ИИ-трансформация: от пилотов к промышленному внедрению и квантовым вычислениям

Экспертная колонка Романа Тиняева, партнёра Strategy Partners, подготовлена на основе выступления на панельной сессии «ИТ-Тренды: что диктует рынок» мероприятия «Электроника ЭКСПО» 16.04.2026 г.

По данным аналитических прогнозов, искусственный интеллект в средне- и долгосрочной перспективе останется центральным драйвером цифровой трансформации. Акцент смещается в сторону промышленного внедрения ИИ с фокусом на измеримую отдачу на вложенный капитал.  В своём выступлении я структурировал ключевые тренды по трем временным горизонтам, что позволяет отследить трансформацию технологического ландшафта и идентифицировать ключевые вызовы для бизнеса.

Краткосрочный горизонт: переход от экспериментов к измеримой эффективности ИИ

В ближайшие три года приоритетный фокус — переход от пилотов к масштабному промышленному внедрению ИИ-агентов. В текущих экономических условиях компании не готовы финансировать эксперименты без прямой монетизации. Фокус смещается на автоматизацию конкретных рутинных операций внутри бизнес-процессов, где ИИ-агенты фактически замещают человеческие ресурсы. Параллельно растёт спрос на гибридные и edge-облака: периферийные вычисления позволяют сократить время отклика и повысить уровень сервиса, тогда как сложные расчёты остаются в централизованных ЦОДах.

Важным аспектом становится цифровой суверенитет. При использовании ИИ-моделей критически важно понимать, чья это модель и куда передаются данные при запросах. Работа с иностранными решениями создаёт риски утечки чувствительной информации, что напрямую связано с вопросами кибербезопасности. Усиление возможностей ИИ пропорционально увеличивает и поверхность атак, требуя комплексного подхода к защите инфраструктуры.

Пятилетняя перспектива: углубление интеграции ИИ, данных и физических систем

На горизонте пяти лет компании перейдут от автоматизации отдельных функций к сквозной трансформации бизнес-моделей. Речь идёт уже не столько о сокращении затрат, сколько о создании принципиально новых продуктов или существенном повышении качества существующих услуг. Здесь ключевую роль играют данные: их качество, релевантность и способность генерировать инсайты для принятия решений.

Одновременно усиливается интеграция ИИ с физическим миром — так называемый «физический ИИ». Искусственный интеллект проникает в робототехнику, транспорт, производственные линии, начиная плотно взаимодействовать с материальной средой. Параллельно развивается конвергенция ИИ и «Интернета вещей»: периферийные вычисления позволяют обрабатывать данные непосредственно на устройствах или рядом с ними, снижая нагрузку на облака и ускоряя реакцию систем.

По мере укрепления позиций ИИ обостряются вопросы этики и доверия. Модели — не «черный ящик»,  напротив они должны быть прозрачными и объяснимыми, чтобы сохранить критическое мышление у пользователей и минимизировать риски ошибок. На текущий момент к искусственному интеллекту все относятся как к младшему специалисту, работу которого нужно обязательно проверять – необходимы выстроенные процессы промпт-инжиниринга и верификация результатов.

Десятилетний горизонт: данные как капитал и квантовая революция

В десятилетней перспективе данные и ИИ становятся одной из ключевых составляющих капитала организации. Успех компании будет определяться тем, насколько эффективно она использует искусственный интеллект и насколько качественные данные лежат в основе её решений. Уже сейчас набирает популярность использование узкоспециализированных, доменных LLM-моделей, заточенных под отраслевую специфику: они обеспечивают более высокую точность и глубину анализа за счёт фокусировки на конкретной предметной области.

К этому времени связка ИИ и «Интернета вещей» станет обыденностью, а облачные и периферийные вычисления будут восприниматься как инфраструктурная данность — подобно электросетям или мобильной связи. Мир будет «пронизан» интеллектуальными системами, собирающими данные через умные устройства на периферии и обрабатывающими их в распределённой среде. Безусловно, это потребует развитой регуляторики, которая к тому времени уже сформирует правовые рамки для всей экосистемы.

Отдельно стоит выделить квантовые вычисления: эксперты сходятся во мнении, что на десятилетнем горизонте они станут коммерчески доступными. Это способно привести к революции не только в развитии ИИ, но и в ключевых отраслях — медицине, промышленности, транспорте — за счёт экспоненциального роста вычислительных мощностей.

Риски трансформации: кадры, доверие и экономика данных

Технологическое развитие создаёт не только возможности, но и риски. Первый и наиболее острый — кадровый. Уже сейчас трансформируется роль младших специалистов в разработке, юридической и экономической сферах: ИИ берёт на себя рутинные задачи, меняя требования к компетенциям и модели подготовки персонала. Возникает вопрос о сохранении критического мышления у людей, активно использующих ИИ-инструменты.

Второй блок рисков — законодательный и этический. По мере роста объёмов данных, используемых для обучения и работы ИИ, обостряются вопросы правового статуса информации и экономики данных. «Если оператор на этих данных зарабатывает, то что от этого получаю я как пользователь, который платит за услуги оператора?» — этот вопрос станет одним из центральных в дискуссиях о справедливом распределении ценности, создаваемой данными.

Финансовые риски также сохраняются: часть проектов может быть отложена или отменена, если компании не увидят ожидаемого эффекта от внедрения ИИ. Некоторые решения потребуют многолетних инвестиций до выхода на окупаемость, что создаёт дополнительную нагрузку на бюджеты в условиях неопределённости.

Ключевой вывод: победят те, кто первым адаптирует бизнес-модели к новым условиям, формируемым развитием технологий, прежде всего ИИ.