Три тренда возвращают on-premise системы: мнение эксперта

Стратегический советник Итай Саги: три тренда возвращают on-premise в фокус

Рост AI-мошенничества, внедрение корпоративного AI и угроза квантовых вычислений заставляют компании пересматривать подход к размещению критической инфраструктуры.

Что нужно знать

AI-мошенничество расширяет поверхность атаки, заставляя компании пересматривать контроль над чувствительными системами.

Корпоративный AI в продуктивной среде требует проприетарных данных, что делает частную инфраструктуру более привлекательной.

Угроза квантовых вычислений стимулирует компании с долгоживущими данными рассматривать on-premise для долгосрочной защиты.

Стратегический советник Итай Саги опубликовал гостевую колонку на Crunchbase News, в которой выделил три тренда, способствующие возвращению интереса к on-premise системам. По его словам, компании всё чаще выражают беспокойство по поводу размещения критической инфраструктуры и конфиденциальных данных.

AI-мошенничество меняет подход к безопасности

Саги отмечает, что AI делает фишинг более изощрённым, поддельные счета — более правдоподобными, а имитацию голоса — труднее распознаваемой. Звонок, звучащий как от финансового директора с просьбой об оплате, больше не является фантастикой. Это расширяет поверхность атаки: теперь это не только серверы, но и системы идентификации, SaaS-инструменты, API, рабочие процессы сотрудников, подрядчики и порталы поддержки. Для чувствительных систем — коммуникаций, платежей, идентификации и данных клиентов — контроль становится более ценным. On-premise не гарантирует безопасность, но может снизить зависимость от внешних платформ и дать компаниям более чёткое владение системами, которые нельзя скомпрометировать.

Корпоративный AI тяготеет к частной инфраструктуре

Облачные AI-API удобны для пилотов, но при переходе в продуктивную среду меняются экономика и риски. Наиболее полезные корпоративные AI-приложения требуют проприетарных данных: контрактов, исходного кода, записей клиентов, финансовых отчётов, тикетов поддержки, логов безопасности, медицинских файлов и внутренних коммуникаций. Для таких случаев on-premise или частная AI-инфраструктура становятся более привлекательными: модель может работать ближе к данным, доступ контролируется жёстче, а требования к хранению, соответствию и аудиту легче выполнять. Кроме того, оплата за токены удобна в пилоте, но при масштабе, когда тысячи сотрудников или клиентов используют AI ежедневно, затраты становятся значительными. Для стабильных высоконагруженных рабочих нагрузок владение или контроль над инфраструктурой может быть дешевле, чем аренда каждого взаимодействия.

Квантовый риск меняет стратегию долгосрочной защиты данных

Квантовые вычисления пока не взламывают корпоративное шифрование, но риск уже учитывается в серьёзном планировании безопасности. Опасение в том, что как только квантовый компьютер станет коммерческим, все зашифрованные данные в облаке станут прозрачными. Это наиболее критично для компаний, хранящих долгоживущие чувствительные данные: банков, медицинских учреждений, телекоммуникационных компаний, правительств, оборонных организаций и поставщиков инфраструктуры.

Что это значит

Саги подчёркивает, что независимо от того, является ли on-premise лучшим решением, он воспринимается как таковой, и это, по его мнению, приведёт к росту спроса на эту стратегию. Материал опубликован Crunchbase News в качестве гостевой колонки.

Коротко о главном

Какие три тренда, по мнению Итая Саги, способствуют возвращению on-premise?

AI-мошенничество, внедрение корпоративного AI и квантовый риск.

Почему on-premise может быть предпочтительнее для корпоративного AI?

Потому что модель может работать ближе к проприетарным данным, доступ контролируется жёстче, а затраты на токены при масштабе могут быть выше, чем владение инфраструктурой.

Как квантовые вычисления влияют на выбор между облаком и on-premise?

Опасение, что квантовый компьютер сделает все зашифрованные данные в облаке прозрачными, побуждает компании с долгоживущими чувствительными данными рассматривать on-premise.