Американская компания Fivetran опубликовала индекс готовности к агентному ИИ: инфраструктура данных большинства предприятий еще не готова

Репортаж от Wedoany，Американская компания в сфере инфраструктуры данных Fivetran 5 мая 2026 года официально опубликовала «Индекс готовности к агентному ИИ 2026», в котором системно оценивается, обладают ли глобальные предприятия базой данных, необходимой для поддержки производственного развертывания агентного ИИ. Отчет показывает, что только 15% предприятий полностью обладают такой базой данных, в то время как почти 60% компаний уже инвестировали в сферу агентного ИИ от миллионов до десятков миллионов долларов. Разрыв между этими двумя цифрами указывает на самое скрытое узкое место в текущем развертывании ИИ на предприятиях — проблема не в недостаточной мощности моделей, а в неготовности данных.

Генеральный директор Fivetran Джордж Фрейзер прямо заявляет в отчете: «Большинство компаний терпят неудачу в ИИ не из-за плохих моделей, а потому, что их данные не готовы. Организации внедряют агентный ИИ в производство, но в основе лежат хрупкие конвейеры, отсутствие отслеживания происхождения данных и системы, которые никогда не проектировались для автономности. Когда это происходит, вы не получаете лучших результатов — вы просто быстрее приходите к провалу».

Индекс основан на глобальном опросе 400 специалистов по данным из США, Великобритании, региона EMEA и Азиатско-Тихоокеанского региона, проведенном Redpoint Ventures, и оценивает готовность корпоративной базы данных по четырем ключевым параметрам: актуальность данных, происхождение данных, управление и интероперабельность. Средний балл готовности опрошенных предприятий составил всего 61–62 балла, что указывает на то, что большинству компаний еще предстоит устранить критические пробелы, прежде чем получить отдачу от инвестиций в ИИ.

Отчет выявил ряд интригующих несоответствий в цифрах. 41% предприятий уже используют агентный ИИ в производстве, но при этом имеют значительные недостатки в надежности данных, управлении и интероперабельности. Это означает, что две из каждых пяти компаний эксплуатируют системы агентного ИИ «в неисправном состоянии», а их конвейеры данных и структуры управления еще не достигли минимальных требований, необходимых для поддержки автономных ИИ-систем.

Главным препятствием на пути к достижению целей в области агентного ИИ является проблема качества и происхождения данных — 42% опрошенных руководителей по данным назвали это основным барьером. За ней следуют требования нормативного соответствия и суверенитета данных, а также риски безопасности и конфиденциальности — оба фактора отметили по 39%. Примечательно, что 86% руководителей по данным считают масштабируемость и интероперабельность платформ важными или критически важными, однако большинство предприятий по-прежнему страдают от фрагментированной системной архитектуры и привязки к поставщикам, при этом платформы интеграции данных названы крупнейшим единичным источником риска привязки.

Различия в организационном и операционном измерениях, влияющие на способность предприятий эффективно развертывать агентный ИИ, еще больше подчеркивают дифференциацию по степени зрелости базы данных. Отчет показывает, что «готовые» предприятия не только более уверены в себе, но и демонстрируют четкие отличительные черты в своей практической деятельности. Такие предприятия чаще используют постоянно работающие, автоматизированные конвейеры данных, непрерывно поддерживая актуальность и надежность информации и контекста; внедряют сквозное отслеживание происхождения данных и управление для обеспечения доверия и соответствия требованиям; проводят стандартизацию на интероперабельной архитектуре, позволяя данным свободно перемещаться по всей инфраструктуре. Именно поэтому они могут шире развертывать агентный ИИ как во внутренних рабочих процессах, так и в клиентоориентированных продуктах, и с большей уверенностью ожидают измеримой отдачи от инвестиций в ИИ.

Отчет намечает для предприятий четыре основных пути наращивания потенциала для поддержки производственного развертывания агентного ИИ. Обеспечение постоянно обновляемых, актуальных и надежных данных через автоматизированные конвейеры — это основа для принятия решений системами агентного ИИ в реальном времени. Прозрачное происхождение данных используется для отслеживания процессов создания и преобразования данных; когда автономная ИИ-система принимает ошибочное решение, предприятие должно иметь возможность быстро определить источник проблемы с данными. Надежные средства контроля управления используются для обеспечения соблюдения политик безопасности и комплаенса; учитывая, что 65% компаний заявили, что серьезно ограничат или полностью откажутся от поставщиков, не способных удовлетворить требования по управлению и суверенитету, способность к управлению стала жестким порогом при выборе поставщика. Открытая интероперабельность обеспечивает беспрепятственный поток данных между различными системами и инструментами; предприятия должны разрушить «островки данных» на архитектурном уровне, чтобы поддерживать автономное планирование и выполнение задач агентным ИИ в мультисистемной среде.

Фундаментальное отличие автономных ИИ-систем от традиционных заключается в том, что первые способны самостоятельно планировать, выполнять и действовать в рамках сквозных бизнес-процессов, что одновременно увеличивает как ценность, так и риски применения ИИ. Опубликованный Fivetran индекс подтверждает более ранний прогноз Gartner: до 60% ИИ-проектов могут быть заброшены из-за отсутствия готовых к ИИ данных. Когда предприятия переходят от стадии экспериментов с моделями к стадии производственного развертывания, база данных перестает быть фоновой инженерной задачей и напрямую определяет, окупится ли отдача от инвестиций в агентный ИИ и какой масштаб развертывания будет безопасным и контролируемым. Опубликованный Fivetran индекс готовности предоставляет первый системный диагностический инструмент для измерения этого инфраструктурного узкого места.

Данный материал скомпилирован платформой Wedoany. При цитировании материалов, созданных с помощью искусственного интеллекта (ИИ), необходимо обязательно указывать источник — «Wedoany». В случае выявления нарушения прав или иных проблем просим своевременно информировать нас. Сайт оперативно внесёт изменения или удалит материал.Электронная почта: news@wedoany.com