Похоже, команды корпоративного ИИ быстрее выбирают платформы для «agentic»-систем, чем решают более сложную задачу — сделать эти системы заслуживающими доверия в продакшене. Серия из четырёх опросов VentureBeat Pulse Research, проведённых в июне 2026 года и основанных на отдельных выборках корпоративных респондентов, с разных сторон приводит к одному и тому же выводу: узкое место теперь не в выборе базовой платформы, а в развёртывании агентов с надёжной оркестрацией, управляемым контекстом, убедительной оценкой и базовыми средствами безопасности.

Самый чёткий сигнал идёт из волны оркестрации. Согласно опросу VentureBeat среди 101 организации со штатом более 100 сотрудников, компании концентрируют оркестрацию агентов на платформах поставщиков моделей: Claude от Anthropic был назван основной платформой 40% респондентов, далее Microsoft с 18% и OpenAI с 13%. Но рядом с этой консолидацией стоит неприятное признание: 71% сказали, что лишь четверть или меньше их развёрнутых «агентов» на самом деле представляют собой многошаговые оркестрированные рабочие процессы, а не обёртки над чат-ботом.

Вместе с тремя сопутствующими опросами о контекстной инфраструктуре, оценке и безопасности посыл шире, чем лидерство одного вендора. Компании говорят, что хотят надёжные, автономные, многошаговые системы. На практике многие по-прежнему выпускают хрупких ассистентов, используют стандартные настройки поставщиков и обнаруживают сбои уже после развёртывания. Для создателей ИИ, корпоративных покупателей и основателей, продающих в этот рынок, это смещает разговор от выбора модели к операционной дисциплине.

Оркестрация консолидируется, но зрелость внедрения отстаёт

Опрос VentureBeat по оркестрации утверждает, что компании выбирают платформы во многом из-за «гравитации модели» — притяжения лежащей в основе фундаментальной модели, а не отдельной управляющей плоскости оркестрации. В этой выборке доминировали крупные поставщики, тогда как открытые фреймворки вроде LangChain/LangGraph и кастомные внутренние разработки оставались в однозначных цифрах по основному использованию.

Это важно, потому что компании также сообщили VentureBeat, что успех оркестрации они оценивают прежде всего по надёжности завершения задач и управлению многошаговыми рабочими процессами. Эти приоритеты показывают, что покупатели ищут системы, способные координировать инструменты, сохранять состояние и выполнять работу на протяжении нескольких шагов. Однако те же респонденты признали, что большинство текущих внедрений не соответствуют этому стандарту.

Разрыв между амбициями и реальностью продакшена — центральная часть истории. Если большинство развёрнутых систем по-прежнему являются ассистентами с одним промптом, то корпоративные расходы на оркестрацию отчасти представляют собой опережающую инфраструктуру: команды строят слой ещё до того, как появится портфель действительно оркестрированных агентов. Это не обязательно иррационально. Это может отражать обычный корпоративный паттерн ранней стандартизации закупок и контролей. Но это означает, что многие показатели внедрения «агентов» вероятно объединяют очень разные типы систем.

Опрос также показал, что 68% планируют в течение года внедрить новую, дополнительную или заменяющую платформу оркестрации, при этом многие ещё не сузили список кандидатов. Это говорит о том, что данный слой далёк от завершённости, даже если сейчас несколько вендоров доминируют в основных внедрениях.

Более серьёзные точки отказа — контекст, оценки и безопасность

Оставшиеся три опроса VentureBeat помогают объяснить, почему компании испытывают трудности с переходом от обёрток над чат-ботами к надёжным агентам.

По контексту отдельный опрос 101 респондента показал, что 57% компаний за последние шесть месяцев связывали уверенный, но неверный ответ ИИ-агента с отсутствующим или непоследовательным бизнес-контекстом. Retrieval-augmented generation уже является основным источником контекста для многих команд, и VentureBeat сообщал, что нативные инструменты поиска от поставщиков, такие как OpenAI file search и Google Vertex AI Search, теперь в его выборке по продакшен-использованию опережают специализированные векторные базы данных.

Это не значит, что retrieval уже решён. Тот же опрос указывает на обратное: большинство компаний всё ещё строят управляемый семантический слой, необходимый для того, чтобы извлечённый контекст был последовательным и заслуживающим доверия. VentureBeat обнаружил, что 58% либо уже используют, либо строят такой семантический слой, но лишь 25% имеют его в продакшене. Иными словами, ИИ-агенты уже звучат уверенно до того, как базовые бизнес-определения стабилизированы.

По оценке цифры столь же отрезвляющие. В опросе VentureBeat среди 157 респондентов 50% сказали, что выпускали ИИ-функцию, которая проходила внутренние тесты, а затем проваливалась в клиентском окружении. Лишь 5% сказали, что полностью доверяют автоматизированной оценке сегодня. И всё же 66% либо уже разрешают полностью автоматизированное развёртывание для низкорисковых агентов, либо движутся к этому в течение года.

Такое сочетание, возможно, является самым явным признаком того, что операционные процессы корпоративного ИИ опережают практики обеспечения качества. Команды хотят более быстрые релизные циклы и большую автономность, но данные этого опроса показывают, что тестовый слой ещё недостаточно силён, чтобы безопасно это поддерживать.

По безопасности опрос VentureBeat среди 107 респондентов показал, что 54% уже столкнулись либо с подтверждённым инцидентом безопасности агента, либо с почти-аварией. Структурная проблема, согласно отчёту, — это идентичность и изоляция. Только 32% сказали, что каждый агент получает собственную ограниченную и управляемую идентичность, тогда как многие по-прежнему полагаются на общие учётные данные. Лишь 30% изолируют своих самых рискованных агентов в песочницах.

Это особенно важно по мере того, как компании дают агентам реальный доступ к внутренним системам. Без индивидуальной идентичности и изоляции скомпрометированная или избыточно наделённая полномочиями система может иметь гораздо больший радиус поражения.

Нативные инструменты поставщиков побеждают по умолчанию, а не по окончательному вердикту

Последовательный паттерн во всех четырёх опросах — нативные инструменты поставщиков становятся операционным выбором по умолчанию. В оркестрации поставщики модельных платформ доминируют в основном использовании. В контексте OpenAI file search и Google Vertex AI Search лидируют в стеке retrieval в выборке VentureBeat. В безопасности OpenAI guardrails и облачные нативные средства контроля крупных поставщиков были самыми распространёнными инструментами. В оценке нативные инструменты поставщиков также были на вершине, наравне с полным отсутствием специализированных инструментов.

Этот паттерн важен для рынка, потому что он показывает: в первой волне корпоративного развёртывания удобство побеждает специализацию. Покупатели, похоже, выбирают то, что поставляется вместе с их модельной платформой или облачным стеком, особенно когда команды ещё находятся на ранней стадии зрелости продакшена.

Но данные VentureBeat также показывают, что эти значения по умолчанию носят временный характер. В безопасности 59% планировали внедрить или сменить инструменты в течение года. В контексте 57% планировали сменить или добавить провайдера retrieval. В оценке 64% планировали внедрить новую или заменяющую платформу. В оркестрации намерение смены тоже было высоким.

Так что, хотя текущий стек выглядит концентрированным, цикл закупок всё ещё открыт. Компании могут начинать с комплектных контролей и retrieval, потому что это снижает трение, но многие, похоже, не убеждены, что останутся на этом. Vendor lock-in был главным риском, который называли, когда управляющая плоскость оркестрации находится внутри платформы поставщика модели, что помогает объяснить, почему 51% в опросе по оркестрации ожидали гибридную управляющую плоскость к концу 2026 года.

Доказательства, оговорки и что на самом деле показывают эти опросы

Все четыре источника — это опросы VentureBeat Pulse Research за июнь 2026 года, а не публичные отчёты или аудированные рыночные данные. Это делает их ценными как направляющий индикатор настроений и поведения развёртывания в корпоративной среде, но также накладывает реальные ограничения.

Выборки были самоселективными, в нескольких случаях со смещением в сторону среднего рынка, и умеренного размера: 101 респондент по оркестрации, 101 по контексту, 157 по оценке и 107 по безопасности. Сам VentureBeat говорит, что результаты следует рассматривать как ориентировочные, а не как точное измерение. Кроме того, опросы использовали разные группы респондентов, поэтому читателям следует с осторожностью относиться к процентам из разных волн как к напрямую сопоставимым рыночным долям.

Эта осторожность особенно важна в отношении позиций вендоров. То, что Claude от Anthropic лидирует по оркестрации в этой выборке, не доказывает более широкую долю рынка. То же относится к OpenAI file search, Google Vertex AI Search, OpenAI guardrails или нативным оценкам поставщиков. Это снимки, основанные на опросах, отражающие основное использование или присутствие в стеке среди активно работающих с ИИ респондентов, а не рейтинги, взвешенные по расходам.

Тем не менее повторяющийся структурный паттерн в разных опросах сложно игнорировать. Разные корпоративные группы сообщали о схожем напряжении: комплектные инструменты лидируют в текущем использовании; специализированные категории остаются фрагментированными; и большинство организаций планируют менять или добавлять инструменты в течение года. Даже если точные проценты изменятся, этот паттерн выглядит правдоподобным.

Что это значит для создателей и корпоративных покупателей

Для команд, создающих ИИ-продукты, практический вывод таков: заявления об «агентах» будут подвергаться более жёсткой проверке. Если корпоративные клиенты всё чаще понимают, что многие развёрнутые агенты — это просто обёртки вокруг промптов, поставщикам придётся показывать, где именно существует оркестрация: управление состоянием, координация инструментов, runtime-контроль, fallback-поведение и измеримое завершение задач.

Для корпоративных покупателей эти опросы говорят о том, что выбор платформы становится лёгкой частью. Трудная часть — операционализировать корпоративный ИИ сразу на четырёх слоях: надёжный контекстный слой, слой оценки, привязанный к реальным результатам, слой идентичности и изоляции для безопасности и управляющую плоскость, способную контролировать и расходы, и зависимость от вендора.

Для стартапов окно возможностей может быть уже, чем подразумевает общий месседж о «платформе агентов». Пакеты поставщиков поглощают стандартную точку входа. Возможности выглядят более конкретными: управляемые семантические слои, не-человеческая идентичность, изоляция во время выполнения, мониторинг качества вывода и средства оркестрационного контроля, расположенные выше уровня вендора модели.

Нельзя игнорировать и аспект затрат. Опрос VentureBeat по оркестрации показал, что 27% не имели реального программного способа в реальном времени остановить разбежавшегося агента до того, как придёт счёт. Это не только проблема FinOps. Это признак того, что runtime-управляющие плоскости всё ещё незрелы.

На что смотреть дальше

Самый важный последующий сигнал — начнут ли компании сообщать о росте именно настоящих многошаговых рабочих процессов в продакшене, а не просто о большем числе развёрнутых «агентов». Если этот показатель останется низким, а расходы на оркестрацию будут расти, категория может оказаться переименованной и недопоставленной.

Во-вторых, стоит следить за тем, станут ли гибридные архитектуры управления нормой. Если команды продолжат стандартизироваться на Claude от Anthropic, Microsoft или OpenAI, добавляя внешние слои оркестрации и политик, рынок может прийти к разделённому стеку, а не к платформам «победитель получает всё».

В-третьих, важно отслеживать, перейдут ли управляемые семантические слои из пилота в продакшн. Если OpenAI file search и Google Vertex AI Search будут расти без улучшения управления контекстом, проблема уверенно-но-ошибочных ответов, вероятно, сохранится.

В-четвёртых, слой оценки заслуживает внимания. Если компании будут продолжать двигаться к автоматизированному развёртыванию, в то время как нативные оценки поставщиков и фрагментированные инструменты остаются нормой, клиентские сбои могут стать главным триггером закупок.

Наконец, расходы на безопасность и архитектура станут настоящей проверкой серьёзности намерений. Если OpenAI guardrails останутся значением по умолчанию, а ограниченная идентичность и песочницы будут редкостью, компании могут нормализовать подверженность риску вместо того, чтобы уменьшать её.

Позиция Creati.ai

Эти опросы указывают на зрелеющий рынок корпоративного ИИ, в котором язык агентов продвинулся быстрее, чем операционная реальность. Ключевой вывод не в том, что компании выбрали неправильные платформы. Дело в том, что слишком многие команды воспринимали выбор платформы как главное решение, хотя сложность развёртывания лежит в качестве контекста, runtime-контроле, достоверности оценки и проектировании безопасности.

Именно поэтому самый интересный конкурентный фронт может быть вовсе не базовая модель. Им могут стать управляющие слои вокруг неё: системы, которые решают, что агент знает, к чему он может прикасаться, как его тестируют, когда его останавливают и кто потом может доказать, что произошло. Пока эти слои не станут достаточно прочными, многие корпоративные «агенты» будут оставаться дорогими ассистентами с более сильным брендингом, чем операционной автономией.