Прогноз развития цифровых бизнес-решений до 2030 года

1. Как делать прогнозы в цифровой экономике: методы и ловушки
2. Итоги курса: что мы узнали за 15 лекций
3. Технологический горизонт 2030: ИИ, данные, инфраструктура
4. Агентная экономика как главный сдвиг
5. Бизнес-модели и отрасли к 2030 году
6. Россия к 2030: сценарии и развилки
7. ИИ: ретроспектива, современность и прогноз — сводный взгляд
8. Рынок труда, навыки и личная стратегия выпускника

После лекции студент сможет:

Методы, которые работают, и ошибки, которые повторяются

1. Экстраполяция трендов — Работает для инфраструктурных показателей (проникновение, стоимость вычислений); ломается на переломах
2. S-кривые и диффузия — Роджерс, Басс: новаторы → раннее большинство → насыщение; большинство цифровых технологий следует этой форме
3. Цикл ожиданий (Gartner) — Пик завышенных ожиданий → разочарование → плато продуктивности; полезно для оценки сроков
4. Сценарии — 2–4 сценария по ключевым неопределённостям; не «угадать», а подготовиться
5. Экспертные методы — Дельфи, опросы; смещения — оптимизм инсайдеров, консерватизм регуляторов
6. Ретроспектива прогнозов — Проверка: что предсказывали на 2025 год в 2015-м и что сбылось

• Закон Амары: мы переоцениваем эффект технологии в краткосрочной перспективе и недооцениваем в долгосрочной
• 1965: «через 20 лет машины будут делать всё» (Саймон) — не сбылось; 1995: «интернет не изменит бизнес» (скептики) — сбылось наоборот
• 2000: пузырь доткомов — правильная технология, неправильные сроки и оценки
• 2015: прогнозы полностью автономных автомобилей к 2020 году — сдвинуты на десятилетие
• 2022–2023: прогнозы AGI «через 2–3 года» — проверка впереди; но конкретные применения ИИ развивались быстрее ожиданий
• Правило: технологические возможности растут экспоненциально, внедрение — по S-кривой, институты меняются линейно

Лет до 50 % проникновения среди домохозяйств/пользователей (оценки, США и мир)

лет до 50 % проникновения

Генеративному ИИ хватило трёх лет на то, на что телефону понадобилось полвека.

Источник исходной лекции: Comin & Hobijn, Our World in Data, оценки для ИИ — по опросам 2025–2026

• Каждая технология распространяется быстрее предыдущей
• Причина: она строится на инфраструктуре предыдущей
• Для ИИ — готовые смартфоны, облака и интернет
• Следствие: у бизнеса меньше времени на адаптацию

Пятнадцать лекций в одной картине

1. Данные важнее алгоритмов — Качество и доступ к данным определяют успех ИИ и цифровых продуктов
2. Сетевые эффекты ведут к концентрации — Но мультихоминг, ниши и регулирование удерживают конкуренцию
3. Нулевые предельные издержки — Меняют ценообразование: подписки, freemium, платформенные комиссии
4. Измеряйте эффекты, а не входы — A/B-тесты, юнит-экономика, доказанный вклад — против «внедрили систему»
5. Регулирование — часть бизнес-модели — Данные, платформы, ИИ: правила определяют, что возможно
6. Технология — 20 %, люди — 80 % — Трансформация происходит в процессах и решениях, а не в софте

Что будет доступно и по какой цене

Условная цена одного запроса к модели «уровня GPT-4», логарифмическая шкала (долл. за млн токенов)

долл. за млн токенов

Интеллект дешевеет в тысячу раз за десять лет.

Источник исходной лекции: Epoch AI, публичные тарифы разработчиков; прогноз — экстраполяция

• Падение более чем в 1 000 раз за десятилетие
• Аналог закона Мура для интеллекта
• Следствие: экономически оправданы применения, невозможные сегодня
• Ограничение — совокупный спрос: миллиарды агентов × миллионы запросов

• Спрос ЦОДов на электроэнергию удваивается к 2030 году; страны конкурируют за размещение ИИ-инфраструктуры рядом с дешёвой энергией
• Производство передовых чипов сконцентрировано у нескольких компаний и стран; экспортный контроль — инструмент геополитики
• Суверенные стеки (США, Китай, ЕС, Россия, Индия, Персидский залив) формируют «многополярный» технологический мир
• Для России: доступ к чипам — главное ограничение; ответ — эффективность моделей, собственные ускорители, дружественные поставщики
• Экономический вывод: к 2030 году конкурентоспособность стран и компаний определяется вычислительными мощностями и данными не меньше, чем капиталом и трудом

Главный сдвиг 2026–2030 годов

1. 2023–2024: ассистенты — Отвечают на вопросы, помогают с задачами; человек делает всё сам
2. 2025–2026: агенты в процессах — Выполняют задачи внутри компаний: код, поддержка, бэк-офис
3. 2027–2028: агенты на рынке — Покупают и продают по поручению; протоколы агентной коммерции; первые споры и правила
4. 2029–2030: агентные рынки — Значимая доля B2B и части B2C транзакций между агентами; регулирование ответственности

Скорость перехода определяется не технологией, а доверием, правовой определённостью и готовностью инфраструктуры платежей и идентификации.

1. Маркетинг для машин — Структурированные данные о товаре, цене, условиях — «SEO для агентов»; бренд как сигнал доверия для алгоритма
2. Платформы теряют интерфейс — Ассистент — новая точка входа; маркетплейсы конкурируют за подключение к агентам и за логистику
3. Персональные цены и переговоры — Агенты торгуются в реальном времени; регуляторы обсуждают справедливость ценообразования
4. Организация «человек + агенты» — Меньше рутинных ролей, больше постановки задач и контроля; плоские структуры
5. Право и ответственность — Кто отвечает за сделку агента? Договоры с машиночитаемыми условиями, страхование
6. Безопасность — Атаки на агентов (инъекции, подмена), мошенничество агентами; идентификация и аудит как инфраструктура

Сводный прогноз по материалам курса

Условная оценка, % выручки типичной цифровой экосистемы

% выручки

Доля ИИ-сервисов в выручке экосистем почти удваивается.

Источник исходной лекции: Оценка на основе отчётов компаний и отраслевых прогнозов

• Реклама и комиссии под давлением агентов и регуляторов
• Подписки и ИИ-сервисы — рост маржи и удержания
• Данные и API как самостоятельный доход — новый сегмент
• Направление — консенсус аналитиков; цифры иллюстративны

• Платформы останутся, но сместятся к инфраструктуре: логистика, платежи, идентификация, вычисления как сервис для агентов
• Подписки на «результат», а не на доступ: оплата за выполненную задачу агентом, за достигнутую метрику
• Данные как продукт: доверенные среды обмена, рынки обезличенных данных, «паспорта данных»
• Экосистемы под регуляторным давлением: интероперабельность, ограничения на использование данных между сервисами
• Малый бизнес получает «корпоративные» инструменты: ИИ-бухгалтер, ИИ-маркетолог, ИИ-юрист за подписку
• Новые ниши: аудит и страхование ИИ, верификация человеческого контента, энергия для ЦОДов, «оператор агентов»

Сценарии и развилки

Источник / оценка: Указ Президента РФ № 309, паспорта нацпроектов

Цели амбициозны; выполнение зависит от бюджета, кадров, доступа к оборудованию и качества управления программами.

• Управление программами: результат вместо показателей; независимая оценка эффектов; готовность корректировать курс
• Открытость при суверенитете: совместимость с мировыми стандартами, сотрудничество в БРИКС/ЕАЭС, доступ к открытым моделям
• Конкуренция: антимонопольная политика к платформам и экосистемам; поддержка новых игроков, а не только чемпионов
• Кадры: качество образования (в том числе экономического), удержание специалистов, массовая ИИ-грамотность
• Доверие: защита данных, безопасность, прозрачность алгоритмов — без доверия граждан и бизнеса цифровизация буксует

Ретроспектива, современность, прогноз — итог курса

1956

Дартмут: рождение ИИ

1980-е

Экспертные системы: первая коммерциализация и «зима»

1997–2012

Статистика и данные: скоринг, поиск, рекомендации

2012–2020

Глубокое обучение: зрение, речь, перевод

2022–2024

Генеративный ИИ: ChatGPT, копилоты, мультимодальность

2025–2026

Рассуждающие модели и агенты; протоколы; суверенные модели

2030

Агентная экономика; ИИ как инфраструктура; регулирование и аудит

Семь десятилетий — от летнего семинара в Дартмуте до агентов, совершающих сделки: каждая волна ИИ приходила после «зимы» и опиралась на новые данные и вычисления.

ИИ в контексте темы: история, современность, горизонт 2030

1. Длина автономных задач агентов — Удвоение каждые ~7 месяцев (METR): от часов к дням и неделям работы без человека
2. Модели мира и роботы — Модели «зрение — язык — действие»: ИИ выходит в физический мир
3. Эффективность вычислений — Специализированные чипы, инференс на устройствах, снижение энергии на запрос
4. ИИ в науке — Открытие материалов, лекарств, математические доказательства — ускорение НИОКР
5. Безопасность и выравнивание — Надёжность агентов, защита от манипуляций, интерпретируемость моделей
6. Геополитика ИИ — Суверенные модели, экспортный контроль, международные соглашения

Что делать выпускнику

Доля рабочего времени, которое может быть автоматизировано (оценки McKinsey, WEF; %)

% рабочего времени

Автоматизируются задачи, а не профессии целиком.

Источник исходной лекции: McKinsey Global Institute 2023–2025, WEF Future of Jobs 2025; округлено

• Автоматизируются задачи, а не профессии целиком
• Растёт спрос на постановку задач, проверку, суждение, работу с людьми
• Экономист с навыками данных и ИИ — в выигрышной позиции
• Оценки округлены; методики различаются

• Базовый минимум: SQL, статистика, эксперименты, один BI-инструмент, уверенная работа с ИИ-ассистентами
• Глубина: выберите отрасль (финансы, промышленность, ритейл, госуправление) и станьте в ней экспертом по цифровизации
• Портфолио: реальные проекты с данными — практикум курса, стажировки, хакатоны, открытые датасеты
• Сеть: конференции, профессиональные сообщества, преподаватели и практики — рынок труда работает через связи
• Непрерывность: технологии сменяются каждые 2–3 года; учитесь учиться, следите за источниками (отчёты, исследования, не только новости)
• Позиция: используйте ИИ как рычаг, а не как замену собственного мышления — работодатель платит за суждение

1. Прогнозы в цифровой экономике: технологии растут экспоненциально, внедрение — по S-кривой, институты — линейно; используйте сценарии, а не точечные предсказания
2. К 2030 году стоимость интеллектуальных операций упадёт на порядки; ограничениями станут энергия, чипы и доверие
3. Главный сдвиг — агентная экономика: агенты как участники рынка меняют маркетинг, платформы, право и труд
4. Отрасли движутся к автономности (промышленность, транспорт), проактивности (государство), программируемости (финансы); Россия стоит перед развилками по вычислениям, данным, платформам и кадрам
5. Для выпускника: ценность смещается к постановке задач, предметной экспертизе, экономическому мышлению и суждению — при обязательной ИИ-грамотности

1. Объясните закон Амары и приведите пример из истории цифровых технологий
2. Какие технологии к 2030 году прогнозируются уверенно, а какие остаются неопределёнными?
3. Дайте определение агентной экономики и опишите её последствия для маркетинга и платформ
4. Сравните два сценария развития цифровой экономики России к 2030 году; какие факторы определят исход?
5. Как изменятся бизнес-модели платформ и экосистем под влиянием агентов и регулирования?
6. Какие прорывы в ИИ 2026–2030 годов наиболее значимы для бизнеса и почему?
7. Какие задачи экономиста автоматизируются, а какие навыки набирают ценность?
8. Сформулируйте свою личную стратегию развития навыков на три года

• Указ Президента РФ от 07.05.2024 № 309 «О национальных целях развития РФ до 2030 года и на перспективу до 2036 года»
• Паспорт нацпроекта «Экономика данных и цифровая трансформация государства»; Национальная стратегия развития ИИ (ред. 2024)
• Rogers E. Diffusion of Innovations. 1962/2003; Bass F. A New Product Growth Model. 1969
• Brynjolfsson E., McAfee A. The Second Machine Age. 2014 (рус. пер. «Вторая эра машин»)
• Agrawal A., Gans J., Goldfarb A. Power and Prediction: The Disruptive Economics of AI. 2022
• McKinsey Global Institute. The Economic Potential of Generative AI. 2023; A New Future of Work. 2024
• WEF. Future of Jobs Report 2025; Stanford HAI. AI Index Report 2025
• Gartner. Hype Cycle for Artificial Intelligence 2025; Top Strategic Technology Trends 2026
• IEA. Energy and AI. 2025; Epoch AI — данные о вычислениях и стоимости моделей
• Материалы курса: лекции 1–15 и список литературы к ним

• Итоговый проект: анализ цифровой бизнес-модели реальной компании с прогнозом до 2030 года.
• Экзамен — теория и защита проекта

Успехов на экзамене и в цифровой экономике!

• AGI — общий искусственный интеллект
• GPT — генеративный предобученный трансформер
• GPU — графический процессор
• HAI — человекоцентричный искусственный интеллект
• METR — оценка моделей и исследование угроз
• WEF — Всемирный экономический форум
• IEA / МЭА — Международное энергетическое агентство
• ИИ / AI — искусственный интеллект
• ИТ — информационные технологии
• API — программный интерфейс приложения
• BI — бизнес-аналитика

• SQL — язык структурированных запросов
• SEO — поисковая оптимизация
• B2B / B2C — бизнес для бизнеса / бизнес для потребителя
• LTV — ценность клиента за срок взаимодействия
• LMS — система управления обучением
• IoT / IIoT — интернет вещей / промышленный интернет вещей
• 5G / 6G — пятое / шестое поколение мобильной связи
• A/B — сравнительный эксперимент с вариантами A и B
• СБП — Система быстрых платежей
• ЕГИСЗ — Единая государственная информационная система в сфере здравоохранения
• ЖКХ — жилищно-коммунальное хозяйство

• ЦОД — центр обработки данных
• КИИ — критическая информационная инфраструктура
• ПО — программное обеспечение
• ОС — операционная система
• НИОКР — научно-исследовательские и опытно-конструкторские работы
• БРИКС — межгосударственное объединение BRICS
• ЕАЭС — Евразийский экономический союз
• СНГ — Содружество Независимых Государств
• ЕС / EU — Европейский союз
• РФ — Российская Федерация
• США — Соединённые Штаты Америки

Текст и единицы: тыс. — тысяча; млн — миллион; млрд — миллиард; трлн — триллион; руб. — рубль; долл. — доллар; г./гг. — год/годы; п. п. — процентный пункт; уч. год — учебный год. Полные английские формы — в заметках.