Согласно свежему отчету Gartner , после года заоблачных обещаний GenAI скатился во «впадину разочарования» (Trough of Disillusionment) — ту неудобную стадию, где реальность побеждает хайп.
Компании по‑прежнему тратят деньги (в среднем $1,9 млн на GenAI в 2024‑м), но меньше трети лидеров ИИ говорят, что их генеральные довольны отдачей от инвестиций. Боль различается по уровням зрелости: новички не могут выбрать подходящие кейсы и дают завышенные обещания, а зрелым командам не хватает кадров, и они спешно наращивают грамотность в GenAI. Добавьте к этому головную боль с управлением AI — галлюцинации и вопросы достоверности — плюс меняющиеся регуляции, и становится ясно, почему многие пилоты на основе GenAI буксуют на пути к масштабу.
про циклы зрелости технологии (Hype cycle) Gartner можете кратко почитать здесь
Главный разворот сейчас — от блестящих демо к надежным предскажуемым решениям. AI engineering становится базой, которая позволяет стабильно и безопасно поставлять ИИ решения для всей компании. Операционализация моделей (ModelOps) — второй базовый столп: это сквозное управление и жизненный цикл аналитических, ИИ‑ и GenAI‑моделей, чтобы они не застревали в jupyter notebook. Это не побочные инициативы, а основа которая переносят ИИ из экспериментов в продакшен — и ближе к «плато производительности».
Две технологии стремительно поднимаются по шкале хайпа: AI‑ready data и AI‑агенты. Обе находятся на «пике завышенных ожиданий» — и у обе имеют «2 стороны медали». AI‑ready data — обязательное условие масштабирования, проверка на пригодность данных для конкретных ИИ‑кейсов. При этом 57% организаций признают, что их данные не готовы, а это значит — невполнимые цели и лишние риски. AI‑агенты — автономные или полуавтономные, которые воспринимают, решают и действуют, — стали гораздо способнее благодаря мультимодальным моделям и композитному ИИ. Они умеют справляться со сложными задачами, но их сложность открывает двери проблемам с доступом и безопасностью данных, пробелам в управлении и вполне обоснованному недоверию к полностью «автономной» работе.
Новичок в Hype Cycle — AI‑native software engineering. Сегодня это в основном ИИ‑ассистенты и инструменты тестирования, которые усиливают разработчиков, а не заменяют их. Завтра ИИ станет встроенным во весь жизненный цикл софта (SDLC), и инженеры будут больше заниматься оценкой и креативом. Но есть нюанс: ИИ по‑прежнему галлюцинирует, несет в себе необъективность и ведет себя непредсказуемо. Свяжите пару агентов в цепочку — и риски умножатся.
Вывод простой: воспринимайте GenAI как часть широкой ИИ‑программы, а не вещь в себе. Ставьте в приоритет действительно кейсы которые имеют значительное влияние на результат, инвестируйте в AI engineering и ModelOps, доводите данные до статуса AI‑ready и стройте такие «барьеры», которые заслуживают доверия. Так вы перейдете от «классного демо» после очередного хакатона к созданию устойчивой бизнес‑ценности где возможно под капотом окажется GenAI.
