Gartner: витрати на роботу AI-агентів можуть зрости більш ніж у п’ять разів до 2028 року

Розвиток агентного штучного інтелекту може призвести до нового парадоксу: окремі AI-операції стають дешевшими, але загальні витрати компаній на використання ШІ продовжують зростати.

За прогнозом Gartner, витрати на inference — виконання запитів і завдань AI-моделями — у межах одного агентного робочого процесу можуть зрости більш ніж у п’ять разів до 2028 року. Аналітики пов’язують це з переходом бізнесу від простих чат-ботів до автономних AI-агентів, які виконують складні послідовності завдань.

AI-агенти змінюють підхід до використання ШІ

На відміну від звичайного чат-бота, агентний ШІ може самостійно виконувати кілька пов’язаних операцій: аналізувати інформацію, працювати з корпоративними системами, використовувати інструменти та приймати проміжні рішення для досягнення поставленої цілі.

Це означає, що один запит користувача може запускати цілий ланцюжок взаємодій із моделлю. У результаті навіть за зниження вартості окремого inference загальне споживання обчислювальних ресурсів може суттєво збільшуватися.

Бізнес переходить від експериментів до масштабування

2026 рік став періодом активного переходу AI-агентів від тестових сценаріїв до реальних бізнес-процесів. Компанії використовують їх для автоматизації роботи з даними, програмування, фінансових операцій, підтримки клієнтів та внутрішніх процесів.

Водночас масштабування агентних систем створює нові вимоги до дата-центрів, GPU, енергоспоживання та хмарної інфраструктури.

Окремо зростає попит на стандарти взаємодії між різними AI-агентами. Наприклад, протокол Agent2Agent, розроблений Google для комунікації між агентами, переходить до Agentic AI Foundation, що має сприяти розвитку відкритих стандартів для таких систем.

Головний виклик — не лише продуктивність

Для компаній питання найближчих років полягатиме не тільки в тому, наскільки розумним є AI-агент, а й у тому, скільки коштує його робота в масштабі всієї організації.

За прогнозом Gartner, саме зростання кількості та складності агентних сценаріїв може сформувати новий клас витрат на AI-інфраструктуру. Тому бізнесу доведеться одночасно оптимізувати моделі, кількість запитів, архітектуру агентів та використання обчислювальних ресурсів.

Таким чином, наступний етап розвитку штучного інтелекту може пройти під знаком не просто «більше AI», а «ефективніший AI» — із контролем вартості кожного автоматизованого процесу.