«Мы видим устойчивый запрос со стороны крупных компаний на переход от классических корпоративных хранилищ к более гибким архитектурам Lakehouse с наращиванием числа пользователей и нагрузкой уровня современных ML/AI решений. Tengri Data хорошо вписывается в такие проекты благодаря разделению вычислений и хранения, поддержке открытых форматов данных и возможности постепенно наращивать аналитическую платформу без масштабной перестройки инфраструктуры. Для нас важно, что мы можем предложить заказчикам не только технологию, но и практический опыт построения подобных решений», — отметил Александр Зенькович, руководитель направления Big Data & ML «ДАР».

«За последние годы ИИ перестал быть нишевой технологией «для дата-сайентистов»: зрелые решения на базе ML и компьютерного зрения уже давно приносят измеримый эффект в антифроде, промышленности, логистике и ритейле, а сейчас к ним добавился настоящий бум, связанный с демократизацией генеративного ИИ.
Появление доступных языковых моделей, нейроассистентов и low-code-платформ резко снизило порог входа: ИИ стал инструментом для рядовых сотрудников и среднего бизнеса, а не только для технологических лидеров и крупнейших корпораций,»

комментирует исследование Константин Смирнов, управляющий партнер «ДАР»

«Мы постепенно выходим из периода, когда вокруг GenAI в основном экспериментировали: делали пилоты, проверяли гипотезы, показывали красивые демо.

Сейчас ИИ начинают встраивать непосредственно в бизнес- и технологические процессы, в существующие системы и их архитектуру. А при проектировании новых решений наличие ИИ-компонента всё чаще воспринимается практически как естественная часть архитектуры.

И здесь формируется один из главных корпоративных запросов на 2026–2027 годы - «разговаривать с данными».
У крупных компаний давно есть данные. Много данных. Проблема в том, что они распределены между системами, хранилищами, отчётами, подразделениями и владельцами. Чтобы получить ответ на относительно простой бизнес-вопрос, человеку часто приходится разбираться во всей этой внутренней технологической конструкции.

GenAI потенциально меняет сам интерфейс взаимодействия с этой средой. Поверх сложного корпоративного ландшафта появляется слой, через который руководитель или сотрудник может задавать вопрос на обычном языке и получать ответ, собранный из данных компании — независимо от того, в каких системах они физически находятся.

Поэтому следующий этап корпоративного ИИ — это уже не отдельный чат-бот и не очередной ИИ-сервис. Это появление нового слоя взаимодействия между человеком, данными и корпоративными системами.»

Регуляторика съедает ресурс. Существенная часть внимания ИТ и бизнеса уходит на выполнение постоянно растущих требований регуляторов.

Фокус смещается с систем на процессы и данные. Базовая автоматизация в основном уже есть. Главная проблема — связать разрозненные решения между собой и обеспечить сквозное движение данных по процессам.

ИИ начинается не с технологий, а с грамотности. Сначала нужно обучить топ-менеджмент, чтобы запрос перестал звучать как абстрактное «внедрите нам ИИ» и превращался в конкретные бизнес-задачи.

ИИ нужно отдавать в руки бизнеса. Инструменты должны быть доступны не только ИТ: бизнес должен сам формулировать, быстро проверять и отбрасывать гипотезы.