Разбор
JPMorgan о технологиях 2026: 4 мегатренда, которые переворачивают бизнес — от агентов до квантов
JPMorganChase выпустил отчёт Emerging Technology Trends 2026. Разобрали 4 мегатренда: контекстные архитектуры, буст инференса, конец переключения приложений и симуляционное тестирование. Что это значит для CMO, собственника и маркетинг-директора — без воды, с цифрами и практикой.
Каждый год крупнейший банк Америки выпускает отчёт, который читают CIO, CTO и венчурные партнёры. В апреле 2026 JPMorganChase опубликовал 2026 Emerging Technology Trends — 90-страничный документ, который сводит в одно место всё, что происходит на пересечении AI, инфраструктуры и пользовательских интерфейсов.
Я прочитал его за вас, отфильтровал хайп от реального и собрал то, что действительно важно знать CMO, директору по маркетингу и собственнику бизнеса. Не разработчику. Не инженеру. Именно тому, кто принимает решение: «куда мы идём и что мы покупаем в 2026».
Отчёт строится вокруг четырёх мегатрендов. Разберём каждый — с цифрами, логикой и практическим выводом для бизнеса.
Сначала — короткий тест. Проверьте, какой тренд актуален лично вам
Следующие 4 вопроса займут меньше минуты и покажут, с какого из мегатрендов вам стоит начать. Результат персонифицированный — расскажем, что читать внимательно, а что можно пробежать по диагонали.
Какой мегатренд важен именно для вашего бизнеса
4 вопроса. Результат — персональная карта приоритетов.
Контекстные архитектуры: всё решают данные, а не модель
Главный сдвиг 2026 года — мы перестали обсуждать, какая модель лучше. Claude, GPT, Gemini, LLaMA — все достигли плато «достаточно хорошо». Реальное конкурентное преимущество ушло на уровень выше: кто умеет правильно подавать модели контекст.
JPMorgan даёт эту тему самым большим разделом в отчёте — 13 подтем. Это не случайно. Банки первыми почувствовали: запрос типа «проанализируй клиента» бесполезен, если у вас 12 систем, 40 таблиц и ни одной онтологии.
Physical AI: роботы, которые наконец работают
По оценке McKinsey, рынок Physical AI превысит $370 млрд к 2040 году. Это не про гуманоидных роботов из киношек — это про автономные агенты, IoT-датчики, edge-вычисления, дроны для доставки, роботов-мерчандайзеров на полках в магазинах.
Ключевое слово — sim-to-real transfer. Модели обучаются в симуляции (где тренировка в 10 000 раз дешевле) и переносятся в физический мир. NVIDIA Isaac, Google DeepMind RT-2, Tesla Optimus — у всех одна парадигма.
Что это значит для маркетинга В B2C-ритейле к 2028 году роботы начнут влиять на user experience: автоматический мерчандайзинг, динамические ценники, робот-ассистент в примерочной. В B2B — автоматизация складов и логистики напрямую влияет на Promise Time, который всё больше становится маркетинговым фактором. «Доставка за 2 часа» — это не про курьера, это про Physical AI.
Private market data insights exchanges
Малоизвестная, но мощная тема: рынок private data exchanges растёт с $8 млрд до $18 млрд к 2030 году (BlackRock, CAGR 14,5%). Данные становятся активом, которым торгуют AI-агенты. Один агент продаёт другому «инсайт» — паттерн, который он нашёл в данных.
Это важно, потому что через 2–3 года ваш маркетинг будет покупать данные не в виде «отчёт в PDF», а в виде «сигнал в реальном времени от AI-агента X».
Knowledge graphs и семантические слои
Самая недооценённая технология года. Graph RAG (retrieval-augmented generation поверх графа знаний) даёт AI-моделям понимание связей между сущностями — а не просто текстовых фрагментов.
Snowflake в 2026 запустил Open Semantic Interchange (OSI) — открытый стандарт для семантических слоёв между системами. По сути, это общий язык для AI-агентов внутри компании.
Форматы данных для AI — Parquet устарел
Внимание, технический момент, который всё-таки важен для маркетологов. 80–90% новых данных — неструктурированные (Gartner): видео, аудио, картинки, PDF. Старые форматы Parquet и Iceberg проектировались под таблицы, и для AI они медленные.
На сцену вышли новые форматы:
- Lance (используется Meta и Netflix) — оптимизирован под ML
- Nimble (Meta) — для видео и мультимодальных данных
- Vortex — быстрее Parquet в 5–10 раз на AI-задачах
Для маркетинга это означает одно: если вы планируете серьёзно работать с видео-контентом через AI (генерация, анализ, персонализация) — выбор хранилища становится критическим.
Context engineering: новая профессия
Почему prompt engineering больше не главный навык
В 2023–2024 все бросились учиться prompt engineering. В 2026 стало понятно: хороший промпт без правильного контекста — как Ferrari без бензина. Anthropic в октябре 2025 выпустил Skills — способ давать моделям многоразовые наборы навыков. В ноябре 2024 — MCP (Model Context Protocol), который за год стал отраслевым стандартом.
Context engineering — это дисциплина по построению инфраструктуры, которая подаёт модели нужные данные в нужный момент: из CRM, из файлов, из веб-поиска, из баз знаний. Это работа для инженера данных + продакта + немного ML.
По Gartner, 75% API gateway вендоров внедрят MCP к концу 2026 года. Это значит, что через год ваши AI-инструменты будут общаться друг с другом по единому стандарту — как сейчас HTTP связывает сайты.
Reinforcement Learning Environments: Anthropic тратит $1B+
Одно из самых громких откровений отчёта: Anthropic расходует более $1 млрд в год на RL-среды — симуляционные окружения, где модели учатся методом проб и ошибок. Возникает новый класс сервисов — RLaaS (Reinforcement Learning as a Service).
Для бизнеса это означает: в 2026–2027 появятся специализированные модели, обученные именно под вашу отрасль. Retail-специализированная модель, legal-специализированная, medical. Универсальные будут проигрывать в вертикалях.
Context engineering для разработки
JPMorgan отдельно выделяет context engineering for SDLC (software development lifecycle). Ключевые элементы:
- Knowledge graph of codebase — AI видит всю кодовую базу как граф
- Episodic memory — модель помнит прошлые сессии
- Auto-updated wikis — документация пишется AI на основе реального кода
Почему это важно маркетологу? Потому что ваш сайт, рассылки, автоматизации — это код. Через 2 года каждое изменение на сайте будет сопровождаться AI-агентом, который помнит, что вы тестировали в прошлом квартале.
Эволюция AI-протоколов
Agentic SRE и Observing AI
Две технические темы, которые маркетологам нужно знать в один абзац:
- Agentic SRE — AI-агенты, которые сами мониторят, диагностируют и чинят инциденты. Игроки: Deductive, Traversal, Resolve.ai, Dynatrace. Это означает, что когда ваш сайт упадёт в чёрную пятницу, чинить его будет AI, а не дежурный.
- Observing AI — AI observability. Мониторинг токенов, drift, accuracy AI-моделей. Спецификация OpenInference становится стандартом.
Data-centric security и DSPM
Данные превратились в движущийся объект. Старая парадигма «забаррикадировать периметр» умерла. Новая — DSPM (Data Security Posture Management): следим за данными, куда бы они ни двигались.
Эволюция DLP (Data Loss Prevention) — теперь это не набор правил на e-mail-шлюзе, а AI-движок, понимающий контекст: «этот файл — финансовый отчёт, и он не должен покидать компанию».
Agentic IAM и KYA — новая критическая тема
Вот это — бомба. Количество AI-агентов выросло на +327% за 2 года (Salesforce). И каждый агент — это отдельная идентичность, которой нужно управлять.
Возникает понятие KYA (Know Your Agent) — по аналогии с KYC в финансах. AWS и Microsoft уже строят identity control plane для агентов. Google — через свою AgentSpace.
Для маркетинг-директора Через год ваши AI-агенты будут делать закупки, запускать рекламу, отвечать клиентам. Если каждый из них авторизуется «как Лёха из маркетинга», вы не отследите, кто на что потратил. Нужна отдельная identity для каждого агента, с ограниченными правами и полным логом действий. Начните думать об этом сейчас, пока их у вас 3, а не 300.
Human Risk Management
74% CISO называют человеческий фактор главным риском (IBM). AI-фишинг, deepfakes, SEO poisoning — атаки становятся персонализированными и психологически точными.
Атакующий AI пишет письмо, которое выглядит как от вашего CFO, с реальными деталями из LinkedIn, с идеальным тоном. Сотрудник кликает. Защита — не больше антивирусов, а обучение людей и AI-помощники, которые проверяют входящие на аномалии.
Спрос на inference разгоняет новый AI-стройбум
Если первый тренд — про мозги (данные и контекст), то второй — про мышцы. Каждый запрос к AI-модели — это inference, расход вычислений. И с каждым месяцем бизнес делает таких запросов всё больше.
AI-инфраструктура: атомные мини-реакторы и фотоника
JPMorgan разбирает три технических фронтира, которые меняют экономику AI:
- SMR (Small Modular Reactors) — мини-атомные реакторы прямо при дата-центре. Amazon, Microsoft, Google подписали контракты. Первые коммерческие — 2028–2030.
- Liquid cooling — жидкостное охлаждение. Традиционный воздух не справляется с GPU-кластерами. 40% новых серверов в 2026 будут liquid-cooled.
- Photonic networking — оптические соединения внутри чипа и между чипами. Убирает электрическое bottleneck.
Cloud native AI: экономика inference
Отдельный огромный рынок — оптимизация inference, $100B+ за 5 лет. Ключевые технологии:
- vLLM — самый популярный open-source inference engine
- llm-d — distributed inference
- KV cache — переиспользование вычислений между запросами
- paged attention — экономия памяти на длинных контекстах
- continuous batching — параллельная обработка запросов
Почему это важно для CMO, а не только для CTO
Каждый ваш чат-бот, каждая персонализация, каждая генерация картинки — это расход на inference. В 2024 году типичный AI-бюджет маркетинга был $5–50k/год. В 2026 — $50–500k. В 2027 будет больше, если не думать про оптимизацию.
vLLM и paged attention — не магические слова для презентации. Это инструменты, которые позволяют сократить стоимость inference в 3–10 раз при том же качестве. Если вы строите in-house AI-стэк — это критичный вопрос к вашей команде.
Если вы покупаете SaaS (Jasper, Copy.ai, отечественные аналоги) — спросите у вендора: вы делаете инференс сами или через API больших моделей? В 2027 разница в цене будет 5x.
Квантовые вычисления: наконец-то правда
JPMorgan редко называет технологию зрелой. В 2026 они это делают для квантов.
Google Willow в конце 2024 превысил surface-code threshold — математический порог, после которого квантовые вычисления теоретически могут быть надёжными. Quantinuum в 2025 показала fault-tolerant quantum gates.
Цель индустрии — 1200 кубитов к 2028–2030. Рынок прогнозируется в $1 млрд к 2028 и $100 млрд к 2040.
Критично: post-quantum криптография Квантовые компьютеры сломают современное шифрование (RSA, ECDSA). Кто-то может собирать зашифрованные данные уже сейчас («harvest now, decrypt later») и расшифровать их в 2030. Для бизнеса — договоры, клиентские данные, контракты — всё, что сейчас шифруется, через 5–7 лет может стать публичным. NIST уже утвердил post-quantum стандарты (ML-KEM, ML-DSA). Миграция — проект на 3–5 лет. Начинать нужно сегодня.
Конец переключения приложений: интент — новый интерфейс
Это самый маркетинговый раздел отчёта. JPMorgan утверждает: эпоха, когда пользователь открывал по 15 приложений в день, заканчивается. Пользователь говорит «хочу X» — и агент делает X, переключаясь между приложениями сам.
Агентные браузеры: $76.8B к 2034
Браузер теперь не пассивный окошко с HTML, а агент. Он открывает сайты, кликает кнопки, заполняет формы, сравнивает цены — и возвращает результат пользователю. OpenAI Atlas, Perplexity Comet, Arc Search, Anthropic’s browser — игроки уже вышли на рынок.
Главное следствие для маркетинга — GEO (Generative Engine Optimization). Классическое SEO оптимизировалось под алгоритмы Google для человека. GEO оптимизируется под AI-агента, который читает вашу страницу и решает, купить или нет.
Чеклист: как подготовить сайт под GEO
- Структурированные данные (Schema.org) — Product, Offer, FAQ, HowTo. Без них агент не понимает, что продаёте.
- Чистый семантический HTML — заголовки h1-h3, семантические теги, не «div-суп».
- Явный FAQ и Q&A секции — агенты любят формат вопрос-ответ.
- Четкие цены, сроки, условия — без «цена по запросу» и «свяжитесь с менеджером».
- llms.txt в корне сайта — новый стандарт, аналог robots.txt, но для AI-агентов.
- API для машинного доступа — если у вас e-commerce, агенту проще работать с JSON, чем парсить HTML.
- Verified merchant signals — отзывы, сертификаты, рейтинги в schema-формате.
AI-native workspaces: Google Agent Mode и Microsoft Copilot
Google Gemini Agent Mode и Microsoft Copilot Agent Mode превращают рабочее место в agent-centric. Вы даёте задачу — «подготовь квартальный отчёт, проверь в CRM, сравни с планом, скажи риски» — и получаете результат.
Для маркетинга это значит: через 1–2 года сотрудники в крупных компаниях перестанут открывать по отдельности HubSpot, Google Analytics, Salesforce. Всё — через агента.
Generative UX (GenUI): конец статичного сайта
91% потребителей хотят персонализацию. 71% ожидают её от компаний. AI-персонализация даёт:
- +35% частоты покупок
- +21% среднего чека
GenUI — это интерфейс, который генерируется под конкретного пользователя в реальном времени. Не просто «Здравствуйте, Иван», а целая структура страницы: какие блоки, в каком порядке, какими картинками, с какими триггерами.
Multi-modal social listening
Рынок social listening — $2,83 млрд в 2026. И это уже не про парсинг твитов. 82% интернет-трафика = видео. 85% людей покупают после просмотра видео.
Multi-modal listening — AI смотрит видео, слушает аудио, читает комментарии, понимает контекст — и говорит вам, что люди на самом деле обсуждают ваш бренд.
Практика для маркетинга Если у вас есть YouTube или TikTok-канал — в 2026 уже нельзя ограничиваться метриками просмотров и комментариев. Multi-modal инструмент (типа Brandwatch, Talkwalker с AI-модулем, Sprinklr) показывает, в каких моментах видео падает внимание, какие фразы вызывают эмоцию, какие визуалы работают. Это кратно точнее, чем опросы.
Agentic wearables: очки, серьги, наушники
CAGR 27%+. AR-очки (Meta Ray-Ban, Apple Vision), умные серьги (Nothing Ear), дискретные наушники-ассистенты. К 2028 году критическая масса пользователей будет ходить с AI-агентом в ухе 24/7.
Для рекламы это значит новый канал — аудио-реклама через AI-ассистента. Не баннер, а голос, который в контексте разговора что-то рекомендует. Регулирование ещё не готово. Ранние игроки получат огромный advantage.
Симуляционное тестирование: синтетические пользователи и цифровые атаки
Четвёртый мегатренд — про то, как мы проверяем гипотезы. Раньше: «запустим рекламу, посмотрим CTR». В 2026: «прогоним рекламу через 10 000 синтетических пользователей, потом запустим».
Синтетические пользователи: 4 категории
JPMorgan выделяет чёткую таксономию:
1. Synthetic research — базовый уровень
AI-персоны отвечают на вопросы опроса. Быстро, дёшево, но поверхностно. Используется для валидации тезисов и заголовков. Стоимость: ~$0,01 за ответ вместо $5–20 за реального респондента.
2. Comprehensive synthetic research — глубокое
Персоны имеют историю, контекст, биографию. Могут вести длинные разговоры, менять мнение. Используется для глубинных интервью, фокус-групп, customer journey.
3. Multimodal synthetic research — с визуалом
Персоны «смотрят» дизайн, рекламу, упаковку и дают обратную связь. Eye-tracking симулируется, эмоциональная реакция предсказывается. Рынок dashboard-тестирования креатива взорвётся в 2026.
4. Multimodal agentic simulations — топ-уровень
Синтетические агенты реально ходят по вашему сайту, кладут товар в корзину, бросают её, возвращаются. Полный e-commerce-симулятор. Используется для тестирования крупных редизайнов до запуска.
Что делать маркетингу прямо сейчас Начните с категории №1 — synthetic research для валидации заголовков, офферов, CTA. Стоимость входа — $200–500/мес (Evidenza, Synthetic Users, отечественные аналоги). За 1 спринт можно протестировать 20–30 гипотез, которые в офлайне заняли бы квартал.
Proactive defense: digital twins для кибератак
Последняя тема — темнее. Digital twins для кибератак: вы строите точную копию своей инфраструктуры и симулируете атаки на ней. Negative TTE (Time-to-Exploit) — метрика, сколько уязвимости живёт до того, как её найдут защитники.
Amazon ATA (Autonomous Threat Analysis) — один из флагманских продуктов. AI-красная команда круглосуточно атакует ваши системы и сама же их патчит.
Для маркетинга это косвенно: если у вас на сайте утечка данных, за неделю у вас минус 30% трафика. Кибербезопасность в 2026 — маркетинговая метрика.
Что делать прямо сейчас: практический чек-лист
Хватит теории. Что делать CMO, директору по маркетингу, собственнику — на следующие 90 дней.
- Аудит данных и контекста. Прежде чем покупать ещё один AI-инструмент, выясните: у вас есть единая онтология? Семантический слой? Структура, в которой клиент, продукт, заказ — явные сущности со связями? Если нет — первая инвестиция не в AI, а в data-инфраструктуру.
- Identity для AI-агентов. Введите правило: каждый AI-инструмент получает отдельный служебный аккаунт с ограниченными правами. Не «все ходят из-под CEO». Это базовая гигиена на 2026.
- Пилот synthetic research. Возьмите одну живую гипотезу (новый лендинг, заголовок кампании) и протестируйте на synthetic users ДО запуска. Сравните результат с живым A/B. Подсчитайте ROI.
- GEO-аудит сайта. Проверьте schema.org-разметку, добавьте llms.txt, наведите порядок в семантическом HTML. Через год агенты будут читать ваш сайт — не люди.
- MCP-интеграции. Посмотрите, какие из ваших инструментов уже поддерживают MCP. Начните собирать internal MCP-хаб — к концу 2026 это будет ядро AI-стека.
- Post-quantum roadmap. Поговорите с CTO о миграции шифрования. Это не срочно в 2026, но вы хотите начать планирование сейчас, а не через 5 лет в режиме пожара.
- Multi-modal social listening. Если бюджет позволяет — подключите инструмент, который анализирует видео и аудио о бренде, а не только текст. Инсайты кратно точнее.
- Обучение людей. 74% рисков — от людей. AI-фишинг и deepfakes будут только расти. Полноценное обучение по security awareness — не разовый курс, а ежеквартальный процесс.
Итог: три большие идеи, которые стоит запомнить
Первая. Гонка моделей закончилась — начинается гонка контекста. Победят те, у кого лучше данные, онтологии, семантические слои. Это не про ещё одну подписку на ChatGPT, это про архитектуру.
Вторая. Интерфейс становится агентом. Пользователь больше не скроллит сайт — он говорит «купи» и агент ищет лучший вариант. Если вашего сайта нет в формате, который агент понимает, вас просто не существует.
Третья. Симуляция становится частью маркетинга. Синтетические пользователи, digital twins, предиктивные модели — это не «когда-нибудь», это в 2026 году уже в проде у фронтираннеров. Кто не начнёт сейчас — через 18 месяцев будет играть в догонялки.
JPMorgan в своём отчёте избегает хайпа и громких слов. Но между строк читается ясное: технологии 2026 года — это не апгрейд. Это смена поколения инструментов, канала и парадигмы работы с клиентом. Кто перестраивается сейчас — выигрывает следующий цикл. Кто ждёт — платит потом втридорога.
Финальный совет Не пытайтесь объять все 4 мегатренда сразу. Пройдите квиз в начале статьи, выберите один — и инвестируйте в него на ближайший квартал. Остальные подтянутся. Маркетинг 2026 — это не про ширину, а про глубину.
Источники
Читайте также
Часто задаваемые вопросы
- Что такое Physical AI и когда он придёт в бизнес?
- Physical AI — это искусственный интеллект, который управляет физическими объектами: роботами, IoT-датчиками, автономными машинами, edge-устройствами. По оценке McKinsey, рынок превысит $370 млрд к 2040 году. Для бизнеса это означает автоматизацию складов, мерчандайзинга, клиентского сервиса и рекламных установок. Первые коммерческие внедрения в B2B-секторе начнутся уже в 2026–2027 годах.
- Как агентные браузеры изменят SEO и маркетинг?
- Агентный браузер — это программа, которая сама ходит по сайтам и принимает решения за пользователя. Рынок вырастет с $4,5 млрд (2024) до $76,8 млрд (2034) при CAGR 32,8%. Для маркетинга это означает переход от SEO к GEO (Generative Engine Optimization): сайт должен быть понятным не человеку, а AI-агенту, который принимает решение о покупке. Побеждает не красивый дизайн, а структурированные данные.
- Что такое контекстный инжиниринг и чем отличается от prompt engineering?
- Prompt engineering — это искусство формулировать запрос. Context engineering — это построение инфраструктуры, которая подаёт модели правильные данные в правильный момент. Anthropic тратит более $1 млрд на reinforcement learning среды, а инструменты MCP и Skills становятся стандартом. Для бизнеса это означает: побеждают те, у кого правильно организованы данные, онтологии, семантические слои.
- Почему квантовые компьютеры важны уже сейчас?
- В 2025 году Google Willow преодолел surface-code threshold, а Quantinuum достиг fault-tolerant операций. Рынок квантовых вычислений достигнет $1 млрд к 2028 году и возможных $100 млрд к 2040. Уже сегодня нужно готовиться к post-quantum криптографии — иначе через 5–7 лет все ваши зашифрованные данные окажутся публичными. Это не hype — это критическая угроза бизнесу.
- Что такое Agentic IAM и зачем компании KYA (Know Your Agent)?
- Количество AI-агентов, работающих от имени компаний, выросло на 327% за два года (Salesforce). Каждый такой агент — отдельная идентичность, которой нужно управлять: давать права, отслеживать действия, блокировать при подозрении. AWS и Microsoft уже строят identity control plane для агентов. Без Agentic IAM через 2 года у вас в системе будут тысячи неучтённых роботов, которые могут слить данные или потратить бюджет.
- Что такое синтетические пользователи и заменят ли они реальные фокус-группы?
- Синтетические пользователи — это AI-персонажи, которые имитируют поведение целевой аудитории для исследований. Выделяют 4 категории: synthetic research, comprehensive synthetic research, multimodal synthetic research и multimodal agentic simulations. Они не заменят реальные исследования, но существенно удешевят гипотезы: тестировать посыл на 10 000 синтетических персон в 100 раз дешевле, чем нанимать агентство.
- С чего начать маркетологу внедрение AI-агентов в 2026?
- Три шага. Первый: аудит данных — семантический слой, структурированные источники, единая онтология. Второй: выбор одной узкой задачи для пилота (например, генерация и A/B-тест креативов). Третий: настройка identity для агентов — не давайте одному AI права ко всему, сегментируйте доступы. Не начинайте с автономных агентов, которые сами принимают решения — начните с co-pilot режима, когда AI предлагает, а человек утверждает.
Пока без комментариев. Будьте первым.