От Big Data к AI: как меняются технологии работы с данными

От инфраструктуры данных к AI-агентам: ключевые изменения российского и мирового рынка.

Еще несколько лет назад главным вопросом для бизнеса было, как собирать, хранить и обрабатывать большие объемы данных. Сегодня фокус смещается на следующий этап — как превратить данные в измеримый бизнес-результат с помощью искусственного интеллекта.

Российский рынок AI уже достиг значительного масштаба. По данным исследования AIANA RAI-2026, объем рынка искусственного интеллекта в России по итогам 2025 года составил 316,1 млрд рублей, увеличившись с 162,2 млрд рублей в 2023 году. При этом наибольшую долю выручки формируют AI-приложения — 53,9%, а AI-облака и платформы занимают еще 29,5%.

На глобальном уровне ИИ также переходит от экспериментов к более широкому применению. По данным Stanford AI Index 2026, в 2025 году AI использовали 88% опрошенных организаций, а генеративный ИИ применялся хотя бы в одной бизнес-функции у 70%.

От объема данных — к их ценности

Один из главных сдвигов последних лет — изменение самого подхода к данным. Компании все меньше заинтересованы просто наращивать объемы информации и все больше — в том, чтобы использовать ее для принятия решений, автоматизации и роста эффективности.

По оценке «К2Тех», российский рынок решений для управления данными может расти более чем на 20% ежегодно до 2030 года. Эксперты компании отмечают, что в 2026 году одним из главных факторов развития становится способность бизнеса извлекать из данных реальную экономическую ценность, а не только накапливать их.

Это меняет и требования к инфраструктуре: данные должны быть доступны для аналитики, машинного обучения и AI-систем, а их происхождение, качество и контекст — понятны пользователям и алгоритмам.

От хранилищ к единой архитектуре данных

Рост объемов и разнообразия информации заставляет компании пересматривать архитектуру работы с данными. Наряду с традиционными Data Warehouse и Data Lake развивается модель Data Lakehouse, объединяющая возможности аналитических хранилищ и озер данных.

Следующий этап — создание общего слоя данных и контекста, на котором могут работать аналитические и AI-системы. Gartner в числе ключевых трендов 2026 года выделяет конвергенцию платформ данных и аналитики, развитие семантики и AI-агентов. По оценке аналитиков, именно понятный для машин контекст становится важным условием точности и эффективности агентных систем.

Параллельно растет спрос на облачную инфраструктуру. По оценке iKS-Consulting, российский рынок облачных сервисов в 2025 году достиг 416,5 млрд рублей, увеличившись на 32,8% год к году. Рост поддерживают цифровизация, развитие AI и потребность компаний в гибком доступе к вычислительным ресурсам.

ИИ становится частью инфраструктуры бизнеса

AI постепенно выходит за пределы пилотных проектов и встраивается в рабочие процессы. Одновременно растет потребность в вычислительных ресурсах, облачных сервисах и инфраструктуре для работы моделей.

По данным AIANA, в структуре российского AI-рынка в 2025 году AI-оборудование занимало 9,3%, AI-облака и платформы — 29,5%, а AI-приложения — 53,9%. Таким образом, рост рынка связан не только с разработкой моделей: значительная часть экосистемы формируется вокруг программных продуктов, облаков и вычислительной инфраструктуры.

От отдельных моделей — к AI-агентам

Одним из заметных технологических направлений 2026 года становятся агентные системы — AI, способный не только генерировать ответ, но и последовательно выполнять несколько действий для достижения поставленной цели.

Gartner относит AI-агентов к числу ключевых трендов в Data & Analytics наряду с развитием семантики и объединением платформ данных и аналитики. Одновременно растет значение AI Governance: по мере того как агенты получают возможность самостоятельно выполнять операции и принимать решения, компаниям нужны механизмы контроля, аудита и управления рисками.

Качество данных становится частью AI-инфраструктуры

Чем больше бизнес-процессов передается AI, тем выше требования к исходным данным. Ошибки, отсутствие контекста и несогласованность информации могут напрямую влиять на результат работы моделей.

Поэтому Data Governance, качество данных и семантические слои становятся не отдельными задачами дата-команд, а частью AI-инфраструктуры. Gartner отмечает, что без контекста и единого понимания смысла данных AI-агенты могут работать неточно и увеличивать затраты; компаниям рекомендуется формировать специальные контекстные и governance-слои для AI-систем.

Что это значит для бизнеса

Рынок работы с данными постепенно переходит от задачи «собрать и сохранить» к задаче «понять, использовать и автоматизировать». В результате меняется вся технологическая цепочка: развиваются облачная инфраструктура и Data Lakehouse, растет значение качества и контекста данных, а AI постепенно переходит от отдельных моделей к агентным системам.

Для бизнеса это означает, что готовность к AI определяется уже не только наличием самой модели. Не менее важны архитектура данных, вычислительная инфраструктура, качество информации и механизмы управления AI-системами.

ExpoCifra: данные, AI и цифровая инфраструктура

Эти направления представлены и на ExpoCifra — международной выставке цифровых систем Экспозиция охватывает большие данные, аналитику и облачные решения, ИТ-инфраструктуру и программное обеспечение, цифровизацию и автоматизацию бизнеса, города и производства, а также решения для транспорта, навигации и телекоммуникаций.

ExpoCifra 2026 пройдет 14–16 апреля в Москве, в МВЦ «Крокус Экспо», одновременно с ExpoElectronica.

Выставка объединяет разработчиков, производителей и поставщиков технологических решений и позволяет представить продукты профессиональной аудитории, найти партнеров и обсудить практические задачи цифровой трансформации.

Источники: Хабр, Коммерсантъ, ПСМ, AIANA, Qlever Solutions, КакЖеБыстро