ИИ на обочине, хакеры за рулём: как бизнес меняет кумиров

Разрыв между ожиданиями и реальностью в сфере искусственного интеллекта становится всё заметнее. Корпорации, инвестировавшие миллионы в инновации, сегодня сталкиваются с непростым вопросом: как перевести многочисленные пилотные проекты в реальное производство и получить ощутимую отдачу? На этом фоне интерес к кибербезопасности цепочек поставок, напротив, растёт и достигает пика энтузиазма.

Компания Gartner опубликовала ежегодный отчёт Hype Cycle for Supply Chain Strategy 2025, в котором показала: искусственный интеллект (в частности, генеративный ИИ) оказался в "желобе разочарования", а кибербезопасность — на вершине "пика завышенных ожиданий". Это означает, что бизнес осознаёт сложность интеграции ИИ в существующие системы, тогда как защита цепочек поставок воспринимается как критически важная задача, требующая срочного внедрения решений.

Как работает модель Gartner Hype Cycle

Методология Gartner описывает путь любой новой технологии через пять стадий развития:

1. Триггер инноваций - появление прорывной идеи и интерес СМИ.

2. Пик завышенных ожиданий - массовый энтузиазм и первые истории успеха.

3. Желоб разочарования - спад интереса после неудачных реализаций.

4. Склон просвещения - появление устойчивых кейсов применения.

5. Плато производительности - зрелая стадия массового внедрения.

Эта модель помогает руководителям определять, стоит ли инвестировать в ту или иную технологию, оценивая её реальную зрелость, а не только шум вокруг неё.

В 2025 году, по данным Gartner, именно кибербезопасность цепочек поставок оказалась на пике интереса — на фоне роста кибератак, вызвавших перебои в работе крупных компаний вроде Marks & Spencer и Jaguar Land Rover. В то же время генеративный ИИ (Gen AI) вступает в фазу пересмотра ожиданий: от восторга — к прагматике.

Почему кибербезопасность вышла на передний план

Рост цифровизации цепочек поставок сделал вопрос защиты данных и инфраструктуры жизненно важным. Каждая организация взаимодействует с десятками поставщиков, подрядчиков и платформ, образуя сложную экосистему, где любая уязвимость может стать точкой входа для атаки.

"Большое количество многоуровневых партнеров в цепочке поставок превратило управление сторонними киберрисками в сложную задачу", — отметил управляющий вице-президент по исследованиям компании Gartner Марк Этвуд.

По его словам, использование ИИ у торговых партнёров повышает риск утечек данных и кражи интеллектуальной собственности. Поэтому компании инвестируют в инструменты на базе машинного обучения и поведенческой аналитики, способные выявлять подозрительные действия в реальном времени и предотвращать атаки вымогателей или вредоносных программ.

Однако есть и оборотная сторона — высокая стоимость внедрения, нехватка квалифицированных специалистов и ограниченная прозрачность рисков третьих сторон. Эти проблемы затрудняют масштабирование решений даже в технологически зрелых организациях.

Когда искусственный интеллект перестаёт быть чудом

Генеративный ИИ, ещё недавно считавшийся технологией, способной радикально изменить бизнес, сегодня оказался в фазе разочарования. Компании столкнулись с тем, что:

• интеграция ИИ с устаревшими системами требует серьёзных затрат;

• вопросы безопасности данных замедляют внедрение;

• отсутствие чётких KPI мешает измерить эффективность проектов.

"Поскольку всё больше организаций сталкиваются с проблемами масштабирования пилотных проектов на базе искусственного интеллекта и интеграции этой технологии в устаревшие системы, она всё меньше будет казаться "панацеей"", — заявила вице-президент по аналитике Gartner Ноха Тохами.

Тем не менее, эксперты уверены: спад интереса — временное явление. После этапа разочарования следует фаза "просвещения", когда компании начинают внедрять ИИ точечно — там, где он действительно решает конкретные задачи.

Одновременно развивается и машинное обучение (ML), которое Gartner относит к стадии зрелости. Алгоритмы, анализирующие данные без участия человека, уже применяются в планировании поставок, логистике и управлении запасами. Интерес к так называемому агентному ИИ - системам, способным самостоятельно достигать целей — ускоряет этот процесс.

Сравнение технологий: ИИ vs. кибербезопасность цепочек поставок

Как бизнесу действовать в условиях технологического перегрева

1. Сфокусироваться на безопасности. Приоритет — защита поставщиков и цифровых каналов взаимодействия.

2. Интегрировать ИИ постепенно. Начинать с задач, где есть чёткая метрика эффективности — например, автоматизация закупок.

3. Инвестировать в людей. Ключевой ресурс — аналитики и инженеры, способные адаптировать ИИ под конкретные нужды бизнеса.

4. Оценивать окупаемость. Применять модели ROI для каждого проекта, чтобы различать моду и реальную ценность.

Ошибка → Последствие → Альтернатива

• Ошибка: компания внедряет ИИ без стратегии.
  Последствие: проект зависает в пилотной фазе.
  Альтернатива: использовать готовые облачные решения (Microsoft Azure AI, Google Vertex AI), обеспечивающие быструю интеграцию.

• Ошибка: игнорирование рисков третьих сторон.
  Последствие: утечка данных у подрядчика приводит к блокировке всей цепочки.
  Альтернатива: применять инструменты оценки рисков (BitSight, SecurityScorecard).

• Ошибка: переоценка потенциала ИИ.
  Последствие: потери бюджета и времени.
  Альтернатива: внедрение ML-моделей в конкретные процессы, а не в масштаб всей организации.

А что если… ИИ снова станет драйвером?

Если в ближайшие два года появятся инструменты, решающие проблему масштабирования и безопасности, искусственный интеллект вновь может стать основным направлением инвестиций. Особенно это касается производственных компаний, где автоматизация процессов и анализ больших данных способны значительно повысить эффективность.

Плюсы и минусы технологий

FAQ

Как выбрать решение для защиты цепочек поставок?
Сначала определите критичные узлы поставок и подключите платформы мониторинга рисков.

Сколько стоит внедрение систем на базе ИИ?
От 50 000 до 500 000 долларов, в зависимости от масштаба и отрасли.

Что лучше — собственная разработка или готовое решение?
Для малого и среднего бизнеса эффективнее использовать готовые облачные платформы с поддержкой ИИ.

Мифы и правда о Gen AI

• Миф: генеративный ИИ заменит сотрудников.
  Правда: он лишь автоматизирует рутину, оставляя человеку контроль над решениями.

• Миф: внедрение ИИ требует полного обновления инфраструктуры.
  Правда: многие решения можно интегрировать модульно.

• Миф: ИИ всегда повышает прибыль.
  Правда: без стратегии и обучения персонала — нет.

Три интересных факта

1. Более 70% компаний, участвовавших в исследовании Gartner, признали, что не имеют стратегии масштабирования ИИ.

2. 60% атак на цепочки поставок происходят через сторонние ИТ-сервисы.

3. Плато производительности технологий кибербезопасности, по прогнозам, наступит уже к 2027 году.

Исторический контекст

Первые версии Hype Cycle появились в конце 1990-х годов, когда Gartner анализировала развитие интернета. С тех пор цикл стал одним из главных инструментов технологического прогнозирования. Каждый новый отчёт показывает, какие идеи пройдут испытание временем, а какие останутся в зоне хайпа.