Война агентных клиентов: кто владеет бэкендом ИИ

Представьте агентный корпоративный стек так, как викторианские инженеры думали о железнодорожной колее. Все соглашались, что поезда — это будущее. Но настоящая борьба, которая на самом деле решила, кто разбогатеет на следующие пятьдесят лет, велась за рельсы под колёсами. Snowflake, Databricks, Microsoft, OpenAI и Anthropic — все сейчас укладывают свою колею, а большинство участников рынка всё ещё спорят о локомотивах.

Если вы CTO или руководитель платформы, который выбирает поставщика аналитики на следующий бюджетный цикл, дерево решений стало ещё запутаннее. Все презентации вендоров звучат одинаково. Но архитектурные ставки под ними — нет.

В чём проблема

Агентный клиент — это новая система взаимодействия. Snowflake переименовал Snowflake Intelligence в CoWork и добавил нечто под названием CoCo. У Databricks есть Genie. У Microsoft — Copilot. У Google — Gemini Enterprise. У OpenAI — ChatGPT и Codex. У Anthropic — Claude и, что сбивает с толку, нечто тоже называемое Cowork. Как отметил SiliconANGLE в материале Breaking Analysis Дейва Велланте и Джорджа Гилберта, более масштабная борьба идёт не между Snowflake и Databricks и не между копилотами и агентами. Речь о том, кто владеет интеллектуальным клиентом и бэкендом, который делает его полезным.

Каждый, кто пытался подключить чат-интерфейс к реальному корпоративному хранилищу, знает: скучная часть — не LLM. Это семантика. Агенту нужно понимать, что «активный клиент» в финансах означает не то же самое, что «активный клиент» в маркетинге, и что данные о численности персонала из Workday согласуются со списком аккаунтов Salesforce только во второй вторник квартала. Этот контекст и есть колея. Уложи её неправильно — и ничто другое по ней не поедет.

В материале используются концепции «интегрированных инноваций» Клейтона Кристенсена и «экстремального совместного проектирования» Дженсена Хуанга, чтобы обосновать: агентный клиент и бэкенд должны проектироваться совместно, потому что бэкенд обучается на основе того, как пользователи и разработчики взаимодействуют через клиент. Эта петля обратной связи и есть ров. Создай два слоя независимо — получишь то, что корпоративный IT выпускал шестьдесят лет: ещё больше силосов с более дружелюбным интерфейсом.

При этом каждый питч Y Combinator продвигает вертикальный агентный бизнес, который претендует быть в десять раз крупнее вертикального SaaS. Тезис верен по направлению и сломан операционно. Тысяча вертикальных агентов без общего слоя интеллекта — это просто SaaS-разрастание в шляпе трансформера.

Варианты на столе

Отбросьте маркетинг — и сейчас у дата-команды есть примерно четыре ставки, каждая со своей колеёй.

Ставка на платформы данных. Snowflake продвигает Horizon Context и Cortex Sense вместе с CoWork. Databricks строит интеллект данных через Unity Catalog и почти наверняка превратит саммит Data + AI в середине июня в витрину Genie. Оба также активно заходят в governance с Horizon, Polaris и Unity — плохая новость для Collibra, Alation и Informatica. Питч здесь честный: данные хранятся у нас, семантическая модель — у нас, агент тоже должен быть у нас. Риск в том, что клиентский опыт никогда не догонит то, что конечные пользователи получают от универсального чат-инструмента. Вы можете изучить, что они выпускают, в документации Snowflake и документации Databricks соответственно, и разрыв между платформенными амбициями и текущим продуктом всё ещё реален.

Ставка на гипермасштабируемый пакет. Microsoft продвигает Work IQ и Fabric IQ под Copilot. У Google есть Gemini Enterprise. Аргумент очевиден: ваша почта, документы, идентификация и половина данных уже здесь, значит и агент должен быть здесь. Компромисс — это привязка на более глубоком уровне, чем когда-либо прежде, потому что слой интеллекта сложнее мигрировать, чем базу данных.

Ставка на разработчиков моделей. OpenAI Group PBC и Anthropic PBC почти наверняка имеют самые высоконагруженные агентные клиенты в мире прямо сейчас. Breaking Analysis прямо говорит о слабости: у них пока нет бэкенда для захвата и гармонизации интеллектуальных взаимодействий, проходящих через эти клиенты. Они строят локомотивы, не владея рельсами. Ожидайте агрессивных шагов по исправлению этого — вероятно, через поглощения или глубокие партнёрства с одним из поставщиков платформ данных.

Ставка на системы учёта. SAP Business Data Cloud, Salesforce Data Cloud, ServiceNow и Celonis утверждают, что агент должен находиться рядом с транзакционным процессом, а не с аналитическим хранилищем. В этом есть смысл. Oracle, SAP, Salesforce и Workday — это место, где на самом деле происходит исполнение бизнес-процессов, и система интеллекта, которая их игнорирует, — это система интеллекта о маркетинговых дашбордах.

Ни одна из этих ставок пока не доминирует. Тот, кто продаёт вам уверенность 8 июня 2026 года, продаёт вам кое-что другое.

Что на самом деле должны делать дата-команды

Моя позиция: выбирайте ставку, которая минимизирует стоимость ошибки, потому что вы частично ошибётесь. Это означает инвестиции в слой, который выживет независимо от того, какой клиент победит.

Долгосрочный слой — семантический и управленческий. Чистый каталог, явная семантическая модель, чётко определённые метрики, линейность данных, которая реально разрешается, история запросов, которую можно воспроизвести. Это неблагодарная работа, и она остаётся таковой уже пятнадцать лет. Просто так получилось, что это именно та подложка, которая теперь нужна каждому агентному клиенту для полезной работы. Семантический слой, определённый в коде, с версионированием и тестами, более переносим, чем любой встроенный интеллектуальный продукт вендора.

На практике это означает три вещи. Во-первых, относитесь к своему каталогу как к продукту, а не как к артефакту соответствия требованиям. Независимо от того, выберете ли вы Horizon, Polaris или Unity, метаданные, которые вы в него загружаете, определяют потолок любого агента, который над ним работает. Во-вторых, инструментируйте агентный клиент, который вы пилотируете, чтобы трассировки человеческих рассуждений, действия агентов и история запросов возвращались в слой интеллекта. Петля обратной связи, на которой настаивает материал SiliconANGLE, реальна, и большинство пилотов её игнорируют. В-третьих, не позволяйте агентному клиенту владеть семантическими определениями. Если «выручка» определена внутри CoWork или Copilot, а не в переносимом слое, вы только что выбрали своего вендора на следующее десятилетие, не осознав этого.

Контрарный ход — и я бы назвал его правильным для большинства команд среднего размера — намеренно сохранять клиентский слой сменяемым в течение следующих восемнадцати месяцев. Запустите Genie на стороне Databricks, Copilot — на стороне Microsoft, возможно Claude для кода, и заставьте их всех читать из одной управляемой семантической модели. Да, это больше работы. Но это единственная позиция, которая позволит вам изменить решение в 2027 году без полного демонтажа и замены.

Подводные камни и граничные случаи

Первое, что рушится, — это идентификация и разрешения. Агенты, действующие от имени пользователей, требуют ограниченных учётных данных, но большинство предприятий до сих пор выдают агентам эквивалент мастер-ключа, потому что альтернатива слишком громоздкая. Так продолжается до тех пор, пока первый агент не сделает что-то дорогостоящее и необратимое с продуктивной таблицей.

Второй подводный камень — история о гармонизации. Каждый вендор в этой гонке заявляет, что растворит шестьдесят лет силосов, о которых говорит материал SiliconANGLE. На самом деле ни один этого не сделает, потому что силосы частично социальны. Финансы и продажи расходятся в определениях, потому что им платят за расхождение. Никакое векторное поисковое решение не разрешит спор о формуле бонуса.

Третий — стоимость. Агентные нагрузки имеют принципиально иные паттерны запросов по сравнению с дашбордами. Ждите неожиданных счетов от всех, кто тарифицирует по вычислениям, и подумайте, не стоит ли включить более дешёвый аналитический движок вроде ClickHouse в путь для высокочастотных агентных чтений. Экономика агентов, обращающихся к хранилищу каждые несколько секунд, — это не экономика BI-инструмента, обновляющегося за ночь.

Четвёртый, и тот, что болит в три часа ночи, — недетерминизм. Один и тот же агент, получив один и тот же вопрос, может генерировать разный SQL в разные дни. Ваши контракты на данные, тесты и наблюдаемость должны исходить из того, что потребитель теперь является стохастическим процессом, а не известным дашбордом.

Ключевые выводы

Возвращаясь к железным дорогам. Компании, победившие в войне колей, были не теми, у кого были самые красивые поезда. Это были те, чьи рельсы все остальные были вынуждены использовать. Snowflake, Databricks, Microsoft и разработчики моделей всё это понимают. Вопрос в том, кто из них уложит колею, которую другие не смогут вырвать.

• Стратегическая борьба — это совместное проектирование агентного клиента (CoWork, Genie, Copilot, Gemini Enterprise, ChatGPT/Codex, Claude) и бэкенда системы интеллекта, а не сравнение отдельных продуктов.
• OpenAI и Anthropic имеют дистрибуцию клиентов, но пока нет корпоративного бэкенда. Ожидайте поглощений, партнёрств или серьёзного движения в сторону governance в течение двенадцати месяцев.
• Snowflake и Databricks отбирают долю в governance у Collibra, Alation и Informatica через Horizon, Polaris и Unity. Устаревшим каталожным вендорам срочно нужна новая история.
• Инвестируйте в переносимый семантический слой и каталог производственного качества до того, как коммититься к единому агентному клиенту. Слой под ним более долговечен, чем чат-бокс сверху.
• Планируйте для недетерминированных потребителей, ограниченных идентификаторов агентов и неожиданных счетов за вычисления. Операционная модель для агентов — это не операционная модель для дашбордов.