Agentic AI, кібербезпека, дані: головні інсайти Harvard Business Review 2026

Головними інсайтами звіту Harvard Business Review – The Year in Tech 2026, що розкриває ключові технологічні тренди та стратегії виживання компаній, поділився Telegram-канал «NeoKotler — Корисний маркетинг». Ми адаптували цей матеріал для читачів SPEKA.

1. Інновації: секрет колективної наполегливості

Інновації сьогодні — це колективний процес, що виходить за межі роботи окремих геніїв. Насправді, прориви вимагають паралельних зусиль для створення системних механізмів та інфраструктури, що видно на прикладі впровадження системи довіри на блокчейні у FICO, де основною перешкодою стала не технологія, а організаційні зміни.

Успіх вимагає наполегливості у довгій перспективі. ChatGPT є кульмінацією 66 років розвитку штучного інтелекту, починаючи з 1956 року. Цю закономірність підтверджує приклад Procter & Gamble, які, попри провал перших двох тестів одноразових підгузків, завдяки стійкості досягли 92% ринку до 1970 року. Лідерство вимагає постійної готовності ставити собі питання «що, якщо?» та очікувати на несподівані розробки.

2. Революція Agentic AI: від розпізнавання до проактивних дій

Agentic AI (агентний штучний інтелект) — це нове покоління ШІ-систем, яке переходить від простого розпізнавання патернів до проактивних дій. Ці агенти орієнтовані на прийняття рішень, а не на створення контенту, і здатні діяти автономно для досягнення заданих цілей та виконувати комплексні послідовності дій.

Це забезпечує глибоку спеціалізацію завдань, прискорення інновацій і підвищення надійності:

Підписуйтеся на наші соцмережі

3. «Живий інтелект»: конвергенція та моделі дій

Найближча епоха визначатиметься розвитком «живого інтелекту» — злиттям трьох технологій: штучного інтелекту, просунутих сенсорів і біотехнологій. Це злиття інтенсивно впливає на фармацевтику, охорону здоров’я та космічну галузь.

Відбувається еволюція від великих мовних моделей (LLM) до LAM — моделей великих дій, які передбачають не що сказати, а що зробити. На рівні організацій з’являються персональні моделі (PLAM), які адаптуватимуться під унікальні бізнес-завдання та контекст організації.

4. Кібербезпека: потреба у пояснюваній системі ризиків

Гучний інцидент із компанією CrowdStrike, що спричинив збитки на понад $5 мільярдів, продемонстрував, що навіть оновлення від надійних постачальників можуть бути джерелом ризику. Звіт виявив три ключові проблеми: фрагментований ринок кібербезпеки, відсутність єдиної системи даних для прийняття рішень та неефективні механізми оцінки ризиків.

Організаціям потрібна пояснювана система управління кіберризиками — прозора, структурована й адаптивна. Наприклад, для формування довіри до рішень ШІ використовується блокчейн для створення незмінного запису про кожен аспект розробки моделі, забезпечуючи її аудитованість. Це критично важливо, оскільки 52% американців більше стурбовані ШІ, ніж натхнені ним.

5. Дані як новий фактор виробництва та баланс сил

Дані остаточно закріплюють свій статус як новий фактор виробництва. У відповідь на монополізацію інформації техногігантами, з’являється інституція кооперативів даних.

Виникає парадокс: ШІ потребує постійно оновлюваних людських даних та керівництва, що формує нову рівновагу сил між роботодавцем і співробітником. Працівники, керуючись обговореннями у Data Workers Union, вимагають права контролю над створюваними ними даними та справедливої винагороди. Компаніям слід проактивно включати умови щодо прав на дані у трудові договори для залучення талантів та уникнення майбутніх трудових спорів.

6. Екологічний слід ШІ: зменшення впливу інференції

Технологічний бум несе серйозні екологічні виклики. Прогнозується, що до 2030 року попит на енергію для ШІ-додатків зросте на колосальні 160%. Важливо знати, що до 90% вуглецевого сліду моделі ШІ припадає на режим інференції (виконання завдань та прогнозування).

Ключові рішення:

7. Управління «повільними» та конвергентними технологіями

Розвиток автономних автомобілів понад століття демонструє важливість розуміння конвергентних технологій — тих, що дозрівають із різною швидкістю (наприклад, LiDAR, 5G та ШІ).

Компаніям потрібно відстежувати не окремі технології, а цілі екосистеми пов’язаних технологій. Це вимагає відходу від традиційного прогнозування на користь «майбутнього прогнозування» (Futurecasting) — роботи у зворотньому напрямку від передбачуваних можливостей майбутнього, а не від минулого.

Ключові рекомендації для бізнесу

Цей матеріал підготовлений на основі інформації з відкритих джерел. Редакція самостійно відбирає ключові факти, аналізує їх та структурує за допомогою AI-інструментів.