По оценкам IDC, к 2025 году мир производил около 175 зеттабайт данных ежегодно. Решения при этом бизнес чаще всего принимает по-прежнему: на интуиции, регламенте и прошлогоднем бюджете.
Рынок интеллекта решений растёт примерно на 19% в год: с $17,4 млрд в 2025-м до $20,7 млрд в 2026-м. Данные перестают быть отчётностью и становятся операционным слоем бизнеса.
Спор «прогноз против рекомендации» устарел: прогнозная аналитика остаётся фундаментом, а разрыв создаёт рекомендательный слой — ответ на вопрос «что делать дальше».
Узкое место — это точка встроенности в процесс, а не данные и не модели. Выигрывают те, кто вшивает аналитику в рабочие процессы, а не в дашборд.
Десять лет назад «данные» и «решения» жили в разных комнатах. Аналитика готовила отчёты, руководители листали их по понедельникам. Сейчас граница стёрлась: модели встраивают прямо в операционные процессы — от динамического ценообразования до цепочки поставок. Термин «аналитика» при этом перестал означать «посмотреть на цифры» и всё чаще означает «изменить цифры нужной стороной».
Прогнозная аналитика: фундамент, который не устарел
Прогнозная аналитика (predictive analytics) отвечает на вопрос «что произойдёт?». Исторические данные, статистические модели, машинное обучение — на выходе вероятность оттока клиента, объём спроса на следующий квартал, риск отказа оборудования. Это классика, в которую уже вложены десятки миллиардов.
Сила этого подхода — в снижении неопределённости. Ритейлер прогнозирует спрос и реже теряет на распродажах излишков. Банк раньше видит кредитный риск. Производитель планирует техобслуживание до поломки, а не после неё. Прогноз окупается сам по себе — это проверенная модель возврата вложений.
Слабость ровно в том же. Прогноз говорит, что может произойти, и молчит о том, что делать. Дашборд показывает рост оттока на 15% — а дальше решение принимает человек, по-прежнему на основе опыта, а не данных. За годы на практике закрепилась неприятная асимметрия: точность прогноза растёт, а скорость реакции остаётся прежней.
Показателен и нелинейный эффект инструментов на людях. В полевом эксперименте Harvard Business School («Jagged Technological Frontier», Dell'Acqua, McFowland, Mollick и соавторы) ИИ ускорял работу и повышал качество на когнитивных задачах внутри «границы полезности» инструмента, но вредил за её пределами — там, где модель не имела права на ошибку. Те же данные, но не те рамки: аналитика усиливает процесс, только если рядом есть точная граница решаемой задачи.
Отсюда парадокс индустрии. Компании строят дорогие хранилища и модели, собирают данные о клиенте в реальном времени — и продолжают принимать решения раз в квартал. Собранный объём растёт быстрее, чем способность его использовать, и разрыв между «данными» и «решением» превращается в операционный риск.
Прескриптивный слой и агентная аналитика
Прескриптивная аналитика (prescriptive analytics) делает следующий шаг: рекомендует действие. Вместо прогноза — решение: кому отправить удерживающее предложение, какой товар закупить, по какой цене выставить. Gartner определяет её именно так — аналитика, отвечающая на вопрос «что сделать».
В 2026 году дилемма «прогноз или рекомендация» дополнилась третьим участником — агентной аналитикой. Модель не останавливается на совете и выполняет действие в контуре процесса: переставляет цену, запускает кампанию, перестраивает маршрут доставки. Gartner называет этот переход движением к модели с приоритетом ИИ, где алгоритм участвует в каждом бизнес-решении.
Организации быстро движутся к модели с приоритетом ИИ, где ИИ — ключевое соображение в каждом бизнес-решении, рабочем процессе и инвестиции.— Карли Идойн, вице-президент-аналитик Gartner
Логика простая. Прогноз снижает неопределённость, рекомендация сокращает время решения, агент — время исполнения. Каждый слой отрезает латентность между сигналом и действием. На рынке это уже видно в цифрах.
Практический пример. У сети магазинов есть прогноз: спрос на товар вырастет на 12% к выходным. Прескриптивный слой пересчитывает объём закупки и рекомендует заказать больше, чем обычно. Агентный слой идёт дальше: меняет цену на позиции с сезонным профицитом, подстраивает маршрут доставки и запускает акцию на склад. Разница между компаниями — в том, на каком уровне процесс останавливается: на отчёте, на рекомендации или на исполнении.
Данные: где заканчивается отчётность
Интеллект решений (decision intelligence) оценивался в $17,4 млрд в 2025 году и вырос до $20,7 млрд в 2026-м — темп 19,1% в год. К 2030 году, по оценкам The Business Research Company, он достигнет $42,5 млрд при темпах 19,7%.
Драйверы — те же, что двигают всю аналитику: рост объёмов данных, миграция в облако и переход от отчётности к автоматизации решений. Показательно и то, что данные становятся общим слоем рынка: как мы писали в августе, открытые данные о стартапах уже позволяют обходить платные базы вроде PitchBook.
Рынок интеллекта решений
Рост с $17,4 млрд в 2025 году; прогноз на 2030-й — $42,5 млрд. · The Business Research Company, 2026
Мировой объём данных
Оценка IDC на 2025 год; прирост создаваемых данных — около 24% в год. · IDC, 2025
| Параметр | Прогнозная | Прескриптивная |
|---|---|---|
| Вопрос | ✔ Что произойдёт? | ✔ Что сделать? |
| Результат | ◐ Вероятности и прогнозы | ✔ Рекомендация действий |
| Цель | ◐ Снизить неопределённость | ✔ Оптимизировать исход |
| Пример | ◐ Прогноз спроса на квартал | ✔ Динамическое ценообразование |
Сравнение подходов; источники: Gartner, IBM, The Business Research Company, 2025–2026
Вывод для рынка жёсткий: выбирать «прогноз или рекомендацию» больше не нужно. Прогноз остаётся базой, на которой строится рекомендательный слой. Разница — в скорости реакции: компании, которые останавливаются на дашбордах, видят будущее, но отвечают на него с той же скоростью, что и конкуренты. И это заметно по всему рынку.
Данные не были проблемой. Проблемой была точка, где данные превращаются в решение. Она сместилась из головы руководителя в операционный процесс.
Теперь — скорость решения.
Следствия для инвесторов и команд
Для тех, кто финансирует аналитику, вывод почти парадоксален: ценность уходит из «прогноза» в «использование». Прогнозная часть де-факто становится товаром, а премия сосредотачивается на рекомендательном слое и его встроенности в действие. Из этого вытекают три следствия.
Показатель оценки продуктов меняется. Компании всё реже меряют аналитику точностью модели и всё чаще — временем до принятия решения. Те, кто считает успех числом дашбордов, уходят в отрыв медленнее, чем те, кто меряет скорость реакции. Сегмент BI в реальном времени оценивался в $3 млрд в 2025 году и растёт к $5,96 млрд к 2030-му — темп 12,7% в год. Это отдельная ниша, но её кривая показывает, куда уходит спрос: от отчётности к потоку решений.
Компетенция аналитика смещается. Полевой эксперимент Harvard Business School показал, что результат зависит от границы решаемой задачи: внутри неё инструмент ускоряет и повышает качество, за её пределами — мешает. Ценность теперь в умении поставить корректную задачу и ограничить контекст для модели.
И третье — вопрос о вмешательстве. Когда аналитика переходит от совета к действию, на первый план выходят границы допустимого и способы контроля. Это зона инструментов управления и аудита решений — и место, где рост интеллекта решений выглядит закономерностью дозревшего рынка.
Выбор за рынком прост на словах: прогнозная аналитика остаётся основой, прескриптивный слой — дифференциатором, агентный — следующим горизонтом. Линия между ними определяется скоростью, с которой сигнал превращается в действие. Остальное — вопрос зрелости процессов и того, как далеко компания готова доверить машине решение.
