Рынок агентных решений на базе ИИ
Нередко выясняется, что за одним ассистентом должна стоять целая инфраструктура — поиск по корпоративным знаниям, векторная база, доступ к моделям, квоты и мониторинг, — и ее отсутствие обнаруживается уже на этапе внедрения, а не на пилоте.
Отдельная группа причин связана с экономикой и организацией проекта. На стадии пилота считается стоимость эксперимента, а при переходе в эксплуатацию — уже полная стоимость владения с учетом интеграций, доработок, поддержки и инфраструктуры для работы в закрытом контуре, включая оборудование. Часто эти расходы заранее не закладываются, и оказывается, что экономический эффект либо не определен, либо не покрывает реальные затраты.
К этому добавляется отсутствие владельца бизнес-процесса и заранее зафиксированных метрик успеха: пилот нередко запускают энтузиасты внутри одного подразделения без встроенности в операционную модель компании, и проект теряет актуальность при смене приоритетов или спонсора.
По нашей оценке, до промышленной эксплуатации доходит около 70% пилотов. На пилоте все обычно выглядит хорошо: взяли мощности в облаке, быстро проверили гипотезу, получили результат. Потом ИБ говорит: «Теперь все переносим внутрь контура». И тут выясняется, что денег на GPU-серверы, резервирование и эксплуатацию никто не заложил. В итоге проект упирается не в мозги агента, а в железо для него, — отмечает Александр Аболмасов, CEO SL Soft fabricaONE.AI, сооснователь DreamAgent.
Конкурентная среда выстраивается вокруг трех типов игроков рынка, у каждого из которых сформировалось собственное устойчивое преимущество. Крупные ИТ-экосистемы опираются на масштаб: собственные модели, облачную инфраструктуру и готовые каналы дистрибуции, что позволяет им предлагать заказчику полный технологический стек сразу — от модели до готовых прикладных агентов. Их обратная сторона для заказчика — привязка к одному поставщику, что для части компаний становится самостоятельным аргументом против выбора экосистемного решения.
Независимые платформы конкурируют прежде всего гибкостью: поддержкой разных моделей, возможностью локального и гибридного развертывания и более свободной интеграцией с уже существующим ИТ-ландшафтом заказчика, не создавая зависимости от одного вендора модели.
Нишевые разработчики держатся за счет глубокой отраслевой экспертизы и готовых сценариев в конкретных сферах — юриспруденции, закупках, медицине, HR, — но все чаще существуют не как самостоятельные продукты, а как модули поверх чужих платформ.
Открытые модели заметно выровняли доступ к самой технологии, поэтому конкуренция смещается с вопроса «у кого лучше модель» на вопрос «кто закрывает весь цикл вокруг нее». Модель в этой логике постепенно превращается в сырье, а борьба идет за контур вокруг нее и за доведение задачи до проверенного результата в реальной системе заказчика.
Важным ограничением для всех становится внутренняя команда заказчика. Ускоренная ИИ-инструментами разработка позволяет крупным корпорациям закрывать часть простых задач собственными силами, и внешняя платформа сохраняет ценность ровно настолько, насколько она оказывается быстрее и дешевле такой самостоятельной разработки. В результате намечается разделение труда: типовые и простые сценарии заказчики будут все чаще реализовывать сами, а внешним интеграторам и платформам останется конкуренция в сегменте сложных мультиагентных проектов с глубокими интеграциями, где внутренней команде не хватает опыта или ресурсов.
На практике границы между типами игроков все больше размываются: заказчик может взять платформенную инфраструктуру у одного поставщика, а отраслевого агента — у другого, комбинируя решения разных вендоров под собственную задачу. В этом контексте усиливается роль партнерств и альянсов между платформами, облачными провайдерами и интеграторами, которые вместе собирают гибридные решения под конкретных крупных заказчиков. Такие союзы эксперты называют признаком перехода рынка от точечных пилотов к промышленным экосистемам.
Как отмечает Александр Аболмасов, CEO SL Soft fabricaONE.AI, сооснователь DreamAgent, победит не тот, у кого агент эффектнее разговаривает на демо, а тот, кто доводит задачу до проверенного результата в реальной системе.
по любому вопросу