#итинвестиции

AI-агенты вместо людей: новая модель техкоманд и фундаментальный сдвиг в структуре затрат Исследование KPMG Global Tech 2026 (2500 топ-менеджеров, 27 стран) фиксирует новую организационную модель: высокоэффективные компании ожидают, что к 2027 году около половины их технических «сотрудников» будут AI‑агентами. Остальное — небольшое дисциплинированное человеческое ядро, которое оркестрирует расширенную AI‑экосистему. Для финансового сектора это не просто технологический тренд, а фундаментальная перестройка статей затрат: структура расходов на персонал, аутсорсинг и инструментарий изменится в ближайшие 18–24 месяца. Модель «ядро + экосистема» KPMG описывает переход к двухслойной архитектуре команд. Первый слой — постоянные высококвалифицированные сотрудники: архитекторы, технические лидеры, специалисты по безопасности. Их численность сокращается, но требования к компетенциям растут. Второй слой — AI‑агенты, которые выполняют кодинг, тестирование, деплой, мониторинг и рутинное сопровождение. Компании, уже внедрившие эту модель, фиксируют рост скорости вывода продуктов на 40–60% при снижении затрат на типовые задачи. Баланс между постоянным персоналом и AI‑агентами становится стратегическим параметром конкурентоспособности. Что меняется в структуре затрат для CFO 1. Персонал (OPEX). Затраты на зарплаты сокращаются, но растут инвестиции в удержание и переобучение ключевых специалистов. Появляется новая статья — лицензии на AI‑агентов, которая по масштабу может приближаться к бывшему ФОТ младших и средних инженеров. 2. Аутсорсинг. Традиционный аутсорсинг «по часам» теряет смысл. Поставщики переходят к моделям оплаты за результат или встраивают AI‑агентов в свои предложения. 3. CAPEX vs OPEX. Разработка собственных агентов — CAPEX и R&D. Покупка готовых платформ (Copilot, Cursor, агентные фреймворки) — OPEX с подпиской. Выбор модели влияет на баланс и налоговую оптимизацию. Риски и вызовы — Зависимость от вендоров. Ключевые платформы контролируются небольшим числом глобальных игроков. Для российских компаний это стимулирует поиск альтернатив. — Потеря компетенций. Слишком сильное сокращение человеческого ядра может оставить компанию без специалистов, способных оценить качество работы AI‑агентов. — Регуляторные риски. Использование AI‑агентов в процессах с персональными данными или критической инфраструктурой потребует новых подходов к аудиту. Российский контекст Для российского рынка модель KPMG накладывается на дефицит IT‑кадров и импортозамещение. AI‑агенты позволяют частично заместить недостающих инженеров. Но зависимость от зарубежных платформ делает необходимым развитие отечественных агентных решений, встроенных в локальные экосистемы. Для инвесторов это новые ниши: российские платформы управления AI‑агентами, интеграторы под двухслойную модель, отраслевые агенты для финансов, промышленности и логистики. Вывод Прогноз KPMG — половина технических «сотрудников» станут AI‑агентами к 2027 году — это горизонт стратегического планирования для CFO и инвестиционных комитетов. Компании, которые начнут перестраивать структуру команд и систему учёта затрат уже сегодня, получат преимущество в скорости и эффективности. Те, кто сохранит традиционную модель, рискуют оказаться с непомерным ФОТ и неспособностью конкурировать за ограниченный пул высококвалифицированных специалистов. #AIАгенты #KPMG #СтруктураЗатрат #CFO #ТехКоманды #УправлениеПерсоналом #Финбазар #ЦифроваяТрансформация #ИТИнвестиции

AI съедает софт: как intent‑driven development меняет экономику разработки MIT Technology Review включил AI‑инструменты для кодинга в список прорывных технологий 2026 года. Capgemini фиксирует сдвиг: разработка ПО переходит от традиционного написания кода к intent‑driven development — когда разработчик формулирует намерение, а AI генерирует, тестирует и разворачивает код автономно. «AI is eating software» — это не просто ускорение, а фундаментальное изменение структуры затрат, ролей на рынке труда и инвестиционных моделей в IT. Для Финбазара сигнал важен: он затрагивает один из крупнейших сегментов корпоративных затрат — разработку и поддержку софта. Переход к AI‑нативному жизненному циклу сулит экономию, но и риски для компаний, не успевших перестроиться. От кодинга к намерению Capgemini описывает эволюцию: традиционный кодинг уступает место intent‑driven development. Разработчик описывает задачу на естественном языке, AI‑агент пишет код, проводит тестирование, выполняет деплой и занимается обслуживанием. Роль человека смещается к постановке целей, архитектурному контролю и валидации. MIT Technology Review подчёркивает: AI coding tools революционизируют написание, тестирование и деплой. Создание сложных приложений становится быстрее и доступнее. Для бизнеса это сокращение time‑to‑market и снижение порога входа в разработку. Экономический эффект Финансовые последствия многослойны: 1. Снижение стоимости разработки. Затраты на рутинный код, составляющие значительную часть IT‑бюджетов, могут сократиться на 50–70% в горизонте 2–3 лет. Это влияет на CAPEX и OPEX компаний. 2. Перераспределение инвестиций. Сэкономленные средства перетекут в архитектурное проектирование, data engineering, безопасность — области, где человеческая экспертиза остаётся критической. 3. Изменение моделей аутсорсинга. Снижение трудоёмкости делает менее выгодным аутсорсинг «по часам». Поставщики будут вынуждены переходить к оплате за результат или высокоуровневым архитектурным сервисам. Риски и вызовы — Устаревание компетенций. Компании, не адаптировавшие процессы, рискуют ростом технического долга и потерей контроля над качеством. — Концентрация рыночной власти. Основные AI‑инструменты контролируются небольшим числом вендоров, создавая зависимость. — Безопасность и соответствие. Автономная генерация кода требует новых подходов к security by design. Регуляторы могут ужесточить требования к верификации AI‑сгенерированного софта. Российский контекст Для российского рынка тренд имеет двойное значение. С одной стороны, дефицит кадров делает AI‑инструменты критическим рычагом для сохранения темпов цифровизации. С другой — ограничения доступа к глобальным инструментам стимулируют развитие отечественных решений и интеграцию AI‑кодинга в платформы импортозамещения. Для инвесторов это новые ниши: российские стартапы с поддержкой локальных стеков могут занять значительную долю корпоративного рынка. Вывод «AI is eating software» — это сдвиг в экономике IT. Компании, первыми перешедшие на intent‑driven модели, получат снижение затрат и ускорение вывода продуктов. Для финансового сообщества это сигнал пересмотреть оценку IT‑компаний: важно не число инженеров, а способность интегрировать AI в жизненный цикл софта. Замедлившиеся рискуют потерять конкурентоспособность и стать объектом M&A. #AI #AICoding #IntentDrivenDevelopment #MITTechnologyReview #Capgemini #РазработкаПО #ЦифроваяТрансформация #Финбазар #ИТИнвестиции