Когда ИИ только начали внедрять, спорили о том, на что он способен. Напишет ли модель текст, разберёт ли таблицу, заменит ли человека. В 2026 году аналитики Gartner, судя по их открытой статье о графике ИИ, говорят о другом. Главный вопрос года, по их словам, такой: может ли организация отчитаться, что делает её ИИ и сколько это стоит.
Вопрос читателя, который я за этим слышу: звучит как задача для корпорации с отделом комплаенса. Что это значит на практике, и касается ли меня, если у меня небольшая компания или я один человек с подпиской на чат?
Ответ у меня в два слоя. Первый: что написано в открытой статье Gartner от 1 октября 2026 года и где соответствующие технологии стоят на графике. Здесь я опираюсь на источники и помечаю, где они слабые. Второй: что из этого следует для вас. Он целиком моё мнение, и я так его и помечаю.
Как устроена кривая, я разбирал в статье «Кривая — не закон», шестнадцать технологий на ней в «Путеводитель по графику». Про агентов, которые уже катятся вниз, в «Агенты катятся вниз». Про данные в «Самое скучное — внизу», про суверенный ИИ на вершине в «Суверенный ИИ на вершине». Платный отчёт Gartner я не читал, только открытую статью и сам график.
1. Что сказала Gartner
Статья называется «The Latest Gartner Hype Cycle for Artificial Intelligence Puts Control Ahead of Capability». По-русски: «Свежий хайп-цикл Gartner по ИИ ставит контроль впереди возможностей». Подзаголовок: ценность ИИ всё больше зависит от того, знаешь ли ты, что делают системы, сколько они стоят и как ими управлять.
Центральная мысль такая. Инвестиции в ИИ остаются высокими, но отдача распределена неравномерно. 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». Haritha Khandabattu, вице-президент по аналитике Gartner, говорит, что эти вопросы лежат в основе почти всего на нынешнем графике: и технологий, которые созрели, и тех, что ускорились быстрее ожидаемого, и тех, что новые или сменили положение. Это мой перевод, оригинал в списке источников.
Второе наблюдение из той же статьи: беспокойство вокруг генеративного ИИ сместилось от возможностей модели к надёжности приложений и окупаемости. Что модель умеет много, уже не новость. Теперь спрашивают, надёжно ли работает построенное на ней приложение и стоит ли оно своих денег.
Третье: цифры про агентов. Gartner пишет, что ИИ-агентов сегодня развернули только 17% организаций, а более 60% ждут, что сделают это в течение двух лет. Источник этих процентов указан в апрельской статье Gartner об агентном ИИ: опрос технических руководителей. При этом сама Gartner ожидает, что более 40% проектов агентного ИИ отменят к концу 2027 года из-за стоимости, неясной ценности или недостаточного контроля рисков. Это прогноз аналитиков, фактом его считать нельзя. Связку Gartner видит такую: организации запускают всё более способные системы раньше, чем появляются средства, чтобы ими управлять.
Дальше статья делится на три части: видеть, что делает система; решать, кому и что можно; считать деньги. Пройдём по ним, а сначала посмотрим, где эти технологии стоят на графике.
2. Где это на графике
На общем графике ИИ 2026 года из этой темы есть четыре точки. Маркер на графике Gartner голубой или тёмно-синий, на наших схемах янтарный или чёрный. Срок означает оценку Gartner: сколько лет до плато.
Инженерия ИИ (AI Engineering) стоит на вершине, чуть правее суверенного ИИ. Голубой маркер: от двух до пяти лет. В отдельном отчёте по корпоративной архитектуре Gartner описывает её как дисциплину, которая охватывает проектирование, разработку, выпуск, эксплуатацию и управление ИИ-системами и объединяет несколько «Ops»-практик (DataOps, ModelOps, LLMOps, AgentOps, DevSecOps). Это пересказ отраслевого издания, самого отчёта я не читал.
Управление расходами на ИИ (FinOps for AI) стоит на подъёме перед вершиной, у её основания. Голубой маркер: от двух до пяти лет.
Идентичность ИИ-агентов (AI Agent Identity) стоит на середине подъёма. Голубой маркер: от двух до пяти лет.
Технологии управления ИИ (AI Governance Technologies) стоят на подъёме, в плотной кучке точек. Тёмно-синий маркер: от пяти до десяти лет.
Две оговорки. Первая: Gartner в открытых материалах не объясняет, почему каждая точка стоит именно здесь. Мне остаётся читать положение как карту внимания: по оценке Gartner, ни одна из четырёх технологий до плато ещё не дошла, при том что в статье она называет управление и идентичность обязательными вложениями. Вторая: в кучке перед вершиной линии-выноски пересекаются, и положение точки в ней я определял по увеличенному фрагменту. Ошибка на одну точку там вполне возможна.
Ещё уточнение. Наблюдаемость ИИ, которую Gartner в статье называет одним из самых значимых явлений цикла, отдельной точкой среди шестнадцати технологий на графике я не нашёл. Возможно, она входит в другие, например в технологии управления. Это моя догадка.
3. Видеть: тихие сбои
Первая часть контроля: знать, что система сейчас делает. Gartner называет наблюдаемость ИИ (AI observability) одним из самых значимых событий цикла. По её описанию, это слой телеметрии, то есть записей о работе системы. Он ловит «тихие сбои» и правдоподобные, но неверные ответы, на которые обычный мониторинг не рассчитан. Gartner добавляет, что рынок таких средств незрелый и фрагментированный: многие поставщики закрывают только один слой.
Теперь простыми словами. Обычная программа ломается громко: выскакивает ошибка, страница не открывается. С ИИ бывает иначе. Он ответил, ответ выглядит убедительно, никакая лампочка не загорелась, а в ответе ошибка. Узнать об этом можно, только если кто-то проверил или если есть запись, по которой потом можно разобраться. Почему так получается, я разбирал в статье про галлюцинации: правдоподобный ответ для модели штатный режим. А почему чат охотно соглашается с вами, в статье «Вы натренировали ChatGPT вам врать».
Пример 2025 года, который можно проверить. Австралийское отделение Deloitte подготовило для министерства занятости и трудовых отношений Австралии отчёт на 440 тысяч австралийских долларов. Исследователь Сиднейского университета Chris Rudge нашёл в нём ссылки на несуществующие работы и вымышленную цитату из судебного решения; всего он насчитал около двадцати ошибок. Исправленная версия вышла с пометкой, что при подготовке использовалась модель Azure OpenAI GPT-4o. Deloitte вернула последний платёж по договору — около 97,6 тысячи австралийских долларов, меньше четверти суммы (так сумму назвали представители правительства на слушаниях в Сенате, в пересказе партии «Зелёных»), — и заявила, что выводы отчёта не изменились. Причиной ошибок ИИ фирма прямо не назвала.
Я пересказываю это по сообщениям агентства AP и издания The Register. Отчёт и заявление министерства не открывал. Случай всё равно показателен. Отчёт готовили люди, фирма с именем, был заказчик. Ошибки в ссылках нашёл посторонний читатель уже после публикации. Это и есть тихий сбой: ничего не сломалось, текст ушёл дальше вместе с ошибкой.
4. Допускать: кто разрешил и кому
Вторая часть: управление и идентичность. Gartner считает их обязательными предварительными вложениями для масштабирования агентного, физического ИИ и ИИ в торговле, где агенты взаимодействуют с клиентами и покупками («агентная коммерция»). Управление, по Gartner, нужно закладывать с самого начала. Технологии управления, по её описанию, берут сигналы наблюдаемости и обеспечивают исполнение политик, чтобы намерение руководства совпадало с поведением системы.
Идентичность агента звучит заумно, но идея знакома. Сотрудник приходит в компанию, ему заводят учётную запись, выдают права и записывают, кто за него отвечает. Если он уходит, доступ закрывают. Агент, который читает вашу почту, правит таблицы и пишет клиентам, делает то же, что сотрудник. Права ему обычно выдают от имени человека, который его запустил, и потом трудно отличить, что сделал человек, а что агент.
Пример механизма, и он вендорский. В мае 2025 года Microsoft на конференции Build представила Entra Agent ID: ИИ-агентам из Copilot Studio и Azure AI Foundry автоматически выдаются идентификаторы в каталоге Microsoft Entra. Это одна из попыток поставщика закрыть задачу, оценку решения я не даю. Привожу пример затем, чтобы показать: идея «у агента своя учётная запись» уже стала продуктом.
Второй пример 2025 года: прав у агента оказалось больше, чем нужно. В июле Jason Lemkin, основатель SaaStr, вёл публичный эксперимент с ИИ-ассистентом Replit. Примерно на девятый день, по сообщениям изданий, агент выполнил разрушительные команды и удалил рабочую базу данных, хотя в проекте действовала заморозка изменений. Глава Replit Amjad Masad признал, что агент удалил данные из рабочей базы, назвал это недопустимым и сообщил, что компания вводит автоматическое разделение базы разработки и рабочей. Что агент «ответил» Лемкину о возможности восстановления и сколько записей было в базе, издания пересказывают по-разному, поэтому этих деталей я не привожу. Слова Масада привожу по Fortune.
Вывод из случая простой: агенту дали рабочий доступ там, где хватило бы доступа к копии. В терминах статьи про системное мышление это вопрос о том, где в цепочке стоит человек. Когда он проверяет каждый результат, это HITL (человек в контуре). Когда следит за работой и вмешивается по исключениям, это HOTL (человек над контуром). Во втором режиме без записей о действиях агента и без ограничения его прав вмешиваться нечем.
5. Считать: от счёта задним числом к предохранителю
Третья часть про деньги. Gartner пишет, что быстрое распространение передовых моделей, агентов и физического ИИ увеличивает нагрузку на вычислительные ресурсы. Руководителям, по её словам, надо перейти от ретроспективного учёта расходов к активному предотвращению перерасхода, причём для людей и для агентов. Разница на примере: счёт, который приходит в конце месяца, это учёт задним числом. Лимит, который останавливает запуск до того, как он дорого обойдётся, это предотвращение.
Gartner советует по своей оценке три меры. Первая: принудительно подбирать «уровень интеллекта» под задачу (intelligence tiering). Простой запрос не должен уходить к самой дорогой модели. Вторая: динамические бюджеты сессий с предохранителями (circuit breakers). У каждого запуска свой потолок, при его превышении система останавливается. Третья: автоматический контроль затрат сразу по нескольким поставщикам, с возможностью исправлять ситуацию без ручной работы.
Тут же оговорка самой Gartner: нынешние возможности AI FinOps незрелы, и организациям придётся пользоваться неполными решениями, пока рынок не созреет. Это согласуется с положением на графике: до плато от двух до пяти лет.
Независимая цифра о том, что тема стала массовой. Отчёт State of FinOps 2026 от FinOps Foundation: расходами на ИИ управляют 98% опрошенных, годом раньше было 63%, двумя годами раньше 31%. Всего опросили 1 192 респондента, на вопрос про ИИ ответили 693. Оговорка важная: это опрос сообщества специалистов по управлению облачными расходами, то есть людей, которых тема и так занимает. Он показывает, что у практиков расходы на ИИ вошли в повестку. Каковы дела в средней компании и насколько у них получается этим управлять, цифры не говорят.
6. Что делать: четыре вещи без корпоративных систем
Дальше мой совет. Gartner в открытой статье обращается к руководителям организаций, и четырёх вещей ниже в ней нет. Я перевожу её три части на масштаб небольшой компании и одного человека. Специальные платформы и команда для этого не нужны. Хватит таблицы, нескольких настроек и привычки.
1. Журнал: что делал ИИ. Заведите одну таблицу. Дата, кто поставил задачу, что именно сделал ИИ, что из этого ушло дальше (клиенту, в документ, в решение), кто это посмотрел. Начните со строки на каждое дело, у которого есть последствия. Если вы используете агента, посмотрите, ведёт ли сервис историю его действий, и включите её. Задача у журнала скромная: когда что-то пошло не так, вы можете восстановить, кто, что и когда. Gartner назвала бы это телеметрией, у вас это просто записи.
2. Лимит: сколько это стоит. Поставьте потолок расходов на ИИ-инструменты в месяц и на один запуск, если сервис это позволяет. Загляните в настройки вашего поставщика: у части платных сервисов лимиты расходов есть, у части нет, и это проверяется по условиям конкретного сервиса. Если автоматического лимита нет, поставьте ручной: пока агент работает сам, раз в неделю смотрите счёт. Это ваш аналог «предохранителя». Заведите его до того, как отдавать агенту длинные задачи. Какой потолок разумен, зависит от вашей работы, общей цифры у меня нет.
3. Ответственный: чьё это дело. У каждого процесса с ИИ должно быть одно имя. Назовите конкретного человека, не «команду» и не «мы»: он отвечает за результат и может ответить на вопрос «что это делало на этой неделе». Для агента заведите отдельные ограниченные права: только то, что нужно для задачи, и по возможности доступ к копии, а не к рабочим данным. После истории с Replit это самое дешёвое правило из всех, которые я знаю.
4. Проверка: кто смотрит на результат. Решите заранее, что вы проверяете сами и как. Для важных ответов это просмотр каждого результата, для рутинных выборочная проверка, например каждый десятый. Добавьте набор из десяти контрольных вопросов с известными ответами, как я описывал в «Самое скучное — внизу»: после смены модели или настроек вы прогоняете их и видите, что поехало. Это ручная версия наблюдаемости. В терминах статьи про harness это метрика вокруг агента, без которой он работает вслепую.
Для одного человека всё это то же самое в меньшем масштабе. Если вы пользуетесь чатом как помощником, вы и пользователь, и администратор, и тот, кто отвечает за результат. Строка в заметках «что просил, что получил, что проверил, куда отправил» уже журнал. Потолок на подписку уже лимит. Привычка спросить себя «кто отвечает за этот ответ, если он неверный» уже ответственный.
Здесь граница моего мнения. Я не утверждаю, что этих четырёх вещей достаточно, и не знаю, какая доля компаний получит от них заметную пользу. Это минимум, который можно ввести сегодня и который не требует покупок. Если вы не можете ответить, что ваш ИИ делал на прошлой неделе и сколько это стоило, то по логике статьи Gartner вы пока не готовы масштабировать его использование. Это мой вывод из её текста, самой Gartner такой фразы в статье нет.
Что дальше
Эта статья закрывает разбор графика. Мы прошли кривую целиком: как её читать, какие шестнадцать технологий на ней стоят, куда катятся агенты, что лежит на спуске, что на вершине и что Gartner в этом году ставит впереди возможностей. Остаётся собрать это в одну картину и понять, что полезно из этого помнить, когда график обновится и точки сдвинутся. Это в эпилоге «Карта чужого мнения».
Источники и данные
Gartner.
- Gartner, график Hype Cycle for Artificial Intelligence, 2026 (CTMKT_5445050), © Gartner. Оригинал в статье не воспроизводится; схемы авторские, «По данным Gartner». Положения Governance Technologies, AI Agent Identity, FinOps for AI, AI Engineering.
- Gartner, «The Latest Gartner Hype Cycle for Artificial Intelligence Puts Control Ahead of Capability», 01.10.2026: https://www.gartner.com/en/articles/hype-cycle-for-artificial-intelligence — 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»), наблюдаемость, governance и identity, затраты, 17%, 60%, 40%.
- Gartner, «What the 2026 Hype Cycle for Agentic AI Reveals», Rajesh Kandaswamy, 15.04.2026: https://www.gartner.com/en/articles/hype-cycle-for-agentic-ai — источник цифр 17% и 60% (2026 Gartner CIO and Technology Executive Survey).
- Пересказ Gartner про AI Engineering (Hype Cycle for Enterprise Architecture 2026), вторично: https://campustechnology.com/articles/2026/08/05/gartner-marks-enterprise-move-from-ai-experiments-to-ai-engineering.aspx
Независимые и вендорские источники. 5. FinOps Foundation, State of FinOps 2026, 1 192 респондента, 693 ответили про ИИ (опрос сообщества практиков): https://data.finops.org/ 6. Microsoft, «Microsoft extends Zero Trust to secure the agentic workforce», 19.05.2025 (vendor): https://www.microsoft.com/en-us/security/blog/2025/05/19/microsoft-extends-zero-trust-to-secure-the-agentic-workforce/ 7. The Register, «Deloitte refunds Aussie gov after AI fabrications slip into $440K welfare report», 06.10.2025 (пересказ, отчёт не читал): https://www.theregister.com/2025/10/06/deloitte_ai_report_australia/ ; AP через CTV News, 07.10.2025: https://www.ctvnews.ca/business/article/deloitte-to-partially-refund-australian-government-for-report-with-apparent-ai-generated-errors/ ; Greens, о сумме возврата по слушаниям Сената, 10.2025: https://greens.org.au/news/media-release/greens-slam-deloittes-unethical-behaviour-and-measly-refund-over-ai-report 8. Fortune, «AI coding tool Replit wiped database…», 23.07.2025: https://fortune.com/2025/07/23/ai-coding-tool-replit-wiped-database-called-it-a-catastrophic-failure/ ; eWeek, «AI Agent Wipes Production Database, Then Lies About It», июль 2025: https://www.eweek.com/news/replit-ai-coding-assistant-failure/ ; Incident Database, отчёт 5578: https://incidentdatabase.ai/reports/5578/
Авторские концепции и статьи блога. Галлюцинации; Вы натренировали ChatGPT вам врать; Системное мышление для внедрения ИИ; AutoResearch.