По прогнозу Gartner, к 2030 году половина проектов по созданию AGI (искусственного общего интеллекта) и продвинутых моделей будут закрыты из-за неготовности данных. При этом уже сейчас 91% компаний называют готовность данных главным барьером для перехода GenAI-пилотов в продакшен.
Основная проблема — не недостаток данных, а их качество, фрагментация и отсутствие управления. Только 13% организаций имеют единый стек инструментов для управления данными, а 70% агентных ИИ-проектов провалятся из-за слабой основы данных, а не из-за моделей.
Почему управление данными становится единой точкой отказа
Gartner называет управление данными «единой точкой отказа» для ИИ-амбиций. Без управления данными невозможно обеспечить их качество, доступность и согласованность. ИИ-модели не могут работать с разрозненными, неструктурированными и некачественными данными.
90% руководителей обеспокоены, что новые ИИ-пилоты запускаются без решения проблем с данными. Это создаёт риск: компании инвестируют в ИИ, но не готовят фундамент для его работы.
76% говорят, что их управление данными не успевает за использованием ИИ сотрудниками. Сотрудники используют ИИ-инструменты быстрее, чем компании успевают внедрить политики управления данными. Это создаёт риски утечек и несоответствия регуляторным требованиям.
Расходы на подготовку данных вырастут в 7 раз
Gartner прогнозирует, что с 2025 по 2029 год доля ИИ-расходов на подготовку данных вырастет в 7 раз. Это отражает растущее понимание того, что без качественных данных ИИ не работает.
К 2027 году ИТ-расходы на мультиструктурированное управление данными составят 40% всех расходов на управление данными. Это означает, что компании будут инвестировать в объединение структурированных и неструктурированных данных, чтобы сделать их доступными для ИИ-моделей.
К 2028 году руководители, пытающиеся создать собственные решения для неструктурированных метаданных, понесут расходы на 300% выше, чем при использовании существующих решений. Это означает, что попытки изобрести велосипед обходятся дороже, чем использование готовых платформ.
Почему 70% агентных ИИ-проектов провалятся
Gartner оценивает, что 70% агентных ИИ-проектов провалятся из-за слабой основы данных, а не из-за моделей. Это означает, что проблема не в алгоритмах, а в данных, которые они используют.
К 2028 году 60% агентных ИИ-проектов без семантического слоя завершатся неудачей. Семантический слой обеспечивает общее понимание данных между моделями и бизнес-пользователями. Без него модели не могут интерпретировать данные согласованно.
В отличие от традиционной аналитики, где ошибку в дашборде можно заметить и исправить, автономные ИИ-агенты принимают решения без участия человека. Это означает, что цена ошибки становится выше. Данные должны быть не просто доступны, а проверены, согласованы и готовы к использованию.
Как лидеры строят управляемые экосистемы данных
Gartner описывает три этапа эволюции данных для ИИ.
Человеческий этап. На ранней стадии управление, качество и семантические определения управляются людьми через процессы и дашборды. Это работает для небольших проектов, но не масштабируется.
Агент-ассистируемый этап. На следующем этапе ИИ внедряется в сам процесс управления. Сигналы управления и происхождения данных, политики и семантический контекст становятся структурированными, чтобы ИИ-системы могли их понимать и использовать. Люди остаются активно вовлечёнными, контролируя решения.
Нативная агентная экосистема. В долгосрочной перспективе управление, качество и смысл встраиваются непосредственно в то, как используются данные. Политики применяются динамически в реальном времени. ИИ-агенты могут оценивать уровень доверия и решать, действовать, приостанавливаться или эскалировать при неопределённости.
Что делать
На основе данных Gartner, Informatica/Deloitte и Precisely можно выделить пять шагов:
- Проведите аудит готовности данных. 91% компаний называют готовность данных главным барьером. Оцените качество, доступность и согласованность данных для ИИ-проектов.
- Инвестируйте в мультиструктурированное управление данными. К 2027 году это составит 40% всех расходов на управление данными. Объединяйте структурированные и неструктурированные данные в единую экосистему.
- Разработайте семантический слой. 60% агентных ИИ-проектов без семантического слоя провалятся к 2028 году. Обеспечьте общее понимание данных между моделями и бизнес-пользователями.
- Автоматизируйте управление. 76% компаний говорят, что их управление не успевает за использованием ИИ. Внедрите ИИ-инструменты для автоматического управления данными, контроля качества и классификации.
- Планируйте рост расходов на подготовку данных. К 2029 году они вырастут в 7 раз. Бюджетируйте инвестиции в качество и готовность данных, а не только в модели.
Вывод
Gartner прогнозирует: через 5 лет 50% AGI-проектов будут закрыты из-за неготовности данных. 91% компаний называют готовность данных главным барьером. 70% агентных ИИ-проектов провалятся из-за данных, а не моделей. Расходы на подготовку данных вырастут в 7 раз к 2029 году. Только 13% организаций имеют единый стек инструментов для управления данными.
Управление данными становится единой точкой отказа. Без качественных данных ИИ не работает. Компании, которые инвестируют в готовность данных сегодня, получат преимущество. Те, кто отложит, рискуют оказаться среди закрывшихся проектов.
