Когда в начале 2026 года акции софтверных компаний упали в цене, рынок воспринял всю категорию как жертву искусственного интеллекта. Такая оценка оказалась слишком широкой. В феврале Goldman Sachs Research отметили, что переоценка носила широкий, а не избирательный характер,¹ и более правильный вопрос заключается в том, какое именно ПО продолжает улучшаться по мере того, как клиент им пользуется. Ответ сводится к одной возможности: фиксации решений, а не просто записей.
В недавнем выпуске подкаста AI Radicals ведущий Сатьен Сангани встретился с Ашу Гаргом, партнером в Foundation Capital, чтобы обсудить, куда уходит ценность, когда модели ИИ становятся взаимозаменяемыми. Раскроем карты: Гарг и Foundation Capital являются инвесторами Alation.
Главный удар приходится на легкие интерфейсы с оплатой за рабочие места
Инструменты управления проектами, по словам Гарга, «похожи на электронные таблицы на стероидах», а калькулятор компенсаций отдела продаж «никогда не заслуживал того, чтобы быть отдельным приложением».²
Аналитики Goldman проводят ту же границу в своем . Наиболее уязвимые продукты выступают в роли легких пользовательских интерфейсов и получают большую часть выручки за счет подписок на рабочие места. На уровне платформ и инфраструктуры агенты, как правило, повышают спрос на управление данными, оркестрацию и безопасность. Аналитики также подсчитали, что оценки стоимости изменились с закладывания среднесрочного роста на уровне 15-20% до 5-10% — переоценка, которую они сочли слишком масштабной.³
Гарг говорит, что настоящая проблема «горящего дома» для предприятий — это программное обеспечение, которым трудно пользоваться, которое негибко и не приносит той бизнес-ценности, ради которой его покупали. 10-процентная экономия на счете, по его словам, — это «погрешность округления».² Сангани добавляет, что приложения отрабатывают свою стоимость в последние 20 процентах: в надежности и масштабируемости, от которых зависит операционная модель корпоративного ИИ.²
Долговечное программное обеспечение фиксирует как то, почему было принято решение, так и то, что именно произошло
Главный аргумент Гарга проистекает из концепции цепочки принятия решений. CRM фиксирует, что клиент получил скидку, но обоснование, исключения и согласования остаются в тредах Slack, электронных письмах и звонках, разбросанных по дюжине или более интерфейсов.² Инфраструктура, которая фиксирует эти следы с течением времени, — это то, что он и его партнер по Foundation Capital Джая Гупта называют контекстным графом, близким родственником слоя корпоративного контекста, который сейчас используют многие команды по работе с данными.
Эссе Foundation Capital о контекстных графах утверждает, что системы записей сохраняют текущее состояние. Salesforce знает, как выглядит возможность в данный момент, говорят авторы, но не знает, как она выглядела в момент принятия решения. Они определяют контекстный граф как «живой журнал цепочек принятых решений».⁴ Независимое подтверждение исходит от Goldman, чей тест на долговечность проверяет, управляет ли платформа согласованиями, комплаенсом и исполнением.⁵ Рекомендации Gartner от мая 2026 года касаются семантики, а не цепочек принятия решений, но они ведут в том же направлении: advises data and analytics leaders to establish a context layer потому что традиционные модели данных на основе схем сами по себе лишены бизнес-контекста и смыслового значения данных.¹⁰
Владение записями защищает вендора, а фиксация решений позволяет точности этих записей расти со временем. Этот слой также отличается от более старых структур (различие, исследуемое в графах знаний по сравнению с каталогами данных). Риск для всех остальных четко сформулирован Гаргом: если контекст фиксируется на уровне поверх приложения, это приложение превращается «не более чем в базу данных и API».² Он добавляет, что сегодня никто не собирается менять Salesforce.²
Сангани подходит к той же проблеме со стороны каталогов. То, что документирует команда, всегда отстает от текущей реальности, и когда циркулирует четыре версии правды, самое сложное — решить, какая из них верна.²
Обучающиеся приложения берут на себя больше решений по мере того, как доказывают свою эффективность
Тест Гарга для любого корпоративного приложения прост: «Станет ли приложение, которым я пользуюсь через месяц, лучше приложения, которым я пользуюсь сегодня?»² На практике «лучше» означает, что приложению реже требуется участие человека.
В качестве примера он приводит небольшой агентский рабочий процесс, ориентированный на скидки. Сначала приложение консультируется с вице-президентом по продажам перед предоставлением каждой скидки. Со временем оно учится на этих согласованиях, начинает самостоятельно одобрять рутинные случаи и сообщает вице-президенту постфактум: «Привет, я принял это решение для сведения». В конце концов, *«уведомление может стать ненужным»*.² Внимание вице-президента переключается на исключения.
Эта эволюция отделяет программное обеспечение, которое развивается, от программного обеспечения, которое стоит на месте. Калькулятор, выполняющий одну определенную задачу, работает на 500-й день так же, как и в первый, и Гарг отмечает, что с такими узкими задачами уже можно справиться в интерфейсе чата. Приложение, которое учится на каждом решении, становится тем ценнее и тем труднее его заменить, чем дольше оно работает.
Однако автономию нужно заслужить. Gartner predicts, что к 2028 году не менее 15% повседневных рабочих решений будут приниматься автономно по сравнению с 0% в 2024 году.⁶ В том же отчете прогнозируется, что к концу 2027 года более 40% проектов в области агентского ИИ будут закрыты из-за эскалации затрат, неясной бизнес-ценности или неадекватных средств контроля рисков.
Сангани описывает то же давление со стороны вендора. Клиенты говорят, что новые функции выходят быстрее, чем они успевают их усваивать, поэтому продукт должен переваривать новые релизы за них.² (Интеллектуальная операционная система Alation создана для того, чтобы поддерживать агентов, контекст и данные в актуальном, управляемом и совершенствующемся состоянии.⁷)
Что исправлять — модель или контекст — зависит от характера работы
Когда ИИ-приложение совершает ошибку, команда может исправить ее в двух местах. Она может исправить модель путем ее дообучения на примерах, чтобы исправление было заложено в саму основу. Или она может исправить контекст, предоставив приложению бизнес-правила и специфические для клиента знания, к которым оно сможет обращаться при каждом действии. По мнению Гарга, правильный выбор зависит от характера работы: однородные, узкие задачи подходят для первого варианта, а разнообразные, многоролевые процессы — для второго.²
Hippocratic AI демонстрирует первый случай. Компания создает голосовых медсестер, которые обзванивают пациентов для выполнения узких рутинных задач с высоким объемом, таких как контрольные звонки после кардиохирургии — то есть задачи, идеально подходящие для специализированных корпоративных агентов ИИ. Больницы в целом следуют одним и тем же общенациональным протоколам, поэтому работа одной медсестры очень похожа на работу другой. Следовательно, Hippocratic AI полностью работает на моделях с открытым исходным кодом и дообучает их на крайних случаях, выявляемых в ходе масштабной оценки людьми.²
Процесс продаж — это второй случай. Торговые представители, инженеры по продажам, менеджеры и вице-президенты используют одно и то же приложение, и решения варьируются от одного клиента к другому. Дообучение модели для каждого клиента сделает стоимость внедрения таких решений «экспоненциальной», говорит Гарг, а каждое изменение в принятии решений будет означать необходимость нового дообучения. Поэтому специфичные для клиента решения должны находиться в контекстном слое. Он подозревает, что даже решения Hippocratic AI, специфичные для конкретных больниц, в конечном итоге перекочуют туда.²
Именно поэтому Сааспокалипсис носит ограниченный характер. Однородная задача может быть поглощена моделью или интерфейсом чата. Процесс, который меняется в зависимости от клиента и охватывает разные роли, требует слоя контекста, который кто-то должен создать и поддерживать, и именно в этом слое долговечное приложение сохраняет свою ценность.
Внешние данные свидетельствуют о том же. По оценкам Epoch AI, лучшие модели с открытыми весами отстают от закрытых передовых моделей примерно на четыре месяца с января 2026 года.⁸ По мере сближения моделей, как ожидает Гарг, различия между компаниями заключаются в их контексте. Gartner ожидает, что агенты пройдут путь от узкоспециализированных ролей до совместной работы агентов, а затем до экосистем, пересекающих границы приложений.⁹ Именно здесь, по словам Гарга, контекстный уровень оправдывает себя, и именно здесь начинает иметь значение разница между метаданными и контекстом.
Как узнать, является ли контекст правильным? Ответ Сангани заключается в проведении оценки ИИ-агентов, потому что, по его словам, «вы не сможете разобраться в своем контексте, пока не поймете, какое приложение лежит поверх него».²
Что руководители по работе с данными должны вынести из этого
Узкие однозадачные продукты могут быть поглощены моделью или чат-интерфейсом. Продукты, охватывающие роли, клиентов и приложения, сохраняют долговечный уровень, и захватываемый ими контекст — это то, что отличает программное обеспечение, которое учится, от программного обеспечения, которое выполняет.
Когда вы оцениваете поставщика приложений, задайте два вопроса. чему продукт учится от каждого принятого им решения? И кому принадлежит этот накопленный контекст, если вы переключитесь? Ответы на оба вопроса зависят от управления ИИ, которое обеспечивает надежность контекста.
Хотите узнать, как Alation может поддержать вашу стратегию контекста? Закажите у нас демонстрацию сегодня.
Источники и примечания
Каждое внешнее утверждение на этой странице поддается независимой проверке. Общедоступные источники перечислены здесь.
1. Goldman Sachs Research заявили, что переоценка акций софтверных компаний применялась широко, а не выборочно. — Goldman Sachs, «Какие компании-разработчики программного обеспечения выиграют от искусственного интеллекта?», 18 февраля 2026 г. ↗
2. Цитаты и пересказы слов Ашу Гарга и Сатьена Сангани взяты из выпуска AI Radicals с Ашу Гаргом. — Alation, AI Radicals, страница эпизода «Open Source, Open Question». ↗ https://www.alation.com/podcast/episodes/open-source-open-question-ashu-garg/
3. Экспозиция сосредоточена в легких интерфейсах с монетизацией по подписке (seat-monetized); спрос на уровне платформ на управление данными, оркестрацию и безопасность; оценки, предполагающие среднесрочный рост на уровне 15-20% на пике против 5-10% после распродажи. — Goldman Sachs, 18 февраля 2026 г. ↗
4. Salesforce описывается как созданная на базе хранилища текущего состояния; граф контекста определяется как «живой журнал следов решений». — Джая Гупта и Ашу Гарг, Foundation Capital, «Триллионная возможность ИИ: Графы контекста», 22 декабря 2025 г. Гарг является соавтором, а Foundation Capital — инвестором Alation. ↗
5. Тест на долговечность: управляет ли платформа одобрениями, комплаенсом и исполнением (владение системой учета). — Goldman Sachs, 18 февраля 2026 г. ↗
6. Не менее 15% повседневных рабочих решений будут приниматься автономно к 2028 году по сравнению с 0% в 2024 году; более 40% проектов агентного ИИ будут отменены к концу 2027 года; около 130 тысяч поставщиков агентного ИИ являются реальными. — Gartner, пресс-релиз, 25 июня 2025 г. ↗
7. AIOS описывается как поддерживающая агентов, контекст и данные в актуальном, управляемом и улучшающемся состоянии. — Alation, обзор AIOS. ↗ https://www.alation.com/aios/
8. Модели с открытыми весами отставали от закрытых передовых моделей в среднем на четыре месяца с января 2026 года. — Джек Эдвардс и Люк Эмберсон, Epoch AI, 29 мая 2026 г. (CC BY). ↗
9. Переход от специализированных агентов к сотрудничающим агентам и экосистемам агентов в разных приложениях. — Gartner, пресс-релиз, 26 августа 2025 г. (обновлено 5 сентября 2025 г.). ↗ https://www.gartner.com/en/newsroom/press-releases/2025-08-26-gartner-predicts-40-percent-of-enterprise-apps-will-feature-task-specific-ai-agents-by-2026-up-from-less-than-5-percent-in-2025
10. Gartner рекомендует руководителям по работе с данными и аналитикой создать контекстный уровень в качестве основного компонента инфраструктуры D&A, поскольку традиционные модели данных на основе схем сами по себе лишены бизнес-контекста и смыслового значения данных. — Gartner, пресс-релиз,
11. Май 2026 г. ↗
АТРИБУЦИЯ АНАЛИТИКОВ И ОТКАЗ ОТ ОТВЕТСТВЕННОСТИ
Gartner, «Gartner прогнозирует, что более 40% проектов агентного ИИ будут отменены к концу 2027 года», пресс-релиз, Анушри Верма, 25 июня 2025 г. Gartner, «Gartner прогнозирует, что 40% корпоративных приложений будут оснащены специализированными ИИ-агентами к 2026 году по сравнению с менее чем 5% в 2025 году», пресс-релиз, Анушри Верма, 26 августа 2025 г. Gartner, «Gartner заявляет, что отсутствие семантики приводит к неточностям ИИ-агентов и пустой трате средств», пресс-релиз, Рита Саллам, 11 мая 2026 г.
Gartner не одобряет каких-либо поставщиков, продукты или услуги, упомянутые в ее исследовательских публикациях, и не рекомендует пользователям технологий выбирать только тех поставщиков, которые имеют самые высокие рейтинги или другие обозначения. Исследовательские публикации Gartner состоят из мнений исследовательской организации Gartner и не должны рассматриваться как констатация фактов. Gartner отказывается от всех гарантий, явных или подразумеваемых, в отношении данного исследования, включая любые гарантии товарной пригодности или пригодности для конкретной цели. GARTNER и Magic Quadrant являются зарегистрированными товарными знаками и знаками обслуживания Gartner, Inc. и/или ее филиалов в США и за рубежом и используются здесь с разрешения. Все права защищены.
Goldman Sachs: Эта статья предоставляется исключительно в образовательных целях. Информация, содержащаяся в этой статье, не представляет собой рекомендацию со стороны какого-либо юридического лица Goldman Sachs в адрес получателя, и Goldman Sachs не предоставляет никаких финансовых, экономических, юридических, инвестиционных, бухгалтерских или налоговых консультаций посредством этой статьи или ее получателю. Ни Goldman Sachs, ни кто-либо из его аффилированных лиц не делает никаких заявлений или гарантий, явных или подразумеваемых, относительно точности или полноты заявлений или любой информации, содержащейся в этой статье, и любая ответственность за них (включая прямой, косвенный или вытекающий ущерб или убытки) прямо отклоняется.
/)
/)
