82% разработчиков используют AI-инструменты каждый день. Но только 0,18% публичных сайтов реально запустили их в production. Это не разрыв. Это пропасть.
AI-платформы выдают инсайты за секунды, но команды тратят недели на согласование решений.
Рынок «agentic analytics» — систем, которые не показывают данные, а принимают меры — вырос до $1,5 млрд за полгода.
Проблема не в технологиях, а в организации: 99% компаний не могут связать бизнес-метрики между отделами.
Цифры, которые не работают
По данным Strategy Inc., 99% руководителей data-отделов признают: они не могут определить консистентные метрики между инструментами и департаментами. 87% требуют большей прозрачности того, как AI интерпретирует их данные. Почти 80% data-команд тратят больше половины времени на подготовку данных, а не на генерацию инсайтов.
Деньги есть. Инструменты есть. Результата нет.
Фрагментация аналитики
Почти каждая компания использует 3+ аналитических платформы, метрики в которых не синхронизированы · Strategy Inc., 2026
Data-команды: дисбаланс
Только 20% рабочего времени аналитиков уходит на извлечение смысла, остальное — на подготовку (data janitor work) · Strategy Inc., 2026
Задержка решений
Среднее время от запроса до дашборда выросло — объём данных растёт быстрее, чем команды успевают обрабатывать · Hex/Airwallex, 2026
Что растёт: эпоха агентной аналитики
Рынок реагирует. Платформа Omni Analytics привлекла $120 млн Series C при оценке $1,5 млрд — в 2,3 раза больше, чем год назад. Golden Analytics вышел из стелса с $7 млн seed от NEA и Madrona. ThoughtSpot запустил Spotter — автономного AI-аналитика, который не ждёт запроса, а сам находит аномалии.
Общая логика — одинаковая. AI перестаёт быть пассивным генератором отчётов. Он становится участником процесса: мониторит данные, выявляет отклонения и запускает действия без участия человека.
Airwallex, глобальная платежная платформа, формулирует это так: «Разрыв между инсайтом и действием — это то, где финансовые команды теряют преимущество». Их решение — connected financial operations (связанные финансовые операции, когда платежи, FX и расходы в одной системе): когда данные о платежах, FX, картах и расходах лежат в одной системе, AI показывает проблему и тут же предлагает конкретный следующий шаг.
Что падает: традиционные дашборды
McKinsey обнаружила, что 44% CFO использовали generative AI для более чем пяти сценариев в 2025 году — против 7% годом ранее. Но adoption (уровень внедрения) не равен effectiveness (эффективности).
Дашборды показывают дисперсию. Они не показывают, что делать.
Упали наличные. Выросли затраты на процессинг. Сдвинулись платежи поставщикам. Дашборд зафиксирует всё это. Но решение — отсрочить выплату, скорректировать FX-тайминг, пересмотреть прогноз — всё ещё принимается через людей, Excel-таблицы и кросс-функциональные согласования.
Бутылочное горлышко — между системами. Платежи живут на одной платформе, курсы — на другой, карточные траты — на третьей, бухгалтерия — на четвёртой. Прежде чем извлечь осмысленный инсайт, кто-то должен свести данные со всех платформ — часто в электронной таблице, формулы в которой не доверяет никто.
Что появляется: новое поколение BI
Golden Analytics — характерный пример. Основатель Франсуа Аженста начинал в Cognos, вёл продукт в Microsoft SQL Server и Office, был CPO в Tableau через IPO и поглощение Salesforce. Он построил компанию вокруг идеи Slider of Autonomy («ползунок автономии») — пользователь сам решает, сколько AI делает, а сколько он контролирует.
Компания строит semantic model (семантическую модель): граф контекста, который хранит определения метрик, бизнес-логику и права доступа. Когда AI генерирует запрос, он использует эту модель. Результат — верифицированный ответ, идентичный тому, что выдал бы обученный аналитик.
«AI расширяет аналитику, — говорит Колин Зима, CEO Omni. — Дашборды и таблицы никуда не денутся, но теперь любой может получить мгновенный ответ без технической экспертизы».
| Параметр | Традиционная BI | Agentic Analytics |
|---|---|---|
| Инициатива | ✗ Пользователь задаёт вопрос | ✔ Система сама находит аномалии |
| Скорость | ✗ Дни–недели на отчёт | ✔ Секунды–минуты до действия |
| Контекст | ◐ Разрозненные источники | ✔ Единая семантическая модель |
| Действие | ✗ Человек решает вручную | ✔ AI запускает workflow |
Почему это сложно: три барьера
Первый — семантический. Одна и та же метрика может означать разное в разных отделах. Маркетинг считает ROI иначе, чем финансы. Даже внутри финтех-компании «выручка» может иметь три определения.
Второй — организационный. По данным опроса Cisco среди 2 500 CEO из 23 стран, 91% лидеров-«Pacesetters» имеют комплексные планы управления изменениями — против 35% всех компаний. Технологии меняются быстро. Люди — нет.
Третий — доверие. AI на фрагментированных данных выдаёт быстрые неверные ответы вместо медленных неверных. Если данные на входе неполны, противоречивы или устарели, скорость только усугубляет проблему.
Платформа — оценит ли рынок её подход через 12 месяцев как стандарт или как нишевое решение?
Golden Analytics — станет ли Slider of Autonomy отраслевым паттерном?
Cisco AI Readiness Index 2026 — когда соотношение Pacesetters превысит 20%?
Регуляторика ЕС по AI-агентам — как GDPR изменит autonomous decision-making?
Insight-Action Gap — не временный сбой. Это структурная проблема эпохи, когда AI-генерация опередила AI-интеграцию. Инструменты готовы. Организации — нет. Как мы писали в июне, рынок AI-консалтинга уже достиг $14 млрд — компании платят за то, чтобы кто-то помог им соединить аналитику с действием. И это только начало.
Кто решает проблему: три подхода
На рынке формируются три стратегии. Платформа компании строит semantic model — единый слой контекста, который одновременно обслуживает и дашборды, и AI-запросы. Одна модель вместо пяти разрозненных инструментов.
ThoughtSpot идёт через автономного агента Spotter. Система не ждёт вопроса — она сама мониторит данные и подсвечивает аномалии. Chevron и LegalZoom уже используют это в production: AI-аналитик обнаруживает отклонение и запускает workflow без участия человека.
Компания решает проблему на уровне операционной инфраструктуры. Connected financial operations (связанные финансовые операции) объединяют платежи, FX, карты и расходы в одной платформе. Данные не нужно сводить — они уже связаны. AI на таких данных выдаёт конкретное действие с рекомендацией: «отсрочить платёж X на 3 дня, чтобы сохранить Y». CEO компании Джек Чжан называет это «сдвигом от точности отчётности к операционному ритму».
Общий знаменатель — семантическая модель. Без неё AI на корпоративных данных напоминает умного человека с плохой памятью: он уверен в ответе, но ответ может быть неверным. С ней — AI становится не генератором отчётов, а участником операционного контура.
Как мы писали в начале июня, рынок AI-консалтинга уже достиг $14 млрд. Компании готовы платить за то, чтобы соединить аналитику с действием. Но sustainable advantage (устойчивое преимущество) получит не тот, кто купит ещё один инструмент, а тот, кто перестроит процесс.
