Управление, регулирование и политика
IBM: Как надежное управление ИИ защищает маржу предприятий
10 апреля 2026
Поделиться этой статьей:
Теги:
anthropicкибербезопасностьданныепредприятиебазовые моделиуправлениеibmинфраструктураopen-sourceуправление рискамистратегия
Категории:
Бизнес-стратегия ИИТренды рынка ИИИИ в кибербезопасностиИнженерия данных и MLOpsГлубокие разборыГлавные новостиОсобенностиУправление, регулирование и политикаИнфраструктура и аппаратное обеспечениеВнутри ИИOpen-Source и демократизированный ИИМнениеМероприятия TechExДоверие, предвзятость и справедливостьМир работы
Чтобы защитить маржу предприятий, руководители бизнеса должны инвестировать в надежное управление ИИ для безопасного управления инфраструктурой ИИ.
При оценке внедрения корпоративного ПО повторяющаяся схема определяет, как технологии развиваются в разных отраслях. Как недавно отметил Роб Томас, старший вице-президент и коммерческий директор IBM, программное обеспечение обычно проходит путь от отдельного продукта к платформе, а затем от платформы к базовой инфраструктуре, полностью меняя правила управления.
На начальном этапе продукта жесткий корпоративный контроль часто кажется крайне выгодным. Закрытые среды разработки быстро итератируют и строго управляют опытом конечного пользователя. Они захватывают и концентрируют финансовую ценность в одной корпоративной структуре — подход, который вполне работает на ранних этапах разработки продукта.
Однако анализ IBM показывает, что ожидания полностью меняются, когда технология становится фундаментальным слоем. Как только на программное обеспечение начинают опираться другие институциональные системы, внешние рынки и широкие операционные процессы, действующие стандарты адаптируются к новой реальности. На уровне инфраструктуры открытость перестает быть идеологической позицией и становится крайне практической необходимостью.
Сейчас ИИ проходит этот порог внутри стека корпоративной архитектуры. Модели все чаще напрямую встраиваются в то, как организации защищают свои сети, пишут исходный код, принимают автоматизированные решения и создают коммерческую ценность. ИИ функционирует уже не как экспериментальный инструмент, а как базовая операционная инфраструктура.
Недавний ограниченный предпросмотр модели Claude Mythos от Anthropic отчетливо подчеркивает эту реальность для руководителей предприятий, управляющих рисками. Anthropic сообщает, что эта конкретная модель может находить и эксплуатировать уязвимости программного обеспечения на уровне, сопоставимом с немногими человеческими экспертами.
В ответ на эту мощь Anthropic запустила Project Glasswing — инициативу с ограниченным доступом, призванную в первую очередь передать эти передовые возможности в руки специалистов по защите сетей. С точки зрения IBM, это развитие вынуждает технологических руководителей столкнуться с немедленными структурными уязвимостями. Если автономные модели способны писать эксплойты и формировать общую среду безопасности, Томас отмечает, что сосредоточение понимания этих систем в руках небольшого числа технологических поставщиков создает серьезные операционные риски.
По мере того как модели приобретают статус инфраструктуры, IBM утверждает, что главная проблема уже не сводится исключительно к тому, что эти приложения машинного обучения могут выполнять. Приоритетом становится то, как эти системы создаются, управляются, проверяются и постоянно улучшаются в течение длительного времени.
По мере роста сложности и корпоративной значимости базовых фреймворков поддерживать закрытые конвейеры разработки становится чрезвычайно трудно. Ни один поставщик не может успешно предугадать все эксплуатационные требования, векторы атак противника или режимы отказа системы.
Внедрение непрозрачных структур ИИ создает серьезные трудности для существующей сетевой архитектуры. Подключение закрытых проприетарных моделей к уже внедренным корпоративным векторным базам данных или крайне чувствительным внутренним хранилищам данных часто создает огромные узкие места при устранении неполадок. Когда возникают аномальные результаты или резко растет число галлюцинаций, у команд нет внутренней видимости, необходимой для диагностики того, возникла ли ошибка в конвейере retrieval-augmented generation или в базовых весах модели.
Интеграция устаревшей локальной инфраструктуры с высоко закрытыми облачными моделями также вносит серьезную задержку в повседневные операции. Когда протоколы корпоративного управления данными строго запрещают отправку конфиденциальной информации о клиентах на внешние серверы, технологическим командам остается лишь пытаться очищать и анонимизировать наборы данных перед обработкой. Эта постоянная очистка данных создает огромную операционную нагрузку.
Кроме того, растущие вычислительные затраты, связанные с непрерывными API-вызовами к закрытым моделям, подрывают именно ту прибыльность, которую эти автономные системы якобы должны повышать. Непрозрачность не позволяет сетевым инженерам точно рассчитывать потребности в оборудовании, вынуждая компании заключать дорогостоящие соглашения о чрезмерном резервировании, чтобы поддерживать базовую функциональность.
Почему open-source ИИ необходим для операционной устойчивости
Ограничение доступа к мощным приложениям — понятный человеческий инстинкт, близкий к осторожности. Однако, как отмечает Томас, на масштабе крупной инфраструктуры безопасность обычно повышается благодаря тщательному внешнему анализу, а не строгой скрытности.
Это и есть непреходящий урок разработки open-source ПО. Open-source код не устраняет корпоративные риски. Вместо этого, по мнению IBM, он активно меняет то, как организации управляют этими рисками. Открытая основа позволяет более широкому кругу исследователей, корпоративных разработчиков и специалистов по безопасности изучать архитектуру, выявлять скрытые слабости, проверять базовые предположения и укреплять программное обеспечение в реальных условиях.
В операциях кибербезопасности широкая видимость редко является врагом операционной устойчивости. Более того, видимость часто служит строгим предварительным условием для достижения этой устойчивости. Технологии, считающиеся крайне важными, обычно безопаснее, когда больше людей могут бросать им вызов, изучать их логику и вносить вклад в их постоянное улучшение.
Томас затрагивает одно из старейших заблуждений об open-source технологиях: убеждение, что они неизбежно превращают корпоративные инновации в товар. На практике открытая инфраструктура обычно переносит конкуренцию выше по технологическому стеку. Открытые системы перераспределяют финансовую ценность, а не уничтожают ее.
По мере развития общих цифровых основ коммерческая ценность смещается в сторону сложной реализации, оркестрации систем, непрерывной надежности, механизмов доверия и специализированной отраслевой экспертизы. Позиция IBM утверждает, что долгосрочными коммерческими победителями становятся не те, кто владеет базовым технологическим слоем, а организации, которые понимают, как применять его наиболее эффективно.
Мы наблюдали точно такую же модель в предыдущих поколениях корпоративных инструментов, облачной инфраструктуры и операционных систем. Открытые основы исторически расширяли участие разработчиков, ускоряли итеративное улучшение и порождали совершенно новые, более крупные рынки, построенные поверх этих базовых слоев. Руководители предприятий все чаще считают open-source крайне важным для модернизации инфраструктуры и новых возможностей ИИ. IBM прогнозирует, что ИИ с большой вероятностью последует именно по этому историческому пути.
Если взглянуть на более широкую экосистему поставщиков, ведущие гиперскейлеры адаптируют свои бизнес-позиции, чтобы учитывать эту реальность. Вместо того чтобы участвовать в чистой гонке вооружений за создание крупнейших проприетарных «черных ящиков», высокодоходные интеграторы сосредотачиваются на инструментах оркестрации, позволяющих предприятиям заменять базовые open-source модели в зависимости от конкретных требований к рабочей нагрузке. Подчеркивая свое продолжающееся лидерство в этой сфере, IBM является ключевым спонсором этого года на AI & Big Data Expo North America, где эти развивающиеся стратегии для открытой корпоративной инфраструктуры будут в центре внимания.
Такой подход полностью обходит жесткую привязку к поставщику и позволяет компаниям направлять менее требовательные внутренние запросы к меньшим и крайне эффективным открытым моделям, сохраняя дорогостоящие вычислительные ресурсы для сложной автономной логики, обращенной к клиенту. Отделяя прикладной слой от конкретной базовой модели, технологические руководители могут сохранять операционную гибкость и защищать прибыльность.
Будущее корпоративного ИИ требует прозрачного управления
Еще одна прагматичная причина принимать открытые модели связана с влиянием на разработку продукта. IBM подчеркивает, что узкий доступ к базовому коду естественно ведет к узким операционным перспективам. Напротив, то, кто именно получает доступ, напрямую определяет, какие приложения в итоге будут созданы.
Широкий доступ позволяет правительствам, разным институтам, стартапам и исследователям из разных областей активно влиять на то, как технология развивается и где она применяется коммерчески. Такой инклюзивный подход стимулирует функциональные инновации, одновременно формируя структурную адаптивность и необходимую общественную легитимность.
Как утверждает Томас, когда автономный ИИ берет на себя роль базовой корпоративной инфраструктуры, опора на непрозрачность больше не может служить организующим принципом безопасности системы. Самая надежная модель безопасного ПО всегда сочетала открытые основы с широким внешним анализом, активным сопровождением кода и серьезным внутренним управлением.
По мере того как ИИ навсегда входит в фазу инфраструктуры, IBM утверждает, что та же логика все чаще напрямую применима и к самим базовым моделям. Чем сильнее корпоративная зависимость от технологии, тем сильнее аргументы в пользу открытости.
Если эти автономные рабочие процессы действительно становятся фундаментом мировой коммерции, то прозрачность перестает быть предметом легких дискуссий. Согласно IBM, это абсолютное, не подлежащее обсуждению проектное требование для любой современной корпоративной архитектуры.
См. также: Почему такие компании, как Apple, создают ИИ-агентов с ограничениями
Хотите узнать больше об ИИ и больших данных от лидеров отрасли? Посетите AI & Big Data Expo, которая пройдет в Амстердаме, Калифорнии и Лондоне. Это масштабное мероприятие является частью TechEx и проводится совместно с другими ведущими технологическими событиями, включая Cyber Security & Cloud Expo. Нажмите здесь для получения дополнительной информации.
AI News создано при поддержке TechForge Media. Ознакомьтесь с другими предстоящими мероприятиями и вебинарами по корпоративным технологиям здесь.
Райан Доуз — старший редактор TechForge Media с более чем десятилетним опытом создания материалов и анализа сложных тем. Его статьи и интервью с лидерами отрасли принесли ему признание как одного из ключевых технологических инфлюенсеров со стороны многочисленных организаций. Под его руководством издания были отмечены аналитическими компаниями за высокое качество и эффективность. Свяжитесь с ним , и/или .
Похожие материалы
Почему такие компании, как Apple, создают ИИ-агентов с ограничениями
10 апреля 2026
У Meta есть конкурентоспособная модель ИИ, но она теряет свой open-source-образ
10 апреля 2026
Проблемы управления агентным ИИ в рамках Закона ЕС об ИИ в 2026 году
9 апреля 2026
Anthropic сохраняет новую модель ИИ закрытой после того, как обнаружила тысячи внешних уязвимостей
9 апреля 2026
Присоединяйтесь к нашему сообществу
Подпишитесь сейчас, чтобы получать весь наш премиум-контент и последние технологические новости прямо на вашу почту
Популярное
Бизнес-стратегия ИИ, Искусственный интеллект, Особенности, ИИ в финансах, Мир работы
JPMorgan начинает отслеживать, как сотрудники используют ИИ на работе
5854 view(s)
ИИ в действии, Тренды рынка ИИ, Искусственный интеллект, Отношения человека и ИИ, Внутри ИИ, ИИ в производстве и инженерии, Физический ИИ
Google официально делает ставку на ИИ для промышленной робототехники — и на этот раз это всерьез
5029 view(s)
ИИ и мы, Бизнес-стратегия ИИ, ИИ в действии, Особенности, ИИ в финансах, Внутри ИИ, Мнение, Мир работы
Как ИИ улучшает управление корпоративной казной
4840 view(s)
ИИ и мы, Бизнес-стратегия ИИ, ИИ в действии, Тренды рынка ИИ, Инженерия данных и MLOps, Главные новости, Особенности, ИИ в финансах, Управление, регулирование и политика, Как это работает, Отношения человека и ИИ, Инфраструктура и аппаратное обеспечение, Внутри ИИ, ИИ в производстве и инженерии, ИИ в розничной торговле и логистике, Мир работы
KPMG: Внутри руководства по ИИ-агентам, повышающего маржу предприятий
4524 view(s) Смотреть все 
Последние
Управление, регулирование и политика
9 апреля 2026
Проблемы управления агентным ИИ в рамках Закона ЕС об ИИ в 2026 году 
9 апреля 2026
Anthropic сохраняет новую модель ИИ закрытой после того, как обнаружила тысячи внешних уязвимостей 
8 апреля 2026
Успех разработки ПО с ИИ и потребность в централизованном управлении 
Управление согласием на использование файлов cookie Мы используем такие технологии, как файлы cookie, для хранения и/или доступа к информации об устройстве. Мы делаем это, чтобы улучшить опыт просмотра и показывать персонализированную рекламу. Согласие на использование этих технологий позволит нам обрабатывать такие данные, как поведение при просмотре или уникальные идентификаторы на этом сайте. Несогласие или отзыв согласия может негативно повлиять на некоторые функции и возможности. Функциональные Функциональные Всегда активны Техническое хранение или доступ строго необходимы для законной цели обеспечения использования конкретной услуги, явно запрошенной подписчиком или пользователем, либо исключительно для осуществления передачи сообщения по сети электронных коммуникаций. Предпочтения Предпочтения Техническое хранение или доступ необходимы для законной цели хранения предпочтений, которые не запрашиваются подписчиком или пользователем. Статистика Статистика Техническое хранение или доступ, используемые исключительно в статистических целях. Техническое хранение или доступ, используемые исключительно в анонимных статистических целях. Без повестки, добровольного содействия со стороны вашего интернет-провайдера или дополнительных записей третьей стороны информация, хранящаяся или полученная только для этой цели, обычно не может использоваться для вашей идентификации. Маркетинг Маркетинг Техническое хранение или доступ требуются для создания профилей пользователей для отправки рекламы или для отслеживания пользователя на сайте или на нескольких сайтах в аналогичных маркетинговых целях.
- Управлять параметрами
- Управлять сервисами
- Управлять {vendor_count} поставщиками
- Подробнее об этих целях
Подписаться
Весь наш премиум-контент и последние технологические новости прямо в вашем почтовом ящике
Материал — перевод статьи с английского.
Оригинал: IBM: How robust AI governance protects enterprise margins