В ближайшие 10 лет трафик корпоративных сетей возрастет в 2,5 раза по сравнению с нынешним уровнем, а внедрение ИИ-агентов увеличит его рост до 9 раз за счет автономного выполнения задач и рабочих процессов с интенсивным формированием логических выводов. Такие данные получены в исследовании AI Impact on Wide Area Networks 2026, проведенного в Cisco Systems (отчет опубликован в мае 2026 года), согласно которому ИИ и агентный ИИ изменят форму трафика, его симметрию (баланс между входящими и исходящими потоками), продолжительность и критичность. По прогнозам Gartner, к 2035 году агентный ИИ будет приносить около 30% доходов от корпоративного ПО, что превысит 450 млрд долл. во всем мире (в 2025-м доля агентного ИИ в доходах ПО — 2%).

Сети десятилетиями оптимизировались для работы с видеопотоками, которые переключаются и прерываются людьми, развитие же агентного ИИ меняет профили и поведение сетевого трафика. Хотя объем трафика инференса и остается незначительным по сравнению с доминирующим потоковым видео, данные о потреблении токенов моделями ИИ свидетельствуют о его 10-кратном годовом росте. К 2035 году на инференс будет приходиться четверть сетевого трафика, который требует большей пропускной способности и формируется с «программной скоростью». Связь между логикой агента и моделями ИИ становится критически важной и напрямую влияет на функциональность агента, говорится в исследовании.

В отчете представлен анализ реального трафика (с использованием сервиса Cisco Crosswork Assurance User Experience), сторонние отраслевые данные, результаты измерений в реальном времени в сетях поставщиков услуг, а также анализа характеристик ИИ-трафика в процессе обучения моделей.

Основные выводы исследования:

— сетевой трафик будет увеличиваться с 2029-го по 2032 год со среднегодовым темпом около 25% под влиянием роста ИИ;

— потоки ИИ-инференса длятся в 2 раза дольше и они менее интенсивны, чем обычные веб-транзакции, что может повлиять на планирование производительности;

— медианная скорость потока данных инференса в 10 раз ниже, чем у обычных веб-транзакций, которые достигают гораздо более высоких пиков, так как контент может быть извлечен из любого места хранения;

— различия медианных значений, а также соотношения пиковых к средних показателей быстродействия могут потребовать разных настроек качества обслуживания (QoS) в сетях с трафиком ИИ-инференса и обычных веб-транзакций;

— анализ потоков ИИ-инференса показывает четкие различия в симметрии трафика: в инференсе 9% потоков имеют больше восходящего трафика, чем нисходящего, по сравнению с другими HTTP-транзакциями, где это происходит лишь примерно в 0,5% потоков; со временем асимметрия будет снижаться;

— запросы на инференс в LLM обычно выполняются с гораздо большей задержкой, чем обычные вызовы веб-API, а время отклика может измеряться секундами, поэтому необходимо отслеживать фактическую задержку логических выводов, поскольку это важнейший фактор, влияющий на оценку системы пользователями.

Реальный риск для поставщиков услуг, сетевых архитекторов и руководителей цифровой инфраструктуры состоит в том, что они могут считать, что ИИ-трафик ведет себя так же, как и все остальные его виды, хотя это не так, подчеркивают авторы исследования.