Технологические тренды 2026: мультиагентный и физический ИИ, превентивная кибербезопасность и DSLM
Искусственный интеллект безоговорочно стал технологией десятилетия. Едва ли не в 90% технологических обзоров он занимает лидирующие позиции. Однако за рамками ИИ есть технологии, которые меняют бизнес также быстро. Мы отобрали пять ключевых трендов 2026 года, которые сегодня в равной степени волнуют и российский, и глобальный рынок. Это направления, где уже есть конкретные кейсы внедрения, измеримая эффективность и инвестиции.
Мультиагентные системы
В 2025 году мы наблюдали бурное развитие и внедрение ИИ-агентов. Мультиагентные системы — продолжение этого тренда. Они организуют сеть из нескольких агентов, которые могут взаимодействовать друг с другом. Мультиагентные системы необходимы для решения задач, которые требуют координации множества независимых сущностей с минимальным человеческим контролем.
В 2025 году IBM обратила внимание, что основной проблемой стало не создание ИИ-агентов, а их развертывание. В результате они разработали открытую инфраструктуру для быстрого развертывания Agent Stack. Использование в основе протокола Agent2Agent (A2A) позволяет агентам из разных фреймворков беспрепятственно взаимодействовать друг с другом. Подобные технологии выводят агентный ИИ на новый уровень развития.
Схожие тенденции наблюдаются и в России. MWS AI вложила 4 млрд руб. в AI Agents Platform. Это платформа не только для создания приложений на базе ИИ, но и ИИ-агентов и мультиагентных систем. Систему уже тестировали клиенты компании из финансовой сферы и здравоохранения.
Yandex Cloud внедрила мультиагентную систему в свой SOC. Подход компании строится на разделении обязанностей ИИ-помощников. Первый сканирует входящие уведомления, второй перепроверяет данные — его цель найти ошибки. В компании уточнили, что ИИ-агенты работают автономно, но анализируют и принимают решения сообща. Такая мультиагентная система помогла автоматизировать 39% ручных задач, а время на обработку ложных оповещений сократилось на 86%.
Развитие ИИ, появление платформ для самостоятельного создания агентов, а также разработка стандартов и протоколов для совместимости и безопасности делают эту технологию более доступной. В 2026 году мультиагентные системы будут проникать во все большее число отраслей.
Еще по теме: ИИ-агенты: принцип работы и сценарии использования в бизнесе
Физический ИИ
Эксперты ожидают, что в 2026 году произойдет более широкое распространение физического ИИ — интеллектуальных систем, которые взаимодействуют с окружающей средой через роботов, дронов, автономные транспортные средства и другие объекты.
Компании уже давно работают над воплощенным ИИ. В СМИ регулярно встречаются новости, что роботы научились собирать электронику или общаться с покупателями. Но все это носило единичный характер на уровне экспериментов. Например, китайский автоконцерн Zeekr начал экспериментировать с гуманоидными роботами на производстве в 2024 году. Робот Walker S1 компании UBTECH выполнял базовые сценарии. Но уже в 2025-м Zeekr запускает на фабрику «десятки» таких роботов, которые могут работать в команде. Управляет ими «сверхмозг», в основе которой лежит DeepSeek-R1.
Яндекс Роботикс разрабатывает специальное ПО для роботов — Physical AI. С его помощью устройство будет воспринимать мир через камеры и сенсоры и понимать физический контекст, в котором он находится. Цель команды — создать интеллект, который можно будет интегрировать с минимальными доработками в робота любого производителя. Сейчас компания обучает модель VLA (Vision‑Language‑Action). С ее помощью голосовые и текстовые команды, изображение с камеры воплощаются в действия робота.
Спрос на промышленную автоматизацию и развитие сопутствующих технологий, особенно компьютерного зрения, стимулирует рынок физического ИИ. В 2025 году он оценивался в 5,23 млрд долл. Эксперты прогнозируют, что к 2033 году он вырастет почти в 10 раз — до 49,73 млрд долл.
Узнайте больше: Программные роботы с интеллектом — новое поколение RPA
Предметно-специфические языковые модели (DSLM)
Универсальные языковые модели (LLM) обучены на огромных массивах данных из разных областей. Они отлично справляются с общими задачами, но не могут продемонстрировать высокую точность в запросах в более узких областях, например, праве или медицине.
Но эту точность могут обеспечить предметно-специфические языковые модели (Domain-Specific Language Models, DSLM). Они изначально обучаются на узкоспециализированных датасетах, поэтому лучше понимают контекст и терминологию конкретной отрасли. Компаниям больше не нужно тратить время и ресурсы на дообучение (fine-tuning) универсальной модели для анализа финансовых отчетов или юридических документов.
По прогнозам Gartner, к 2028 году более половины моделей генеративного ИИ, используемых предприятиями, будут предметно-специфичными. Эксперты констатируют: руководители хотят, что бы ИИ проносил больше ценности для компании, но универсальные LLM не оправдывают их ожиданий.
Высшая школа бизнеса НИУ ВШЭ включила DSLM в топ-10 российских трендов на 2026 год, вероятно, из-за их потенциала. Пока их внедрили лишь 8% компаний, а интересуются технологией — 48%.
Еще по теме: Генеративный ИИ в промышленности: роботы, агенты и «Индустрия 6.0»
Упреждающая кибербезопасность
Аналитики Gartner полагают, что к 2030 году на превентивные решения будет приходиться 50% всех расходов на кибербезопасность. Индустрия меняет подход: на замену автономным системам обнаружения и реагирования придут технологии на базе ИИ и машинного обучения для прогнозирования и нейтрализации угроз до их реализации.
Gartner предлагает концепцию Автономной кибериммунной системы (ACIS) для сложных и стремительно развивающихся глобальных цифровых систем (GASG). Это необходимо для защиты «все более взаимосвязанного мира». По прогнозам, на рынке будут востребованы узкоспециальные средства защиты. Они будут основаны на агентном ИИ и DSLM. Их ключевое преимущество — фокус на более специфических проблемах безопасности, которые характерны либо для определенной отрасли, либо для типов приложений и т.д.
Читайте также: Платформизация, безопасность ИИ и активная защита малого бизнеса — «Лаборатория Касперского» об ИБ-рынке
Концепции low-code и no-code
Концепции low-code и no-code — один из самых популярных трендов среди российских ИТ-специалистов, следует из опроса Высшей школы бизнеса НИУ ВШЭ. Они интересны 35% респондентов (на первом месте ИИ-агенты — 36%).
Low-code и no-code демократизируют разработку ПО: люди без технического образования способны создавать собственные программы и автоматизировать процессы. Эти технологии ускоряют внедрение цифровых решений в компаниях и помогают бороться с дефицитом квалифицированных кадров в ИТ, сокращают затраты на разработку. Интеграция ИИ-инструментов открывает новые возможности для небольших компаний с ограниченным бюджетом.
По данным IBM, глобальный рынок low-code-платформ в 2024 году оценивался в 28,8 млрд долл. В ближайшие 6-7 лет совокупные темпы годового роста рынка составят 32%. Данные Ассоциации разработчиков программных продуктов «Отечественный софт» подтверждают популярность тренда и в России. 84% заказчиков используют low-code и no-code-платформы. При этом доля российских решений выросла до 55% с 35% в 2023 году.
Внедрение low-code-платформ приносит реальный экономически измеримый результат. Российская платформа для управления бизнес-процессами Citeck сэкономила компании из нефтегазового сектора 11,5 млн руб. С ее помощью заказчик добился результаты в четыре раза быстрее, чем если бы действовал по классическому пути.
Консалтинговая компания Capgеemini назвала 2026-й «Годом истины для ИИ». Эпоха экспериментов закончилась, пришло время системных внедрений с измеримыми бизнес-результатами. Наш обзор — лишь срез рынка, который помогает понять, что будет влиять на развитие компаний в этом году. Однако внедрять необходимо не те технологии, которые возглавляют подобные списки, а те, которые решают конкретно ваши бизнес-задачи и усиливают ваши конкурентные преимущества. С выбором помогут эксперты компании «Софтлайн Решения»: оставьте заявку и мы с вами свяжемся.
Теги:
Подпишитесь на нашу рассылку последних новостей и событий
Подписаться