Предприятия потеряли доступ к рекламе Claude Fable 5 на несколько недель. Новые данные показывают, что две трети из них уже создали свою хедж-защиту.
Мэтт Маршалл
Две трети предприятий застраховали свою стратегию в отношении моделей ИИ, и последние несколько недель полемики вокруг модели Claude Fable 5 от Anthropic показали, почему такая позиция стала общепринятой.
12 июня США в результате распоряжения о контроле за экспортом отключили модель Claude Fable 5 от Anthropic — самую функциональную модель на рынке — для всех клиентов без предупреждения и без указания сроков. Она вернулась на этой неделе с более жесткими мерами защиты после того, как китайская компания Z.ai выпустила свою модель GLM-5.2 с открытыми весами. Новое исследование VentureBeat Pulse Research, проведенное среди 145 предприятий за последние несколько недель, показывает, что две трети уже застраховали свою стратегию использования моделей до того, как было издано распоряжение: 51% сочетают закрытые модели с моделями с открытыми весами, развернутыми на собственной инфраструктуре, а еще 16% полностью переносят основные рабочие процессы с закрытых API. Оставшаяся треть полностью перешла на закрытые экосистемы, когда произошел сбой.
Отключение электроэнергии высветило проблему зависимости от поставщиков, показав, что происходит, когда модель, на которую вы полагаетесь, исчезает. Но зависимость от поставщиков — это лишь наиболее заметная часть более глубокой проблемы: большинству предприятий не хватает мониторинга, чтобы узнать, когда внедренная ими в производство система ИИ перестает корректно работать.
Лишь в 1 из 10 предприятий внедрена автоматизированная система мониторинга, которая могла бы выявить отклонения, некорректное поведение или сбои в работе модели ИИ в производственной среде. Примерно четверть предприятий узнает о сбое в работе только тогда, когда об этом сообщают конечные пользователи — внутренние или внешние, — или же у них вообще нет возможности обнаружить его. И 79% корпоративных организаций уже понесли реальные финансовые или операционные потери из-за автономных агентов — чаще всего это теневой ИИ, несанкционированная работа агентов, выполняемая собственными сотрудниками предприятий с использованием корпоративных кредитных карт, вне чьего-либо контроля.
Мы называем это «разрывом в контроле», или дистанцией между тем, насколько активно предприятия внедряют ИИ, и тем, насколько мало они могут видеть, контролировать или управлять им. Июньское отключение электроэнергии превратило это в настоящую проверку на прочность.
О данных: В июне 2026 года компания VentureBeat Pulse Research провела опрос 145 квалифицированных респондентов из организаций с численностью сотрудников 100 и более человек, охватив период, предшествовавший отключению Fable 5 12 июня. Выборка является самоотборной и имеет направленный характер: 41% работают в сфере технологий/программного обеспечения, 20% являются консультантами или советниками, а среди респондентов преобладают руководители высшего звена и технические специалисты — CIO/CTO/CISO (18%), директора по разработке/ИТ (14%), корпоративные архитекторы (12%). Более половины респондентов представляли компании с численностью сотрудников 2500 и более человек.
Хотя наша выборка невелика, больше доверия можно оказать не точным процентам, а закономерности: каждый вопрос в опросе, независимо от других, указывает на одно и то же: развертывание опережает управление, прозрачность и контроль затрат.
Полное описание методологии приведено в отчете.
Как экспортный приказ из Fable 5 изменил риски, связанные с ИИ на предприятиях
Игра Fable 5 была запущена 9 июня и сразу же получила признание — и шок от цены: 10 долларов за миллион входных токенов и 50 долларов за миллион выходных. Три дня спустя правительство США издало экстренное распоряжение об экспортном контроле, запрещающее доступ иностранным гражданам. Компания Anthropic, не имея возможности проверять гражданство в режиме реального времени, приостановила работу модели для всех.
Компания Z.ai продолжает набирать обороты; в среду она выпустила открытую среду для программирования агентов под названием Zcode. Тем временем, 26 июня компания OpenAI представила свою передовую линейку GPT-5.6.
Весной предприятия уже изучали, во сколько обходится зависимость от ИИ в долларах. По данным Forbes, Uber потратил весь свой бюджет на разработку ИИ на 2026 год за четыре месяца после того, как внедрение Claude Code охватило 84% из примерно 5000 инженеров компании. По данным The Verge, Microsoft аннулировала большинство внутренних лицензий Claude Code в своем подразделении Windows и Microsoft 365, перенаправив инженеров на собственные инструменты.
В июне был усвоен более сложный урок: модель, от которой зависят ваши рабочие процессы, может исчезнуть в одночасье по распоряжению правительства, без вашего или вашего решения. А китайские компании, такие как DeepSeek, выпускали чрезвычайно революционные и мощные модели, снижая затраты до доли от западных.
Брайан Крейг, старший директор по архитектуре в Liberty IT, ирландском инженерном подразделении Liberty Mutual, одной из крупнейших в мире страховых компаний, стал свидетелем столкновения этих двух уроков в реальном времени. Крейг — ирландец, а это означало, что экспортный заказ напрямую затронул его как иностранного пользователя.
24 июня на сцене мероприятия VentureBeat AI Impact в Нью-Йорке, во время отключения электричества, я спросил его об этом. «Fable появился, и вы сразу увидели цену за его использование и подумали: „О, боже, он должен быть действительно хорош“», — сказал Крейг. «Но, к счастью, мы не успели использовать его достаточно долго, чтобы влюбиться в него». А потом он исчез.
Живая изгородь была построена еще до отключения электроэнергии.
Компания Крейга была создана именно для того, чтобы обходить подобные сбои. Liberty IT использует то, что они называют «базовой архитектурой ИИ» — примерно 50 компонентов, охватывающих безопасность, управление, мониторинг и оркестровку, каждый из которых может быть заменен независимо.
«Сейчас нельзя зацикливаться на одном поставщике и даже на одной платформе», — сказал Крейг собравшимся. «Необходимо сохранять гибкость в отношении этой базовой инфраструктуры, чтобы иметь возможность подключаться к различным моделям, различным поставщикам, в зависимости не столько от того, кто сейчас популярен, сколько от того, в чем вы можете быть уверены в течение следующих шести месяцев».
Опрос показывает, что Крейг не одинок. 51% предприятий используют гибридную модель — закрытые модели для общего анализа, открытые модели, развернутые локально для специализированного выполнения, — а 16% совершают жесткий переход, перенося основные рабочие процессы на открытые модели, работающие в собственном гибридном или частном облаке. 32% предприятий, придерживающихся закрытой модели, откровенно объясняют причины: операционные издержки от самостоятельного размещения по-прежнему перевешивают экономию. После июня в этот расчет добавится новый фактор.
Сейчас активное стремление к отказу от сотрудничества с другими компаниями стало нормой, и выбор может вас удивить. На вопрос о том, какого основного поставщика решений в области ИИ они, скорее всего, сократят или полностью откажутся от услуг в течение следующих 12 месяцев, респонденты первыми назвали Microsoft (30%) — большинство указали на сокращение использования фреймворков Copilot и Azure AI в пользу прямого доступа к моделям — опередив 28%, которые не планируют сокращать сотрудничество ни с одним поставщиком. OpenAI получила 21% голосов, в основном из-за волатильности цен, Anthropic — 15%, а Google — 6%. Ни один поставщик не столкнется с массовым уходом. Но лояльность по инерции закончилась: среди этих предприятий активное сокращение сотрудничества хотя бы с одним поставщиком теперь встречается чаще, чем расширение сотрудничества со всеми.
Лишь 1 из 10 предприятий может автоматически выявлять сбои в производственной модели.
Как предприятие узнает, если одна из его производственных моделей ИИ отклоняется от нормы, ведет себя небезопасно или не справляется с задачами? Мы задали этот вопрос напрямую. Сорок процентов опрошенных заявили, что очень уверены в возможности обнаружения такой проблемы. В вопросе также спрашивалось, на чем основана эта уверенность, и респонденты разделились на два лагеря: 30% полагаются на проверку критически важных результатов работы ИИ людьми, и только 10% — 14 из 145 организаций — используют автоматизированный мониторинг и оповещения для производственных систем. Остальные респонденты занимают еще более слабые позиции: 32% ожидают обнаружить большинство проблем «в конечном итоге», 19% говорят, что, скорее всего, узнают о сбое сначала от конечных пользователей, а 8% сообщают об отсутствии какой-либо систематической информации о поведении производственного ИИ.
Это различие важно, потому что два подхода очень разные. Человеческая проверка может показаться золотым стандартом, но она охватывает только те результаты, которые кто-то определил как важные для такой проверки, — и происходит она в темпе, доступном человеку, с той непоследовательностью, которая присуща любому ручному процессу. Автоматизированный мониторинг непрерывно отслеживает все, что производит система, и отмечает аномалии по мере их возникновения — по той же причине, по которой предприятия перестали полагаться на ручные проверки бесперебойной работы и безопасности десять лет назад.
Поскольку объемы работы агентов значительно превышают возможности любой команды рецензентов, ручной подход начинает отставать. На нашем мероприятии 24 июня в Нью-Йорке руководители рассматривают человеческую проверку как запланированный контрольный механизм, в основе которого лежит автоматизация. «Ничего не развертывается в производство, если это не проверено и не одобрено человеком», — сказал Крейг о программной фабрике агентов Liberty, где агенты планирования, кодирования, тестирования, критики и библиотекари переносят функции из эпика в производство.
«Всегда необходимо основываться на оценке рисков. Именно поэтому мы работаем в страховой компании». Тодд Джонсон, управляющий директор Morgan Stanley, который внедряет ИИ-посредника в процесс управления прибылью и убытками банка, описал тот же принцип, что и в финансовом отделе: «Один из наших главных принципов в управлении ИИ в целом заключается в том, что всегда должна быть ответственность человека, даже если присутствует определенная степень автоматизации». VentureBeat отдельно осветил новые результаты Morgan Stanley, касающиеся системы ИИ-посредника для урегулирования проблемных ситуаций с прибылью и убытками.
Liberty Mutual и Morgan Stanley намеренно выбрали ручное утверждение, интегрировав его с инфраструктурой мониторинга, идентификации и управления. Наличие аналогичной инфраструктуры в среде, где используется ручная проверка, — это вопрос, на который нельзя ответить однозначно. Те 16%, кто отдельно назвал отсутствие инструментов мониторинга самым большим препятствием для управления, прямо заявляют, что они до сих пор не созданы.
Главный барьер в управлении — организационный: нет единого ответственного за ИИ на всех платформах.
Почему инструменты для обеспечения прозрачности ИИ так и не создаются? Ответы респондентов указывают на организационные недостатки. Наиболее часто упоминаемым препятствием для управления ИИ на разных платформах является отсутствие единого ответственного лица или подотчетной команды (32%). За ним следует непрозрачность со стороны поставщиков (25%), отсутствие необходимых инструментов (16%), а на последнем месте – нехватка квалифицированных кадров (5%).
Необходимые навыки есть, но организационных полномочий нет: только 38% говорят, что сегодня центральная команда действительно управляет поведением ИИ на их платформах, 21% говорят, что ответственность неясна или активно оспаривается между командами, а 17% говорят, что ни одна должность вообще не предполагает формальной ответственности.
Управление уровнем ИИ только усугубляет вакуум. 85% предприятий используют две или более платформ, каждая из которых позиционируется как «основной» уровень ИИ — ERP, ITSM, пакет офисных приложений, платформа данных, каждая со своим собственным ИИ, своими средствами управления и своими предположениями. 36% описывают открытую конкуренцию между четырьмя или более платформами. Только 8% объединились в одну. На вопрос в свободной форме о том, что бы они хотели исправить, респонденты сошлись во мнении, что у всех разные мнения, но в итоге пришли к одному и тому же ответу: единый ответственный владелец и плоскость управления, которая абстрагирует затраты, отклонения и выбор модели от конечного пользователя.
79% уже понесли убытки из-за сбоя в управлении агентом — в первую очередь из-за теневого ИИ.
Стоимость пылесоса отображается на корпоративных картах.
На вопрос о наиболее серьезных сбоях в финансовом или операционном управлении, с которыми они столкнулись со стороны автономных агентов, 49% предприятий назвали теневой ИИ — команды отделов, запускающие несанкционированные агентские конвейеры с использованием корпоративных кредитных карт, полностью обходя централизованный финансовый контроль. Еще 25% столкнулись с бесконечным циклом обработки запросов — неуловимым рекурсивным рабочим процессом, накопившим тысячи долларов в виде затрат на токены за один инцидент, а 6% — с агентом, который ухудшил работу производственных баз данных из-за неконтролируемых запросов. Только 21% сообщают о сдержанной стабильности с жестким ограничением затрат на токены и лимитами бюджета на уровне инфраструктуры. В сумме: 79% этих предприятий уже заплатили за сбой в управлении агентами реальными деньгами или реальным простоем.
Наконец, экономические аспекты использования токенов указывают на то, что давление будет продолжать расти. Стоимость вывода данных в расчете на один токен снижается на 70-80% в год, а рабочие нагрузки агентов потребляют в 100-500 раз больше токенов, чем инструменты LLM, которые они заменили.
Брайан Грейсли, старший директор по стратегии портфеля в Red Hat, рассказал нашей аудитории в Нью-Йорке, что решение начинается с оптимизации масштабов: «Если я просто пытаюсь урегулировать страховой случай, мне не нужно знать историю западной цивилизации в своей модели. Мне не нужно знать результаты футбольных матчей».
По его словам, предприятия объединяют более мелкие, специализированные модели с семантической маршрутизацией, чтобы платформа определяла, какие запросы действительно требуют анализа в масштабах, близких к передовым, а какие тратят ценные токены на стандартную работу. (Один из смежных показателей опроса подчеркивает стремление к прагматизму: 73% предприятий сообщают о незначительных или нулевых результатах своих инвестиций в индивидуальную настройку за последние 18 месяцев — этот показатель мы рассмотрим в отдельном отчете.)
В итоге: возможность замены распространяется быстрее, чем возможность владения.
Опрос показывает, что предприятия быстро внедряют ИИ, но при этом имеют слабый контроль на базовом уровне. 58% компаний внедряют больше инициатив в области ИИ, чем выводят из эксплуатации. 85% используют несколько платформ, каждая из которых позиционируется как основной уровень ИИ. В три раза больше предприятий полагаются на проверку человеком для выявления сбоев в производственной модели, чем используют автоматизированный мониторинг. И 79% уже понесли убытки из-за сбоя в работе агентов — чаще всего это были несанкционированные расходы агентов с корпоративных карт, вне контроля ИТ-отдела.
В одном вопросе предприятия явно адаптировались: зависимость от моделей. Две трети компаний используют модели с ограниченным набором параметров, либо запуская модели с открытым набором параметров наряду с закрытыми (51%), либо полностью перенося основные рабочие процессы с закрытых API (16%). Закрытие Fable 5 продемонстрировало ценность такой позиции — компании, использующие модели с ограниченным набором параметров, смогли обойти модель, которая стала недоступной в одночасье по распоряжению правительства.
Оставшиеся проблемы носят внутренний характер, и никакие покупки их не решают: 32% называют отсутствие единого ответственного лица главным препятствием в управлении, а 17% говорят, что ни одна должность вообще не предполагает формальной ответственности за ИИ. Назначение ответственного лица ничего не стоит и не требует привлечения подрядчика. В большинстве этих компаний этого до сих пор не произошло.
В ходе предстоящего исследования в третьем квартале мы оценим, изменилась ли ситуация в июне — назначили ли предприятия ответственных лиц и внедрили автоматизированный мониторинг, или же просто добавили вторую модель и перешли к следующему этапу.
Полный отчет о контрольных пробелах можно получить здесь .
Темы этого отчета — координация работы агентов, управление и контроль затрат — станут темой обсуждения на VB Transform, флагманском мероприятии VentureBeat, которое пройдет 14-15 июля в отеле Nia в Менло-Парке. В нем примут участие технические специалисты из Visa, GM, Waymo, Intuit, Instacart, LangChain и других компаний. Подробности и регистрация здесь.
Примечание: Мероприятие VentureBeat, посвященное влиянию ИИ на общество, состоявшееся 24 июня в Нью-Йорке, было спонсировано компаниями Red Hat и Intel. Спонсоры не принимали участия в разработке опроса VentureBeat Pulse Research, его результатах или редакционной публикации.
Подпишитесь, чтобы получать самые свежие новости!
Подробные аналитические данные для руководителей предприятий в области искусственного интеллекта, данных и безопасности.
Отправляя свой адрес электронной почты, вы соглашаетесь с нашими Условиями использования и Политикой конфиденциальности.
Получайте обновления ! Вы подписаны! Наши последние новости скоро поступят на вашу электронную почту.
Источник: venturebeat.com
Оцените материал:
