10 интересных выводов из Databricks State of AI Agents 2026
Databricks недавно опубликовала отчет State of AI Agents report, основанный на данных более чем 20 000 организаций, включая свыше 60% компаний из Fortune 500. Эти цифры стоит обдумать. Ниже — 10 выводов, которые важнее всего для B2B-фаундеров и операторов.
[](#)
#1. Только 19% организаций действительно внедрили AI agents
Главный вывод — на текущий момент. Все говорят об AI agents. Но у большинства они пока не внедрены. 67% организаций в той или иной форме используют AI-powered tools, однако реальное внедрение AI agents по-прежнему остается в меньшинстве. Разрыв между разговорами об agents и их запуском в production — это и есть история 2025 года и, вероятно, большей части 2026-го.
#2. Multi-agent systems выросли на 327% всего за четыре месяца
Переход от чатботов одной задачи к скоординированным multi-agent systems происходит не медленно. На платформе Databricks использование multi-agent workflows выросло на 327% за четыре месяца. Как только организации понимают, как orchestrate agents across specialized domains, adoption резко ускоряется. Это не плавная кривая внедрения. Это ступенчатый скачок.
#3. AI agents теперь создают 80% databases. Два года назад было 0,1%
Это один из самых поразительных показателей во всем отчете. В октябре 2023 года 0,1% databases в Neon, serverless Postgres layer, который приобрела Databricks, были созданы AI agents. К октябрю 2025 года этот показатель вырос до 80%. Это не постепенный прогресс. Это полная передача ключевой инфраструктурной функции agents всего за 24 месяца.
[](#)
#4. 97% database branches теперь создаются AI agents
Та же история, но еще более выраженная. Database branches — изолированные среды для тестирования и разработки — за два года выросли с 0,1% созданных agent до 97%. Human engineers теперь в значительной степени выведены из этого цикла. Операционные последствия для vendors database infrastructure огромны.
#5. Tech companies строят почти в 4 раза больше multi-agent systems, чем любая другая отрасль
Среди всех отслеживаемых отраслей technology companies внедряют Supervisor Agent architectures почти в четыре раза чаще, чем ближайший сектор. Причина понятна: tech-команды лучше умеют дробить сложные бизнес-проблемы на отдельные, решаемые подзадачи, с которыми agents могут работать параллельно. Другие отрасли тоже придут к этому, но tech-сектор сейчас бежит в другой гонке.
#6. 78% компаний уже используют две или более families LLM моделей
Эпоха «выбрать одну модель и не менять» закончилась. По состоянию на октябрь 2025 года 78% компаний на платформе Databricks используют две или более LLM families — будь то GPT, Claude, Llama, Gemini, Qwen или другие. Еще показательнее другое: доля компаний, использующих три и более model families, выросла с 36% до 59% всего за три месяца — с июля по октябрь 2025 года. Multi-model теперь — базовая enterprise AI strategy.
#7. 40% топовых AI use cases связаны с customer experience
Несмотря на весь разговор о внутренней продуктивности, крупнейшая концентрация enterprise AI deployments приходится на работу с клиентами: support, onboarding, advocacy, personalized content. Именно там ROI проще всего доказать, а объем повторяющейся работы максимален. В healthcare акцент смещен на синтез медицинской литературы. В manufacturing и energy — на predictive maintenance. Но во всех отраслях доминирует клиентская работа.
#8. Более 50 000 data and AI apps были созданы на платформе Databricks примерно за год, а за последние шесть месяцев этого периода рост составил 250%
Vibe coding, когда неинженеры описывают, что им нужно, а AI пишет код, перешел из концепции в измеримое production-явление. Citizen developer — это реальность, и цифры ускоряются. Интересно в данных Databricks то, какой workflow они показывают: business users собирают прототип через vibe coding, а затем data teams и engineers берут то, что действительно работает, и превращают это в production для enterprise-развертывания. Это принципиально другой motion разработки ПО, чем любой, который существовал три года назад. Gartner оценивает, что к 2028 году 40% нового production software будет создаваться именно так. Судя по данным платформы Databricks, эта оценка может быть даже консервативной.
#9. Компании, использующие AI governance, выводят в production в 12 раз больше проектов
Это самый ясный доказательный вывод отчета. Организации, внедряющие unified AI governance — определенные политики использования данных, guardrails, rate limits, структурированную accountability, — запускают в производство в двенадцать раз больше AI projects, чем те, у кого этого нет. Использование AI governance на платформе Databricks выросло в 7 раз за девять месяцев. Тот бизнес, который воспринимает governance как ускоритель, а не как галочку для compliance, и есть тот, кто действительно внедряет AI на масштабе.
#10. Компании, использующие AI evaluation tools, выводят в production в 6 раз больше проектов
Governance и evaluation работают вместе. Evaluation tools, которые постоянно тестируют accuracy, safety и compliance на собственных данных и KPI предприятия, а не по общим benchmark’ам, и закрывают разрыв между pilot и production. Организации, использующие такие инструменты, выводят в production в шесть раз больше AI projects, чем те, у кого их нет. Evaluation — это механизм, который закрывает этот разрыв.
Еще несколько данных, на которые стоит обратить внимание:
- 96% всех AI inference requests обслуживаются в real time, а не batch. Subsecond AI теперь ожидается во всех отраслях.
- Supervisor Agent за четыре месяца после запуска в июле 2025 года вырос с нуля до use case №1 среди agents, заняв 37% всего использования Agent Bricks к октябрю. Когда существует правильный orchestration primitive, enterprises внедряют его очень быстро.
- Retail лидирует среди всех отраслей по multi-model AI adoption: 83% компаний используют две или более LLM families, сознательно смешивая модели, чтобы балансировать performance и cost в зависимости от задачи.
- Tech industry строит почти в 4 раза больше multi-agent systems, чем любой другой сектор, и обрабатывает 32 real-time AI requests на каждый batch request. Оба показателя говорят об одном и том же: tech-компании operationalized agents быстрее и глубже, чем кто-либо еще.
- * *
Источник: Databricks State of AI Agents 2026, на основе агрегированных, анонимизированных данных более чем 20 000 организаций, включая свыше 60% Fortune 500.
Хотите глубже разобраться во всем этом?
Arsalan Tavakoli, сооснователь и SVP of Field Engineering в Databricks, будет на SaaStr AI Annual 2026 12–14 мая в районе San Francisco Bay Area. Приходите познакомиться с ним и услышать все напрямую от команды, стоящей за этими данными.
Зарегистрируйтесь здесь.
Материал — перевод статьи с английского.