Генеральный директор Microsoft Сатья Наделла предупредил компании о риске чрезмерной зависимости от одного поставщика искусственного интеллекта. По его мнению, предприятие, которое передаёт внешней ИИ-системе контроль над своими данными, памятью и историей рабочих процессов, фактически отдаёт на сторону часть собственной способности мыслить и принимать решения.

На первый взгляд корпоративное внедрение ИИ выглядит просто: сотрудники используют чат-интерфейс, задают вопросы и получают ответы. Но со временем за этим интерфейсом накапливается гораздо более ценная информация — внутренние документы, промпты, контекст задач, долгосрочная память, правила работы агентов, история вызовов инструментов и исправления, которые вносят сотрудники.

Именно эти данные постепенно превращаются в цифровое отражение реальной практики компании. В них содержится неформальное знание: как обслуживать клиентов, оценивать риски, принимать нестандартные решения, дорабатывать продукт и действовать в спорных ситуациях. Такая информация редко бывает полностью описана в регламентах, однако именно она часто создаёт конкурентное преимущество бизнеса.

Проблема возникает, когда модель, корпоративный контекст, память и программная среда для работы агентов оказываются неразрывно связаны с одной платформой. Если компания затем захочет сменить ИИ-модель или поставщика, ей придётся переносить не только интерфейс, но и весь накопленный слой знаний: контекст, память, интеграции, правила вызова инструментов, оценочные наборы и рабочие процессы.

Это создаёт высокую стоимость миграции. Поставщик может повысить цены, изменить функциональность, прекратить поддержку отдельной модели или просто уступить конкурентам по качеству. Но компания, глубоко встроившая его продукты в свои процессы, оказывается в положении, когда перейти на альтернативу слишком сложно, дорого и рискованно.

Наделла предлагает разделять ключевые слои корпоративной ИИ-архитектуры. Базовую модель можно арендовать у крупных поставщиков или использовать открытую модель внутри собственной инфраструктуры. Однако данные, история взаимодействий, долгосрочная память, метаданные и программный слой управления агентами должны оставаться под контролем самой компании.

Метаданные особенно важны. К ним относятся вопросы, которые задавали сотрудники, использованный контекст, действия модели, вызванные инструменты, полученные результаты и последующие правки человека. Со временем эти записи могут стать основой для внутренних систем оценки, дообучения моделей и создания собственных специализированных решений.

При такой архитектуре сама модель перестаёт быть единственным «мозгом» компании. Она становится заменяемым вычислительным компонентом. Для программирования можно подключать одну модель, для анализа длинных документов — другую, а для работы с чувствительными данными — локально развёрнутую модель с открытыми весами. Выбор будет зависеть от качества, стоимости, скорости и требований к безопасности.

Главная мысль проста: самые сильные модели можно получать как внешнюю услугу, но корпоративные знания и логика работы не должны уходить вместе с ними. В эпоху ИИ ценным активом становятся не только данные сами по себе, но и накопленная «рабочая память» организации — промпты, контекст, сценарии агентов, результаты проверок и опыт сотрудников. Компании, которые сохранят контроль над этим слоем, смогут свободнее выбирать технологии и меньше зависеть от решений отдельных ИИ-поставщиков.