На Уолл-стрит разгорается дискуссия о развитии искусственного интеллекта. Предприятия только что ответили: более 80% заявляют, что их графические процессоры работают на половине мощности или даже меньше.

Мэтт Маршалл

(Обновление от 14 июля: Исправлены точные данные об использовании) Крупные компании используют ИИ-агентов раньше, чем это необходимо для управления ими, — и делают это сознательно. Это главный вывод июньского опроса VentureBeat Research, проведенного среди 573 технических руководителей компаний со штатом 100 и более сотрудников в рамках пяти параллельных исследований, посвященных ИИ-системам.

Согласно исследованию, предприятия сейчас проводят модернизацию, чтобы соответствовать собственным стандартам, и планируют это за счет бюджета: примерно шесть из десяти предприятий планируют сменить или добавить поставщиков на каждом из пяти уровней управления в течение следующих 12 месяцев, а примерно треть — в зависимости от уровня — планируют перейти к новому поставщику в течение квартала.

В основе архитектуры предприятий лежат пять основных уровней: идентификация агентов (какой агент имеет право выполнять какие действия и под чьими учетными данными); оценка результатов работы агентов (насколько качественная работа); телеметрия затрат (сколько стоит работа каждого агента); контекстный уровень (бизнес-данные и определения, которые агенты используют для ответа); и плоскость управления оркестрацией (программное обеспечение, координирующее многоэтапную работу агентов).

Предприятия уже расплачиваются за развертывание агентов до внедрения адекватных функций контроля. За последние 12 месяцев в 54% компаний инциденты или ситуации, близкие к инцидентам, связанные с безопасностью агентов, были выявлены до того, как был нанесен ущерб. 27% компаний осуществляют лишь реактивный контроль над расходами на агентов — они узнают стоимость агента только после получения счета, без установления бюджета или потолка на каждого агента.

О данных

В опросе, проведенном в июне 2026 года, приняли участие 573 респондента из организаций со штатом более 100 сотрудников.
101 оркестровка · 157 надежность/оценка · 107 безопасность/идентификация · 107 инфраструктура/вычисления · 101 контекст/RAG

Выборка осуществляется самостоятельно; результаты следует интерпретировать в целом. Доверяйте закономерностям, а не точным процентным показателям — каждое исследование, независимо от других, указывает в одном и том же направлении, при этом внедрение опережает управление, прозрачность и контроль затрат.

Полные отчеты с конференции VB Transform, которая пройдет 14-15 июля в Менло-Парке →

Вот пять основных выводов, лежащих в основе этого набора — по одному выводу на каждый уровень технологического стека — и то, что, согласно данным, следует делать в первую очередь на каждом из них.

Дорогостоящее оборудование простаивает: более 80% операторов видеокарт сообщают об использовании ресурсов на уровне 50% или ниже.

Около 83 процентов предприятий, использующих собственные графические процессоры, сообщают об уровне их загрузки 50% или ниже. В течение квартала на Уолл-стрит обсуждался вопрос о том, не является ли развитие искусственного интеллекта избыточным. Это данные, полученные от самих предприятий, осуществляющих закупки, и исследование показывает, что самое дорогое оборудование в зданиях этих предприятий работает не более чем на половине своей мощности.

Разрыв в измерениях усугубляет ситуацию: лишь меньшинство (44%) тщательно отслеживает реальные затраты и отдачу от своих вычислительных ресурсов для ИИ. Все остальные лишь делают приблизительные оценки. И процесс выбора корпоративными клиентами продолжается независимо от этого: 45% этих предприятий заявляют, что наиболее вероятным вариантом вычислительных ресурсов, который они будут оценивать в ближайшие 12 месяцев, является специализированное облако для ИИ (CoreWeave, Lambda, Crusoe, Nebius). Однако менее 2% этих предприятий сообщают об использовании одного из этих неооблачных решений уже сегодня.

Более того, примерно каждая третья компания, похоже, рассматривает возможность хеджирования от рисков, связанных с Nvidia: на вопрос о том, какой из новых вариантов вычислительных ресурсов они, скорее всего, будут оценивать в ближайшие 12 месяцев, 32% предприятий назвали ускорители, не относящиеся к Nvidia (AWS Trainium, Google TPUs, AMD), а 28% — графические процессоры Nvidia следующего поколения. Данные свидетельствуют о том, что предприятиям следует оценить использование и стоимость вычислений на единицу нагрузки уже имеющихся у них графических процессоров, прежде чем выделять бюджет на новые вычислительные ресурсы — будь то специализированный облачный контракт для ИИ, новые ускорители или дополнительные графические процессоры.

Большинство задействованных «агентов» выполняют работу по одному заданию: 71% говорят, что четверть или меньше из них самостоятельно справляются с многоэтапными задачами.

Семьдесят один процент предприятий заявляют, что четверть или меньше их развернутых «агентов» могут самостоятельно выполнять многоэтапные задачи; остальные — это чат-боты, выполняющие одну подсказку. Только 10% говорят, что настоящие агенты составляют большую часть того, что они используют. Следует отметить, что респонденты сообщили, что они обладают необходимыми знаниями по этим вопросам: 81% заявили, что рекомендуют или принимают решения о приобретении решений в области ИИ в своих компаниях.

Этот вывод — что большинство агентов на самом деле являются просто чат-ботами в плащах — появляется на фоне заявлений о внедрении в отрасли, которые значительно опережают реальные показатели предприятий. Gartner прогнозирует, что к концу 2026 года 40% корпоративных приложений будут интегрированы со специализированными ИИ-агентами, по сравнению с менее чем 5% в 2025 году. Компания также предупреждает, что наиболее распространенное заблуждение — это называть этих ИИ-помощников агентами, что известно как «агентский отмывание».

Между тем, согласно опросу Zapier, проведенному среди предприятий, 72% компаний сообщили о внедрении или тестировании автономных агентов; а в опросе Writer за 2026 год 97% руководителей заявили, что их компания внедрила агентов на основе ИИ в прошлом году.

В тех опросах спрашивалось, внедряли ли компании так называемых ИИ-агентов, и компании отвечали утвердительно. В нашем опросе людям, управляющим этими внедрениями, был задан более сложный вопрос: из всех агентов, которые у вас уже работают в производственной среде, сколько могут выполнить многоэтапную задачу без участия человека на каждом этапе? Разница важна по двум практическим причинам. Во-первых, завышенные показатели внедрения служат ориентиром для технических руководителей и поставщиков, чтобы заставить их двигаться быстрее, — и эти данные показывают, что реальная планка намного ниже, чем предполагают заголовки. Во-вторых, название определяет стоимость: чат-бот с одной подсказкой, на каждый ответ которого отвечает человек, не нуждается ни в идентификации, ни в оценке, ни в контроле затрат, которые рассматриваются в этом отчете, в то время как настоящий многоэтапный агент нуждается во всех этих инструментах.

66% позволяют агентам запускать продукт исключительно на основе автоматизированных оценок — или же разрабатывают решения для этого. 5% полностью доверяют этим оценкам.

Две трети предприятий делятся на две группы: 34% уже позволяют ИИ-агенту внедрять изменения в код или систему в производство на основе результатов автоматической оценки, без участия человека, а еще 33% активно разрабатывают свои конвейеры таким образом, чтобы это стало возможным в течение следующих 12 месяцев. Только пять процентов полностью доверяют автоматизированным оценкам, которые принимают такое решение.

Недоверие вполне оправдано. Половина предприятий за последний год выпустила на рынок агента, прошедшего внутреннюю оценку, но затем допустившего сбой в работе с клиентами; четверть наблюдала это более одного раза. На вопрос о самом большом недостатке в их текущих оценках больше предприятий выбрали ответ «плохое соответствие реальным результатам», чем любой другой — 29% респондентов.

Большая часть проверок происходит до запуска агента, а затем останавливается. После запуска агентов с реальными пользователями только 23% предприятий проводят проверку качества ответов, которые эти агенты выдают, в режиме реального времени. Еще 51% отслеживают только состояние системы — время безотказной работы, трассировку запросов и журналы шлюза — что показывает, работает ли агент, но ничего не говорит о правильности его ответов. Первый шаг: прежде чем исключать проверку человеком из любого рабочего процесса, проверяйте свои оценки на основе результатов работы в производственной среде, а не внутренних стандартов, и измеряйте качество ответов, а не только время безотказной работы.

Этот вывод более подробно рассматривается в соответствующей статье VentureBeat о разрыве в оценке, в которой было установлено, что крупные предприятия быстрее движутся к внедрению без участия человека, но при этом чаще терпят неудачи, — и описывается структура регрессионного тестирования, основанная на результатах производства, а не на внутренних бенчмарках.

69% компаний используют механизм обмена учетными данными в рамках парка агентов — и эти компании подвергаются атакам гораздо чаще.

Шестьдесят девять процентов компаний разрешают совместное использование учетных данных агентов в рамках своей сети агентов во время работы — то есть несколько агентов работают под одним ключом API или учетной записью службы. Такие компании гораздо чаще сталкивались с угрозами безопасности: организации, в которых осуществлялось совместное использование учетных данных в рамках всей сети, сталкивались с инцидентами безопасности или ситуациями, близкими к инцидентам, в 63,5% случаев (47 из 74), по сравнению с 40,9% (9 из 22), где у каждого агента была своя собственная ограниченная идентификация.

Главный вывод для предприятий таков: дайте каждому агенту собственную идентификационную область, начиная с агентов, взаимодействующих с производственными системами.

57% объяснили свой уверенный, но неверный ответ тем, что у них самих отсутствовал или отсутствовал контекст их собственного бизнеса.

Пятьдесят семь процентов предприятий за последние шесть месяцев как минимум один уверенный, но неверный ответ агента был связан с отсутствием или несоответствием бизнес-контекста: неправильными показателями, устаревшими определениями, отсутствием документов. Большинство из них наблюдали это не раз.

Большинство крупных компаний решают эту проблему, несмотря на то, что уже внедрили агенты: 25% уже используют управляемый семантический слой, или единое управляемое определение бизнес-процессов, которое считывает каждый ИИ, в производственной среде. Однако 34% все еще создают такой слой, а 41% еще не начали. Вывод: сначала управляйте определениями, на основе которых ваши агенты отвечают, — метриками и сущностями, — прежде чем масштабировать агентов, которые от них зависят.

Квартал, в котором «переносимость» агентских технологий стала приоритетом.

Ещё одно изменение заслуживает отдельного упоминания, при этом его ограничения должны быть четко обозначены. В ходе весеннего опроса по оркестрации главной проблемой, связанной с оркестрацией, контролируемой поставщиком, были ограничения безопасности и прав доступа (32%). К июню примерно третью долю занимала проблема привязки к поставщику, а ограничения безопасности составляли 28%.

Это два момента времени, разделенные кварталом, и вот одно из возможных объяснений того, почему портативность стала одной из главных проблем для предприятий. Наше исследование, проведенное в июне, вышло на рынок после того, как 12 июня экспортный приказ Министерства торговли США вывел Claude Fable 5 от Anthropic из строя для предприятий примерно на три недели. Тем временем китайская компания Z.ai выпустила открытые веса GLM-5.2 под лицензией MIT 16 июня примерно за одну шестую часть цены GPT-5.5; а Hy3 от Tencent появился 6 июля под лицензией Apache 2.0; и OpenAI представила предварительную версию GPT-5.6 26 июня небольшой группе партнеров, прошедших проверку правительства, а 9 июля, после одобрения правительством, открыла ее для широкого использования. Выпуск открытых весов, в частности, обещает предприятиям больший контроль над своими агентами, и хотя мы не установили здесь причинно-следственную связь, стоит отметить совпадение по времени.

Данные о состоянии дел соответствуют общему настроению: 51% теперь ожидают, что к концу 2026 года их основной плоскостью управления корпоративными агентами станет гибридная система — собственная от поставщика плюс внешняя оркестрация, по сравнению с 34% в весеннем опросе. Доля предприятий, сообщивших, что они полагаются исключительно на управляемые поставщиком услуги агентов, снизилась с 12% до 7%.

Пять уровней, нет действующих игроков, 12 месяцев

Анализ данных всех пяти опросов выявляет огромный «окно возможностей для покупки». В каждом из пяти уровней управления от 57% до 64% предприятий планируют сменить или добавить поставщика в течение 12 месяцев — 64% в инфраструктуре и в оценке, 59% в безопасности агентов, 57% в поиске и контекстной информации — и от 26% до 38%, в зависимости от уровня, планируют перейти к новому поставщику в течение квартала. Ни один уровень не имеет устоявшегося лидера: наиболее распространенным инструментом оценки являются встроенные инструменты оценки поставщика модели, наравне с отсутствием каких-либо специализированных инструментов (по 17% каждый); 82% респондентов называют встроенные средства управления поставщика или гипермасштабируемых компаний в качестве основного уровня безопасности агентов; а встроенные средства поиска поставщика лидируют среди технологических средств контекстной информации (RAG и др.).

Сегодня большинство предприятий по умолчанию используют встроенные инструменты, поставляемые с крупными платформами искусственного интеллекта, которые они уже применяют: Anthropic, OpenAI, Google, Microsoft и AWS. Это справедливо для всех этих уровней агентных технологий: предприятия обращаются к своим основным поставщикам облачных услуг и моделей за решениями для защиты, оценки и извлечения данных, уже включенными в предложения этих поставщиков.

Эти варианты по умолчанию выигрывают за счет удобства, и именно их будут проверять будущие решения о расходах. В опросе не спрашивалось, в каком направлении будут двигаться эти деньги — к встроенным инструментам платформ или к специалистам, которые их оспаривают, — и именно поэтому за каждым контрактом на этих пяти уровнях стоит следить в течение следующих четырех кварталов.

В ходе опроса за третий квартал будет измерено, выполнили ли предприятия свои бюджетные планы: получили ли их агенты ограниченные права доступа, были ли результаты оценок проверены на соответствие производственным показателям, увеличилась ли загрузка графических процессоров и были ли внедрены разрабатываемые семантические слои.

VentureBeat опубликует полные отчеты за второй квартал по всем пяти трекерам VB Pulse на конференции VB Transform , которая пройдет 14-15 июля в отеле Nia в Менло-Парке, где соберутся ведущие технические специалисты предприятий, занимающиеся разработкой автономных агентов для использования в производственной среде.

Примечание: VentureBeat является автором как данного исследования, так и VB Transform.

Источник: venturebeat.com