AI portfolios are expanding far faster than the ability to govern them across enterprises. Most organizations run a contested field of platforms, each claiming to be the “primary” AI layer; few could confidently detect a model drifting or failing in production; and the single most-cited barrier to control is the absence of any one owner accountable for AI across the stack. The result is a widening control gap — ambition and spend racing ahead of visibility, ownership, and cost control — with autonomous agents already producing real financial and operational failures.
Корпоративные ИИ-портфели разбухают быстрее, чем компании успевают за ними следить. Самая популярная архитектура сегодня — поле битвы платформ, где каждая норовит назвать себя «главным AI-слоем». Единицы способны уверенно засечь, что модель начала сбоить или «дрейфовать» прямо в продакшене. А главный барьер на пути к контролю — отсутствие вменяемого владельца, который отвечал бы за AI на всех уровнях стека.
Результат прописали жирным шрифтом: разрыв в контроле. Рвение и бюджеты мчат вперед, а прозрачность и ответственность плетутся где-то далеко позади. Автономные агенты уже наступили на грабли — финансовые и операционные. И это не шутки.
Свежая волна VentureBeat Pulse Research как раз вскрывает этот самый AI control gap: сколько платформ претендуют на звание первичного AI-слоя, кто вообще управляет их поведением, способны ли компании заметить деградацию модели в бою, что мешает сквозному управлению — и как агенты уже успели наломать дров в финансах и операционке.
Центральный вывод — разрыв в контроле, то есть дистанция между тем, как агрессивно компании расширяют AI, и тем, как мало они на самом деле видят, контролируют и владеют. Почти три пятых (58%) только наращивают обороты, и «значительное расширение» — самая популярная стратегия.
Однако 85% компаний гоняют две и более платформ, каждая из которых считает себя «главной». Лишь 8% умудрились сконсолидироваться до одной. На фоне этой драмы за лидерство 40% уверенно заявляют, что заметят дрейф модели или её опасное поведение. Но только 10% подкрепляют эту уверенность реальным мониторингом с алертами. Остальные надеются на ручную проверку — то есть на человеческий глаз. Машинария расширения AI несется вскачь, а механизмы контроля только выходят на старт.
Разрыв — это прежде всего вопрос ответственности. Лишь треть (38%) говорят, что AI управляет централизованная команда. Каждая пятая компания (20%) отдала это на откуп индивидуальным платформенным командам. Самый популярный барьер для кросс-платформенного управления — отсутствие единого ответственного (32%). Примерно каждый шестой (17%) вообще не может назвать должность, которая формально за это отвечает.
Та же пустота — в расходах. Почти половина (49%) называют теневой AI своей главной контрольной неудачей: неавторизованные агентные пайплайны, запущенные на корпоративных картах вне поля зрения центра. Еще 25% обожглись на бесконечном цикле агента, который генерировал счета без остановки. Компании стандартизировали амбиции — но контроль стандартизировать забыли.
Методология
VentureBeat провел это исследование в рамках своей серии Pulse Research. Фокус — разрыв в корпоративном контроле AI: управление, наблюдаемость и контроль затрат. В выборку попали организации от 100 сотрудников. Тех, кто выбрал «Другое» в графе должность, отсеяли. Осталось 145 человек с четкими ролями. Все данные собраны в одну волну Q2 2026 (июнь).
По размеру выборка тяготеет к среднему и нижнему крупному сегменту: 100–499 и 500–2499 сотрудников (по 23%), затем 10000–49999 (22%), 2500–9999 (20%) и 50000+ (11%). По должностям — сеньоры и технари: консультанты (20%), CIO/CTO/CISO (18%), директора по инженерии/IT (14%), продакты и програм-менеджеры (13%), enterprise-архитекторы (12%). Самая крупная индустрия — технологии/софт (41%), потом финансовые и профессиональные услуги (по 12%), здравоохранение и производство (по 10%).
Данные стоит читать как направленный сигнал. Это не вероятностная выборка. Точный процент не так важен, как общий тренд и группировка ответов.
Вывод 1: Экспансия обгоняет контроль — ИИ-портфели растут быстрее, чем средства управления
Мы спросили у компаний, как изменился их AI-портфель за последние 12 месяцев. Рост доминирует, но заметное меньшинство целенаправленно сбавляет обороты.
Расширение в лидерах. Складываем «значительно расширяюсь» (33%) и «чистый положительный рост» (25%). Получаем 58% компаний, которые наращивают число AI-инициатив. Однако четверть (23%) активно рационализирует: масштабирует рабочее, режет балласт. Еще 12% держат портфель плоским. Лишь 3% поставили паузу, чтобы сначала навести порядок в управлении. Это и есть двигатель всех последующих проблем — компании влетают на полной скорости в ландшафт, который еще не научились видеть и контролировать. Целых 4% вообще не могут описать свой портфель. Амбиции, которые мы здесь видим, делают дефицит прозрачности и ответственности в выводах 3 и 4 не абстракцией, а прямой угрозой.
Вывод 2: Единого «первичного» AI-слоя нет — поле битвы платформ
Более четырех из пяти компаний запустили несколько платформ, каждая из которых претендует на главенство.
Мы спросили, сколько корпоративных платформ сейчас позиционируют себя как «первичный» AI-слой: ERP, EHR, ITSM, productivity-свиты и дата-платформы — все хотят быть центром притяжения. Единого ответа почти нет.
Определяющее условие — оспариваемое первенство. Складываем две мультиплатформенные группы: 85% компаний имеют минимум две платформы, каждая из которых называет себя главной AI-прослойкой. Более трети (36%) описывают открытое соревнование четырех и более претендентов. Лишь 8% сконсолидировались до одного слоя. Еще 6% даже не картировали этот вопрос. Вот структурная причина, почему управление такое тяжелое: нет согласованного центра тяжести. Каждая платформа тащит свой AI, свои контроли и свои допущения. И, как покажет вывод 3, вопрос «кто управляет всем этим» все чаще остается без ответа.
Вывод 3: Управление декларируется на бумаге, но на деле раздроблено
Формально есть центральная команда. Реально — фрагментация.
Мы спросили, кто на самом деле отвечает за поведение AI на всех этих платформах и какая функция держит главную ответственность. Ответ на поверхности успокаивает. Но детали — нет.
Центральная функция управления — самый популярный ответ, но лишь 38% заявляют о её наличии. Это далеко не большинство. Остальное распределение только подрывает эту цифру: пятая часть (21%) говорит, что ответственность неясна или оспаривается между командами, еще 20% — что каждая платформенная команда управляет своим AI независимо, и 19% — что этим вообще никто не занимался. Ответственность дробится дальше: мы спросили, какая роль её реально держит. CIO/CTO/CISO лидирует с 27%, Chief AI Officer — 22%, а поразительные 17% говорят, что формальной ответственности нет ни у кого.
Даже там, где центральная команда заявлена, назначенный владелец — чаще всего обычный технологический директор, а не выделенный AI-авторитет. Функция управления существует чаще как мечта на оргсхеме, чем как операционная реальность. Это создает предпосылку для разрыва в детекции, который мы увидим в выводе 4.
Вывод 4: Разрыв в детекции — уверенность есть, но она ручная
Только у одного из десяти есть активный мониторинг с алертами.
Мы спросили, насколько компании уверены, что заметят дрейф AI-модели в продакшене, её небезопасное поведение или неверное выполнение задач. Это сердце разрыва в контроле.
Это центральная цифра отчета. 40% заявляют, что очень уверены в обнаружении сбоя. Но подавляющее большинство этой уверенности держится на ручной человеческой проверке (30%), а не на автоматизации. Лишь 10% реально внедрили мониторинг с алертами. На другом полюсе — более четверти, которые объединяют два реактивных ответа: «нет системного отслеживания» (8%) и «узнаем от конечных пользователей» (19%). Они узнают о сбое в продакшене постфактум — от тех, кого этот сбой затронул. Самая большая группа (32%) сидит в оптимистичной середине: надеются, что «со временем выловят большинство проблем».
В контексте агрессивной экспансии из вывода 1 это и есть квинтэссенция разрыва в контроле: компании масштабируют AI в продакшене быстрее, чем строят автоматизированные средства узнать, когда он ломается. Уверенность есть, но она ручная. Автоматическое обнаружение остается исключением.
Вывод 5: Отсутствие владельца — главный барьер
Управление упирается сначала в ответственность, потом в прозрачность.
Мы попросили компании назвать единственный самый большой барьер для управления AI на нескольких платформах. Оргсхема возглавляет список.
Отсутствие единого владельца лидирует с 32% — самый популярный ответ. Непрозрачность вендоров (25%) и нехватка инструментов или инфраструктуры для наблюдения за платформами (16%) идут следом. Вместе эти два технических барьера (41%) перевешивают разрыв в ответственности. Деприоритизация со стороны руководства — еще 17%. Дефицит талантов редок — всего 5%.
Для полноты картины: 5% сказали, что для них это вообще не барьер — они уже решили вопрос. В совокупности картина более сложная, чем кажется на первый взгляд: компании чаще всего называют отсутствие владельца, но значительная часть видит проблему в черных ящиках вендоров и отсутствии кросс-платформенной наблюдаемости. Когда в открытом тексте спросили, что бы они исправили в первую очередь, респонденты сошлись с разных сторон на одном ответе: единый ответственный владелец и контрольная панель, которая абстрагирует затраты, дрейф и выбор модели от конечного пользователя.
Вывод 6: Файнтюнинг не окупился — отрезвляющий ROI
Примерно семь из десяти мало что имеют взамен инвестиций в кастомные модели.
Мы спросили, какая доля проприетарных фундаментальных моделей, в которые компании вкладывались файнтюнингом за последние 18 месяцев, принесла четкий, измеримый положительный ROI в продакшене. Большинство описывает кладбище в песочнице — или осознанное решение его избежать.
Кастомный файнтюнинг для большинства не окупился. Складываем три разочаровывающих сценария — кладбище в песочнице, стратегическое избегание и полное списание. Получаем, что примерно 73% либо не смогли внедрить кастомные модели в продуктивное использование, либо сознательно отказались от попыток. И только 27% заявляют, что файнтюненные модели — их надежное преимущество.
Самая большая группа (45%) — всё ещё на кладбище: проекты, слишком дорогие или сложные для поддержки, застрявшие в разработке. Еще четверть (24%) даже не начинали — посчитали будущие затраты на поддержку и решили не лезть. Сигнал ясен: многие компании всё ещё воспринимают кастомное обучение как ловушку затрат. Это объясняет прагматичную позицию «купи и смешай» из вывода 7.
Вывод 7: Вендорная позиция — гибрид по умолчанию, отказы растут
Компании смешивают открытые и закрытые модели. Всё больше сокращают число вендоров.
Мы задали два связанных вопроса: переносят ли компании рабочие