AI становится частью бизнес-системы: что стоит за прогнозами Gartner на 2027 год и далее

15 сентября 2026 года Gartner опубликовал десять стратегических прогнозов на 2027 год и последующий период. Большинство из них связано с AI: автономными агентами, физическими AI-системами, новой экономикой разработки, управлением стоимостью и ответственностью за решения.

Если смотреть на этот список только как на прогноз развития технологий, получится очередная картина масштабирования AI.

Но для практики управления бизнес-системами здесь важнее другое. AI перестает быть отдельным инструментом внутри существующей системы. Он начинает менять саму систему: кто выполняет работу, как создаются решения, как распределяется ответственность, как считается стоимость и где проходит граница управляемого контура.

Именно поэтому пора прекращать искать, где еще применить AI. И начинать строить бизнес-систему так, чтобы  AI уже могла быть ее постоянным участником.

Дешевле создавать — сложнее управлять

Один из самых показательных прогнозов Gartner касается корпоративных приложений.

По оценке компании, к 2029 году 80% новых приложений будут намеренно создаваться как временные и использоваться менее одного года. Если AI радикально снижает стоимость и скорость разработки, приложение все чаще можно создавать под конкретную локальную задачу и не рассчитывать на многолетний жизненный цикл.

Раньше автоматизация упиралась в дефицит разработки: нужно было сформировать требования, попасть в приоритет, получить бюджет, дождаться реализации. Теперь барьер создания решения снижается.

Но одновременно возникает новое ограничение — управляемость.

Если сотрудники и подразделения могут быстро создавать собственные приложения, агентов и автоматизации, организации приходится отвечать уже на другой набор вопросов:

• кто владелец решения;
• к какому процессу оно относится;
• какие данные использует;
• какие полномочия имеет;
• какие риски создает;
• как контролируется его работа;
• когда оно должно быть отключено.

Раньше нужно было управлять дефицитом автоматизации. Теперь, возможно, придется управлять ее избытком. А значит, архитектура, реестры решений, владельцы процессов и правила жизненного цикла становятся не менее важны, чем сама возможность быстро что-то разработать.

Стоимость AI придется считать внутри процесса

Еще одна линия прогнозов Gartner связана с экономикой AI.

К 2029 году, по оценке Gartner, 60% организаций, внедряющих AI, создадут отдельную функцию, отвечающую за сопоставление полной стоимости AI с создаваемой ценностью или прибылью.

Параллельно Gartner ожидает развитие AI FinOps: управление затратами будет происходить не постфактум, а непосредственно во время работы моделей.

Если AI становится исполнителем части процесса, бессмысленно оценивать его стоимость отдельно от стоимости самого процесса. Например, AI может сократить трудозатраты сотрудников, но увеличить расходы на вычисления, контроль, верификацию результатов, обработку исключений или поддержку инфраструктуры.

Чтобы понять, как изменилась экономика процесса после включения AI, уже недостаточно видеть только бюджет на модели и инфраструктуру. Нужно связывать между собой ресурсы, операции, процессы, результаты и экономический эффект.

И чем глубже AI будет встроен в операционную деятельность, тем слабее будет работать подход, при котором его эффективность оценивают отдельно от общей архитектуры создания ценности.

AI становится объектом операционного управления

В прогнозах Gartner есть и более специфический сигнал: к 2030 году 80% организаций с публичными AI-сервисами могут столкнуться с так называемыми cost exhaustion attacks — атаками, при которых злоумышленник намеренно провоцирует повышенное использование AI и тем самым увеличивает расходы компании.

Gartner предлагает рассматривать потребление токенов не только как финансовый показатель, но и как параметр информационной безопасности.

Для нас здесь важен сам принцип.

AI-систему уже недостаточно просто внедрить и периодически оценивать.

Нужно управлять ее работой в момент исполнения:

• сколько ресурсов потребляется;
• для какой операции;
• в каких пределах;
• при каких отклонениях выполнение нужно остановить;
• когда сценарий должен быть передан человеку или другой системе.

То есть AI постепенно входит в обычный операционный контур как еще один управляемый элемент бизнес-системы.

Ответственность придется проектировать заново

Отдельный блок прогнозов Gartner касается ответственности.

По прогнозу компании, к 2030 году 80% компаний Global 500 формально закрепят за CIO или CAIO роль Evidence Custodian — ответственного за цифровые доказательства, необходимые для обеспечения подотчетности AI.

Это важный сигнал.

Когда значимую операцию выполняет сотрудник, ответственность обычно уже встроена в организационную систему: есть должность, полномочия, руководитель, регламент.

Когда часть действий выполняет AI-агент, привычной конструкции становится недостаточно.

Нужно определить:

• кто отвечает за правила работы агента;
• кто отвечает за данные;
• кто задает допустимые границы;
• кто подтверждает корректность результата;
• кто хранит историю принятого решения;
• кто отвечает за последствия.

Фактически вместе с автоматизацией решений появляется необходимость проектировать и доказуемость этих решений.

Организация должна уметь восстановить:

• какие данные использовались;
• какая модель или агент выполняли действие;
• какие ограничения действовали;
• какой результат был получен;
• кто отвечал за соответствующий контур управления.

Показателен и еще один прогноз Gartner: влияние на AI governance могут усиливать страховые компании, которые будут предъявлять требования к встроенным механизмам контроля.

То есть декларативных политик будет становиться недостаточно. Правила должны быть встроены непосредственно в процессы и системы.

Меняется состав участников процесса

Еще один прогноз Gartner касается физического AI.

Компания предполагает, что к 2030 году 80% сотрудников первой линии международных компаний будут работать при поддержке физических AI-систем — роботов, дронов, автономного транспорта и других технологий, способных действовать в физической среде.

Для процессного управления это означает довольно существенный сдвиг.

В традиционной модели есть сотрудник и поддерживающая его информационная система.

Но постепенно в одном процессе могут одновременно участвовать:

• человек;
• классическая ИТ-система;
• AI-ассистент;
• автономный программный агент;
• физическая автономная система.

Тогда описание процесса уже не сводится к последовательности действий сотрудников. Нужно определять, кто именно может выполнять каждую операцию, на каких условиях, с какими полномочиями и каким уровнем контроля.

Что объединяет прогнозы Gartner

Gartner делит свои стратегические прогнозы на несколько тематических групп.

Но с позиции бизнес-систем в них можно увидеть одну общую линию.

AI становится не внешним инструментом, а полноценным элементом организационной системы.

Он создает приложения.

Выполняет операции.

Потребляет ресурсы.

Взаимодействует с клиентами.

Работает с физической инфраструктурой.

Участвует в принятии решений.

И каждое такое действие должно быть встроено в существующие или заново спроектированные контуры управления.

Это значит, что рядом с AI неизбежно должны появляться:

• владельцы;
• метрики;
• ограничения;
• архитектурные правила;
• механизмы контроля;
• управление жизненным циклом;
• экономика;
• ответственность.

От внедрения AI — к проектированию системы управления

Последние несколько лет многие компании решали задачу поиска сценариев применения AI.

Что автоматизировать? Где использовать ассистента? Как сократить трудозатраты? Какие процессы ускорить?

Но по мере масштабирования AI задача становится другой. Нужно отвечать уже на системные вопросы:

Кто определяет полномочия AI? Кто отвечает за его действия? Как измеряется влияние на экономику процесса? 

Кто управляет быстро возникающими локальными решениями? Как сохраняется история и доказательная база решений? Какие действия необходимо оставлять за человеком?

Как AI связан с архитектурой процессов, данных и ответственности?

Именно в этом контексте прогнозы Gartner интересны не только ИТ-руководителям. Если создание AI-решений становится все дешевле и быстрее, главным ограничением становится способность организации встроить ее в управляемую бизнес-систему.