Быстрое внедрение искусственного интеллекта и других новых технологий на предприятиях означает, что CIO должны развивать технологические стеки своих компаний. Опрошенные порталом InformationWeek эксперты рассказывают о некоторых из проблем, на которые следует обратить внимание в 2026 г.
Технологические стеки развиваются быстрее, чем когда-либо, благодаря высоким темпам технологических инноваций и изменений в бизнесе. Чтобы технологический стек работал бесперебойно, CIO должны избегать типичных ошибок, которые приводят к растрате ресурсов. Это не так просто, как кажется.
«Существует огромное количество технологических стеков, многие из которых конкурируют между собой практически еженедельно», — говорит Ранджит Бава, директор по стратегии и технологиям Deloitte, приводя в качестве примера интенсивную борьбу за доминирование между стеками ИИ.
«Мы постоянно наблюдаем перемены с выбором стека: Gemini, Anthropic или Open AI», — отмечает он. Так или иначе, каждый CIO располагает стеком, который, по его мнению, соответствует его стратегии. По мере развития других моделей ИИ он чувствуют себя вынужденными застраховать свои ставки, экспериментируя с новейшими альтернативами для определенных рабочих нагрузок с целью заменить существующий стек или перейти на многостековый режим для большей гибкости.
Проблема усугубляется более широкой дилеммой облачного стека, добавляет Бава. Стандартизация на одном поставщике облачных услуг упрощает операции, но при этом ограничивает гибкость. «Для каждого выбираемого вами технологического стека есть пять причин, по которым вы бы его не выбрали, потому что он не интегрируется с вашей мэйнфрейм-системой, ваша база данных не взаимодействует с ним или вы привязаны к стеку Microsoft», — говорит он.
Семь технологических вызовов, с которыми столкнутся CIO в 2026 году
Один из многих вызовов в области технологий в современном ландшафте ИИ — это поиск баланса между инновациями и зависимостью от поставщиков. Разрабатывая свои технологические стратегии на
Ниже приведены некоторые из наиболее актуальных проблем, о которых должны знать CIO, чтобы предотвратить хаос в своих технологических стеках в 2026 г.
1. Разрастание ИИ-агентов и избыточные инвестиции
Ананд Нимкар, партнер и руководитель практики прикладного ИИ Deloitte Canada, видит необходимость баланса между инновациями и эффективностью в области ИИ как основную проблему корпоративного технологического стека. Проблема разрастания ИИ-агентов на нескольких платформах отражает эту дилемму. Каждая платформа имеет свой собственный способ создания агентов, но для обеспечения эффективности платформы должны быть совместимы с системами учета и друг с другом. Стремление к удовлетворению этого требования приводит к избыточным инвестициям в масштабе предприятия.
«Я вижу два основных тренда: один — это сегрегация, основанная на этих изолированных платформах, а другой — это стремление множества предприятий централизовать свои возможности в области ИИ, потому что разрозненность создает много лишней работы и трудностей с управлением и извлечением выгоды», — говорит Нимкар.
Между тем компании предоставляют нетехническим пользователям — гражданским разработчикам — возможность создавать свои собственные ИИ-агенты и автоматизированные рабочие процессы более органичным образом с помощью таких инструментов, как Microsoft Copilot, Google Agentspace и др.
«Организации хотят повысить производительность, просто предоставляя инструменты, подключая их к источникам данных и позволяя появляться новым сценариям использования», — отмечает Нимкар. Но без централизованного контроля возникает хаос. CIO должны найти способы предоставить возможности гражданским разработчикам, одновременно внедряя достаточное управление, чтобы выявлять избыточность и делиться опытом.
2. Переход к агентной архитектуре происходит на двух уровнях
В основе этого тренда лежит эволюция технологических стеков от традиционных архитектур к агентным. Эта эволюция происходит одновременно как на уровне инфраструктуры, так и на уровне разработчиков, отмечает Тим Ленен, технический директор Drupal Association, которая поддерживает проект с открытым исходным кодом Drupal.
«С точки зрения инфраструктуры, мы наблюдаем продолжающееся абстрагирование уровней управления и компонентов ПО нижнего уровня, интеграцию ИИ-анализа и рабочих процессов в аналитику и мониторинг, а также защиту от злоумышленников на уровне системы», — говорит он.
С точки зрения разработки, ИИ-помощники глубоко интегрируются в среды разработчиков, а инжиниринг подсказок становится важным навыком. Этот подход также влечет за собой новые риски, связанные с вайб-кодингом, добавляет Ленен, имея в виду использование инструментов генеративного ИИ для генерации кода на основе подсказок на естественном языке.
В результате этой технологической эволюции традиционные роли претерпевают изменения, отмечает он: «Мы видим, как разрабатываются инструменты ИИ, позволяющие перенести определенные задачи в редакционной или маркетинговой сфере из инженерной роли в роль „создателя“, в то время как инженерная роль переходит от непосредственной разработки к оркестрации и надзору за системами».
Санджив Вохра, директор по технологиям и инновациям компании Genpact, предоставляющей передовые технологические услуги и решения, поясняет, что технологические стеки эволюционируют в модульные архитектуры, спроектированные для масштабирования, и, да, ИИ становится основополагающим элементом, усиливающим корпоративные системы.
«Сегодняшние стеки все чаще являются облачными, ориентированными на API и пронизанными ИИ-агентами, которые могут учиться, адаптироваться и действовать автономно», — говорит Вохра. Но настоящим переломным моментом является переход от традиционных стеков, основанных на жизненном цикле разработки ПО, к агентной архитектуре.
«ПО больше не является конечным продуктом. Оркестрируемые на всех уровнях ИИ-агенты становятся новой архитектурой», — поясняет Вохра. Предприятия отходят от изолированных приложений в сторону живых, обучающихся систем, которые сочетают в себе данные, ИИ и экспертные знания в конкретной области. «Короче говоря, речь идет не об увеличении количества лошадиных сил. Речь идет о том, чтобы пересесть на новейший электромобиль», — говорит он.
3. Теневые ИТ (снова)
Демократизация инструментов ИИ, которая способствовала распространению ИИ-агентов, также возродила старую ИТ-проблему в новой форме: теневой ИИ.
«Одна компания использует 85 различных моделей. Большинство из них были разработаны отдельными бизнес-подразделениями и владельцами продуктов», — рассказывает Бава. Результат? В настоящее время организация централизует эти усилия с помощью информационно-координационного центра, чтобы определять корпоративные пакеты в разбивке по персоналиям и рабочей нагрузке. «Если вы занимаетесь финансами, вы будете нормализованы на стеке X. Если вы занимаетесь маркетингом, вы будете делать это на другом стеке», — поясняет он.
Цель состоит в том, чтобы использовать стандарты корпоративной архитектуры и просто соблюдать элементарные правила гигиены. По словам Бавы, за последние 18 месяцев в передовых компаниях стало гораздо больше централизованного управления, реализуемого через функцию корпоративной архитектуры или центр передового опыта.
4. Существует временной лаг между первоначальными затратами на технологии ИИ и получаемыми выгодами
Как всегда, от CIO ожидают большего, в то время как ИТ-бюджеты сокращаются, остаются на прежнем уровне или растут незначительно. Внедрение ИИ не облегчает эту задачу, считает Бава. Хотя затраты на рабочую силу сокращаются благодаря ИИ и автоматизации, затраты на ПО продолжают расти.
Инициативы в области ИИ и автоматизации требуют нового дополнительного бюджета, которым CIO не располагают. «Возможно, вы увидите преимущества в производительности через шесть или двенадцать месяцев, но есть проблема с оборотным капиталом, — говорит Бава. — Как вы будете финансировать эти инициативы, пока не найдете возможности для экономии в других областях бизнеса, например за счет повышения производительности или увеличения доходов?».
По словам Нимкара, бизнес-спонсоры все чаще помогают преодолевать ограничения ИТ-бюджета, прямо обязуясь сократить свои собственные бюджеты на основе некоторых из возможностей ИИ и автоматизации. «Часто требуется некоторое управление изменениями или доказательство ценности, — говорит он. — Организации, которые увидели ценность ИИ, выделяют очень большие бюджеты, потому что знают, что могут начать распространять сценарии использования гораздо быстрее, чем раньше». И наоборот, некоторые организации не решаются масштабировать ИИ, потому что еще не увидели доказательств.
Патрик Гилгур, управляющий директор консалтинговой компании Protiviti, указывает на то, что избыточные платформы и приложения напрасно расходуют ресурсы, повышая затраты, что мешает окупаемости инвестиций, гибкости и инновациям. «Когда у вас есть три инструмента, которые пытаются предоставить одно и то же решение, в результате вы получаете увеличение затрат», — говорит он.
И это проблема для CIO, добавляет Гилгур, особенно в сегодняшних экономических условиях. «ROI имеет огромное значение в условиях экономических трудностей, и надо стараться сократить цикл ROI и действительно увидеть рост производительности благодаря ИИ и другим технологиям», — говорит он.
Вохра расценивает проблему бюджетирования как проблему операционной модели, а не как чисто финансовую проблему. «Предприятиям необходимо финансировать архитектурные изменения, а не просто постепенные обновления систем», — считает он. Это требует перехода от проектных расходов к расходам, ориентированным на результат, которые напрямую связывают бюджеты с измеримым влиянием на бизнес. «Только когда бюджеты будут согласованы с новыми архитектурами, разработанными для систем на базе ИИ, организации смогут избежать ловушки, когда расходы на унаследованные системы съедают инновации», — поясняет он.
5. Отраслевой хайп и заявления поставщиков
Сам по себе ажиотаж вокруг интеграции ИИ практически во все инструменты и процессы является огромной проблемой для CIO, считает Ленен. «Сейчас очень разумно быть скептиком в отношении ИИ, но при этом сохранять открытость», — говорит он. Практически все поставщики аналитических, телеметрических, поддерживающих или инфраструктурных SaaS-решений объявили об интеграции ИИ и усовершенствованиях на основе ИИ, что зачастую сопровождалось повышением цен. Но во многих случаях они еще не продемонстрировали ценность этих изменений.
Аналогичным образом, бизнес-руководители чувствуют необходимость внедрения ИИ-решений в качестве части технологического стека, даже несмотря на то, что их понимание полезности ИИ основано на информации, полученной от поставщиков, которые пытаются продать им продукты, а не предоставить экспертные знания.
Ленен советует ИТ- и бизнес-руководителям ознакомиться с конкретными сценариями использования ИИ, которые могут принести пользу. Они должны быть готовы требовать от поставщиков конкретной ценности, а не просто обещаний, и не забывать инвестировать в основные бизнес-функции, которые, хотя и не являются новыми, но остаются столь же важными.
6. Непрописанные политики разрешений для ИИ
В условиях, когда ИИ-агенты становятся все более популярными, доступ к данным по-прежнему остается серьезной проблемой для CIO, считают Нимкар и Бава. Предприятия сталкиваются с проблемами разрешений и доступа на основе ролей, поскольку не создали системы управления для новых технологий.
«Если ИИ-агент, действующий от имени сотрудника, может получить доступ к источникам данных и владельцам API этих источников, значит, организации не сопоставили политики использования данных с ролями в соответствующем приложении», — говорит Бава. Им необходимо решить, как предоставлять эти данные своим сотрудникам.
Есть также ситуации, в которых агенты ИИ действуют от имени группы или функционального подразделения. В этом случае агенты ИИ нуждаются в широких разрешениях, но они также требуют постоянного мониторинга, чтобы была возможность удостовериться, что они не изменяют данные произвольно и не нарушают работу системы.
«У меня были клиенты, которые просили меня создать буквальный „аварийный выключатель“, который бы контролировал задачи, выполняемые или не выполняемые этими агентами ИИ», — рассказывает Нимкар.
Он добавляет, что ограничения для ИИ-агентов должны быть недетерминированными и основанными на больших языковых моделях (LLM), чтобы их можно было легко централизовать и управлять ими, что само по себе является сложной задачей. «Облачные провайдеры часто не охватывают эту проблему комплексно, поэтому предприятиям все равно приходится привлекать сторонних поставщиков», — отмечает Нимкар.
Однако он предупреждает, что LLM все еще относительно ненадежны, о чем свидетельствует распространенность отказов от ответственности со стороны поставщиков моделей. Тот факт, что предприятия сталкиваются с проблемами управления данными, усугубляет ситуацию.
7. Ошибочный акцент на автоматизации задач вместо трансформации бизнеса
По словам Бавы, технологические руководители должны рассматривать технологический стек как возможность переосмыслить и перестроить бизнес, а не как возможность автоматизации.
«В связи с распространением ИИ возникает вопрос: „Как я буду выявлять мошенничество, осуществлять платежи или оптимизировать цепочку поставок продуктов питания в мире, где ИИ является неотъемлемой частью, где интеллект повсеместен и доступен, а масштаб не имеет значения?“», — говорит он.
Это означает, что технологические руководители должны дать людям возможность действительно участвовать в этом важном разговоре и переосмыслении будущего. «Если все, что вы делаете, — это автоматизируете процесс или пытаетесь уволить пару сотрудников, то, по-моему, вы полностью упускаете эту возможность», — считает Бава.
По словам Вохры, самая большая проблема заключается в том, что большинство предприятий сосредоточены на постепенном ускорении процессов, а не на их фундаментальном переосмыслении. Многие организации ждут внешних изменений, вместо того чтобы самим заниматься изменениями, потому что внутренняя трансформация означает переработку операционных моделей, бюджетов и инструментов, переквалификацию и создание новых ролей, а также управление краткосрочной неразберихой.
«CIO сейчас стоят перед важным вопросом, может ли текущий стек поддерживать агентные приложения на базе ИИ, или организации необходимо перепроектировать архитектуру, — говорит Вохра. — Поскольку полная перестройка редко возможна, руководители должны выявлять пробелы и повышать готовность к внедрению агентов, тщательно выбирая технологии и продукты, которые создают готовую к будущему агентную архитектуру».
Путь вперед: создание технологического стека, готового к будущему
Чтобы избежать этих ловушек, Вохра дает следующие советы CIO, которые сталкиваются с хаосом в технологическом стеке:
- Приведите в порядок свои данные. «Без пригодных для использования, управляемых и доступных данных ИИ не работает».
- Применяйте принципы жизненного цикла агентной разработки. «Это не просто новый способ кодирования. Это меняет то, как предприятия проектируют, бюджетируют и развертывают системы».
- Перестаньте добавлять функции ИИ в устаревшие системы. «Это создает дополнительный технический и процессный долг. Вместо этого переосмыслите рабочие процессы, заложив в их основу оркестрацию агентов, и позвольте ИИ заниматься масштабированием, а людям — сосредоточиться на принятии решений и сложных исключениях».
- Создайте архитектуру, ориентированную на отказоустойчивость. «Волатильность, будь то на рынках, в цепочках поставок или в регулировании, — это новая норма. Модульные агентные системы дают предприятиям возможность адаптироваться и процветать».
