- Agentinis dirbtinis intelektas, aktyvios ERP ir išmanios operacijos automatizavimą pakelia į kitą lygį nei pokalbių robotai ir klasikinė RPA.
- Debesų kompiuterija 3.0, periferiniai skaičiavimai ir vietiniai skaičiavimai su NPU palaiko vis sudėtingesnius dirbtinio intelekto modelius esant griežtiems energijos apribojimams.
- Tvarumas, nuspėjamasis saugumas ir duomenų valdymas tampa strateginiais ramsčiais, užtikrinančiais patikimą dirbtinio intelekto diegimą.
- Pažangus ryšys, fizinis dirbtinis intelektas ir naujos komponuojamos architektūros keičia pramonę, namus ir IT vadovo vaidmenį versle.
Iki 2026 m. technologijos nebebus blizgantis žaisliukas ir taps kritine infrastruktūra, matuojama našumu, kaina ir rizika . Daugelis naujausios inovacijų bangos pažadų, ypač dirbtinio intelekto, debesų kompiuterijos ir ryšio srityse, pagaliau palieka eksperimentinę fazę ir tampa kasdienės verslo, pramonės ir namų veiklos dalimi, ką rodo dirbtinis intelektas kaip tarpsektorinis ir strateginis svertas.
Organizacijos bus priverstos priimti daug brandesnius sprendimus: kokį dirbtinį intelektą diegti, kur vykdyti darbo krūvius, kaip apsaugoti duomenis, kiek energijos suvartoti ir kas prisiims atsakomybę, kai autonominė sistema priims blogą sprendimą . 2026-ieji nebus „dar vieni ažiotažo metai“, o momentas, kai susilies agentinis dirbtinis intelektas, hiperautomatizavimas, nuspėjamasis kibernetinis saugumas, griežtas reguliavimas ir naujos infrastruktūros (nuo „WiFi 7“ iki tiesioginio palydovinio ryšio).
Agentinis DI ir DI agentai: nuo kalbėjimo su mašinomis iki darbo delegavimo joms
Ryšys su dirbtiniu intelektu iš esmės keičiasi: mes pereiname nuo „klausk pokalbių roboto“ modelio prie visiškų užduočių patikėjimo autonominiams agentams, kurie planuoja ir veikia . Šios sistemos nebe tik generuoja tekstą ar vaizdus; jos jungiasi prie kalendorių, CRM, ERP, mokėjimo šliuzų ir logistikos sistemų, kad vykdytų visapusiškus darbo eigą – ši evoliucija analizuojama remiantis „Claude“, „ChatGPT“ ir „Gemini“ skirtumais.
Įmonių sektoriuje matysime specializuotus agentus, valdančius atsargas, stebinčius energijos suvartojimą, koordinuojančius rinkodaros kampanijas ir koreguojančius logistikos maršrutus. Jų autonomiją apibrėš verslo taisyklės, detalūs leidimai ir žmogaus vykdomos priežiūros mechanizmai, kurie riboja riziką svarbiuose procesuose, tačiau suteikia jiems laisvę atliekant pasikartojančias ar mažo poveikio užduotis. Siekdami sklandaus integravimo, jie jungiasi prie kalendorių, CRM, ERP ir kitų skaitmeninių sistemų.
Asmeniniu lygmeniu agentai veiks kaip asistentai, priimdami sprendimus už mus: nuo kelionių užsakymo iki tvarkaraščių pertvarkymo netikėtais atvejais ar derybų dėl susitikimų pakeitimų su kitais agentais. Vartotojai nebereikės „kalbėtis“ su dirbtiniu intelektu, kad nustatytų tikslus ir suteiktų leidimus programoms ir duomenims – tai panašus pokytis, kai „ChatGPT“ pritaikomas konkrečioms užduotims . Tai atveria didžiulį produktyvumo langą, bet taip pat ir naujų veiklos, teisinių ir privatumo rizikų.
2026 m. svarbiausia bus šio agentinio dirbtinio intelekto standartizavimas labai specifinėse srityse: finansuose, palaikymo, logistikos, energijos suvartojimo ir priežiūros . Dar nematysime bendrosios paskirties agentų, galinčių valdyti visą verslą, o veikiau ekspertų agentų žvaigždyną, koordinuojamą tarpusavyje per naujus agentų tarpusavio (A2A) komunikacijos standartus ir specifines architektūras, jau žinomas kaip „Agentlakes“.
Šios architektūros remiasi federaciniu duomenų valdymu: duomenys nėra koncentruojami viename centralizuotame telkinyje, bet yra kontroliuojamai bendrinami keliose srityse ir organizacijose, neprarandant duomenų suvereniteto . Tokiu būdu įvairūs agentai – iš skirtingų tiekėjų ir modelių – gali koordinuotai dirbti su paskirstyta informacija, sumažindami duomenų silosus ir išvengdami per didelės priklausomybės nuo vieno tiekėjo. Šis metodas ir jo iššūkiai aptariami ataskaitose apie programinės įrangos pasaulį.
Aktyvi ERP ir išmanios operacijos: nuo pasyvių įrašų iki sprendimų priėmimo sistemos
Tradicinės įmonės išteklių planavimo (ERP) sistemos nebėra „juodosios dėžės“, kuriose registruojamos tik operacijos. Senoji pasyvi ERP transformuojasi į aktyvią ERP arba intelektualią operacijų sistemą, kurią valdo į pagrindinius procesus integruoti dirbtinio intelekto agentai . Svarbu nebe įvesti duomenis ataskaitoms generuoti, o pati sistema aptikti nukrypimus ir imtis veiksmų.
Iki 2026 m. šios aktyvios ERP sistemos galės nustatyti prekių trūkumą, atsiskaitymo anomalijas, tiekimo grandinės vėlavimus ir sąnaudų neatitikimus ir, remdamosi iš anksto nustatytomis taisyklėmis, automatiškai siūlyti arba vykdyti taisomuosius veiksmus : generuoti užsakymus, pertvarkyti pristatymus, koreguoti kainas arba eskaluoti problemas. Žmonių personalas daugiausia dėmesio skirs išimčių valdymui ir strategijai, o ne pasikartojančioms užduotims.
Šis pokytis atitinka „išmaniųjų operacijų“ iškilimą, kaip apibūdina didžiosios konsultacinės firmos: procesai, o ne programos, tampa sistemos branduoliu. Dirbtinio intelekto agentai integruojami visoje vertės grandinėje – finansuose, žmogiškųjų išteklių valdyme, klientų aptarnavime, logistikoje – siekiant stebėti, optimizuoti ir valdyti visus darbo eigą. Automatizavimas nebėra lokalizuotas pataisymas, o nuolat besivystantis tarpfunkcinis sluoksnis. Daugiau konteksto ir analizės galite rasti profesionaliose technologijų naujienose.
Organizacinė pasekmė yra didžiulė: programinės įrangos kūrimas taip pat keičiasi. Dirbtinis intelektas perima programinės įrangos gyvavimo ciklą, automatizuodamas viską – nuo kodo generavimo iki testavimo, diegimo ir priežiūros. Kūrėjai pereina nuo rašymo eilutė po eilutės prie reikalavimų išreiškimo ir modelių rezultatų stebėjimo , vis daugiau dėmesio skirdami architektūrai, agentų koordinavimui, valdymui ir kokybei.
Superkompiuterija, debesijos kompiuterija 3.0 ir periferiniai kompiuterijos sprendimai: skaičiavimo galia visur
Dirbtinio intelekto plėtra stumia tradicinę procesoriais pagrįstą infrastruktūrą iki savo ribų. Organizacijos pastebi, kad jų senosios sistemos negali palaikyti vis sudėtingesnių dirbtinio intelekto modelių, todėl spartėja perėjimas prie hibridinių architektūrų su GPU, NPU ir lustomis, specializuotomis dirbtinio intelekto darbo krūviams.
Labai nedaug įmonių kurs savo superkompiuterį, tačiau praktiškai visos turės naudotis didžiulėmis debesų kompiuterijos paslaugomis . Tai žymi etapo, kurį daugelis vadina „Debesų kompiuterija 3.0“, pradžią: aplinką, kurioje egzistuoja viešasis debesis, privatus debesis, daugiadebesis kompiuterija, suvereni infrastruktūra ir periferiniai skaičiavimai, visa tai suderinta taip, tarsi tai būtų viena išmanioji platforma.
Šiame etape dirbtinio intelekto darbo krūviai paskirstomi pagal delsos, suvereniteto ir sąnaudų reikalavimus. Modeliai, reikalaujantys greito reagavimo arba maksimalaus privatumo, diegiami arčiau periferijos arba pačiame įrenginyje , o intensyvūs mokymai ir sudėtingos simuliacijos atliekamos specializuotuose duomenų centruose. Rezultatas – atsparesnis, bet daug sudėtingesnis techninis aplinka, kurią reikia valdyti.
Tuo pačiu metu vis labiau populiarėja periferiniai skaičiavimai. Verslo logika nebėra apribota monolitine serverine sistema, o yra paskirstyta tarp lengvų funkcijų, kurios veikia arti vartotojo – šliuzuose, daiktų interneto įrenginiuose arba regioniniuose mazguose. Tai žymiai padidina našumą ir sumažina priklausomybę nuo vieno gedimo taško , tačiau tam reikia, kad kūrimo komandos suprastų paskirstytas duomenų bazes, galutinį nuoseklumą ir be serverių veikiančias funkcijas su labai griežtais laiko ir atminties apribojimais.
Tačiau visa ši skaičiavimo galia turi ir neigiamų aspektų: energijos suvartojimą. Dirbtinio intelekto duomenų centrai artėja prie tvarumo ribų, o iki 2026 m. dėmesys bus nukreiptas į „efektyvumą vienam vatui“. Kliūtimi taps ne tik lustas, bet ir elektros tinklo bei aušinimo sistemų pajėgumas , todėl teks permąstyti architektūras, algoritmus ir diegimo strategijas. Dirbtinio intelekto diegimo ir energijos grandinės ryšys nagrinėjamas analizuojant energijos grandinę pramoninėje aplinkoje.
„GreenOps“, žaliasis dirbtinis intelektas ir tvarumas kaip IT vadovo KPI
Tvarumas nebėra tik graži „PowerPoint“ prezentacija; jis tampa aiškiu, veikiančiu rodikliu technologijų lyderiams . Europos reglamentai, tokie kaip CSRD, reikalauja išsamių poveikio aplinkai ataskaitų, o dirbtinio intelekto sprogimas išryškino tikrąją masinių modelių mokymo ir skaičiavimo reikalaujančios infrastruktūros priežiūros kainą.
„GreenOps“ koncepcija įgauna pagreitį: tai metodas, kuris sujungia debesijos finansų valdymą (FinOps) su poveikio aplinkai optimizavimu. Tai apima regionų, instancijų tipų, akseleratorių ir naudojimo modelių pasirinkimą, kurie sumažina energijos sąnaudas ir anglies pėdsaką , įtraukiant energijos vartojimo efektyvumo rodiklius į pačios programos dizainą.
Lygiagrečiai vis labiau populiarėja žaliasis dirbtinis intelektas (ŽDI). Užuot visada rinkusiosis vis didesnius modelius, organizacijos pradeda vertinti mažesnius, efektyvesnius modelius (SLM), atrankinį mokymą ir optimizuotus išvadų darymo metodus . Tikslas aiškus: pasiekti panašių arba geresnių rezultatų sunaudojant žymiai mažiau išteklių tiek sąnaudų, tiek įmonės atsakomybės požiūriu.
Tokiu atveju nesugebėjimas optimizuoti nustoja būti tiesiog bloga praktika ir tampa augimo kliūtimi. Įmonės, kurios negali pateisinti kiekvieno suvartoto vato ar kiekvieno perduoto gigabaito, pastebės, kad jų plėtros galimybės yra ribotos tiek dėl reguliavimo spaudimo, tiek dėl grynos rinkos ekonomikos.
Sintetiniai duomenys, federacinis valdymas ir dirbtinio intelekto reguliavimas
Didelio masto generatyviniai dirbtiniai intelektai jau „prarijo“ didelę dalį viešai prieinamo naudingo turinio, o tuo pačiu metu dėl didėjančio šlamšto, dezinformacijos ir kitų dirbtinių intelektų generuojamo turinio prastėja interneto kokybė. Šiame kontekste tolesnis modelių mokymas vien tik realiais interneto duomenimis duoda mažėjančią grąžą ir didina teisinę riziką.
Atsakymas slypi intensyviame sintetinių duomenų naudojime: dirbtinai sukurtuose informacijos rinkiniuose, skirtuose imituoti realaus pasaulio modelius, tiesiogiai nesiremiant asmeniniais įrašais. Tai gali būti tekstai, vaizdai, garso įrašai, ligos istorijos arba finansinės operacijos, generuojamos kontroliuojamu būdu , keliant mažesnę privatumo riziką ir suteikiant galimybę modeliuoti situacijas, kurias realiame pasaulyje sunku stebėti.
Iššūkis yra ne tiek techninis, kiek epistemologinis: jei sintetiniai duomenys tik atkartoja praeitį, dirbtinis intelektas lieka įstrigęs savotiškame skaitmeniniame aidu; jei jis sukurtas pakankamai įvairiai ir statistiškai griežtai, jis gali atverti duris elgesiui, hipotezėms ir sprendimams, kurie nebuvo aiškiai pateikti originaliuose duomenyse . 2026-ieji bus svarbūs metai, skirti išbandyti šios ribos ribas.
Visa tai vyksta stebint vis reiklesniems reguliuotojams. Atsiradus tokioms sistemoms kaip Europos dirbtinio intelekto įstatymas ir naujiems duomenų apsaugos bei intelektinės nuosavybės reglamentams, organizacijos turės tiksliai dokumentuoti, kokius duomenis jos naudoja, kaip moko savo modelius ir kaip audituoja automatizuotus sprendimus . Dirbtinio intelekto valdymas (DI TRiSM: pasitikėjimo, rizikos ir saugumo valdymas) tampa bet kokio rimto projekto „vartais“.
Šis perėjimas prie reguliavimo reiškia daugiau biurokratijos ir lėtesnius tvirtinimo procesus, tačiau jis taip pat pašalina triukšmą ir verčia skirti profesionalią programinę įrangą nuo laikinų sprendimų . Vidutiniu laikotarpiu pasitikėjimas ir audituojamumas bus tokie pat svarbūs, kaip ir modelio tikslumas ar techninis našumas.
Prevencinis kibernetinis saugumas, skaitmeninis pasitikėjimas ir slaptažodžių pabaiga
Eksponentiškai augant atakų paviršiui – daugiau dirbtinio intelekto, daugiau daiktų interneto, daugiau hibridinių debesų – kibernetinis saugumas nebegali sau leisti reaktyvumo. Automatinės atakos, savaime atsistatančios kenkėjiškos programos ir daugiarūšės socialinės inžinerijos kampanijos neleidžia žmonių komandoms rankiniu būdu valdyti visų įspėjimų.
Svarbiausia 2026 metų tendencija – nuspėjamoji gynyba: platformos, kurios, pasitelkdamos dirbtinio intelekto modelius, apmokytus dirbti su didžiuliais srauto, žurnalų ir atakų šablonų kiekiais, aptinka anomalijas dar prieš joms tampant tikrais įsilaužimais . Gavusios įtartiną signalą, sistemos realiuoju laiku izoliuoja paslaugas, blokuoja tapatybes arba koreguoja prieigos politiką, nepertraukdamos operacijų.
Tuo pačiu metu konfidenciali kompiuterija išplečia duomenų apsaugą net apdorojimo metu. Dėl aparatinės įrangos palaikomų saugių enklavių informacija išlieka užšifruota, kol programa ją naudoja , taip smarkiai sumažinant atakų paviršių. Privaloma kurti programas, skirtas nulinio pasitikėjimo aplinkai: API, kurios veikia su užšifruotais duomenimis, griežtas privilegijų atskyrimas ir nuolatinis elgesio stebėjimas.
Galutinio vartotojo požiūriu, stebime istorinį pokytį: slaptažodžiai pradeda nykti į antrą planą. Prieigos raktai, pagrįsti įrenginyje saugoma viešojo rakto kriptografija, tampa pageidaujamu autentifikavimo metodu . Privatusis raktas niekada nepalieka mobiliojo telefono ar kompiuterio ir atrakinamas naudojant biometrinius duomenis; serveris gauna tik matematinį įrodymą, todėl sukčiavimas apsimetant yra beprasmis: nėra slaptažodžio, kurį būtų galima pavogti.
Šis pakeitimų paketas kibernetinį saugumą paverčia pagrindiniu verslo atsparumo komponentu. Kalbama ne tik apie pažeidimų prevenciją, bet ir apie verslo tęstinumo, reputacijos bei atitikties reglamentams užtikrinimą aplinkoje, kurioje kiekvienas saugumo incidentas gali turėti sisteminių pasekmių.
Suderinamos architektūros, hiperautomatizavimas ir paslauga kaip programinė įranga
Kad dirbtinio intelekto agentai galėtų valdyti sudėtingus procesus, pagrindinė technologija turi būti lanksti. Vis labiau populiarėja komponuojama architektūra: sistemos kuriamos kaip supakuotų verslo galimybių rinkiniai , sujungti kaip LEGO kaladėlės naudojant standartines API sąsajas.
Šis metodas leidžia pakeisti, atnaujinti arba perkonfigūruoti modulius nepaveikiant likusios sistemos dalies, todėl pokyčių greitis idealiai atitinka agentinio dirbtinio intelekto poreikius. Agentams reikia detalios prieigos prie duomenų ir funkcijų ; griežta, monolitinė architektūra trukdo šiam organizavimui.
Tai yra hiperautomatizavimo sprogstamasis pagrindas. Kalbame ne tik apie klasikinę RPA, bet ir apie dirbtinio intelekto, procesų organizatorių, agentų ir debesijos paslaugų derinį, kuris tvarko tokias didelės vertės užduotis kaip dokumentų peržiūra, kodo generavimas ar pertvarkymas, incidentų triažas, rizikos vertinimas ir sudėtingas klientų aptarnavimas. Įmonės pradeda mokėti ne už kiekvieną vartotoją, o už kiekvieną automatizuotą rezultatą – pokytį, kurį kai kurie apibūdina kaip „paslaugą kaip programinę įrangą“.
Užuot tiesiog samdžiusios programėlę, organizacijos samdo visiškai automatizuotas paslaugas: „tiek daug sutarčių peržiūrima per mėnesį“, „tiek daug kodo audito valandų“, „tiek daug pretenzijų apdorojama“. Programinė įranga tampa skaitmenine surinkimo linija, kurioje žmonės stebi ir tikslina, o mašinos vykdo.
Ši evoliucija reikalauja iš naujo apibrėžti pareigybes, rodiklius ir sąnaudų modelius, tačiau ji taip pat išlaisvina žmonių talentus analitiniams, kūrybiškesniems ir strateginiams vaidmenims. IT vadovas ir verslo lyderiai turi veikti kaip šio naujo žmonių, procesų ir algoritmų derinio architektai.
Dirbtinio intelekto fizika, bendradarbiaujanti robotika ir robotų spiečius
Dirbtinis intelektas neabejotinai palieka ekranus ir apsigyvena fiziniame pasaulyje. Dronai, mobilieji robotai, autonominės pramonės sistemos ir buitiniai prietaisai sujungia jutiklius, pavaras ir dirbtinio intelekto modelius, kad realiuoju laiku suvoktų, priimtų sprendimus ir veiktų . Tai daugelis jau vadina „fiziniu dirbtiniu intelektu“. Norėdami geriau suprasti šių sistemų projektuotojų ir integruotojų profilius, sužinokite, ką veikia robotikos ir skaitmeninių sistemų inžinierius.
Pramonėje matysime robotus, judančius tarp žmonių sandėliuose, gamyklose ir logistikos centruose, atliekančius pasikartojančias, pavojingas ar naktines užduotis. Tradiciniai „kobotai“ daugelyje gamyklų išlieka patikimiausiu pasirinkimu , tačiau humanoidiniai robotai pradeda rodytis labai ribotose komercinėse bandomosiose programose, ypač ten, kur aplinka yra sukurta žmonėms ir visos infrastruktūros pertvarkymas nebūtų prasmingas.
Šie robotai, vis dar brangūs ir gana trapūs, kasmet tobulėja motorinių įgūdžių, manipuliavimo ir pusiausvyros srityse. Tačiau tikroji revoliucija kils dėl jų integracijos su agentiniu dirbtiniu intelektu: robotais, gebančiais priimti aukšto lygio tikslus, planuoti dalines užduotis, naudoti įrankius ir koordinuoti veiksmus su kitomis sistemomis , o žmogaus priežiūra bus daug mažesnė.
Be individualių robotų, robotų spiečių tyrimai atveria duris paskirstytoms sistemoms su kolektyviniu intelektu : daugeliui paprastų robotų, kurie bendradarbiauja atlikdami tokias užduotis kaip patikra, priežiūra, logistika ar žvalgyba. Šių spiečių mokymas ir koordinavimas bus pagrindinis iššūkis tokiuose sektoriuose kaip energetika, statyba ir tikslioji žemdirbystė.
Įtraukianti realybė, lengvi erdviniai skaičiavimai ir virtualūs pasauliai
Papildytosios ir virtualios realybės technologijos, kurios daugelį metų atrodė esančios tik laisvalaikio priemone, dabar sparčiai populiarėja švietimo, mokymo, dizaino, modeliavimo ir prekybos srityse. Lengvesnės, labiau prieinamos ir tarpusavyje susietos įtraukiančios patirtys pradeda populiarėti įmonėse ir profesiniuose sektoriuose.
Nors aukštos klasės ausinės toliau tobulėja, vis labiau plinta ir „lengvojo erdvinio skaičiavimo“ sprendimai: diskretiški akiniai su tinklainės projekcija arba kryptiniu garsu, neinvaziniai neuroniniai nešiojamieji įrenginiai (apyrankės, žiedai, pirštinės) ir įrenginiai, galintys rodyti kontekstinę informaciją neužstodami realaus pasaulio vaizdo . Pirmieji naudotojai bus labai ankstyvieji, tačiau jie žymi ryšio su technologijomis, kurios mažiau priklauso nuo mobiliojo telefono ekrano, pradžią.
Lygiagrečiai plinta nuolatiniai virtualūs pasauliai, kuriuose imituojami dirbtiniai intelektai sąveikauja tarpusavyje ir su žmonėmis , mokosi, tobulėja ir testuoja strategijas, kurios vėliau perkeliamos į fizinį pasaulį. Tai veikia viską – nuo produktų ir paslaugų dizaino iki komandos formavimo, miestų planavimo ir mokslinių tyrimų.
Fizinės realybės, pramoninių metavisatų, nuolatinio dirbtinio intelekto ir kognityvinės robotikos konvergencija formuoja naują ekosistemą, kurioje ribos tarp realybės ir skaitmeninės erdvės nyksta . 2026-ieji žymi lūžio tašką, kai šie elementai nustoja būti izoliuotomis demonstracijomis ir pradedami integruoti į gamybos procesus.
Pažangus ryšys: „WiFi 7“, „Matter“ ir „Direct-to-Cell“
Visai šiai technologinei infrastruktūrai reikalingi tinklai, kurie galėtų neatsilikti. Namuose „WiFi 7“ standartas tampa nauju minimaliu reikalavimu. Dėl tokių technologijų kaip MLO (daugiakanalis veikimas), įrenginiai vienu metu naudoja kelias juostas, kad sumažintų delsą ir padidintų stabilumą , taip įgalindami 8K transliacijas, mišriąją realybę ir debesų žaidimus be kliūčių aplinkoje, kurioje gausu įrenginių. Norėdami gauti informacijos apie namų ryšį, žr. ADSL, šviesolaidinio ryšio ir namų telefono paslaugų vadovą.
Tuo pačiu metu „Matter“ protokolas tampa prijungtų namų „bendra kalba“. Lemputės, spynos, jutikliai, termostatai ir prietaisai, nepriklausomai nuo prekės ženklo, gali būti integruoti į tą patį vietinį tinklą be patentuotų šliuzų ar gamintojui skirtų programėlių . Išmanieji namai nebėra dėlionė, o darni infrastruktūra; prietaisų ir miesto efektyvumo ryšys aptariamas straipsniuose apie išmaniuosius pastatus.
Už namų ribų pradedamas komercinis tiesioginis palydovinis ryšys su mobiliuoju telefonu. Mobilieji telefonai tiesiogiai jungiasi prie žemosios Žemės orbitos palydovų, kai antžeminis ryšys negalimas , iš pradžių siunčiant skubios pagalbos pranešimus ir žinutes, o palaipsniui – pagrindiniams duomenims. Žemėlapyje mažėja „tuščių sričių“, o tai turi didelės įtakos svarbiai veiklai, logistikai, turizmui ir civilinei saugai.
Artimiausios ateities techninė įranga: NPU, atmintis ir naujos baterijos
Išskirtinę priklausomybę nuo debesijos mažina masinis NPU (neuroninių procesorių) atsiradimas nešiojamuosiuose ir stacionariuose kompiuteriuose bei išmaniuosiuose telefonuose. Vietinis dirbtinio intelekto modelių veikimas sumažina delsą, pagerina privatumą ir perkelia darbą iš duomenų centrų . Iki 2026 m. dirbtinio intelekto spartinimas įrenginyje bus toks pat svarbus, kaip ir pakankamas RAM ar saugyklos kiekis.
Atmintis tampa dar viena populiaria tema. Didelės našumo DRAM ir NAND, skirtų dirbtinio intelekto serveriams, paklausa didina tiekimo grandinę, todėl kyla kainos ir sumažėja didelės talpos vartotojų įrenginių prieinamumas . Pasiūlos ir paklausos dėsnis pradeda tiesiogiai paveikti vartotojų pinigines.
Tuo tarpu vartotojų rinką pasiekia silicio anodinės baterijos ir pirmosios komercinės kietojo kūno technologijos aukščiausios klasės įrenginiuose. Šios technologijos pasižymi žymiai didesniu energijos tankiu , leidžiančiu tokio pat dydžio telefonams veikti dvi dienas realiomis sąlygomis arba lengvesniems elektriniams automobiliams, kurių nuvažiuojamas atstumas didesnis.
Be to, jie palaiko itin greitą įkrovimą su mažesniu degradacijos lygiu nei dabartinės cheminės medžiagos, sumažindami „akumuliatoriaus nerimą“ ir sudarydami sąlygas intensyvesniam prijungtų įrenginių, mobiliųjų robotų ar paskirstytų jutiklių naudojimo modeliams.
Technologinis suverenitetas, atitiktis reglamentams ir strateginis IT vadovo vaidmuo
Nestabilioje geopolitinėje situacijoje technologinis suverenitetas nebėra abstrakti sąvoka, o strateginis prioritetas šalims, regionams ir didelėms korporacijoms . Niekas negali būti visiškai savarankiškas, tačiau įmanoma sukurti „atsparią tarpusavio priklausomybę“: diversifikuoti svarbiausius tiekėjus, investuoti į suverenius debesis, vietinius dirbtinio intelekto modelius, alternatyvius lustus ir sąveikumo sistemas, kurios leidžia sklandžiai keisti tiekėjus.
Šis kontrolės siekis derinamas su didėjančiais reguliavimo reikalavimais privatumo, skaitmeninės tapatybės, patikimumo užtikrinimo paslaugų ir intelektinės nuosavybės srityse. Tokie sektoriai kaip viešasis administravimas, finansai ir sveikatos apsauga turi užtikrinti, kad elektroninė tapatybė, skaitmeniniai parašai ir automatizuotų sprendimų atsekamumas atitiktų griežtus standartus , pasikliaujant sertifikavimo tarnybomis ir pažangiomis patikimumo užtikrinimo paslaugomis.
Tokiu atveju IT vadovas nustoja būti vien sistemų vadovu ir tampa skaitmeninio pasitikėjimo, veiklos atsparumo ir tvarumo architektu . Jo sprendimai dėl investicijų į dirbtinį intelektą, hibridinę infrastruktūrą, talentus, duomenų etiką ir valdymą nulems organizacijos gebėjimą konkuruoti rinkoje, kurioje technologijos nebėra „papildomas elementas“, o pats verslo pagrindas.
2026 m. atsiveriančiame kraštovaizdyje susipina branda ir svaigulys: dirbtinis intelektas nustoja būti eksperimentu ir pradeda atlikti realų darbą, infrastruktūra plečiasi nuo debesijos iki periferinių ir palydovinių technologijų, reguliuotojai įgauna pagreitį, o energija tampa tvirta valiuta; tie, kurie moka derinti dirbtinio intelekto agentus, komponuojamą architektūrą, intelektualias operacijas, nuspėjamąjį saugumą ir tvarumą, turės sunkiai prilygstamą konkurencinį pranašumą, o likusieji supras, kad improvizuoti naudojant technologijas nebėra pigu.
