Двойная плата за интеллект
Глава Microsoft Сатья Наделла предупредил компании, использующие сторонние ИИ-модели, что они фактически платят за технологии дважды. Первая плата — это прямые расходы на использование вычислительных мощностей и токенов. Вторая, более скрытая и ценная, — это передача проприетарных знаний, необходимых для эффективной работы модели.
По словам Наделлы, чем качественнее компания хочет настроить работу ИИ под свои задачи, тем больше уникальной информации ей приходится предоставлять. В итоге разработчики моделей получают доступ к самым чувствительным бизнес-данным своих клиентов.
Как модели учатся на данных компаний
Процесс обучения моделей происходит не только на открытых данных из интернета. Модели обучаются на «отходах» — это запросы пользователей, действия ИИ-агентов и, что особенно важно, исправления, которые люди вносят в ответы нейросети. Каждое такое исправление превращается в часть корпоративного опыта.
Этот накопленный опыт — знание нюансов конкретного бизнеса — является тем, что конкуренты не смогли бы купить за деньги. Однако, передавая данные для обучения, компании фактически отдают этот опыт разработчикам моделей.
Проблема дистилляции моделей
Наделла указал на двойные стандарты в индустрии. Разработчики моделей используют открытые данные из интернета для своего обучения, но при этом накладывают жесткие ограничения на «дистилляцию». Под дистилляцией понимается процесс использования ответов одной модели для обучения другой, более дешевой и эффективной модели.
Подобные ограничения создают ситуацию, когда разработчики моделей могут свободно использовать общедоступные данные, но запрещают компаниям использовать результаты работы ИИ для создания собственных решений.
Новые подходы к безопасности данных
Для защиты своих интересов Наделла предлагает компаниям создавать собственные закрытые среды обучения в облачных сервисах. Это позволит сохранять право собственности на все запросы и обратную связь. Также он рекомендует использовать «слои оркестрации» — инструменты, которые позволяют легко переключаться между разными моделями от разных поставщиков, чтобы не зависеть от одного разработчика.
Такой подход помогает избежать привязки к конкретному поставщику и дает больше контроля над данными.
Переход к локальным решениям
На фоне этих опасений бизнес начинает менять стратегию. Многие компании переходят от использования закрытых проприетарных моделей к установке моделей с открытым исходным кодом на собственных серверах (on-premise). Это позволяет использовать технологии, которые выполняют до 90% задач крупных моделей, но при этом обходятся значительно дешевле и обеспечивают полный контроль над данными.
Статистика подтверждает этот тренд: доля открытых моделей в трафике через специализированные шлюзы (например, Vercel) продолжает расти.
Что это значит
Использование ИИ превращается в процесс создания новых знаний, и компании должны стремиться к тому, чтобы результаты этого процесса принадлежали им самим, а не разработчикам моделей.