MIT Technology Review Insights и Uniphore: рост ИИ в компаниях упирается в процессы и данные

Это не редакционная статья, а спонсорский материал: его подготовила Insights, подразделение MIT Technology Review, которое делает заказной контент (а не редакция), «совместно с Uniphore». Текст представляет собой выдержку из отчёта о корпоративном ИИ.

Исходный тезис: корпоративный ИИ уже «в полном рабочем полёте». Возможности моделей растут быстрее, чем большинство организаций способно их усвоить, а стоимость производительности продолжает падать. Приведена цифра: мировые инвестиции в ИИ в 2026 году, как сказано в тексте, достигнут $2,5 трлн, что на 44% больше, чем годом ранее. Кто именно произвёл эту оценку, в тексте не указано.

По мнению авторов отчёта, эти вложения у многих компаний привели к фрагментации: интеллект копится в «силосах» (изолированных подразделениях). В качестве примеров приводятся торговые агенты, которые не знают об открытых обращениях в поддержку, и маркетинговые системы, персонализирующие контент без сведений о клиенте, которые уже есть у финансистов. Каждая функция может работать хорошо по отдельности, но предприятие в целом мало чему учится.

Переход от ИИ как инструмента к ИИ как операционной модели отчёт называет «агентным сдвигом» (agentic shift). Он требует большего, чем лучшие модели или более быстрая инфраструктура: связи людей, процессов и данных в реальном времени, а также управления и контроля, чтобы надёжно действовать на основе этого интеллекта. Для этого предлагается одновременно переосмыслить архитектуру и операционные модели в три шага: перестроить инфраструктуру данных под доступность, а не объём; заменить жёсткие технологические стеки модульными (composable) архитектурами, которые могут меняться вместе с моделями и инструментами; решить вопросы суверенитета ИИ, где работает интеллект, кто его контролирует и как он действует через границы организаций и юрисдикций.

Ключевые выводы отчёта. Первый: проблема масштабирования корпоративного ИИ структурная, и вперёд выходят компании, начинающие с процессов. Большинство предприятий по-прежнему не растят выручку за счёт ИИ и не пересматривают принципиально, как они работают. Компании, получающие устойчивую отдачу, считают перестройку процессов работой, которая предшествует выбору модели, и строят расчёт на то, как будет развиваться технология, а не подгоняют роли и рабочие процессы уже после внедрения. Второй: ИИ «накапливает эффект» благодаря готовности данных, а не их обилию. Большинство предприятий слишком поздно обнаруживает, что наличие данных и наличие данных, готовых для ИИ, разные вещи. Суверенная модульная основа, которая запрашивает и готовит данные там, где они лежат, без миграции и централизации, по словам авторов, может превратить сырые массивы данных в знания, на которые способны опираться ИИ-агенты. Законы о размещении данных, мультиоблачные среды и структурная сложность делают централизацию всё менее практичной, поэтому суверенный контроль над местом работы моделей и хранения данных сохраняет адаптивность.

В конце материала сказано, что он написан людьми, а ИИ-инструменты, если и использовались, ограничивались производственными процессами под человеческим надзором.

Ключевые факты

Материал помечен как Sponsored: его подготовила Insights, подразделение MIT Technology Review, делающее заказной контент, а не редакция; партнёр, Uniphore.
Тезис отчёта: масштабирование корпоративного ИИ, структурная проблема, а большинство компаний пока не растят выручку за счёт ИИ.
Приведённая в тексте оценка: мировые инвестиции в ИИ в 2026 году достигнут $2,5 трлн, на 44% больше, чем годом ранее; источник оценки не назван.
Предложены три шага «агентного сдвига»: данные под доступность, а не объём; модульные архитектуры вместо жёстких стеков; решение вопросов суверенитета ИИ.
Компании с устойчивой отдачей, по утверждению отчёта, ставят перестройку процессов раньше выбора модели.

Почему это важно

Материал фиксирует популярную среди вендоров рамку: проблема корпоративного ИИ не в качестве моделей, а в устройстве компании, разрозненных данных, процессах и контроле. По тексту, модели развиваются быстрее, чем организации успевают их усвоить, а большинство предприятий всё ещё не растят выручку за счёт ИИ. Это спонсорская позиция, но она отражает тему, вокруг которой строятся разговоры об агентах в бизнесе.

Кому это важно

Руководителям и командам, отвечающим за внедрение ИИ в крупных компаниях: ИТ-директорам, владельцам данных и процессов, архитекторам. Особенно тем, у кого данные распределены по нескольким облакам и юрисдикциям и действуют правила о размещении данных.

Как это применить

Из текста можно взять три ориентира. Перед выбором модели пересмотреть процессы. Оценить, готовы ли данные для ИИ, а не только сколько их есть. Предпочитать модульные архитектуры, которые можно менять вместе с моделями и инструментами, и заранее определить, где работает ИИ и кто его контролирует. Сроков, метрик и конкретных инструментов материал не даёт; о роли и продуктах Uniphore сказано лишь «совместно с».

Можно ли доверять

Это спонсорский контент подразделения Insights, а не журналистское расследование. Название, авторы и методология исходного отчёта, размер выборки не указаны. Оценка в $2,5 трлн (рост на 44%) приведена без источника, доля «большинства предприятий» без выручки от ИИ, без процента. Примеры про продажи, поддержку, маркетинг и финансы, гипотетические иллюстрации, реальных компаний и кейсов нет. Выводы стоит считать позицией заказчика и партнёра, а не независимым исследованием.

Риски и подводные камни

Утверждения подаются как выводы, но без данных и методологии их не проверить. Формулировка про суверенную модульную основу дана в модальности «может превратить», а не как доказанный результат. Сроков «агентного сдвига» и трёх шагов не названо. Рамка, где проблема решается инфраструктурой и суверенитетом данных, совпадает с интересами партнёра материала, поэтому её стоит проверять на собственных данных.