6️⃣ Консолидация data-ландшафта в “экосистемы” + автоматизация инженерных работ Что меняется: прогнозируется движение к единому рынку вокруг data ecosystems (data fabric + GenAI), рост AI-ассистентов в data integration и снижение ручного труда, а также то, что большинство GenAI-приложений будут строиться на существующих data-платформах компаний.

Что делать компании: ▪️не плодить “зоопарк инструментов”; ▪️укреплять основу (данные, интеграции, качество, доступы) и поверх неё быстро собирать use cases.

Что делать в карьере: понимать архитектуру и “экономику” данных хотя бы на уровне принципов: где узкие места, что реально ускоряет time-to-value.

7️⃣ Экономика AI: FinOps, точность расчётов, новые модели финансирования Что меняется: в отчёте есть прямые прогнозы про необходимость FinOps для AI из-за ошибок в оценке стоимости, автоматизацию оптимизации части D&A-расходов, а также про эффект P&L-подхода.

Что делать компании: вводить управленческий учёт AI-портфеля: unit-экономика, стоимость эксперимента, стоимость масштабирования, критерии остановки.

Что делать в карьере: прокачивать финансовую сторону: уметь защищать инициативы не “верой в AI”, а цифрами и понятной логикой окупаемости/рисков.

8️⃣Trust & Security: AI расширяет поверхность атак и ломает старые модели приватности Что меняется: Gartner отдельно выделяет риски злоупотребления AI-агентами, рост утечек из-за неправильного использования GenAI (в т.ч. трансгранично), смещение фокуса на неструктурированные данные, усиление внимания к целостности данных и давление будущих факторов вроде quantum.

Что делать компании: строить безопасность “под AI”: политика данных, DLP нового типа, контроль контента/контекста, управление агентами, правила трансграничности.

Что делать в карьере: становиться управленцем, который не тормозит инновации, но умеет ставить разумные ограничения и объяснять их бизнесу.

9️⃣ Рынок труда перестраивается: AI-коучинг, shared jobs, дефицит навыков и новая структура ролей Что меняется: ▪️прогнозируются AI-коучи при входе в роли, ▪️“shared jobs” (человек+AI на одну роль), ▪️изменение требований к вакансиям; ▪️рост спроса на AI-инженеров относительно классических DS; ▪️риск необратимого skill shortage в критических ролях.

Что делать компании: переходить к skills-based управлению: карта навыков, обучение под реальные задачи, защита от “эрозии компетенций” из-за автопилота.

Что делать в карьере: держать баланс: уметь работать с AI-инструментами, но не отдавать им “мышцы” (критическое мышление, смысл, управленческое суждение).

1️⃣0️⃣ Появляются “не-люди” в контуре бизнеса: machine customers, цифровые двойники, контент “для AI” Что меняется: в отчёте есть прогнозы про рост контента, который создаётся под AI/поиск, рост доли данных из автоматизированных взаимодействий, появление machine customers (в т.ч. в банкинге), цифровые двойники клиентов, и рост требований “для машин” в продуктах.

Что делать компании: пересматривать GTM и продукт: вы начинаете продавать/обслуживать не только человека, но и его “агента” (скорость, API-готовность, доверие, верификация).

Что делать в карьере: усиливать компетенцию “рынка и продукта в эпоху агентов”: понимать, как меняется путь клиента и критерии выбора, когда часть решения принимает машина.

Интересная разворачивается картина и всплывает в голове китайское проклятье, оно же и пожелание: "Чтоб ты жил в эпоху перемен"))

Поздравляю, мы уже в ней, в этой эпохе двумя ногами ☕ 🗺 Ольга Асадчая — executive coach