Гонка за внедрение агентного искусственного интеллекта становится все более ожесточенной. Однако главный вопрос заключается в том, готова ли к этому корпоративная инфраструктура данных. Как показывает отчет Fivetran «2026 Agentic AI Readiness Index», похоже, она с трудом успевает за темпами развития ИИ, сообщает портал BigDataWire.

Согласно исследованию Fivetran, хотя 41% организаций уже использует агентный ИИ в производственной среде, только 15% считают, что полностью готовы поддерживать его с помощью необходимого фундамента данных. Что могут сделать предприятия в этой ситуации?

Чтобы разобраться в этом, давайте рассмотрим ключевые проблемы. Этот разрыв в готовности к ИИ становится все более важным по мере того, как системы ИИ выходят за рамки генерации рекомендаций и начинают работать автономно в рамках корпоративных рабочих процессов. Системы агентного ИИ все чаще полагаются на доступ к надежным и управляемым данным для запуска действий и принятия оперативных решений в режиме реального времени.

В отчете утверждается, что следующий серьезный вызов для корпоративных систем ИИ заключается в том, смогут ли организации создать совместимые и надежные среды данных, способные поддерживать автономный ИИ в масштабе.

Предприятия вступают в более сложную фазу внедрения ИИ, когда скорость развертывания сама по себе не является проблемой, но она начинает опережать операционную зрелость. Организации, похоже, уверенно продвигаются вперед, продолжая агрессивно инвестировать. Почти 60% сообщают о многомиллионных вложениях в инициативы по внедрению агентного ИИ. Между тем, многие другие все еще находятся на этапе оценки и пилотных проектов перед более широким внедрением.

Что осложняет этот переход, так это состояние самой базовой среды данных. Многие предприятия продолжают работать с ненадежной интеграцией. Они сталкиваются с разрозненными системами, непоследовательными стандартами управления и ограниченной видимостью того, как операционные данные перемещаются внутри организации. Значимость этих недостатков растет по мере того, как все больше систем ИИ начинают работать автономно.

Простого внедрения ИИ в производство уже недостаточно. Не менее, а возможно, и более важно убедиться, что окружающая инфраструктура может безопасно и стабильно поддерживать автономные системы после их развертывания.

Согласно отчету, организации, которые уже значительно продвинулись в плане готовности к агентному ИИ, по-другому подходят к перемещению данных, и это может дать вам ключ к тому, что вы можете сделать. Эти организации отдают приоритет непрерывно обновляемым конвейерам вместо периодических обновлений и улучшений наблюдаемости во всех системах. Они также консолидируют доверенные данные в централизованных средах хранилищ и озер-хранилищ данных.

В отчете подчеркивается, что масштабирование автономного ИИ требует в первую очередь масштабирования надежной инфраструктуры. Это подводит нас к следующему выводу: самые большие препятствия на пути масштабирования агентного ИИ больше не связаны с производительностью моделей.

Отчет Fivetran показывает, что наиболее распространенными блокирующими факторами являются проблемы качества и происхождения данных (42%), за которыми следуют вопросы соответствия нормативным требованиям и суверенитета (39%), а также риски безопасности и конфиденциальности (39%).

Эти проблемы являются часть более широких изменений, происходящих в корпоративном ИИ. В течение нескольких лет большинство организаций сосредотачивались на экспериментах, проверке концепций и доступе к все более совершенным моделям. Агентный ИИ меняет ситуацию, поскольку от этих систем ожидается работа в реальных бизнес-средах, часто с возможностью автоматического запуска действий.

В такой среде плохое управление становится не техническим неудобством, а операционной проблемой. Автономная система ИИ, работающая с неполными или плохо управляемыми данными, не улучшается постепенно с течением времени. Она просто быстрее масштабирует ошибки и распространяет их на большее количество систем.

Эта проблема уже влияет на решения предприятий о закупках. В отчете говорится, что 65% организаций либо сильно ограничат, либо полностью отклонят закупки у поставщиков, не способных соответствовать требованиям к управлению и суверенитету, в том числе 25% откажутся от таких поставщиков вовсе.

В отчете рекомендуется, чтобы организации начали рассматривать управление как производственную инфраструктуру. Многие до сих пор считают это просто документацией по соблюдению нормативных требований. Им необходимо внедрить более строгие механизмы контроля доступа к тому, что могут видеть или изменять агенты ИИ, а также улучшить сквозную отслеживаемость и проверяемость. Им также следует работать над обеспечением контроля регионального суверенитета. Это поможет четко определять до развертывания, с какими системами агентам разрешено взаимодействовать.

В отчете подчеркивается, что совместимость является растущим стратегическим приоритетом для предприятий, внедряющих агентный ИИ, особенно для тех, кто внедряет его в больших масштабах. Подавляющее большинство (86%) организаций считают совместимость и расширяемость платформ важными или критически важными, в то время как многие все больше опасаются оказаться запертыми в жестких экосистемах интеграции данных. Фактически, респонденты оценили платформы интеграции данных как более серьезную проблему, приводящую к зависимости от конкретного поставщика, чем облачные провайдеры или корпоративные приложения.

Эта обеспокоенность становится понятной, поскольку агентный ИИ выходит за рамки изолированных пилотных проектов. Автономные системы все чаще требуют одновременного доступа к хранилищам данных, операционным средам, аналитическим платформам и корпоративному ПО. Если эти среды остаются разрозненными, согласованно масштабировать работающие на них системы ИИ становится все сложнее.

В отчете утверждается, что предприятиям следует сосредоточиться на гибкости сейчас, прежде чем сложность инфраструктуры станет сложнее устранять.

Один из рекомендуемых подходов — это внедрение нейтральных по отношению к поставщикам интеграционных слоев, централизация управляемого доступа к данным и построение на основе открытых форматов, таких как Apache Iceberg и Delta Lake. Это позволит организациям легче переходить между инструментами и платформами с течением времени.

Предприятиям также рекомендуется проектировать инфраструктуру таким образом, чтобы модели и сервисы ИИ могли развиваться без многократной перестройки основных конвейеров.

Становится все более очевидным, что следующий этап гонки в сфере корпоративного ИИ может в значительной степени зависеть от того, как организации смогут создать инфраструктуру, способную реально поддерживать автономные системы в средах, которые, судя по всему, становятся все более сложными. Представленные в отчете рекомендации могут стать хорошей отправной точкой для организаций в преодолении этих проблем.