Компании, которые надеются успевать за стремительным темпом развития ИИ, должны глубоко понимать собственные бизнес-процессы и сохранять гибкость в выборе используемых моделей и агентов, считает высокопоставленный руководитель Dataiku.

Генеративный и агентный ИИ уже несколько лет широко применяется в корпоративном секторе. Однако, как и в начале бума ИИ, последовавшего за выпуском ChatGPT компанией OpenAI в 2022 году, темпы развития технологии, похоже, не подкреплены соответствующим масштабом внедрения. Сейчас, когда внимание приковано к стоимости использования ИИ, компаниям приходится критически оценивать способы применения генеративного ИИ и убеждаться, что они получают от этого реальную ценность.

Впрочем, недавно произошёл перелом: предприятия стали с меньшим скептицизмом относиться к тому, чем генеративные и агентные технологии ИИ могут быть им полезны. Необходимость внедрить эти технологии стала ощущаться особенно остро на фоне феномена OpenClaw — персонального агента с открытым исходным кодом, выпуска компанией Anthropic адаптируемого к предметным областям Claude Cowork и мощных моделей Mythos, а также призыва генерального директора Nvidia Дженсена Хуанга к предприятиям принять «стратегию OpenClaw».

В интервью, взятом в начале этого месяца на конференции Ai4 2026 в Лас-Вегасе, Джед Догерти, старший вице-президент по ИИ и платформе в компании Dataiku — поставщике платформы корпоративного ИИ и машинного обучения, — обсудил препятствия, с которыми сталкиваются предприятия в вопросах агентной автономности и выбора подходящих моделей или агентов. По его мнению, какую бы марку ИИ ни выбрало предприятие, оно должно управлять технологией так, чтобы она работала на организацию. Dataiku, основанная в 2013 году и оценённая в 3,7 млрд долларов по итогам раунда финансирования 2022 года, продаёт централизованную платформу для построения, развёртывания и управления корпоративным ИИ — позиционирование, которое согласуется с его аргументацией в пользу централизованного, не зависящего от вендоров слоя оркестрации.

Должны ли предприятия теперь полностью принять автономность ИИ-агентов с учётом успеха OpenClaw, или всё ещё существует потребность в большем участии человека в контуре управления?

Догерти: Потребность в руководстве со стороны человека всё ещё сохраняется. Наибольшие успехи и достижения, которые люди наблюдают при использовании агентов, по-прежнему приходятся на предприятия, где человек остаётся в контуре управления. Каждой компании необходима стратегия определения того, что может быть полностью переведено на полностью автономные системы. Важно определить, какие политики и процессы внутри вашей организации можно автономизировать и какие их части могут быть автономизированы.

Его осторожность находит подтверждение в отраслевых исследованиях: Gartner прогнозирует, что к концу 2027 года более 40% проектов агентного ИИ будут отменены из-за того, что концептуальные проверки не оправдают ожиданий — в частности, по причине растущих затрат, неясной бизнес-ценности и недостаточных механизмов контроля рисков.

Какую роль во внедрении ИИ-технологий на предприятия играют FDE — инженеры передового развёртывания?

Догерти: Мы вложили много времени и денег в найм и формирование сильной команды инженеров передового развёртывания, с помощью которой мы поддерживаем наших клиентов. Это очень важно. Например, я помогал одному клиенту. Мы пытались создать несколько относительно простых веб-сайтов. Я не предполагал, сколько мелких технических препятствий — тех, что я совершенно воспринимаю как должное, потому что выполняю их ежедневно, — способно полностью остановить людей или кардинально замедлить первый запуск веб-сайта. Наличие инженера передового развёртывания, который умеет выполнять простую инфраструктурную работу, по-прежнему ценно.

Модель передового развёртывания инженеров получила популярность благодаря Palantir и с тех пор распространилась по всему рынку ИИ-вендоров, стремящихся превращать лабораторные возможности в работающие корпоративные внедрения.

Насколько велика потребность в экспертах для работы агентного ИИ? И сказали бы вы, что вендоры ошибались в своих посланиях в начале широкого использования генеративного ИИ, пытаясь представить его инструментом, не требующим экспертов?

Догерти: Не думаю. ИИ — это совершенно новая технология. Ещё четыре года назад люди довольно хорошо справлялись с самообслуживанием в машинном обучении, поскольку занимались этим уже 10 лет. Теперь, когда новые агентные возможности распространяются повсюду, вендорам нужно потратить немного времени, чтобы помочь людям преодолеть этот первоначальный барьер. Через год-два, когда больше людей познакомятся с технологией и привыкнут к ней, я думаю, столь же высокий уровень практической поддержки уже не потребуется. Но прямо сейчас, когда я пытаюсь что-то объяснить человеку, который никогда не работал с агентом и не создавал агентов, очень полезно иметь промежуточное звено в виде эксперта. Возможности бизнес-трансформации за счёт структурированных агентов, воспроизводящих большие части ваших бизнес-процессов, — вещь довольно сложная.

Какой сценарий использования агентного ИИ станет лучшим для трансформации предприятий?

Догерти: Бизнес должен знать сам себя, прежде чем определить лучший сценарий использования. Лучший сценарий применения агентного ИИ в любом бизнесе — это его ключевой процесс. Возьмём для примера страхование. Поступает страховое заявление, и по нему проводится определённая обработка. По этому заявлению необходимо провести расследование. Принимается решение о том, производить ли выплату по страховому случаю. Вероятно, проводится определённый аудит. Возможно, уведомляется юридическая служба. Таким образом, ключевая часть страхового бизнеса — решение о том, как и следует ли выплачивать страховые возмещения и продолжать ли сотрудничество с данным клиентом. Чем лучше страховая компания сможет уже сейчас описать, как она это делает без генеративного ИИ, тем лучше она поймёт, какие части этого процесса урегулирования страховых выплат впоследствии можно воспроизвести или усилить с помощью агентного ИИ.

Иногда предприятия понимают свою бизнес-ценность, но сталкиваются с изобилием вариантов. Как им выбрать вендора для партнёрства?

Догерти: Оптимальная работа с данными в машинном обучении, а теперь и в ИИ означает выбор подходящего вспомогательного инструмента для конкретной задачи и возможность легко заменять или адаптировать его. Иногда Snowflake — лучшая база данных, а иногда — нет. Иногда OpenAI — лучший вариант, а иногда для очень чувствительных данных или для контроля затрат лучшим вариантом оказывается локальная модель. Наличие слоя оркестрации — платформы, позволяющей безопасным, контролируемым и управляемым способом комбинировать эти базовые отдельные инструменты, — это и есть фундамент. Нужен централизованный, не зависящий от вендоров слой оркестрации, который позволяет легко выбирать правильный инструмент для конкретной задачи.

Как предприятия могут справиться с растущей стоимостью использования ИИ?

Догерти: Я сравниваю это с шоком от цен на облако, который люди испытали в начале облачной эпохи, когда перенесли всё на AWS, а на следующий год получили огромный счёт. То же самое произойдёт к 2027 году, когда генеративный ИИ начнут использовать всё больше людей. Когда я интенсивно работаю над какой-то задачей, мне несложно потратить 1000 долларов в токенах за день, и это недёшево. Думаю, на это последует определённая негативная реакция, но при этом технология невероятно ценна. В руках подходящего специалиста то, что вы можете создать, — я могу создать за день или за два месяца. Это ничем не заменить. Поэтому очень важно, чтобы все задачи не выполнял один-единственный агент. Работу следует разбивать на как можно большее число мелких шагов. Другой момент, который важно отслеживать в управлении затратами, — открытость к изменениям на рынке. Постоянный мониторинг рынка в части того, какие базовые модели являются лучшими и каковы их ценовые уровни, действительно кардинально влияет, в том числе на управление вашими затратами. Возможность переключаться между ними критически важна.

Описанная им динамика имеет прецедент в облачной сфере: FinOps — ныне формальная дисциплина с собственным профессиональным фондом — сформировалась после того, как предприятия, столкнувшиеся с большими ранними облачными счетами, выстроили специализированные процессы отслеживания и контроля расходов.

Что вы думаете об открытых моделях от Alibaba, DeepSeek и других китайских поставщиков? Как предприятия должны реагировать на этот тренд?

Догерти: Они отличные. Мы наблюдаем множество сторонних вендоров, которые предоставляют эти сторонние китайские модели или другие модели с открытым исходным кодом, предлагая их по очень конкурентной цене. Вы совершенно спокойно можете внедрить сторонние модели с открытым исходным кодом и значительно сэкономить. К тому же, по сути, всё определяется их функциональностью.

По мере распространения агентов внутри организации управление ими станет гораздо более критичной задачей, отметил Догерти. «Диалоговый ИИ и использование ИИ для разработки приложений останутся с нами надолго. Все будут создавать такие решения. Нам нужно разобраться, что работает, а что нет».

Примечание редакции: это интервью отредактировано для ясности и краткости.

Источник: AI Business