ИИ становится все более способным. Однако использовать его внутри предприятия от этого проще не становится.

По мере того как компании выходят за рамки экспериментов и внедряют ИИ во все новые сферы бизнеса, они сталкиваются с отдельным набором проблем. Вопросы все чаще сводятся к тому, какие модели должны решать какие задачи, достаточно ли хороша лежащая в основе данных база, кто — и что — разрешено доступу ИИ-систем и способна ли существующая система управления за этим следить.

Несколько событий этой недели указывают на один и тот же вывод: следующий этап корпоративного ИИ может зависеть не столько от доступа к новейшим моделям, сколько от того, способны ли компании ими действительно управлять.

Мульти-модельные операции становятся нормой

Предприятия больше не просто выбирают одну ИИ-модель. Они используют несколько моделей с разными возможностями, затратами и рисками. А значит, кто-то должен решать, какая модель выполняет какую задачу — и когда эти решения следует пересматривать.

Например, платежная и дата-компания Deluxe использует более 50 ИИ-агентов, а централизованный шлюз распределяет запросы между разными моделями. При выборе моделей компания взвешивает такие факторы, как качество, риски, скорость и стоимость.

Это заметно иной вызов, чем выбор одного ИИ-поставщика. По мере добавления новых моделей сам выбор модели превращается в постоянную операционную функцию — периодический выбор вендора сменяется регулярной работой: маршрутизацией запросов, сравнением результатов и пересмотром решений по мере изменения профиля качества, затрат и рисков. (См. также: Gemini 3.8 Live трансформирует разговорный ИИ.)

Качество данных по-прежнему подрывает ИИ-проекты

Управление моделями — лишь часть проблемы. ИИ-проекты также упираются в знакомое корпоративное препятствие: плохие или фрагментированные данные.\nСогласно недавнему опросу Collibra, 72% лиц, принимающих решения в области ИИ, назвали слабую дата-основу первопричиной неудач корпоративных ИИ-инициатив. Эта цифра напоминает: когда ИИ-инициативы дают сбой, проблема часто возникла еще до модели — она кроется в данных, которые ее питают.

Управление отстает от агентного ИИ

Операционные вопросы не ограничиваются данными. У компаний могут быть политики управления ИИ, но их стратегии могут не учитывать агентные системы.

Согласно отчету EY, опубликованному во вторник, почти шесть из десяти респондентов в организациях, использующих агентный ИИ, считают, что ни одна группа не контролирует агентов после развертывания. Почти половина заявила, что их системы управления не были обновлены с учетом специфических для агентов рисков, а четыре из десяти не имеют полной видимости всех ИИ-инструментов в своих сетях.

Это операционный пробел в той же мере, что и пробел в управлении. Компании не могут эффективно управлять ИИ-системами, если не знают, что работает и кто отвечает за надзор. Эти результаты ставят перед организациями два неотложных вопроса: кто владеет контролем над агентами после их запуска и как составить полную картину уже работающих в сети ИИ-инструментов.

Организационный вызов

Ни одну из этих проблем более мощная модель не решит. Они требуют от компаний принимать решения по архитектуре, данным, владению и надзору по мере того, как ИИ встраивается во все больше сфер бизнеса.

Самое сложное в корпоративном ИИ может заключаться уже не в доступе к мощным технологиям. Сложность — в построении организации, способной ими управлять, а индикаторы для наблюдения — внутренние: готовность данных, охват системой управления и четкие линии ответственности. (См. также: Призывы замедлить развитие ИИ создают новые проблемы для моделей с открытыми весами.)

Также на этой неделе в новостях ИИ

• ИИ стал главной движущей силой новых расходов на кибербезопасность: Семь из десяти CISO теперь ставят ИИ на первое место в приоритетах новых расходов на кибербезопасность, особенно в области автоматизации безопасности и управления идентификацией и доступом.
• Альтман и Амодей обсудили темпы развития ИИ на Dreamforce: Руководители ИИ-лабораторий использовали конференцию Dreamforce компании Salesforce, чтобы обсудить замедление темпов развития фронтирного ИИ на фоне растущей обеспокоенности тем, что возможности развиваются быстрее мер защиты.
• Gemini 3.8 Live трансформирует разговорный ИИ: Новая модель Google добавляет рассуждения в реальном времени, использование инструментов и обработку визуальной информации при сохранении естественных голосовых взаимодействий.
• Призывы замедлить развитие ИИ создают новые проблемы для моделей с открытыми вес: Призывы замедлить развитие фронтирного ИИ могут создать новые проблемы для моделей с открытыми весами, потенциально перекладывая на предприятия больше ответственности за тестирование, мониторинг и управление.
• Паника вокруг ИИ создает новую проблему доверия для CIO: Растущая тревога вокруг ИИ создает новый вызов для CIO, которые пытаются укрепить уверенность организации в корпоративных внедрениях, не преуменяя обоснованных опасений по поводу технологии.
• «Мы перестанем говорить об ИИ» и другие промышленные прогнозы: Производственные компании ожидают, что ИИ станет не отдельной инициативой, а частью повседневных операций. (См. также: ИИ меняет уравнение ROI. Вот как некоторым удалось добиться успеха.)
• ИИ вносит хаос на рынок технологических вакансий: ИИ меняет рынок труда в технологической отрасли: анализ почти 50 000 вакансий для инженеров выявил изменение требований к навыкам и рост числа специализированных ролей.

Об авторе

Лиз Хьюз — отмеченный наградами редакционный стратег и контент-стратег с многолетним опытом в новостном издательском деле, цифровых медиа и коммуникациях для руководителей. Совсем недавно она занимала пост главного редактора AI Business и IoT World Today, руководя редакционной стратегией, ежедневным освещением новостей и рассылками, охватывавшими более 1 миллиона читателей ежемесячно. Ее работа посвящена ИИ и развивающимся технологиям с акцентом на отделение реального внедрения от хайпа; она освещала генеративный ИИ, робототехнику, автономные системы и корпоративные технологии. Хьюз также является основателем LTH Media, стратегической редакционной практики, и продолжает публиковаться в ведущих технологических и деловых изданиях.

Эта статья, автором которой является внештатный автор Лиз Хьюз, первоначально была опубликована на AI Business 18 сентября 2026 года.