Новый взгляд на Gartner Hype Cycle. Январь 2026: Анализ прогнозов за два десятилетия

Новый взгляд на Gartner Hype Cycle

Январь 2026: Анализ прогнозов за два десятилетия

Появление технологии — Плато продуктивности

Введение

В мире технологических инноваций мало какие аналитические инструменты оказали такое значительное влияние на корпоративное планирование и инвестиционные стратегии, как исследование Hype Cycle от компании Gartner. Ежегодно в этом авторитетном отчете анализируются и предсказываются траектории развития сотен технологий, фиксируется их путь от первых упоминаний до массового внедрения.

Несмотря на широкое признание, остается открытым вопрос: насколько точны эти прогнозы в долгосрочной перспективе? Наше исследование представляет собой комплексный ретроспективный анализ прогнозов Gartner за последние 24 года (2000–2024 годы), охватывающий 432 уникальные технологии, упомянутые в отчетах Hype Cycle for Emerging Technologies¹.

Изучив прогнозы перспективности технологий, мы проанализировали, как изменились оценки их зрелости, какие тенденции прослеживались в методологии Gartner и главное — какой процент предсказаний действительно сбылся в указанные сроки. В ходе исследования мы фиксировали первоначальные прогнозы для каждой технологии и сопоставляли их с фактическими результатами, анализируя как успешные предсказания (например, массовое распространение 3D-печати), так и случаи значительных расхождений (дополненная реальность, которая не достигла предсказанного уровня зрелости к 2015 году).

В ходе анализа мы отслеживали корректировки прогнозов в отчетах и изменения в самой методологии Gartner. На основе полученных данных мы разработали рекомендации по интерпретации предсказаний Hype Cycle и их интеграции с дополнительными методами прогнозирования. Нашей основной целью было формирование структурного подхода к итогам работы одного из самых влиятельных технологических бенчмарков современности.

Результаты нашего анализа предназначены для руководителей технологических подразделений, инвесторов и стратегов, стремящихся повысить эффективность своих решений в условиях технологической неопределенности.

Что такое gartner hype cycle?

GARTNER HYPE CYCLE — аналитическая модель, описывающая жизненный цикл технологий от первых исследований до массового внедрения. Этот инструмент помогает компаниям оценивать зрелость инноваций, определять оптимальные моменты для инвестиций и управлять технологическими рисками.

Как работает gartner hype cycle

Для каждой технологии в Gartner обозначают срок, через который она перейдет на последний этап цикла — выйдет на Плато продуктивности. Основная цель Hype Cycle — показать, как меняется популярность и востребованность технологий до того момента, когда они становятся мейнстримом.

Стадии жизненного цикла

Прогноз Gartner рассматривает пять стадий жизненного цикла каждой технологии:

Почему gartner hype cycle стал стандартом оценки технологий?

Hype Cycle представляет удобную модель, которая визуализирует технологические тренды и обновляется ежегодно. На сегодняшний день выпущено более 1 300 отчетов Hype Cycle, охватывающих разные направления:

• Отраслевые (финансовые сервисы, здравоохранение, производство);

• Технологические (ИИ, блокчейн, облачные вычисления, кибербезопасность);

• Функциональные (маркетинг, продажи, HR, ИТ-операции).

Как создаются прогнозы gartner?

Gartner — аналитическая компания, имеющая более 40 лет опыта исследований рынков и технологий. Компании используют Hype Cycle для выбора момента инвестиций и минимизации рисков. Однако это — прогноз, а не гарантированное будущее. Gartner оценивает перспективность технологий по следующим факторам:

Подход к исследованию

Методология анализа

В качестве исходных данных использовались отчеты Gartner Hype Cycle for Emerging Technologies с 2000 по 2024 год включительно. За почти 25 лет в отчетах упоминаются 432 уникальных названия технологий. Для них мы отслеживали:

• Год первого появления в Hype Cycle;

• Количество лет, которые технология упоминалась в отчетах Gartner;

• Этап Hype Cycle, на котором технология исчезла;

• Прогнозируемый срок выхода на Плато продуктивности;

• Фактическое состояние.

Классификация технологий

Общий набор технологий разделен на 28 категорий (например, Web Technologies, Data Analytics, IoT & Portable Technologies). Технологии в отчетах часто меняют названия, сохраняя суть, поэтому мы объединили их в 234 группы. Например, Digital Paper / E-Paper, Electronic Paper и Electronic Ink/Digital Paper относятся к группе Digital Ink and Electronic Paper.

Метрики оценки точности:

1. Выполнение прогноза: Если Gartner прогнозирует выход на плато через 10 лет, мы оцениваем факт исполнения на год предполагаемого исхода.

• Успешный прогноз: достижение «Плато продуктивности» в течение окна прогнозирования ± 1 год.

• Значения: «Прогноз успешен», «Прогноз неуспешен», «Неизвестно».

2. Длительность жизни технологии: Временной промежуток присутствия в отчетах (включая перерывы).

3. Соотношение стадий: Количество различных стадий для технологий на определенный год.

4. Соотношение прогнозов: Количество различных прогнозов для технологии на определенный год.

Методология построения графиков

Каждый выпуск Hype Cycle содержит две ключевые характеристики:

1. Текущая стадия технологии в цикле — позиция в жизненном цикле в конкретном году.

2. Прогнозируемый срок выхода на Плато продуктивности — через сколько лет аналитики ожидают массовое внедрение.

Пример: Технологии социального дистанцирования (Social Distancing Technologies)

В 2020 году на Пике чрезмерных ожиданий Gartner прогнозировал выход этой технологии на Плато в течение двух лет. Мы визуализируем траектории, нанося этапы по горизонтали, а годы — по вертикали (снизу вверх). Это позволяет отследить, как изменялись ожидания аналитиков Gartner с течением времени.

Оценка выполнения прогноза

Если технология исчезала из отчетов Gartner, для экспертной оценки стадии ее развития дополнительно анализировались:

• Рыночные данные и тренды поисковых запросов (Google Trends).

• Научные публикации и конференции.

• Инвестиции и корпоративные отчеты.

Кейс Wiki:

Прогноз 2004 года о выходе Wiki на Плато до 2009 года был скорректирован самим Gartner (в 2009 году технология была на Склоне просветления). С учетом данных Wikipedia.org, сервис достиг пика популярности в 2010–2014 годах. Прогноз можно считать практически успешным с небольшой временной корректировкой.

Общие выводы

Как долго технологии оставались в циклах?

Технологии, появившиеся в первых отчетах, оставались в Hype Cycle в среднем дольше. Со временем средняя «жизнь» технологии сократилась до 1 года и 7 месяцев (в 2020–2022 годах). Gartner также регулярно переименовывает технологии, фактически «перезапуская» их цикл.

Как часто появлялись новые технологии?

Количество технологий в отчетах варьировалось:

• Пики: 2005 год (44 технологии) и 2012 год (48 технологий).

• Стабилизация: С 2021 года Gartner представляет ровно по 25 технологий ежегодно.

• Инфляция сущностей: В период 2008–2010 гг. число новых технологий росло быстрее, чем количество групп, что говорит об активном добавлении новых терминов в рамках существующих баз.

• Долгожители: Наибольшее количество технологий-долгожителей появилось в периоды 2003–2004 и 2007–2008 годы.

Рекордсмен: Квантовые вычисления (Quantum Computing)

Технология появлялась в отчетах с 2000 по 2021 годы. Почти всё время она находилась на первой стадии без конкретного прогноза. В 2018 году был дан прогноз «5-10 лет до плато», после чего она исчезла, сменившись на Quantum ML. Без прорывов в базовой технологии прогнозы по Quantum ML выглядят сомнительно.

Как менялась структура hype cycle по стадиям?

• Осторожность прогнозов: Gartner минимизировал количество технологий с прогнозом «менее 2 лет до плато», предпочитая формулировку «5–10 лет».

• Смена фокуса: С 2021 года Gartner полностью отказался от отображения поздних стадий (Склон просветления и Плато продуктивности). Теперь цикл фокусируется исключительно на ранних этапах развития.

Какие категории технологий были наиболее предсказуемы?

Предварительные данные по успешности прогнозов (на основе 223 проанализированных случаев):

Оценивая успешность прогнозов рассмотренных групп технологий, результаты по которым известны на данный момент, можно сказать, что большинство прогнозов Gartner были успешными. Основная доля прогнозов со статусом «Неизвестно» приходится на те технологии, результативность которых нам только предстоит узнать, или на те из них, в отношении которых аналитики Gartner пока не дали прогноза. Текущее соотношение успешных прогнозов к неуспешным — 7 к 1.

Статистика по частоте выполнения прогнозов

Можно заметить, что чаще всего наверху располагаются категории, связанные с прикладным IT, — эти технологии обычно развиваются внутри профессиональных сообществ, выходя на стадию массового использования уже после того, как доказали свою ценность.

Внизу расположены технологии, связанные с общими ожиданиями от технологического прогресса:

• Immersive Technologies & VR (Иммерсивные технологии и виртуальная реальность);

• Data Science & AI (Наука о данных и ИИ);

• Automation & Robotics (Автоматизация и роботизация).

Насколько предсказания были точны?

Для каждой категории технологий подсчитаем средневзвешенное значение сроков прогнозирования:

$$T_{ср} = \frac{\sum (S_i \cdot n_i)}{\sum n_i}$$

где:

• $S_i$ — сроки прогноза (1, 3.5, 7.5, 15 и 20 для прогнозов «<2 лет до плато», «2-5 лет до плато», «5-10 лет до плато», «>10 лет до плато» и «Устареет до выхода на плато» соответственно);

• $n_i$ — количество групп с соответствующим прогнозом в категории технологий.

Подробный список категорий технологий со средневзвешенными сроками прогнозирования можно найти в Приложении 2.

Распределение категорий технологий и средневзвешенных сроков прогнозирования показывает, что можно провести линию тренда между успешностью прогнозов и их долгосрочностью. Корреляция этих значений составляет 0,62 (при использовании MIN-MAX нормализации), что показывает взаимосвязь между показателями: ухудшение качества прогнозов происходит вместе с увеличением их горизонта.

В данном случае возможны две корреляции: долгосрочность прогнозирования может повлиять на качество итогового прогноза, при этом технологии с неопределенными рыночными перспективами сами по себе могут быть причиной для осторожных выводов аналитиков Gartner.

Насколько успешны долгосрочные прогнозы?

Со временем прогнозы Hype Cycle становились все более осторожными, постепенно уменьшалась доля «<2 лет до плато» и «2-5 лет до плато» и одновременно увеличивалась доля «5-10 лет до плато».

Лидерами по успешности прогнозов Gartner среди «крупных» категорий (>40 технологий в категории) стали:

• Web Technologies (Веб-технологии);

• IoT & Portable Technologies (Интернет вещей и портативные технологии);

• Software Development (Разработка ПО).

Анализ точных прогнозов gartner

Примеры технологий, подтвердивших прогнозы:

• Smartphone (Смартфоны) — практически сразу перешли к повсеместному использованию, минуя полный цикл.

• Web 2.0 — даже после выхода на плато в основном остается в «зоне видимости» узких специалистов.

• Event-Driven Architecture (Событийно-ориентированная архитектура) — вышла на плато без шировой волны ожиданий, как и Web 2.0.

Общий признак этих категорий — высокая степень технической определенности. Такие технологии обычно имеют четко очерченные сферы применения и дают измеримые результаты, что позволяет делать более точные прогнозы, несмотря на ограниченную популярность.

3D-печать

Еще один пример удачного прогноза — 3D-печать. В Gartner впервые упомянули технологию в 2007 году, сразу поместив ее на Пик завышенных ожиданий и спрогнозировав завершение цикла через 10 лет. К 2017 году технология достигла Плато продуктивности и заняла твердые позиции в промышленном и потребительском сегментах. Сегодня 3D-печать используют повсеместно – от создания игрушек до изготовления деталей космических кораблей SpaceX.

Анализ ошибочных прогнозов

Лидерами среди категорий с наибольшей долей ошибочных прогнозов (>30 технологий) стали:

• Automation & Robotics (Автоматизация и роботизация);

• Biotech (Биотехнологии);

• Immersive Technologies & VR (Иммерсивные технологии и виртуальная реальность).

Примеры неудачных прогнозов:

• Ultra-Wide Band (UWB) — в 2004 году ее называли прорывной технологией передачи данных, но к 2008 году она исчезла из отчетов.

• WiMAX (802.16) — позиционировалась как конкурент LTE, но не смогла масштабироваться.

• Операционная система Linux (Десктоп) — считалась перспективной альтернативой Windows, но заняла только небольшую нишу (4,1% против 70,1% у Windows).

• Ячеистая топология (Mesh Networks, mesh-сети) — включалась в Hype Cycle 9 раз, но так и осталась решением для отдельных задач (военное дело, умные дома ZigBee).

Виртуальная реальность

Примером неудачного прогноза служит оценка перспектив группы технологий Virtual Reality (VR, Виртуальная реальность). В Gartner ожидали завершение цикла к 2015 году, но технология так и не достигла Плато продуктивности. Прогнозы многократно пересматривались, а в 2019 году технология VR была переосмыслена и помещена на начальные стадии цикла под новыми названиями – Метавселенные, Иммерсивные рабочие места и AR Cloud.

Эти технологии попадают в отчеты на фоне массового ажиотажа и футуристических ожиданий, но их реальное развитие затруднено техническими и инфраструктурными ограничениями.

Итог

Gartner Hype Cycle включает в себя две ключевые составляющие: распределение технологий по стадиям зрелости и прогнозы выхода технологий на Плато продуктивности. Анализ отчетов почти за 25 лет позволил выделить несколько устойчивых трендов:

1. Сокращение количества технологий в отчетах: с 2021 года их число зафиксировано на уровне 25.

2. Отказ от отображения поздних стадий цикла: с 2021 года в отчетах отсутствуют технологии на Склоне просветления и Плато продуктивности.

3. Прогнозы стали осторожнее: все меньше технологий получает предсказания выхода на плато в ближайшие годы.

4. Срок жизни технологий в цикле снизился: с 2018 года он в среднем составляет 1 год и 7 месяцев.

5. Точность прогнозов зависит от категории: прикладные IT-решения отличаются высокой предсказуемостью. Напротив, популярные «футуристичные» технологии (VR, Metaverse, ИИ) менее стабильны, что снижает точность прогнозов.

Углубленный анализ

Мы провели детальный разбор ряда технологий, чтобы выявить, какие факторы влияют на успешность или ошибочность прогнозирования их жизненного цикла. В выборку вошли решения с разной динамикой развития: от архитектурных IT-концепций (SOA) до медийно «раскрученных» направлений (Generative AI), а также биочипы, автономный транспорт и биометрические системы.

Для каждой технологии мы рассмотрели три аспекта:

1. Как в Gartner оценивали ее перспективы.

2. Какие факторы способствовали или мешали ее развитию.

3. Насколько в итоге оправдались прогнозы.

Service-oriented architecture (сервис-ориентированная архитектура, soa)

Service-Oriented Architecture (SOA) – это подход к построению программных систем, в котором компоненты представлены в виде независимых сервисов с четко определенными интерфейсами.

Прогноз Gartner

SOA появилась в Hype Cycle в середине 2000-х. К 2006–2007 годам технология достигла Пика завышенных ожиданий. В Gartner прогнозировали выход на Плато продуктивности в 2012–2014 годах, но эволюция пошла по другому пути.

Реальное развитие

Хотя SOA в классическом виде не закрепилась как единый стандарт, ее принципы стали основой для:

• API-ориентированной разработки (RESTful API);

• Микросервисной архитектуры;

• Cloud-native архитектуры.

Статус прогноза: Частично удачный.

Autonomous vehicles (автономный транспорт)

Autonomous Vehicles – транспортные средства, способные передвигаться без участия водителя.

Впервые включен в 2009 году с оценкой выхода на плато через 10+ лет. В 2012 году прогноз скорректирован до «5-10 лет». Однако технология до сих пор не достигла зрелости.

Факторы, замедляющие внедрение:

• Отсутствие единых стандартов регулирования.

• Технологические ограничения AI в сложных дорожных ситуациях.

• Инфраструктурные барьеры.

• Кибербезопасность (уязвимость к хакерским атакам).

Статус прогноза: Неудачный прогноз.

Generative AI (генеративный искусственный интеллект, genai)

Generative AI (GenAI) – класс алгоритмов, способных создавать новый контент (текст, изображения, аудио, видео).

Включен в 2020 году, прошел Пик завышенных ожиданий к 2023 году. Gartner прогнозирует достижение Плато продуктивности к 2025 году (рекордно быстрые 5 лет развития).

Факторы, повлиявшие на развитие:

• Масштабные инвестиции: Microsoft ($13+ млрд в OpenAI), Google и Amazon.

• Быстрое внедрение: ChatGPT набрал 100 млн пользователей за 2 месяца.

• Эффективность: GitHub Copilot ускоряет разработку на 55%.

• Активное применение: Morgan Stanley, Pfizer, McKinsey.

• Снижение барьеров входа: себестоимос...

...стоимость базовой GenAI-системы снизилась на 96% с 2020 по 2025 год.

Текущее состояние GenAI

• Стандартизация — в ISO/IEC разработали первый стандарт безопасного применения GenAI (ISO/IEC 42001:2024).

• Корпоративное внедрение — 78% компаний из списка Fortune 500 интегрировали GenAI в бизнес-процессы.

• Растущая окупаемость — средний ROI проектов GenAI достиг 3,5x в 2025 году.

• Поддержка на государственном уровне — к 2030 году правительство РФ планирует выделить $0,3 млрд на развитие ИИ. Вложения из внебюджетных источников, таких как «Сбер» и РФПИ, могут составить $1,16 млрд.

Генеративный ИИ развивается с беспрецедентной скоростью, подтверждая прогноз Gartner о быстром выходе на Плато продуктивности. Однако реальное внедрение технологии сталкивается с вызовами: проблемы надежности, высоких вычислительных затрат, регулирования и этики.

Biometrics (биометрия)

Биометрия (Biometrics) — это технологии идентификации и аутентификации личности на основе биометрических характеристик: отпечатков пальцев, распознавания лица, радужной оболочки глаза, голосового анализа и других параметров.

Аналитики Gartner включили Biometrics в Hype Cycle в 2000 году, прогнозируя, что технология достигнет Плато продуктивности в течение 2-5 лет. В 2002 году прогноз был скорректирован до 5-10 лет, что оказалось точным — к 2010 году биометрия получила широкое распространение.

Статус: Удачный прогноз

• Рост точности технологий — улучшение алгоритмов распознавания лиц, отпечатков пальцев и радужки глаза.

• Повышенный спрос на безопасную аутентификацию — биометрия активно внедряется в банковском секторе, здравоохранении и государственных услугах.

• Массовое распространение смартфонов — датчики отпечатков пальцев и Face ID сделали биометрические технологии доступными для миллионов пользователей.

• Государственная поддержка — правительства внедряют национальные биометрические системы (например, Единая биометрическая система в РФ).

Текущее состояние

• Масштабирование на государственном уровне — к 2030 году в России планируется идентификация 75 млн человек (51% населения) через Единую биометрическую систему.

• Рост мирового рынка — глобальный рынок биометрии достигнет $136,2 млрд к 2031 году с ежегодным ростом 13,3%.

• Популярность применения за пределами сферы безопасности — бесконтактные платежи, удаленная идентификация, доступ в здания и транспорт.

Прогноз Gartner оказался точным — биометрия стала стандартом аутентификации, охватив не только высокозащищенные системы, но и массовый рынок.

Biochips (биочипы)

Биочипы (Biochips) — это миниатюрные устройства, сочетающие полупроводниковые технологии и биологические сенсоры для анализа биологических и химических веществ. Они применяются в диагностике, фармацевтике, генной инженерии и персонализированной медицине.

Аналитики Gartner включили Biochips в Hype Cycle в 2013 году, прогнозируя, что технология достигнет плато продуктивности через 5-10 лет. Однако этот прогноз не оправдался — к 2025 году технология остается в стадии развития, так и не достигнув массового внедрения.

Статус: Неудачный прогноз

Факторы, сдерживающие развитие

• Недоверие потребителей — опасения по поводу безопасности, конфиденциальности данных и возможных рисков для здоровья.

• Сложность сертификации — биочипы требуют строгих стандартов качества и безопасности, что увеличивает время их выхода на рынок.

• Высокая стоимость производства — контроль качества и технологическая сложность приводят к значительным затратам.

• Ограниченные сценарии использования — в отличие от других биометрических решений, биочипы пока не находят широкого применения за пределами лабораторий.

• Региональное развитие — европейский рынок биочипов предполагает рост на 21,94% (CAGR) в 2025–2033 годах.

• Проблемы коммерциализации — большинство стартапов сложно коммерциализируются; лабораторные прототипы редко доходят до рынка.

• Регуляторные барьеры — рынок подвержен высоким барьерам, что замедляет выход новых разработок.

• Возможные драйверы роста — развитие молекулярной биологии, применение в генетических исследованиях и тестировании лекарств.

Признаки оценки бесперспективности технологий

На примере углубленного анализа технологий мы выделили признаки, по которым можно определить, что технология является бесперспективной.

Таблица 1. Признаки оценки технологий

Ошибочные прогнозы Gartner и их последствия

Некоторые прогнозы Gartner были не просто неточными, а могли напрямую повлиять на неудачные корпоративные решения.

• Ошибка с Apple (2006 год) — аналитики Gartner рекомендовали Apple прекратить выпуск устройств, лицензировать macOS для Dell и сосредоточиться на ПО. Спустя год Apple представила iPhone.

• Метавселенная (Metaverse, 2021–2023 годы) — Gartner предсказывал реализацию потенциала за 10 лет, но к 2023 году направление стало убыточным. Яркий пример — Meta* (экс-Facebook). Проект вызвал низкий интерес у реальных пользователей из-за отсутствия релевантного функционала.

(Организация, деятельность которой запрещена на территории Российской Федерации).

Примеры успешного влияния выбранных технологий

• Salesforce — в 2023 году увеличила инвестиции в Generative AI, что позволило интегрировать Einstein GPT в CRM-решения и усилить позиции.

• Amazon Web Services (AWS) — ранняя ставка на Cloud Computing сделала AWS лидером рынка, соответствуя долгосрочным прогнозам о переходе в облако.

• NVIDIA — ставка на GPU как ключ к машинному обучению обеспечила доминирование на рынке чипов для обучения ИИ.

• Zoom — Gartner предсказывал развитие видеоконференций еще до 2020 года, что помогло компании подготовить масштабируемую инфраструктуру к пандемии.

Упущенные технологии

Gartner не всегда своевременно включал в отчеты критически важные технологии:

• Аппаратная виртуализация x86 — фундамент современных ЦОД.

• NoSQL — базы данных нового поколения (MongoDB, Cassandra, Redis).

• Open Source — модель разработки, определившая развитие современных экосистем.

Основные выводы исследования

1. Точность прогнозов зависит от типа технологии. Прикладные решения (API, облака) развиваются предсказуемо. Прорывные технологии (ИИ, VR) чаще отклоняются от траектории. Технологии, не дошедшие до Плато (Mesh-сети, Linux), могут сохранять нишевую значимость.

2. Радикальный пересмотр подхода с 2021 года. Теперь в отчетах фиксируется по 25 технологий со средним циклом 1 год и 7 месяцев, исключены поздние стадии. Это повысило фокус, но снизило применимость для оценки зрелости.

3. Ошибочные прогнозы несут значительные потери. Хотя доля неуспешных прогнозов — 8,5%, именно они сопровождались крупными убытками (Metaverse, автономный транспорт).

4. Сокращение жизненного цикла усиливает давление. Требуется выстраивать инновационные конвейеры: кросс-функциональные команды, agile-методологии и регулярную генерацию идей.

5. Рост неопределенности требует портфельного управления. Портфельный подход (аудит, оценка рисков, гибкое перераспределение) помогает минимизировать потери в условиях, когда даже зрелые решения быстро устаревают.

Как правильно использовать hype cycle?

1. Учет специфики технологии. Прикладные IT-решения прогнозируются надежно. Инновационные технологии требуют анализа внешних факторов: инвестиций, инфраструктуры и регуляторики.

2. Сочетание с альтернативными источниками. Данные нужно дополнять независимыми исследованиями, анализом реальных инвестиций и успешных кейсов внедрения.

3. Планирование рисков по стадиям. Достижение Плато не всегда означает индустриальный стандарт. Нужно учитывать индивидуальные риски для каждой стадии.

Таблица 2. Стадии жизненного цикла и действия

Таблица 2. Риски, особенности и действия на каждой стадии Gartner Hype Cycle (продолжение)

• Высокие затраты на внедрение при низкой окупаемости

• Возможное создание «пузыря» на рынке | • Оценивать влияние на текущие бизнес-модели

• Запускать пилотные проекты без крупных инвестиций

• Оценивать инфраструктурные ограничения | Отраслевые отчеты, аналитические статьи, пресс-релизы компаний, блоги экспертов, международные исследования и российские аналитические публикации | |---| | Провал разочарования (Trough of Disillusionment) | Технология сталкивается с первыми проблемами, инвесторы и компании теряют интерес. Уходят спекулятивные игроки. | • Потеря интереса к технологии

• Снижение финансирования, закрытие стартапов

• Технология может исчезнуть из отчетов Gartner, хотя остается перспективной | • Анализировать успешные кейсы и искать новые версии технологии с улучшенными характеристиками

• Анализировать компании, которые продолжают инвестировать

• Рассматривать возможности интеграции с существующими решениями | Отчеты о рынке технологий, отзывы пользователей, аналитические исследования, статьи специализированных изданий, международные и российские отраслевые обзоры | |---| | Склон просветления (Slope of Enlightenment) | Решения становятся стабильнее, появляются успешные сценарии внедрения. | • Отставание от конкурентов

• Замедление инноваций: технология может утратить конкурентное преимущество

• Повышенные затраты на масштабирование | • Начинать пилотные проекты

• Формировать стратегию внедрения

• Оценивать готовность рынка и регуляторов

• Выбирать перспективные интеграции | Кейсы успешных внедрений, отраслевые исследования, отчеты аналитических компаний, исследования рынка, международные отчеты | |---| | Плато продуктивности (Plateau of Productivity) | Четкое понимание ценности и ограничений технологии. Технология становится стандартом, ее эффективность доказана, сформированы лучшие практики. | • Высокая конкуренция, сложность дифференциации решений

• Возможность замедления ROI из-за насыщенности рынка | • Оптимизировать бизнес-модели с учетом новой технологии

• Инвестировать в автоматизацию и масштабирование

• Искать точки роста за счет кастомизации решений | Отчеты о рынке технологий, исследования конкурентов, обзоры лучших практик, публикации отраслевых ассоциаций, международные аналитические отчеты, российские исследования и обзоры |

Заключение

Отчет Hype Cycle от Gartner — это не универсальный инструмент прогнозирования, а, скорее, карта ожиданий относительно новых технологий. Он отражает динамику развития инноваций и коллективных представлений о них, которые не всегда приводят к реальной отдаче от инвестиций.

Побеждают те технологии, которые обладают четырьмя ключевыми характеристиками:

1. Прозрачной инженерной архитектурой.

2. Широким практическим применением.

3. Стандартизированной экосистемой.

4. Поддержкой на мировом уровне, в том числе финансовой.

Примерами таких технологий служат GenAI, 3D-печать и биометрия. Компании, использующие Hype Cycle в сочетании с выстроенными процессами управления инновациями и готовностью организации к изменениям, получают преимущество в контроле рисков и стратегических вложений.

Важную роль в технологическом лидерстве занимает хорошо организованный механизм финансирования и внедрения инновационных продуктов. Он включает создание специализированных инновационных фондов, внутренних площадок для обмена идеями и опытом, а также «песочниц» — контролируемых сред для безопасного тестирования технологий без угрозы основным бизнес-процессам. Такой комплексный подход по управлению инновациями позволяет компаниям отслеживать актуальные тренды, учитывать технические аспекты внедрения решений, более точно прогнозировать бизнес-эффекты и оперативно внедрять новые технологии в свою деятельность.

Команда экспертов

Технологическая платформа «технологии доверия»

Практика artificial intelligence & data analytics (aida)

• Артем Семенихин — Партнер, Руководитель направления по искусственному интеллекту и аналитике данных (artyom.semenikhin@tedo.ru)

• Марина Кубанина — Директор, Стратегический лидер исследования (marina.kubanina@tedo.ru)

• Полина Ким — Менеджер, Экспертиза и методология исследования (polina.kim@tedo.ru)

• Александр Доронин — Бизнес-аналитик, Анализ и визуализация данных (aleksandr.k.doronin@tedo.ru)

• Андрей Павленко — Бизнес-аналитик, Анализ и визуализация данных (andrei.n.pavlenko@tedo.ru)

Приложение

Приложение 1: Списки категорий и групп технологий для анализа Gartner Hype Cycle

Приложение 2: Успешность и средневзвешенный срок прогнозирования по категориям

Приложение 3: Ссылки на отчеты Gartner Hype Cycle for Emerging Technologies

• Hype Cycle for Emerging Technologies, 2024

• Hype Cycle for Emerging Technologies, 2023

• Hype Cycle for Emerging Technologies, 2022

• Hype Cycle for Emerging Technologies, 2021

• Hype Cycle for Emerging Technologies, 2020

• Hype Cycle for Emerging Technologies, 2019

• Hype Cycle for Emerging Technologies, 2018

• Hype Cycle for Emerging Technologies, 2017

• Hype Cycle for Emerging Technologies, 2015

• Hype Cycle for Emerging Technologies, 2014

• Hype Cycle for Emerging Technologies, 2013

• Hype Cycle for Emerging Technologies, 2012

Gartner hype cycle: новый взгляд

Аналитика и комментарии экспертов в телеграм-канале: https://t.me/tedo_business Сайт: tedo.ru

Компания «Технологии Доверия» (ТеДо) предоставляет аудиторские и консультационные услуги компаниям разных отраслей. В офисах в Москве, Санкт-Петербурге, Екатеринбурге, Казани, Новосибирске, Ростове-на-Дону, Краснодаре, Воронеже, Владикавказе, Перми и Нижнем Новгороде работают 3 000 специалистов. Мы используем свои знания, богатый опыт и творческий подход для разработки практических советов и решений, открывающих новые перспективы для бизнеса.