Наделла: компании, полностью доверяющие одной ИИ-модели, могут не выжить

Генеральный директор Microsoft Сатья Наделла в интервью CNN заявил, что компании, которые полностью полагаются на проприетарные ИИ-лаборатории для своих потребностей в области искусственного интеллекта, в конечном итоге не выживут. Это заявление, опубликованное TechCrunch 27 июля 2026 года, развивает его более раннее предупреждение, сделанное в начале месяца.

Что именно сказал Наделла

В программе «Fareed Zakaria GPS» Наделла объяснил, что бизнесу необходимо быть осторожным с тем, что он передает поставщикам ИИ-моделей, включая данные и промпты. Он призвал к созданию инфраструктуры, при которой «каждый раз, когда вы используете модель, все метаданные вокруг нее сохраняются у вас, чтобы вы могли использовать их для обучения, возможно, своих собственных весов или своей открытой модели». Веса — это обученные параметры модели, по сути, ее мозг.

«Любая фирма, у которой нет этого контроля, я утверждаю, не останется фирмой, потому что вы по сути передали свое мышление на аутсорсинг», — добавил он.

Почему это важно

Наделла подчеркнул, что компаниям следует перестать полагаться на встроенные инструменты кодирования ИИ-лабораторий, известные как «харнессы» (например, Claude Code от Anthropic и ChatGPT Codex от OpenAI). Он считает, что, сохраняя харнесс, контекст и память отдельно от модели, компании могут использовать несколько моделей для их сильных сторон и при этом сохранять контроль над своей судьбой, даже если какая-то одна модель исчезнет.

Microsoft является инвестором двух крупнейших ИИ-лабораторий — Anthropic и OpenAI. Тем не менее Наделла предостерегает предприятия от чрезмерной зависимости от них. Это предупреждение может быть выгодно Microsoft, так как ее облачный бизнес продает альтернативную инфраструктуру, которую он рекомендует.

Контекст: растущий спрос на открытые модели

Несмотря на очевидный корыстный мотив, Наделла прав. Предприятия все чаще осознают, что им нужно множество вариантов моделей, особенно более дешевых, и обращаются к моделям с открытыми весами, которые можно дообучать и запускать на собственном оборудовании. Это, в свою очередь, требует инструментов для управления несколькими моделями и кодирующими агентами, не привязанными к конкретному поставщику.

Наделла также предвидит риск: как только компания «передает свое мышление» модели, мало что мешает ИИ-лаборатории в конечном итоге предложить конкурирующий сервис. Этот риск возрастает по мере того, как предприятия внедряют ИИ-агентов и дают им доступ к внутренним данным компании.

Аналогия со стартапами

Это предупреждение перекликается с опасениями стартап-индустрии: что мешает создателям моделей уничтожить стартапы, копируя их и конкурируя с ними? В мае, когда генеральный директор OpenAI Сэм Альтман предложил инвестировать в каждый стартап Y Combinator последнего набора, предоставив им AI-кредиты, инвестор Джейсон Калаканис опубликовал предупреждение: «Если вы примете эти токены, есть ненулевой шанс, что OpenAI изучит, что именно делает ваш стартап, скопирует вашу идею и поместит ваше приложение в свое бесплатное предложение. Это классический платформенный сценарий — будьте осторожны, основатели!» Теперь Наделла делает то же самое для предприятий.

Оговорка: предупреждение не касается частных лиц

Наделла уточнил, что его беспокойство о чрезмерном обмене данными с ИИ-моделями относится только к бизнесу, а не к частным лицам. Когда его спросили, как обычные люди могут защитить себя, он ответил, что обмен данными — это цена, которую потребители платят за использование сервиса, особенно бесплатного. «В некоторой степени в потребительском пространстве должен быть какой-то обмен ценностями, когда вы получаете что-то бесплатно, возможно, за свои данные. Так работает рекламная бизнес-модель», — сказал Наделла.

Что это значит

Заявление Наделлы подчеркивает растущую тенденцию к диверсификации ИИ-инфраструктуры в корпоративном секторе. Хотя его совет может быть продиктован интересами Microsoft, он отражает реальные опасения по поводу зависимости от одного поставщика ИИ. Компаниям, вероятно, стоит задуматься о том, как они хранят свои данные и промпты, и рассмотреть возможность использования нескольких моделей или собственных решений.