В ноябре 2026 по рабочим чатам ходит одна и та же картинка. Голубой фон, серая горка, на ней шестнадцать подписанных точек. Sovereign AI на самой вершине, AI Agents уже на спуске, AI-Ready Data съехала ещё ниже. Под картинкой обычно одна из двух реплик: «пузырь» или «наконец-то нас предупредили».
Это Hype Cycle for Artificial Intelligence, 2026, ежегодная карта аналитической компании Gartner. Я посвятил ей шесть статей. Здесь собираю их в один текст, который можно читать вместо всех шести.
Он самостоятельный. Если вы здесь впервые, читайте как вход: все нужные факты внутри, а в каждом разделе есть ссылка на подробный разбор. Если вы прошли цикл, читайте как свёртку: я попробую показать, какая линия проходит через все шесть статей и что из неё остаётся, когда названия технологий забудутся.
Договорённость об источниках. Полный отчёт Gartner платный, я его не читал. Опираюсь на сам график, на две открытые статьи компании (от 1 октября и от 15 апреля 2026 года) и на страницу, где она описывает метод. Всё, что дальше названо «моё мнение», является моим мнением, а не выводом Gartner.
1. Что нарисовано
Начнём с вопроса, который люди пропускают, потому что картинка выглядит как измерение.
По описанию Gartner, у каждой технологии пять этапов: запуск, пик завышенных ожиданий, впадина разочарования, склон просвещения, плато продуктивности. Вертикальная ось показывает ожидания, горизонтальная соотносит их с доказанной ценностью во времени. Высота точки говорит, сколько от технологии ждут. Хороша она или нет, высота не сообщает. Технология может надёжно работать и стоять на спуске, потому что от неё ждали чудес. Другая может стоять на вершине только потому, что о ней пишут все. У самой Gartner это входит в определение пика: шума больше, чем доказательств.
Дальше о том, кто ставит точки. Gartner называет свою карту объективной, но положение каждой технологии оценивают её аналитики по исследованиям, опросам и разговорам с поставщиками и клиентами. Отчёт 2026 года подписали Haritha Khandabattu, Birgi Tamersoy и Soyeb Barot. Формулы, по которой опросы превращаются в «эта технология уже на склоне», на странице с описанием метода нет. Значит, перед нами экспертная оценка. Она может быть очень хорошей и остаётся оценкой. Хуже всего, когда её пересылают как измерение: «график показал, что агенты уже за пиком».
Независимых проверок самой модели мало. Я нашёл три работы. Steinert и Leifer в 2010 году сравнили кривые Gartner с реальным вниманием к трём технологиям (приливная энергетика, газификация угля, фотовольтаика) и увидели, что пики и впадины не обязательно совпадают. Dedehayir и Steinert в 2016-м сделали обзор модели и нашли несоответствия с отчётами Gartner. Akiyama, Long и Yoshida в 2026-м построили агентную модель, в которой форма хайп-цикла возникает из одной социальной динамики, без технологического созревания. Выборки маленькие, а цифры «Gartner ошибается в стольких-то процентах» в этих работах нет. Остаётся осторожный вывод: кривая описывает один из возможных путей технологии, а закона природы никто не показал. Сам Gartner пишет, что путь обычно занимает три-пять лет и что некоторые технологии «выпадают по дороге».
Теперь сравните это с историей ИИ. В «Трёх зимах» я разбирал, как ожидания трижды обгоняли возможности: после Дартмута 1956 года, после экспертных систем 1980-х. Форма знакомая: подъём, перегрев, разочарование. Масштаб времени другой. Три-пять лет Gartner рядом с десятилетиями ИИ-зим и сорока годами, которые, по оценке экономиста Пола Дэвида, понадобились электромоторам, чтобы заметно поднять производительность фабрик, выглядят короткой дистанцией. Электричество я беру только для масштаба: темп зависит от того, как быстро перестраивается работа вокруг технологии.
Формулировка, к которой я пришёл в статье «Кривая — не закон»: график это карта чужого мнения, нарисованная на дату. Пользоваться ею можно, пока помните, кто рисовал и когда. Перед тем как переслать картинку, я задаю три вопроса. Кто поставил точку и на какую дату? Что скрыто за названием: подход, практика или продукт? Это измерение или оценка?
2. Шестнадцать названий и что за ними
Второй вход в график: названия. Sovereign AI, Composite AI, World Models, AI Agent Identity. Часть звучит как заклинания, и многие, кто пересылает картинку, не смогли бы объяснить, чем одна точка отличается от другой. В «Путеводитель по графику» я прошёл по всем шестнадцати: что это человеческим языком, где стоит, сколько до плато по оценке Gartner, пример из 2025–2026 годов и что это значит для небольшой компании.
Из этого разбора я бы вынес три вещи.
Первая: на одной линии лежат вещи разного рода. Это моя классификация, у Gartner такой группировки нет. World Models и Causal AI похожи на подходы к устройству моделей. AI Engineering и FinOps for AI на рабочие практики. Physical AI и Sovereign AI на направления и политические рамки. Из положения такой точки легко сделать вывод «агенты закончились» или «агенты победили», но название слишком широкое, чтобы на него опираться.
Вторая: цвет маркера означает срок до плато по оценке Gartner. О качестве технологии он ничего не говорит. Десять точек на нашем фрагменте голубые, то есть два-пять лет. Четыре тёмно-синие (пять-десять лет), одна белая (меньше двух лет, это Composite AI) и один жёлтый треугольник. На наших схемах те же сроки обозначены цветами блога: белый круг, янтарный, чёрный и оранжевый треугольник. К жёлтому треугольнику я вернусь в конце.
Третья: если пройти кривую целиком, видно, что много точек про контроль. Управление ИИ, идентичность агентов, учёт расходов, инженерная дисциплина стоят на подъёме или на вершине. На спуске стоит то, что компании уже успели попробовать: агенты, мультимодальный ИИ, данные. Это наблюдение по картинке, не вывод Gartner. Но оно подсказывает, куда смотреть дальше, и мы туда пойдём.
И одно ограничение, которое стоит помнить. Фрагмент увеличенный, впадины разочарования на нём нет. Поэтому о технологиях, которые могут стоять во впадине, график, который у меня есть, ничего не сообщает. Например, AI observability, которую Gartner в октябрьской статье называет одним из главных явлений года, среди шестнадцати точек я не нашёл.
3. Агенты: что видно на спуске
Самая обсуждаемая точка графика: AI Agents стоят сразу за вершиной. Под ней пишут: значит, не взлетело.
В «Агенты катятся вниз» я начал с того, что отметок у агентов на картах Gartner три и лежат они на двух разных графиках. В августе 2025 года, по перепечаткам пресс-релиза, агенты стояли на пике на общем графике ИИ. В апреле 2026-го на специальном графике агентного ИИ тоже на пике. В августе 2026-го на общем графике они за пиком. Честное сравнение одно: общий график 2025 года против общего 2026 года, и за этот год агенты прошли путь от пика к спуску. Фраза «за полгода сползли» ошибочна, потому что апрельская карта другого масштаба.
Положение точки говорит об ожиданиях, а качество агентов она не измеряет. Рядом с картинкой в открытых статьях Gartner лежат три числа, которые я бы читал внимательнее точки.
- 17% организаций, по опросу 2026 Gartner CIO and Technology Executive Survey, уже развернули ИИ-агентов.
- Больше 60% ожидают сделать это в течение двух лет.
- Больше 40% проектов агентного ИИ, по прогнозу Gartner, отменят к концу 2027 года из-за стоимости, неясной ценности или недостаточного контроля рисков.
Первые два числа измерены, третье предсказано. Складывать их нельзя: первые про организации, третье про проекты. Что Gartner считает словом «развернули», в открытых материалах не сказано.
Что агенты умеют, оценивает не Gartner. Бенчмарк TheAgentCompany дал самому сильному из проверенных агентов самостоятельное выполнение около 30% рабочих задач смоделированной софтверной компании (модели того времени, сегодняшние я не проверял). В исследовании Salesforce CRMArena-Pro лучшие агенты справлялись примерно с 58% одношаговых задач, а в многошаговых результат падал примерно до 35%. METR в 2025 году увидела, что опытные разработчики с ИИ-инструментами работают на 19% дольше, хотя сами ожидали ускорения; в продолжении 2026 года результат оказался другим, но сама METR называет данные очень слабым свидетельством. Из этого можно взять одно. Оценки скорости сильно зависят от того, кто и как мерит, а многошаговые задачи, ради которых придумывали агентов, даются хуже одношаговых.
Моё объяснение, почему проекты закрывают, с механикой агента. Чат-бот отвечает один раз, и ответ вы видите. Агент делает десять действий подряд, и вы видите итог. Если на каждом шаге он ошибается в одном случае из двадцати, безошибочно пройти десять шагов подряд получится примерно в 60% случаев, двадцать шагов примерно в 36%. Это учебная арифметика, реальные ошибки не независимы. Но она показывает порядок величины: чем длиннее цепочка, тем дороже проверка на выходе.
Провал это или нет? Моё мнение: оснований называть агентов провалом нет, поскольку те же материалы Gartner говорят о реальных узких внедрениях в разработке, поддержке и операциях. Оснований для обещаний, с которыми агентов продавали (широко, автономно, без вашего участия), тоже нет. Сегодня работает узкая задача с проверяемым результатом и человеком где-то рядом.
4. Данные: самая скучная точка внизу
На графике есть точка, которая звучит скучнее всех: AI-Ready Data, «данные, готовые для ИИ». Ни роботов, ни суверенитета, ни сверхразума. Она стоит ниже остальных на спуске, ближе ко дну. Год назад, по перепечаткам пресс-релиза Gartner, она стояла на пике рядом с агентами.
В «Самое скучное — внизу» я искал, почему так. Gartner причин публично не объясняет, и приписывать ей «данные разочаровали» нельзя. Известны два её числа. Прогноз февраля 2025 года: организации откажутся от 60% проектов ИИ, не обеспеченных данными, готовыми для ИИ, в течение 2026 года. И опрос: 63% руководителей по данным либо не имеют нужных практик управления данными для ИИ, либо не уверены, что имеют. Прогноз про проекты, опрос про практики, складывать их нельзя.
Внешних исследований я нашёл четыре (BARC, Fivetran, Nasuni, Deloitte), и три из них выпущены или оплачены компаниями, продающими продукты для работы с данными. Направление у всех совпадает: состояние данных называют серьёзным препятствием. Цифры при этом сравнивать нельзя, у каждого исследования свои вопросы и респонденты, и опрашивали людей, которые по должности отвечают за данные.
Что я из этого вынес, уже мнение. Определение готовности данных, насколько я могу судить по пересказу релиза Gartner, привязано к конкретной задаче: хватает ли этих данных для этой задачи. Поэтому приводить в порядок всё сразу не нужно. Для маленькой компании это сводится к четырём вопросам про документы, которые понадобятся ИИ для одной выбранной задачи. Где они лежат. Кто владелец. В каком виде. Какая версия актуальна. ИИ приходит в вашу папку как новичок в первый рабочий день, без доступа к тому, что все остальные «просто знают».
Моя рабочая гипотеза, которую я так и подавал, без претензии на факт: агент, который споткнулся, нередко споткнулся о данные, а не о модель. Проверить её можно за час на десяти вопросах, ответы на которые вы знаете. Отметьте, где ИИ ошибся и в чём причина: в модели или в файле.
5. Суверенный ИИ: слово, растянутое на всё
На вершине, чуть левее максимума, стоит Sovereign AI. Из шестнадцати технологий эта звучит самой политической, и непонятно, при чём тут компания, которая просто хочет считать смету и отвечать клиентам.
В «Суверенный ИИ на вершине» я сначала проверил определение. Для общего графика ИИ его в открытых материалах Gartner нет. Нашлось в релизе к другому отчёту, Hype Cycle for Government Services (сентябрь 2025, по перепечатке), и оно про государства: усилия стран по инвестициям в собственную разработку и использование ИИ ради своих суверенных целей. Про компании и людей Gartner в этом месте не говорит.
Затем я собрал объявления 2025–2026 годов: программа InvestAI Евросоюза с фондом на 20 млрд евро для гигафабрик, индийская миссия IndiaAI, проекты в странах Залива, раунд Mistral AI с участием ASML. Вывод по ним такой: у объявлений общее слово и разный предмет. Где-то это здание с серверами, где-то государственная программа, где-то частный раунд, где-то требование к облаку. Слово «суверенный» в части первоисточников вообще отсутствует, его добавили комментаторы.
Мои гипотезы, почему тема на пике. Деньги и гигаватты легко попадают в заголовки. Слово растянуто, и ожидание, собранное из разных значений, не может оправдаться ни в одном полностью. А часть объявленного относится к 2027 году и позже, и за срок до плато слово успеет несколько раз поменять смысл. Тема при этом остаётся настоящей. Мотив у неё давний и понятный: зависимость от поставщика, которого вы не выбирали и условия которого меняет не ваша сторона.
Для маленькой компании я разложил суверенитет на четыре вопроса: где лежат данные и по законам какой страны с ними можно работать, чьи серверы, чья модель, какие правила действуют на поставщика. Реалистично отвечать на первый и четвёртый, иногда на второй. Собственная модель нужна единицам. Из этого получились три действия: выяснить, куда уходят данные; проверить, можно ли сменить поставщика за разумный срок; держать у себя то, что дороже любой модели, то есть документы в понятном формате, формулировки задач и записи о решениях. Для персональных данных граждан России добавляется требование закона о локализации баз, и этот вопрос стоит показать юристу, поскольку мои пересказы не заменяют официального текста.
Суверенность на вашем слое, как я это понимаю, значит «понятно, где лежит, и можно уйти».
6. Контроль: о чём октябрьская статья Gartner
Теперь к тому, ради чего, как мне кажется, этот график стоит открывать. Рядом с картинкой Gartner 1 октября опубликовала текст. Он называется «The Latest Gartner Hype Cycle for Artificial Intelligence Puts Control Ahead of Capability», по-русски «контроль впереди возможностей». Главная мысль в переводе: определяющий вопрос 2026 года сместился с «может ли компания что-то построить с ИИ» на «может ли она отчитаться, что её ИИ делает и сколько это стоит». Вице-президент по аналитике Haritha Khandabattu говорит, что эти вопросы лежат в основе почти всего, что есть на цикле этого года. Перевод мой.
Эта мысль живёт отдельно от кривой. Верим мы горке или нет, вопрос «что делает мой ИИ и сколько он стоит» никуда не уходит.
В «Контроль важнее возможностей» я разложил её на три части, как у Gartner.
Видеть. Наблюдаемость ИИ, по описанию Gartner, ловит «тихие сбои»: ответы, которые выглядят правдоподобно и неверны. Обычная программа ломается громко, с ИИ бывает иначе. Он ответил, ответ убедителен, лампочка не загорелась. Пример 2025 года, по сообщениям AP и The Register: австралийское отделение Deloitte сдало министерству отчёт на 440 тысяч австралийских долларов, а в нём нашли ссылки на несуществующие работы и вымышленную цитату из судебного решения. Ошибки заметил посторонний читатель уже после публикации. Отчёт готовили люди, фирма с именем, был заказчик, и ничего не сломалось.
Допускать. Управление и идентичность агентов Gartner называет обязательными предварительными вложениями для масштабирования агентного и физического ИИ и агентной коммерции. Идея знакома: сотруднику заводят учётную запись, выдают права и записывают, кто за него отвечает. Агенту права обычно выдают от имени человека, который его запустил, и потом трудно отличить, что сделал человек, а что агент. Второй пример 2025 года, по Fortune: во время публичного эксперимента основателя SaaStr Jason Lemkin агент Replit удалил рабочую базу данных, а глава Replit Amjad Masad назвал это недопустимым и сообщил о разделении баз разработки и рабочей. Агенту дали доступ к рабочим данным там, где хватило бы доступа к копии. Это мой вывод из случая.
Считать. Gartner советует перейти от учёта задним числом к активному предотвращению и называет три меры: подбирать уровень модели под задачу, ставить на сессию бюджет с «предохранителем», контролировать расходы сразу у нескольких поставщиков. Нынешние возможности AI FinOps она называет незрелыми. По данным State of FinOps 2026, расходами на ИИ управляют 98% опрошенных против 63% годом раньше, но это опрос сообщества практиков, которых тема и так занимает.
Три части превращаются в четыре бытовые привычки, и вот здесь я прошу помнить: это мой совет, четырёх вещей в статье Gartner нет, а сама она обращается к руководителям организаций. Журнал: одна таблица, где записано, что просили, что сделал ИИ, что ушло дальше и кто проверил. Лимит: потолок расходов на ИИ в месяц и на один запуск, пусть даже ручной. Ответственный: одно имя на процесс, а у агента отдельные ограниченные права. Проверка: десять контрольных вопросов с известными ответами и выборочный просмотр результатов. Для одного человека всё то же в меньшем масштабе: строка в заметках «что просил, что получил, что проверил, куда отправил» уже журнал.
Теперь внешний сигнал, не от Gartner. Ежегодный отчёт Stanford HAI AI Index в апреле 2026 года в главе об ответственном ИИ приводит два числа. По данным AI Incident Database, зарегистрировано 362 инцидента с ИИ в 2025 году против 233 в 2024-м. И доля компаний вообще без политики ответственного ИИ упала с 24% до 11%. Осторожно: растёт число зарегистрированных случаев, часть роста может объясняться тем, что о случаях чаще сообщают, и связи между этими двумя числами я не утверждаю. Но картина совпадает с тем, что Gartner видит в своих опросах: инциденты копятся, политики появляются, и вопрос, умеет ли организация отвечать за свой ИИ, переходит из теории в практику.
7. Линия, которая проходит через все шесть статей
Если убрать названия технологий, в шести статьях повторяется один вопрос в разных одеждах: кто что контролирует.
Кривая говорит, кто контролирует картинку. Её рисуют аналитики, и положение точки остаётся оценкой на дату. Агенты упираются в то, что нельзя контролировать цепочку действий, у которой нет проверки на выходе, отдельных прав и лимита. Данные упираются в то, что вы не знаете, где лежит, кто владелец и какая версия актуальна. Суверенный ИИ упирается в то, кто контролирует поставщика, его серверы и условия. Gartner в октябрьской статье формулирует ту же мысль и выносит её в заголовок.
Поэтому мой итог по циклу, и это мнение, а не вывод Gartner. Положение точки на кривой полезно как погода: можно знать, что вокруг ожидания, и всё равно решать по своей задаче. Для решения нужны другие вещи: одна выбранная задача, порядок в документах, которые ей нужны, понятные права, лимит расходов и человек, который может ответить, что ИИ делал на прошлой неделе. Всё это вводится без покупок. Ничего из этого не гарантирует результата, потому что плохо поставленную задачу и слабую модель порядок не спасёт. Но ждать хорошего ответа, пока в источнике противоречие, а у агента чужие права, бессмысленно.
Есть и ограничение у самого вывода. Он относится к ИИ, которым пользуются на работе, в небольшой компании или одним человеком. Для тех, кто строит модели или целые страны, вопросы другого масштаба, и я их не разбирал.
И перед тем как закончить, жёлтый треугольник.
8. Жёлтый треугольник
Единственный жёлтый маркер на увеличенной части графика относится к AGI, общему искусственному интеллекту. Это гипотетический ИИ, способный выполнять любую интеллектуальную работу человека, а не одну узкую задачу. Общепринятого определения нет. По оценке Gartner, до плато ему больше десяти лет. Почему треугольник нарисован на подъёме, Gartner не объясняет.
Из этого маркера нельзя вывести ни «AGI будет», ни «AGI невозможен»: он сообщает только о сроке по оценке аналитиков. Я читаю его как отметку «громкие обещания дальше горизонта»; это моё прочтение. Один факт про него я нашёл проверяемым. В октябре 2025 года Microsoft и OpenAI изменили соглашение: если OpenAI объявит о достижении AGI, объявление проверит независимая экспертная комиссия, и от вердикта зависят права и выплаты. Это факт о договоре, не о наличии AGI. Состав комиссии и критерии публично не раскрыты.
Мне нравится в этом треугольнике его спокойствие. Он не требует ни паники, ни восторга. Для планов на ближайшие годы он не нужен, а все остальные точки на этой карте требуют решений прямо сейчас: куда положить файлы, кому дать права, где поставить лимит.
Если Gartner продолжит выпускать карту каждый год, на следующей точки будут другими. Часть тех, что сегодня на вершине, окажется на спуске, часть выпадет по дороге, и кто-то попадёт на плато. Если вы знаете, что делает ваш ИИ и сколько он стоит, новая картинка станет для вас погодой за окном. Если нет, ей придётся стать инструкцией.
Остальные тексты блога лежат на hype-and-hope.ru/blog, в том числе предыдущие циклы.
Карта серии
Шесть статей цикла, сгруппированы по тому, что вы с ними делаете: читаете карту, разбираете три точки, возвращаетесь к своей работе.
Как читать (две статьи про сам график). «Кривая — не закон». Пять фаз, оси, цвета, кто ставит точки, что нашли независимые исследователи. Как пользоваться графиком, не принимая его за пророчество. «Путеводитель по графику». Шестнадцать технологий коротко: что это, где стоит, сколько до плато по оценке Gartner, пример и «наш вывод».
Что показывают три точки (разбор графика на примерах). «Агенты катятся вниз». Две карты Gartner, цифры 17% / 60% / 40%, независимые измерения, механика накопления ошибки, четыре вопроса перед запуском. «Самое скучное — внизу». Данные, готовые для ИИ: что это, что говорят Gartner и четыре исследования, как навести порядок для одной задачи. «Суверенный ИИ на вершине». Определение Gartner для госсектора, объявления 2025–2026 годов, три вопроса для компании в России.
Что делать (вывод цикла). «Контроль важнее возможностей». Что Gartner ставит впереди возможностей и четыре привычки для небольшой компании: журнал, лимит, ответственный, проверка.
История, на которой стоит весь цикл. «Три зимы». Как ожидания от ИИ трижды обгоняли возможности и что оставалось после каждой зимы.
Источники и данные
Gartner (открытые материалы; платный отчёт не читал).
- Gartner, график Hype Cycle for Artificial Intelligence, 2026 (Khandabattu, Tamersoy, Barot; отчёт от 28 августа 2026; идентификатор графика CTMKT_5445050), © Gartner. Оригинал в тексте не воспроизводится, схемы авторские («По данным Gartner»): https://www.gartner.com/en/documents/8319853
- Gartner, «The Latest Gartner Hype Cycle for Artificial Intelligence Puts Control Ahead of Capability», 1 октября 2026: https://www.gartner.com/en/articles/hype-cycle-for-artificial-intelligence — вопрос года, цифры 17% / более 60% / более 40%, наблюдаемость, тихие сбои, предварительные вложения, три меры по затратам, оценка зрелости AI FinOps. Цитата Haritha Khandabattu (оригинал): «These questions underpin almost everything on this year’s Hype Cycle, including the technologies that have matured, those accelerating faster than expected and those that are new to or repositioned on the cycle» — перевод мой.
- Gartner, «What the 2026 Hype Cycle for Agentic AI Reveals», Rajesh Kandaswamy, 15 апреля 2026: https://www.gartner.com/en/articles/hype-cycle-for-agentic-ai — источник цифр 17% и 60% (2026 Gartner CIO and Technology Executive Survey).
- Gartner, страница Hype Cycle for Cybersecurity in China, 2026, раздел «How does a Gartner Hype Cycle report work?» — пять фаз, «objective map», оси, «some fall off along the way»: https://www.gartner.com/en/documents/7878977
- Пресс-релизы Gartner (по перепечаткам, оригиналы не открывались): 5 августа 2025 (агенты и AI-ready data на пике) — https://www.silicon.co.uk/press-release/gartner-hype-cycle-identifies-top-ai-innovations-in-2025 ; 26 февраля 2025 (60% / 63%, данные для ИИ); 9 сентября 2025 (Hype Cycle for Government Services, определение Sovereign AI, перепечатка cxotoday от 12 сентября 2025).
Новый внешний источник эпилога (2026). 6. Stanford HAI, «The 2026 AI Index Report», глава Responsible AI, апрель 2026: https://hai.stanford.edu/ai-index/2026-ai-index-report/responsible-ai — 362 инцидента в AI Incident Database в 2025 году против 233 в 2024-м; доля компаний без политики ответственного ИИ упала с 24% до 11%. Читал текст страницы главы, полный PDF отчёта не открывал.
Независимые исследования хайп-цикла и истории. 7. Steinert M., Leifer L., «Scrutinizing Gartner’s hype cycle approach», PICMET, IEEE, 2010: https://www.semanticscholar.org/paper/Scrutinizing-Gartner's-hype-cycle-approach-Steinert-Leifer/62227cd5c4c9e8bf55a56dd8f8a41f92494695e5 8. Dedehayir O., Steinert M., «The hype cycle model: A review and future directions», Technological Forecasting & Social Change, vol. 108, 2016, pp. 28–41, DOI 10.1016/j.techfore.2016.04.005 (по аннотации): https://econpapers.repec.org/RePEc:eee:tefoso:v:108:y:2016:i:c:p:28-41 9. Akiyama, Long, Yoshida, «Mirage of maturity…», Technological Forecasting & Social Change, 2026 (по пересказу): https://www.sciencedirect.com/science/article/pii/S0040162526002830 10. Paul A. David, «The Dynamo and the Computer», American Economic Review, vol. 80, no. 2, 1990 (как приведено в «Трёх зимах»).
Агенты, данные, суверенитет, контроль (подробные источники и проверки в статьях 37–40). TheAgentCompany (бенчмарк, аннотация); Salesforce AI Research, CRMArena-Pro, май 2025 (vendor research); METR, 2025 и февраль 2026; BARC, Fivetran, Nasuni, Deloitte (опросы по данным; три из четырёх vendor research); Еврокомиссия, InvestAI; The Register, 6 октября 2025, и AP, 7 октября 2025, о Deloitte Australia (пересказ, отчёт не читал); Fortune, 23 июля 2025, о Replit; FinOps Foundation, State of FinOps 2026: https://data.finops.org/ ; Microsoft и OpenAI, изменение соглашения, 28 октября 2025 (по сообщениям, см. статью 36).
Авторские материалы.
- Три зимы
- Блог: /blog
Ограничения. Положение точек и сроки читаются только с графика. Полный отчёт Gartner платный и не использовался. Определения технологий по Gartner в открытом доступе есть не для всех. Все советы для небольшой компании — мнение автора, не рекомендации Gartner.