Контекст – это новое золото: следующая волна агентного ИИ покупает понимание, а не мощность обработки

Революция ИИ зашла в тупик – не из-за недостаточной вычислительной мощности, а потому что организации решают неправильные проблемы.

Хотя глобальные расходы на GenAI, как ожидается, достигнут $644 миллиардов в 2025 году, эксперты также предупреждают, что более 40% проектов агентного ИИ будут отменены к 2027 году. Действительно, недавняя активность слияний и поглощений – такая как приобретение Snowflake $250 миллионов Crunchy Data и приобретение Rubrik Predibase – сигнализирует о фундаментальном сдвиге: следующая фаза корпоративного ИИ заключается не только в возможностях обработки… Это заключается в более глубоком понимании.

Умные деньги движутся

Согласно опросу S&P Global Market Intelligence 2025 года, 42% бизнеса отказались от большинства своих недавних инициатив ИИ, по сравнению с только 17% в 2024 году. Еще 46% отказались от демонстраций концепции до начала производства.

Эти проекты ИИ не терпят неудач из-за технических ограничений, а из-за семантических пробелов. Если система ИИ может обработать петабайты данных, но не может понять, что означает “жизненный цикл клиента” в различных отделах, точки отказа, скорее всего, будут контекстными.

Рассмотрим стратегию, стоящую за интеграцией семантических возможностей ИИ Postgres, которая направлена на создание основы, где агенты ИИ могут понимать транзакционный контекст и бизнес-семантику – позволяя разработчикам “создавать надежных агентов ИИ” с “большей гибкостью, видимостью и контролем”. Аналогично, приобретение Rubrik Predibase направлено на то, чтобы помочь клиентам “безопасно развернуть агентный ИИ” путем приоритета контекстуальной точности наряду с мощностью обработки.

Где контекст встречается с масштабом

Успех недавнего сотрудничества Palantir с Qualcomm для расширения возможностей понимания ИИ является еще одним демонстрацией трансформационной силы контекстно-ориентированной архитектуры ИИ. Их “онтологический” подход – создание лингвистических предшественников для сопоставления бизнес-концепций, отношений и правил с форматами, читаемыми машиной – преобразует ИИ из распознавания образов в простую бизнес-логику и показывает, как семантическое понимание позволяет ИИ работать эффективно, даже в автономных или ресурсо-ограниченных средах.

Например, в отношении их ядерных энергетических инициатив, ИИ Palantir не только предсказывает отказы оборудования – он понимает каскадные бизнес-воздействия на цепочки поставок и нормативную соответствие, которые либо приводят к, либо являются результатом этих отказов. Аналогично, в производстве их системы понимают взаимозависимости между контролем качества, управлением запасами и обязательствами клиентов, позволяя получить целостный обзор операций, который помогает предсказать и предотвратить проблемы.

Как отметил один из руководителей Palantir, “онтологический подход позволяет пользователям создавать рабочие процессы, которые включают и объединяют гетерогенные логические активы”, позволяя ИИ “быть безопасно введенным в все более сложные контексты принятия решений”.

Революция контекстно-ориентированной инфраструктуры

Сдвиг от ориентации на эффективность к ориентации на смысл представляет собой фундаментальное переосмысление корпоративного ИИ. Согласно саммиту Gartner 2025 года по данным и аналитике, это преобразование зависит от трех критических факторов:

• Семантическая архитектура данных: каждая точка данных должна нести бизнес-смысл, а не только вычислительную ценность. Как показывает исследование компании Enterprise Knowledge, семантические слои служат мостами между сырыми данными и приложениями, предоставляя “унифицированные и контекстуализированные представления”, которые позволяют интуитивно понятные взаимодействия пользователей.
• Интеграция бизнес-логики: для того, чтобы доставить максимальную ценность, современный ИИ требует интеграции с предопределенными бизнес-контекстами, специфичными для потребностей любой данной организации. ИИ-студия Oracle демонстрирует этот подход, предоставляя доступ к API-интерфейсам Oracle Fusion Applications, хранилищам знаний и предопределенным инструментам, которые сохраняют бизнес-логику, специфичную для предприятия, в рабочих процессах, управляемых ИИ. Такие решения наделяют агентные системы ИИ возможностью интегрировать бизнес-онтологии с протоколами контекста моделей (MCP), которые позволяют бесшовную, контекстно-богатую интерпретацию данных и позволяют агентам ИИ работать на различных источниках данных предприятия.
• Контекстные двигатели принятия решений: отчет McKinsey 2025 года о рабочем месте ИИ подчеркивает, что успешные корпоративные системы ИИ должны тщательно понимать бизнес-воздействия любой данной задачи для любой данной организации. Однако только 1% компаний считают, что они достигли зрелости ИИ, подчеркивая разрыв между текущими возможностями и контекстными требованиями.

Конкурентные последствия

Организации, которые смогут успешно создать контекстно-богатые системы ИИ, создадут самоподдерживающиеся преимущества для себя.

Каждое бизнес-взаимодействие имеет потенциал углубить нюансовое понимание агентным ИИ конкретных потребностей любого данного бизнеса, улучшая производительность и создавая конкурентные барьеры, которые будут трудно воспроизвести только с помощью вычислительной мощности. Отчет Deloitte о состоянии генеративного ИИ подтверждает, что хотя 60% организаций проводят до 20 экспериментов ИИ, те, кто фокусируется на “отраслевых и бизнес-специфических проблемах”, видят значительно лучшие результаты.

Последствия для талантов также значительны. Хотя инженеры ИИ требуют премиальных зарплат, реальная нехватка – это профессионалы, которые понимают как реализацию ИИ, так и бизнес-онтологию. Прогнозы PwC 2025 года подчеркивают, что “успех ИИ будет зависеть как от видения, так и от принятия, и компании будут нуждаться в систематических, прозрачных подходах к подтверждению устойчивой ценности”. Другими словами, если люди, обучающие ИИ понимать бизнес-потребности, не понимают этих потребностей сами, то и агенты ИИ, которых они создают, не будут понимать.

Стратегическая императива

Итак, какие именно архитектурные изменения должны сделать организации?

Саммит Gartner 2025 года по данным и аналитике подчеркивает важность перехода от технических метаданных к семантическим метаданным – данным, обогащенным предопределенными бизнес-определениями, онтологиями и отношениями. Этот сдвиг “семантического дизайна” имеет решающее значение для организаций, стремящихся получить значимые идеи и обеспечить ясность в системах. В то же время эффективное контекстное управление ИИ имеет решающее значение для различения真正ых возможностей агентного ИИ и недостаточных моделей, которые предлагают только базовую автоматизацию, но вводят в заблуждение, рекламируя их как агентные.

Компании, которые добьются успеха с агентным ИИ, будут теми, чьи агенты ИИ были стратегически настроены на понимание бизнес-контекстов так глубоко, что они смогут действовать самостоятельно и эффективно.

Возможность агентного ИИ

Gartner предсказывает, что 33% программного обеспечения для предприятий будет включать агентный ИИ к 2028 году, по сравнению с менее 1% в 2024 году. Рост агентного ИИ делает семантическую инфраструктуру необходимой; для достижения этого ИИ-системы требуют:

• Глубокого контекстного понимания для принятия автономных решений, соответствующих бизнес-целям.
• Семантической последовательности во всех источниках данных для предотвращения противоречивых действий между различными отделами и задачами
• Интеграции бизнес-логики для обеспечения соблюдения организационных правил и нормативных требований

Когда организации вкладывают миллиарды в разработку агентного ИИ, те, у кого нет семантических основ, столкнутся с растущими показателями неудач.

Императива контекста

Когда агентные системы ИИ становятся более распространенными, разрыв между организациями с семантической инфраструктурой и теми, у кого ее нет, будет только расширяться. Для предприятий, инвестирующих в агентный ИИ, выбор ясен: создать семантические основы сейчас или наблюдать, как контекстно-осведомленные конкуренты превращают более умные инвестиции в ИИ в непобедимые преимущества.

В эпоху изобилия вычислительной мощности контекст – это новое золото, и те, кто может научить свои системы ИИ действительно понимать бизнес, которым они служат, получат свой Золотой Ключ.