Похоже, команды корпоративного ИИ принимают стратегическое решение о том, где будут работать их агентные системы: всё чаще — на платформах крупных провайдеров моделей. Но новый кластер опросов VentureBeat Pulse Research утверждает, что более сложная проблема уже не в выборе платформы. Она в том, чтобы реальные внедрения агентов, средства контроля и операционная дисциплина успевали за амбициями.

В четырёх волнах опросов июня 2026 года, опубликованных VentureBeat AI, респонденты описали рынок, который стандартизируется вокруг нативных для провайдера стеков таких компаний, как Anthropic, OpenAI, Microsoft и Google, но при этом всё ещё испытывает трудности с основами, делающими автономное ПО пригодным для использования в продакшене. Эти слабые места проявляются в оркестрации, поиске, оценке и безопасности.

Самый точный вывод даёт опрос по оркестрации: 71% компаний сказали, что четверть или меньше их развернутых «агентов» на самом деле представляют собой многошаговые оркестрируемые рабочие процессы, а не простые оболочки чат-ботов. Это важно, потому что те же респонденты сказали, что оценивают успех оркестрации по надёжному завершению задач и управлению многошаговыми рабочими процессами, а не по UX чат-бота. Иными словами, многие команды покупают и планируют агентные системы ещё до того, как большая часть того, что у них есть в продакшене, действительно заслуживает называться агентами.

В совокупности четыре опроса показывают широкий корпоративный паттерн. Командам комфортно принимать встроенные средства контроля и инфраструктуру, которые идут вместе с платформами моделей передового уровня, но они остаются гораздо менее зрелыми в вопросах идентичности, управления контекстом, оценки в реальном мире и соблюдения затрат. Для разработчиков и покупателей вывод ясен: следующее конкурентное преимущество может прийти не от очередного фреймворка оркестрации, а от доказательства того, что агентам можно доверять, их можно измерять и ограничивать.

Одна история на четырёх слоях стека

Отчёт по оркестрации охватывал 101 компанию со штатом более 100 сотрудников и показал, что Claude от Anthropic был основной платформой оркестрации у 40% респондентов, опережая Microsoft с 18% и OpenAI с 13%. VentureBeat прямо предупредила, что эти цифры — не доля рынка, а скорее направленный снимок самовыбранной выборки, а не отраслевой переписи, взвешенной по расходам.

Даже с этой оговоркой картина совпадает с тремя другими опросами. В инфраструктуре поиска и контекста поиск файлов OpenAI и Google Vertex AI Search лидировали по реальному использованию в продакшене, опережая специализированные векторные базы данных. В безопасности guardrails и средства контроля от OpenAI, Google и Microsoft доминировали в текущих внедрениях. В оценке нативные evals и traces от OpenAI лидировали в поле, наравне с респондентами, которые сказали, что вообще не используют никаких специальных инструментов оценки.

Эта согласованность важна. Она указывает на то, что корпоративные команды по умолчанию выбирают инструменты, наиболее близкие к уже используемым ими базовой модели и облачному стеку. VentureBeat назвала это «гравитацией модели» в оркестрации и нативным для провайдера дефолтом в других слоях. Практическая интерпретация проще: покупатели хотят меньше подвижных частей, быстрее развертывание и более тесную интеграцию, по крайней мере для первых production-систем.

Но те же команды не демонстрируют глубокой долгосрочной лояльности. Опросы показали, что 68% планируют принять, добавить или заменить платформу оркестрации в течение года, 57% — сменить или добавить поставщиков поиска, 64% ожидают изменений в инструментах оценки, а 59% планируют изменения в инструментах безопасности агентов. Стандартизация идёт, но стек по-прежнему остаётся подвижным.

Ярлык «чат-бот» опережает реальность ПО

Данные по оркестрации дают самый ясный пример разрыва между маркетинговым языком и операционной реальностью. Согласно опросу, только 10% компаний сказали, что более половины их развернутых «агентов» — это настоящие многошаговые оркестрируемые рабочие процессы. Большинство признало, что портфель по-прежнему доминируется ассистентами с одним промптом.

Этот вывод появился в момент, когда «ИИ-агенты» стал стандартным ярлыком для широкого спектра продуктов. Данные VentureBeat подразумевают, что многие корпоративные внедрения лучше описывать как продвинутые чат-боты с корпоративными коннекторами, а не как автономные системы, координирующие инструменты, память и политики на протяжении нескольких шагов.

Это различие — не семантическая придирка. Оно влияет на архитектуру, тестирование, безопасность и бюджетирование. Оболочке чат-бота могут понадобиться хорошие промпты, grounding и отполированный UX. Настоящему многошаговому агенту нужны разрешения на уровне runtime, пути отката, трассируемость, контроль расходов, долговременное состояние, оценка, согласованная с результатами задачи, и часто — гибридный слой управления, находящийся выше любого отдельного поставщика моделей.

Респонденты, похоже, понимают этот разрыв. К концу 2026 года 51% ожидали гибридный control plane, сочетающий нативные для провайдера системы с внешней оркестрацией. Только 6% ожидали полностью полагаться на управляемый провайдером сервис. Главной причиной, по данным опроса, был vendor lock-in, который 35% назвали самым большим риском, если управление находится внутри платформы поставщика модели.

Вот почему история не сводится к тому, что «провайдеры побеждают». Они выигрывают текущий стандарт внедрения, но предприятия одновременно строят и аварийные выходы.

Безопасность, контекст и оценка всё ещё отстают от внедрения

Три сопутствующих опроса показывают, что разрыв в оркестрации — лишь часть более широкой проблемы зрелости внедрения.

В безопасности опрос VentureBeat среди 107 компаний показал, что 54% сообщили либо о подтверждённом инциденте безопасности ИИ-агента, либо о почти-инциденте. Только 32% сказали, что у каждого агента есть собственная scoped identity, а 69% сообщили о совместном использовании учетных данных где-то во флоте. Лишь 30% изолируют самых рискованных агентов в песочницах. Публикация отметила, что связь между scoped identities и более низкими уровнями инцидентов выглядит убедительно, но не доказывает причинность, особенно учитывая небольшую, самовыбранную выборку.

В инфраструктуре контекста отдельный опрос 101 компании показал, что 57% сталкивались с тем, что агенты выдавали уверенные, но неверные ответы, связанные с отсутствующим или непоследовательным бизнес-контекстом. Retrieval-augmented generation была основной источником контекста для 38% респондентов, а native-инструменты провайдера лидировали в реальном использовании. При этом 58% сказали, что либо уже используют, либо строят управляемый semantic layer, что означает: многие организации теперь считают raw retrieval недостаточным без более сильного слоя бизнес-определений.

В оценке сигналы тревоги были не менее прямыми. Половина из 157 опрошенных компаний сказала, что выпустила функцию агента или LLM, которая прошла внутренние оценки, а затем провалилась перед клиентом. Только 5% сказали, что сегодня полностью доверяют автоматизированной оценке. И всё же 66% уже позволяют или строят путь к deployment без человека в контуре для низкорисковых агентов.

Это сочетание, вероятно, и есть самый важный сигнал в кластере. Предприятия не ждут идеальной гарантии, прежде чем автоматизировать больше решений. Они повышают автономность, одновременно признавая, что средства контроля, призванные подтвердить эту автономность, неполны.

Что доказательства показывают, а что нет

Все четыре исходных материала происходят из собственной программы VentureBeat AI Pulse Research, а не из корпоративных отчётов, продуктовой документации или широких независимых рыночных данных. Это делает кластер полезным как направленный индикатор текущего поведения покупателей, но не как окончательное измерение рынка.

Сама VentureBeat многократно указывает ограничения: выборки были самовыбранными, в нескольких опросах смещёнными в сторону компаний среднего размера, и взяты из одной июньской волны 2026 года, а не из объединённых лонгитюдных панелей. В опросе по оркестрации респондентов также просили назвать одну основную платформу, что даёт снимок текущего предпочтения, а не полный взгляд на многоуровневое использование или расходы.

Это значит, что конкретные цифры по Claude, OpenAI, Microsoft, Google, Vertex AI Search или LangChain/LangGraph нужно интерпретировать осторожно. Они показывают, куда эта когорта, по её словам, поставила главную ставку, а не полный отраслевой рейтинг.

И всё же более широкие закономерности трудно игнорировать, потому что они повторяются во всех четырёх опросах. Похоже, native-инструменты провайдеров лидируют в оркестрации, поиске, безопасности и оценке. Компании сообщают о существенных уровнях инцидентов и провалов. А большие доли планируют пересмотреть стек в течение года. Отдельные проценты могут измениться при другой выборке; структурная картина выглядит более устойчивой.

Что это значит для разработчиков и корпоративных покупателей

Для продуктовых команд, строящих агентные системы, этот кластер говорит о том, что оркестрация становится проблемой control plane, а не просто выбором фреймворка. Подключение к Claude, OpenAI или Microsoft может ускорить первоначальный запуск, но не снимает необходимость в управляемом контексте, runtime identity, продакшен-оценках и ограничениях расходов.

Для инфраструктурных стартапов окно возможностей может быть уже, чем «заменить платформу», но шире, чем кажется на первый взгляд. Опросы показывают ограниченное текущее проникновение специализированных поставщиков, но сильное намерение добавить слои, которые native-стек не решает полностью. Это особенно важно для не-человеческой идентичности, semantic governance, мониторинга качества в реальном времени и управления расходами.

Для покупателей корпоративного ИИ сигнал таков: нужно проверить, действительно ли внутренние портфели «агентов» являются автономными рабочими процессами или в основном вспомогательными чат-интерфейсами. Если верно второе, то следующей правильной инвестицией может быть не очередная абстракция оркестрации. Это могут быть операционные дисциплины, которые делают рабочий процесс надёжным, когда он становится по-настоящему автономным.

Опросы также указывают, что многие организации по-прежнему покупают ради удобства, а затем уже позже отслеживают корректность. Такой порядок работает в период экспериментов. Он становится рискованнее, когда агенты могут действовать в внутренних системах или выкатывать изменения без человеческого одобрения.

На что смотреть дальше

Самый ясный последующий сигнал — укрепится ли доминирование native-решений провайдеров или выйдет на плато. Если OpenAI, Anthropic, Microsoft и Google продолжат поглощать оркестрацию, поиск, оценку и безопасность в один стек, предприятия могут принять больше lock-in, чем заявляют сейчас.

Второй сигнал — перейдут ли гибридные control planes из намерения в реально развёрнутую архитектуру. Если внешние слои вокруг LangChain/LangGraph, пользовательской оркестрации и средств контроля идентичности получат реальную долю в продакшене, это подтвердит, что покупателям нужны провайдеры для доступа к моделям, но не для полного контроля.

Третье — стоит следить, смещаются ли корпоративные бюджеты от workflow-инструментов к менее заметным слоям, которые подразумевают опросы: semantic governance, scoped identities, мониторинг вывода в реальном времени и программное enforcement расходов. Это не заголовочные функции, но именно они наиболее напрямую связаны с отказами, о которых сообщали респонденты.

Наконец, главный операционный тест — определение. По мере того как предприятия переводят больше систем в продакшен, рынку потребуется более чёткое различие между чат-бот интерфейсами, ассистентами, использующими инструменты, и полностью оркестрируемыми ИИ-агентами. Сейчас ярлык опережает реализацию.

Взгляд Creati.ai

Самая показательная часть этой истории в том, что предприятия, похоже, не путаются в том, что должны делать хорошие агенты. Они говорят, что им нужны надёжное многошаговое выполнение, контролируемые разрешения, точный контекст и оценки, предсказывающие реальные результаты. Разрыв в том, что их текущие внедрения часто не дотягивают до этой планки, даже когда закупки и выбор платформ ускоряются.

Поэтому это выглядит не столько как война платформ, сколько как операционный расчёт. Провайдеры моделей выигрывают право быть стандартной точкой старта, но более сложная коммерческая проблема всё ещё не решена: превратить LLM-управляемые рабочие процессы в надёжные программные системы. Команды, которые первыми закроют этот разрыв, вероятно, сделают это за счёт лучших средств контроля и более чётких определений, а не только за счёт более красивых демо.