механизмов, позволяющих подтвердить происхождение цифровых объектов. Речь идет о возможности проверить, откуда появился тот или иной цифровой актив, кому он принадлежит и не был ли он изменен. Это относится к программному обеспечению, данным, медиаконтенту и цифровым процессам. Для таких целей используются спецификации состава программного обеспечения (SBoM), базы аттестации и цифровые водяные знаки, которые помогают отслеживать цифровые активы по всей цепочке поставок.
По оценке Gartner, к 2029 году недостаточные инвестиции в такие механизмы могут обернуться для организаций значительными регуляторными и финансовыми потерями, вплоть до миллиардов долларов.
Платформы безопасности на основе ИИ/ AI Security Platforms
Платформы безопасности ИИ обеспечивают единый подход к защите как сторонних, так и собственных ИИ-приложений. Они централизуют мониторинг, помогают контролировать соблюдение правил использования и защищают от специфических для ИИ рисков, таких как внедрение вредоносного ПО, утечку данных и несанкционированные действия. Такие платформы позволяют ИТ-руководителям централизованно управлять использованием ИИ, отслеживать его активность и применять единые меры защиты ко всей ИИ-среде.
По прогнозам Gartner, к 2028 году более 50% предприятий будут использовать платформы безопасности ИИ для защиты ИИ-систем, данных и связанных с ними процессов.
Геопатриация/ Geopatriation
Геопатриация означает перемещение данных и приложений компании из глобальных публичных облаков в локальные варианты размещения, включая суверенные облака, региональных облачных провайдеров или собственные центры обработки данных организации, в связи с предполагаемым геополитическим риском Если ранее вопросы облачного суверенитета были в основном характерны для банковского сектора и органов власти, то теперь они становятся актуальными для значительно более широкого круга организаций на фоне роста глобальной нестабильности.
По оценке Gartner, перенос рабочих нагрузок к поставщикам, обеспечивающим больший контроль над размещением и обработкой данных, позволяет лучше соблюдать нормативные требования и снижать геополитические риски.
К 2030 году более 75% предприятий Европы и Ближнего Востока перенесут свои виртуальные рабочие нагрузки в локальные решения, тогда как в 2025 году таких было менее 5%.Начало формы
Почему эти технологические тенденции важны сегодня
Тенденции этого года тесно взаимосвязаны и отражают реалии мира, где ни одна отдельная компетенция не является достаточной. Gartner разделяет их на три подхода определяющих, как организации будут внедрять инновации: Архитектор, Синтезатор и Авангард.
Архитектор: платформы и инфраструктура искусственного интеллекта
Эти тенденции направлены на создание надежных и масштабируемых основ для искусственного интеллекта и цифровой трансформации:
Горизонт 1-3 года
Технология конфиденциальных вычислений защищает конфиденциальные данные во время использования, обеспечивая безопасный доступ к искусственному интеллекту и аналитике в ненадежной инфраструктуре.
Горизонт 3-5 лет
Платформы для разработки программного обеспечения с использованием ИИ позволяют небольшим, гибким командам создавать программное обеспечение с помощью генеративного.
Суперкомпьютерные платформы для искусственного интеллекта открывают прорывы в обучении моделей и аналитике, но требуют тщательного управления и контроля затрат.
Комментарий
В этом блоке на первом плане платформенная и вычислительная основа ИИ. Вместе с тем внутри этого блока объединены решения разных архитектурных уровней и с разной логикой внедрения: технологии защищенной обработки данных во время вычислений являются, скорее, элементом доверенной среды исполнения в ближнем горизонте, тогда как платформы AI-разработки и суперкомпьютерные платформы относятся к более капиталоемким и организационно сложным траекториям среднего горизонта. В результате описаны направление развития, но не раскрыты зависимости между элементами, требования к операционной модели и ограничения, связанные со стоимостью вычислений, дефицитом ресурсов, суверенитетом и vendor lock-in.
Синтезатор: применение и оркестровка ИИ
Эти тенденции демонстрируют, как можно комбинировать специализированные модели, агентов и физико-цифровые системы для создания новой ценности.
Горизонт 1-3 года
Мультиагентные системы позволяют модульным агентам искусственного интеллекта сотрудничать при решении сложных задач, повышая уровень автоматизации и масштабируемость.
Физический искусственный интеллект обеспечивает работу роботов, дронов и интеллектуального оборудования для достижения оперативных результатов.
Горизонт 3-5 лет
Специализированные языковые модели для предметных областей обеспечивают более высокую точность и соответствие требованиям для конкретных отраслевых сценариев использования.
Комментарий. Этот блок отражает важную тенденцию к усложнению прикладного ИИ, однако его внутренняя логика не является линейной. Gartner относит мультиагентные системы и физический ИИ к более близкому горизонту в 1–3 года, тогда как специализированные языковые модели для предметных областей помещаются в горизонт 3–5 лет. Иными словами, в одном тематическом блоке объединены не последовательные этапы развития, а разные технологические траектории: оркестрация взаимодействующих агентов, внедрение ИИ в физические объекты и более поздняя специализация языковых моделей под конкретные отрасли и процессы. Это опять же делает блок полезным как направление, но не является практической программой внедрения. На уровне реализации данные направления различаются по зрелости, стоимости, требованиям к данным, цене ошибки и степени управляемости. В частности, мультиагентные системы повышают уровень автоматизации, но одновременно резко увеличивают архитектурную сложность и число точек отказа; физический ИИ требует учета аппаратных и эксплуатационных ограничений; специализированные языковые модели не являются обязательной предпосылкой для прикладного эффекта и во многих случаях конкурируют с иными подходами, включая механизмы извлечения контекста из внешних источников, настройку контекста и ограничения среды исполнения.
Авангард: безопасность, доверие и управление
Ведущий мировой технологический игрок, специализирующийся на сетевом оборудовании, программном обеспечении и телекоммуникационном оборудовании, отреагировал на растущие глобальные риски в цепочке поставок, разработав целостную, основанную на оценке рисков стратегию кибербезопасности, подкрепленную управлением и сотрудничеством. Их подход основан на двух важнейших столпах: определении рисков и их минимизации.
Межфункциональные команды совместно оценивают ключевые факторы, такие как активность сайта, объем IP-адресов, возможности подключения и местоположение, чтобы установить допустимые уровни риска и определить приоритетных партнеров. Специализированная группа по обеспечению безопасности цепочки поставок обеспечивает соблюдение нормативных требований, управляет доступом и внедряет меры защиты данных. Постоянное сотрудничество с центральной службой безопасности гарантирует практичность и возможность применения политик.
Эти тенденции отвечают растущей потребности в защите репутации, обеспечении соответствия нормативным требованиям и поддержании доверия заинтересованных сторон.
Горизонт 1-3 года
Система Digital Provenance проверяет происхождение и целостность программного обеспечения, данных и контента, сгенерированного искусственным интеллектом, что крайне важно для обеспечения доверия и соответствия нормативным требованиям.
Платформы безопасности на основе ИИ централизуют прозрачность и контроль над сторонними и пользовательскими приложениями ИИ.
Геопатриация помогает организациям снижать геополитические риски, перенося рабочие нагрузки на суверенных или региональных облачных провайдеров.
Горизонт 3-5 лет
Проактивная кибербезопасность переводит защиту с реактивного режима на проактивный, используя искусственный интеллект для блокирования угроз до того, как они возникнут.
Комментарий. В один тематический контур включены явления разного уровня управления: проактивная кибербезопасность, подтверждаемое происхождение цифровых объектов, платформы безопасности ИИ и перенос рабочих нагрузок в суверенные или региональные облака. Gartner тем самым верно указывает на рост значения вопросов доверия, безопасности и управления, однако не показывает, как эти элементы должны быть увязаны в единую модель эксплуатации. В частности, из рамки не следует, как должны соотноситься политика допуска моделей, контроль доступа к данным, наблюдаемость поведения ИИ, аудит действий агентов, требования к цифровому происхождению и решения по размещению нагрузок в условиях геополитического риска. В результате блок хорошо фиксирует контур проблем, но недостаточно раскрывает механизм их совместного управления, из-за чего его можно считать перечнем защитных мер, а не как проектируемой системой контроля.