Технологический сектор переживает фазу структурного перелома. Если в последние годы фокус инвесторов и бизнеса был сосредоточен на генеративных моделях и чат-ботах, работающих в формате диалога «вопрос–ответ», то сейчас формируется следующий уровень эволюции – автономные ИИ-агенты.
Согласно оценкам McKinsey, примерно 88% компаний уже используют инструменты искусственного интеллекта в той или иной форме, однако лишь около четверти из них внедрили полноценные агентные системы. Именно этот разрыв и становится главным источником будущего роста, поскольку его закрытие приведет к перестройке корпоративных процессов и перераспределению триллионов долларов затрат.
Эволюция автономности: от диалога к исполнению задач
Чтобы оценить масштаб изменений, важно разделить ИИ-системы по степени их самостоятельности. Эта эволюция проходит три последовательных этапа.
На первом уровне находятся чат-боты – системы вроде ChatGPT, Gemini или Claude. Их роль ограничена генерацией ответа на запрос пользователя. Они могут помочь с анализом информации, сравнением вариантов или поиском решений, например при планировании поездки, но вся логика постановки задачи и проверка результата остаются на человеке.
Второй уровень – это ассистенты или копилоты, встроенные в корпоративные экосистемы, такие как Microsoft 365 или Google Workspace. Они уже работают с внутренними данными компании: календарями, документами, почтой, базами знаний. Такие системы способны автоматически готовить черновики отчетов, писем или презентаций, однако ключевые действия – отправка, утверждение и финальная проверка – все еще контролируются пользователем.
Третий уровень – ИИ-агенты, которые фактически приближаются к роли цифровых сотрудников. Им задается не последовательность шагов, а конечная цель. Например, организовать деловую поездку с учетом бюджета, логистики и расписания. Агент самостоятельно разбивает задачу на подэтапы, взаимодействует с внешними сервисами, бронирует билеты, оформляет документы и предоставляет готовый результат. По сути, это переход от инструмента к автономному исполнителю, способному действовать без постоянного участия человека.
Экономический разрыв и давление на рынок труда
Главный фактор ускорения внедрения – экономика. Стоимость использования продвинутого ИИ-агента для задач программирования может составлять порядка $13 в день, тогда как содержание младшего разработчика в США обходится работодателю примерно в $400 за аналогичный период с учетом всех расходов. Разница в эффективности достигает десятков раз.
Уже сейчас компании фиксируют рост продуктивности инженерных команд в несколько раз после интеграции ИИ-инструментов. Это меняет структуру занятости: часть рутинных функций сокращается, а оставшиеся сотрудники начинают управлять более сложными процессами, опираясь на автоматизацию. Подобные изменения постепенно распространяются за пределы IT-сектора – в юридическую сферу, финансовый анализ, обработку документов и клиентские сервисы.
По прогнозам Goldman Sachs, к 2030 году рынок решений на базе ИИ-агентов может достичь порядка $5,4 трлн., что значительно превышает объем традиционного программного обеспечения. В перспективе такие системы способны взять на себя до 35–40% всех корпоративных операций, формируя новый стандарт организации бизнеса.
Бенефициары первой волны: продавцы лопат и инфраструктура
Развитие ИИ-агентов резко усиливает давление на вычислительную инфраструктуру. В отличие от обычных запросов к чат-ботам, автономные системы выполняют длинные цепочки операций, постоянно обращаясь к вычислительным ресурсам.
Основными выгодоприобретателями становятся гиперскейлеры. Amazon через Amazon Web Services усиливает позиции за счёт масштабирования дата-центров и разработки собственных ускорителей. Google (через Google Cloud и экосистему Gemini) наращивает загрузку облака благодаря интеграции ИИ в офисные и поисковые продукты.
Oracle, которая долго воспринималась как более консервативный игрок, демонстрирует ускорение облачного сегмента: в последние кварталы рост облачных доходов измеряется десятками процентов, а backlog контрактов обновляет максимумы, что отражает устойчивый спрос со стороны корпоративных клиентов.
Следующий слой – производители чипов. Без них масштабирование ИИ-агентов было бы невозможно. Nvidia сохраняет доминирование в сегменте GPU, где её решения остаются стандартом де-факто для обучения и инференса моделей. Выручка дата-центрового направления компании уже измеряется десятками миллиардов долларов в квартал, что подчёркивает глубину цикла спроса.
Advanced Micro Devices постепенно расширяет присутствие в ускорителях, усиливая конкуренцию в сегменте высокопроизводительных вычислений. Broadcom укрепляет позиции в кастомных ASIC-решениях для крупных облачных клиентов, где важна оптимизация стоимости на единицу вычислений.
Отдельный пласт – память. Рост нагрузок приводит к дефициту DRAM и HBM-решений, что радикально меняет динамику отрасли. Micron Technology превращается из классического циклического игрока в компанию с более предсказуемым долгосрочным спросом, поскольку строительство дата-центров формирует устойчивый заказ на память.
В отдельных сегментах HBM-памяти цены в периоды дефицита растут двузначными темпами, отражая дисбаланс между спросом и предложением. Для инвесторов появляются тематические инструменты, включая ETF, ориентированные на полупроводниковую память, такие как DRAM ETF, которые агрегируют экспозицию к ключевым производителям.
Скрытый потенциал: почему софтверные компании станут следующим прорывом
На фоне перегретого интереса к «железу» программное обеспечение выглядит более сдержанным сегментом, хотя именно здесь может формироваться следующий этап роста. Ранее рынок опасался, что ИИ начнёт замещать традиционные SaaS-продукты, что привело к переоценке рисков и снижению мультипликаторов в секторе. Однако свежие отчёты показывают противоположную тенденцию: компании не теряют доходы, а, наоборот, монетизируют ИИ через повышение ценности своих решений.
Ключевой экономический эффект заключается в разрыве между падающей стоимостью вычислений и стабильной ценой корпоративного софта. Себестоимость токенов в индустрии снижается очень быстро – в некоторых оценках на десятки процентов ежегодно, тогда как подписочные модели остаются устойчивыми или даже дорожают. Это расширяет маржинальность и усиливает денежные потоки.
Microsoft активно внедряет ИИ через Copilot в офисный пакет и облачные сервисы, превращая их в более дорогие и функциональные продукты. В кибербезопасности Palo Alto Networks усиливает интеграцию AI-инструментов для анализа угроз, а Rubrik фокусируется на защите и восстановлении данных в условиях растущих рисков утечек. В сегменте работы с данными Snowflake демонстрирует ускорение роста выручки после внедрения AI-функционала в аналитические платформы, а Cloudflare усиливает позиции на стыке безопасности и распределённых вычислений.
Препятствия на пути к тотальной автоматизации
Несмотря на ускоренное развитие технологий, массовое внедрение ИИ-агентов сталкивается с рядом ограничений. Ключевая проблема – безопасность корпоративных данных. Агентам требуется доступ к внутренним системам компаний, что увеличивает потенциальные риски утечек и ошибок в обработке информации. Это делает вопрос контроля и разграничения прав доступа критически важным.
Дополнительный фактор – уровень доверия. Даже при высокой точности моделей бизнесу важно убедиться, что автономные системы не допускают критических ошибок в операционных процессах. По сути, компании сравнивают надёжность ИИ-агента с человеческим уровнем исполнения задач, что замедляет внедрение в чувствительных областях.
При этом такие ограничения выглядят скорее временными. История технологических циклов показывает, что подобные «зоны трения» обычно преодолеваются по мере снижения стоимости технологий и накопления практики их использования. В случае ИИ-агентов этот процесс уже запущен, и по мере улучшения инфраструктуры и стандартов безопасности барьеры постепенно будут снижаться.
.
Автор: Сергей Рубан
Фото: ChatGPT / сгенерировано ИИ
👉 Подписывайтесь на канал Finversia на платформах YouTube, Telegram, Rutube и ВКонтакте.