Умението да свържеш две системи през API и да наречеш това „автоматизация“ губи цената си по-бързо, отколкото пазарът е склонен да признае. Това обаче не е присъда за самата индустрия. Когато изпълнението поевтинее, поскъпват преценката, стратегията и способността да обясниш на един бизнес какво всъщност си струва да се промени.

Илюстрация: Getty Images

Най-ясният сигнал идва от самите тестове за способности. Още през април Zapier представи AutomationBench – бенчмарк, който постави AI агент в симулирана компания с CRM, входяща поща, календар и таблици и оценява само едно: дали правилните данни са стигнали до правилните системи. В публикуваната научна статия най-добрите модели постигат под 10%. В актуалната класация водещият резултат вече е 51,3%, а най-силните модели на Google, Anthropic и OpenAI са между около 41 и 51%. По функции прагът е още по-висок: най-добрият модел стига 68% при операциите и по 58% при продажбите и маркетинга. И всичко това, за по-малко от половин година.

Същата посока показва и GDPval на OpenAI – набор от реални работни задачи в 44 професии, създадени от специалисти със средно 14 години опит и оценявани на сляпо от експерти. При старта през септември 2025 г. най-добрият модел се равняваше на човешкия специалист или го надминаваше в малко под половината от случаите. В актуализирани резултати, представени на ICLR 2026 водещият модел достига около 74%. OpenAI твърди още, че моделите изпълняват тези задачи около 100 пъти по-бързо и 100 пъти по-евтино, но уточнява, че числото включва само време за изчисление и цена на API, а не човешкия надзор, итерациите и интеграцията.

Казано нагледно: процес, чието внедряване преди година и половина се продаваше за около 10 000 евро, днес в простите си варианти може да се получи с добре формулиран промпт и разход от само няколко евро цента за токени. Информационната пропаст, от която консултантите печелеха години наред, бързо се стеснява.

Картината обаче не е еднопосочна. Самият Zapier подчертава, че оценката е строга: задачата се брои за решена само ако всяко твърдение за крайното състояние на системите е вярно. Това означава, че и водещите модели все още се провалят при почти всяка втора задача. Най-коварната причина е свръхувереността, според анализ на компанията между 72% и 91% от неуспехите на три от водещите модели са идвали от това, че агентът е отчел задачата като изпълнена, докато данните в системите са били грешни. А Gartner прогнозира, че над 40% от проектите за агентен AI ще бъдат прекратени до края на 2027 г. заради растящи разходи, неясна бизнес стойност или недостатъчен контрол на риска. 2027 г. няма да е нито краят на автоматизацията, нито безпроблемно шествие. Тя ще е година на сортиране – кой знае какво да автоматизира и кой само умее да го свърже.

No-code не умира, а сменя ролята си

Пазарните сигнали, които следя, сочат трайно изместване на търсенето от чисто визуалното сглобяване на сценарии към кодиране чрез агенти, персонализиран код и вътрешни уеб приложения. Това не означава, че платформите изчезват, те променят същността си. n8n беше оценена на 5,2 млрд. долара след стратегическата инвестиция на SAP през май 2026 г., повече от два пъти спрямо 2,5 млрд. долара през есента на 2025 г., и ще бъде вградена в средата на SAP за изграждане на агенти. Zapier пък вече се определя като платформа за AI оркестрация. Посланието на пазара е еднакво: стойността не е в „свързваме приложения“, а в „управляваме работата на агенти“.

Същевременно простото генериране на текст и картинки престана да впечатлява. По данни на Eurostat през 2025 г. създаването на изображения, видео и звук вече е втората по разпространение употреба на AI в европейските компании – при 9,5% от фирмите с поне 10 заети, веднага след анализа на писмен език (11,8%). Когато нещо стане масово, ценността му се премества към по-трудния слой. Затова очаквам търсенето да се насочи към формати с по-висока пропускателна способност – автоматизирано видео, 3D визуализации и интерактивни симулации за конкретни индустрии, както и персонализирани вътрешни инструменти. Това е прогноза, а не измерен факт, но посоката е позната.

От „как да го изградим“ към „какво да изградим“

През първата половина на 2027 г. очаквам вълна от бизнес лидери да осъзнаят колко е скочила способността на AI и да установят, че нямат време да навлязат в детайлите сами. Те ще потърсят човешки експерти, но поръчката ще е различна: все по-малко „изградете ми го“, все повече уъркшопи, консултации и внедряване на екипни практики.

Данните показват къде е дефицитът. В проучване на Zapier от март 2026 г. сред 542 ръководители на големи американски компании 94% казват, че организацията им вече използва AI, а 77% определят уменията на работната сила като спешна нужда. Само 7% обаче възлагат обучението на HR или на отдела за обучение и развитие. В друго проучване на компанията една трета от ръководителите очакват да потърсят външни консултанти или партньори за AI умения, а според по-ранни данни на Zapier служителите без обучение са шест пъти по-склонни да твърдят, че AI ги прави по-малко продуктивни.

За България задачата е още по-осезаема. Според Eurostat през 2025 г. AI са използвали 8,55% от българските предприятия с поне 10 заети, при почти 20% средно за ЕС – третият най-нисък дял в Съюза. Сред българските фирми, които изобщо са обмисляли AI, 72,7% посочват липса на експертиза като причина да не го използват.

Тази пролука между желание и умения е мястото на новата експертна работа: среди за съвместна работа с AI агенти, в които консултантът създава персонализирани умения за конкретната организация и обучава целия екип как да работи с тях. Стойността вече е в отговора на въпроса „какво да изградим“ – кои процеси изобщо си струва да бъдат автоматизирани. Към това се добавят кратки пазарни ниши с асиметрична възвръщаемост – прозорци, които се отварят и затварят за седмици и изискват бърза реакция и гъвкавост.

Когато всеки с достъп до агент разполага с технически капацитет, техническата компетентност престава да е разграничител. Моята теза е директна: способността да продаваш, да позиционираш оферта и да разбираш бизнес логиката на клиента вече е многократно по-ценна от чистото техническо изпълнение. Един от трите проблема, които Gartner посочва, неясната бизнес стойност, няма как да се реши с още един скрипт. Решава се с разговор за резултата. Най-успешните специалисти няма да са тези с най-сложния код, а тези, които умеят ясно да формулират ползата за клиента.

Защо това остава най-сигурното място

По дефиниция AI автоматизацията е използването на технология за намаляване на човешкия труд. Същата трансформация, която преобръща работата на автоматизаторите, вече засяга счетоводството, маркетинга, правото, ИТ и софтуерната разработка. В свят, в който трудът масово се автоматизира, най-сигурното и доходоносно място е самата индустрия, която извършва автоматизацията. Нейните специалисти са мостът между „Икономика 1.0“ и „Икономика 2.0“ – хората, които подготвят организациите за бъдещето.

Дори Gartner, която предупреждава за масово прекратени проекти, очаква поне 15% от ежедневните работни решения да се вземат автономно от агентен AI до 2028 г. Всяко от тях ще изисква някой да е решил какво се автоматизира, как се проверява и кой носи отговорност. Новата година вероятно ще бъде най-печелившата за AI автоматизацията, но не за всички, които днес се наричат автоматизатори. Печелят онези, които навреме сменят въпроса, на който отговарят – от „как да го направим“ към „какво и защо да направим“. Изпълнението вече е работа на агентите.

The post Краят на класическата AI автоматизация: какво очаква индустрията през 2027 г.? first appeared on Forbes България.