Чтобы сохранить прибыль компаний, руководители должны вкладываться в надёжное управление ИИ, которое позволяет безопасно работать с инфраструктурой искусственного интеллекта.
При оценке внедрения корпоративного ПО повторяется один и тот же сценарий: технологии развиваются от отдельных продуктов к платформам, а затем превращаются в базовую инфраструктуру, что полностью меняет правила игры. Как отметил IBM в лице своего старшего вице-президента и главного коммерческого офицера Роба Томаса, на этапе продукта жёсткий контроль со стороны компании даёт преимущество. Закрытые среды разработки быстро улучшают продукт и полностью управляют опытом пользователей. Такой подход позволяет сосредоточить доходы внутри одной структуры, что работает на ранних стадиях.
Но, по данным IBM, всё меняется, когда технология становится фундаментом. Когда на неё опираются другие системы, внешние рынки и операции, стандарты адаптируются под новые условия. На уровне инфраструктуры открытость перестаёт быть просто идеей — она становится необходимостью.
ИИ как раз переходит этот рубеж в корпоративной архитектуре. Модели встраиваются прямо в процессы защиты сетей, создания кода, автоматизированных решений и генерации доходов. Искусственный интеллект выходит за рамки экспериментов и превращается в ключевую часть инфраструктуры.
Недавний ограниченный предпросмотр модели Claude Mythos от Anthropic ярко это иллюстрирует для руководителей, отвечающих за риски. Эта модель способна находить и использовать уязвимости в ПО на уровне лучших экспертов-людей.
Чтобы справиться с такой мощью, Anthropic запустила Project Glasswing — закрытый проект, который сначала отдаёт эти возможности защитникам сетей. С точки зрения IBM, это заставляет ИТ-директоров сталкиваться с реальными уязвимостями. Если автономные модели пишут эксплойты и влияют на безопасность, то сосредоточение знаний о них у немногих вендоров создаёт огромные риски, подчёркивает Томас.
Когда модели достигают статуса инфраструктуры, проблема выходит за рамки того, что они умеют делать. Главное — как их строят, контролируют, проверяют и совершенствуют со временем.
По мере роста сложности и важности базовых систем закрытые пайплайны разработки становится всё сложнее оправдать. Ни один вендор не предскажет все сценарии использования, атаки или сбои.
Непрозрачные ИИ-структуры создают проблемы в сетевой архитектуре. Связь закрытых моделей с корпоративными векторными базами данных или чувствительными озёрами данных приводит к узким местам в отладке. При аномалиях или галлюцинациях команды не видят, где ошибка — в RAG-пайплайне или базовых весах модели.
Интеграция локальных систем с закрытыми облачными моделями добавляет задержки. Когда правила не позволяют отправлять данные клиентов наружу, приходится их чистить и анонимизировать — это сильно замедляет работу.
Кроме того, постоянные вызовы API к закрытым моделям взвинчивают расходы на вычисления, подрывая ту самую прибыль, которую ИИ должен приносить. Непрозрачность мешает правильно подбирать железо, вынуждая переплачивать за избыточные ресурсы.
Почему открытый ИИ необходим для устойчивости операций
Ограничение доступа к мощным системам выглядит логичным из осторожности. Но Томас напоминает: на масштабе инфраструктуры безопасность растёт от внешней проверки, а не от секретности.
Это урок open-source разработки. Открытый код не убирает риски, а меняет их управление. Широкий круг исследователей, разработчиков и защитников проверяет архитектуру, находит слабости, тестирует и укрепляет ПО в реальных условиях, считает IBM.
В кибербезопасности видимость — не враг устойчивости, а её основа. Важные технологии безопаснее, когда их проверяют и улучшают многие.
Томас опровергает миф: open-source якобы убивает инновации. На деле открытая инфраструктура поднимает конкуренцию выше по стеку. Она перемещает ценность, а не уничтожает её.
По мере зрелости общих основ коммерческая ценность уходит в сложную реализацию, оркестрацию, надёжность, доверие и экспертизу в нишах. Долгосрочные победители — те, кто лучше применяет базу, по мнению IBM.
Мы видели это в прошлых поколениях инструментов, облаков и ОС. Открытые основы расширяли участие разработчиков, ускоряли улучшения и создавали новые рынки. Руководители всё чаще считают open-source ключом к модернизации инфраструктуры и ИИ. IBM уверена: ИИ пойдёт тем же путём.
Гиперскейлеры адаптируются: вместо гонки за закрытыми моделями они делают инструменты оркестрации, чтобы менять открытые модели под задачи. Такой подход избегает привязки к вендору и экономит ресурсы — простые запросы на лёгкие модели, сложные — на мощные. Разделение слоёв даёт гибкость и защищает прибыль.
Будущее корпоративного ИИ требует прозрачного управления
Ещё один аргумент за открытые модели — влияние на разработку продуктов. Ограниченный доступ к коду сужает взгляды. А участие определяет, какие приложения появятся.
Широкий доступ позволяет правительствам, институтам, стартапам и исследователям влиять на эволюцию и применение технологий. Это стимулирует инновации, адаптивность и доверие общества.
Как утверждает Томас, когда автономный ИИ становится основой инфраструктуры, секретность не обеспечивает безопасность. Надёжный путь — открытые основы, внешняя проверка, обслуживание кода и внутренний контроль.
По мере превращения ИИ в инфраструктуру эта логика применяется к самим моделям. Чем сильнее зависимость бизнеса, тем больше нужда в открытости.
Если автономные процессы фундаментальны для глобальной торговли, прозрачность — не опция, а обязательное требование для современной корпоративной архитектуры, настаивает IBM.