Почему ИИ нельзя внедрить как ERP, нельзя раздать как Office, и что тогда остаётся |
||
|
МЕНЮ Главная страница ТЕМЫ Новости ИИ Голосовой помощник Разработка ИИГородские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Искусственный интеллект Слежка за людьми Угроза ИИ Атаки на ИИ Внедрение ИИИИ теория Компьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Нейронные сети начинающим Психология ИИ Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Промпты. Генеративные запросы Распознавание лиц Распознавание образов Распознавание речи Творчество ИИ Техническое зрение Чат-боты Авторизация |
2026-09-14 11:41 Представьте, что вы сидите на совещании с архитектором одной из крупнейших российских нейросетей и спрашиваете: что из текущих возможностей моделей реально развернуть у заказчика на его железе, в закрытом контуре? Ответ будет коротким и обескураживающим: режим рассуждений и мультиагентные системы — нет, и даже не стоит считать. Не потому, что это технически невозможно, а потому, что ресурсы, которые для этого потребуются, не окупятся ни при каком разумном числе пользователей. Это не сенсация для тех, кто хоть раз пытался поставить модель у себя. Но за этим ответом стоит гораздо более глубокая проблема, с которой сталкивается любая большая организация, пытающаяся внедрить искусственный интеллект. Проблема, которая не решается ни покупкой лицензий, ни написанием технического задания. Возьмём конкретный пример. Есть ведомство, в нём международный департамент, в департаменте переводчики. Часть документов они переводят для внешнего мира — там всё строго, за качество отвечает человек, и неважно, делает он это руками или с помощью модели. Но есть другая часть — внутренняя: документы, которые переводятся для собственного понимания, никуда не отправляются, их много, они рутинные. Раньше помогал ПРОМТ — классическая система с настраиваемым словарём. Идея была здравая: внутренний поток отдать современной модели, переводчику оставить лёгкую проверку. Так в техническое задание на «внедрение системы искусственного интеллекта» вписали один маленький пункт. Вписали перед самым конкурсом, цену контракта не меняли. Аргумент: ну это же просто, ИИ сейчас хорошо переводят. ИИ действительно хорошо переводит. В облаке. Но эти документы в облако отдавать нельзя. А то, что можно поставить в контур, переводит, как выяснилось, не сильно лучше ПРОМТа. И уж точно не так, чтобы пройти испытания, прописанные в том же техническом задании. Не пройдены испытания — не подписан акт. Не подписан акт по одному пункту — не закрыт контракт целиком, на десятки миллионов рублей. Дальше — штраф и реальный шанс попасть в реестр недобросовестных поставщиков за пункт, который добавили «потому что просто». Это не единичный случай. Это симптом системной болезни. Чтобы понять её природу, нужно разобраться, чем ИИ принципиально отличается от корпоративных систем, которые мы привыкли внедрять. Разница между ERP и Office не в способе внедрения, а в единице ценности. ERP даёт ценность только тогда, когда в ней работают все. Единая модель данных, сквозной процесс, один источник правды — всё это существует, только если в системе сидит и склад, и бухгалтерия, и продажи. Пока половина ведёт учёт в Excel, ERP не существует, сколько бы за неё ни заплатили. Отсюда и способ внедрения: сверху, проектом, с приказом о переходе и датой, после которой старая система отключается. Office даёт ценность на каждом рабочем месте отдельно. Один человек с Excel уже полезнее, чем он же без Excel, и ему не нужно, чтобы Excel был у соседа. Координация не требуется, поэтому и внедрения как проекта не было: ИТ поставили образ на все машины, а дальше каждый пользовался, как умел. Кто-то писал макросы, кто-то не выходил за пределы суммы по столбцу. ИИ по единице ценности — Office. Аналитик с моделью полезнее аналитика без модели, и ему не нужно, чтобы модель была у соседа. Но закупают его как ERP. И на это есть три причины, каждая из которых по отдельности разумна. Первая — безопасность. Модель нельзя купить как лицензию на рабочее место, если данные не должны покидать контур. Её нужно развернуть на своём железе, аттестовать, подключить к своим источникам. Это проект, а не поставка. Вторая — бюджет. У бюджетного процесса большой организации две корзины. В первой — лицензии: операционные расходы, стандартный продукт, на 500 рабочих мест, без технического задания. Так покупают Office, и так же можно было бы купить корпоративный доступ к облачной модели. Но первая причина эту корзину закрывает: облачная модель с рабочими данными не годится. Всё, что нужно ставить у себя, падает во вторую корзину — капитальные вложения в систему, — а вторая корзина умеет только одно: техническое задание, конкурс, внедрение, акт ввода в эксплуатацию. Третья — рынок. Вендору выгодно продавать платформу, потому что платформа — это контракт на сотни миллионов, а лицензия на рабочее место — нет. И вендор честно приносит платформу, а с ней ТЗ, дорожную карту и опытную эксплуатацию. Три института толкают ИИ в ERP-колею одновременно, и организация въезжает в неё не по глупости. Она въезжает потому, что это единственная колея, которая у неё есть для слова «внедрение». Никто ведь не говорил «внедрить Excel». Теперь посмотрим, что происходит, когда по этой колее едут. Цикл внедрения корпоративной системы в большой организации выглядит так: инициатива и защита бюджета — от полугода до года; техническое задание и закупка по 44-ФЗ, 223-ФЗ или по корпоративному регламенту — ещё полгода; внедрение и опытная эксплуатация — год; перевод в промышленную — когда получится. Два года — оптимистичная оценка, три — нормальная. Бывают проекты, которые на третий год всё ещё придумывают, и это не исключение. Теперь то, что за это время происходит с моделями. ChatGPT вышел в ноябре 2022 года. Первая модель с режимом рассуждений, o1, — в сентябре 2024-го, через 22 месяца. Первые агенты, которые сами пишут, запускают и правят код, закрывая задачу из трекера целиком, — весна 2025-го, ещё полгода. Мультиагентные системы, в которых один агент планирует, другие исполняют, третий проверяет, — 2025–2026. От автодополнения строки кода до агента, которому отдают задачу и получают пул-реквест, прошло около трёх лет, и каждый следующий шаг был короче предыдущего. Положите два ряда рядом. Организация защищает бюджет на модель того поколения, которое она видела. Пишет ТЗ ещё через полгода — и в ТЗ попадает то, что было в демонстрации вендора, то есть прошлое поколение. Конкурс, контракт, внедрение. К опытной эксплуатации в контуре стоит модель, отстающая от того, что сотрудник видит дома, на два-три поколения. И это не поломка процесса, это его нормальная работа. Возразят: 1С тоже обновляется, и ничего. Верно, и в этом разница. Ценность ERP от версии почти не зависит: учёт в 8.2 и в 8.3 ведётся одинаково. Ценность ИИ-решения зависит от поколения модели радикально: задача, которая на прошлом поколении давала 80% релевантных ответов и считалась браком, на следующем проходит приёмку без изменений в постановке. Хуже того: ТЗ фиксирует не только «что», но и «как». В частных технических заданиях, которые мне доводилось читать, записана архитектура: векторное хранилище, нарезка документов на фрагменты, реранкер, ручной пайплайн проверки. Писали их в 2024-м. К 2026-му длинный контекст и агентный поиск делают половину этой архитектуры лишней. Но подрядчик обязан сдать то, что в ТЗ, а заказчик обязан это принять, потому что иначе контракт не закрывается. Обе стороны знают, что принимают вчерашнее. И тот пункт про перевод — из той же серии, только наоборот: там в ТЗ попало не вчерашнее, а завтрашнее, то, что модели умеют в облаке, но пока не умеют в контуре. Формула простая: техническое задание на ИИ — это техническое задание на поколение модели, а поколение живёт год. Цикл внедрения — два-три года. Рассинхрон не устраняется ускорением закупок: даже если ужать цикл вдвое, он останется длиннее поколения. Может быть, тогда работает простая модель: поставить доверенную модель в контур один раз и дальше просто обновлять? Здесь и выясняется, что «просто обновлять» не получится, потому что в контур влезает не всё. Начнём с кода, потому что это самая требовательная задача. Мерить будем по SWE-bench Verified — тесту, где модель должна закрыть реальную задачу из реального репозитория. Закрытый фронтир (Anthropic, OpenAI) — это кластер, авторы сами пишут «только облако». Открытая модель уровня DeepSeek V4-Pro с 1,6 трлн параметров требует 4 карты H200 в 4-битном сжатии, 8 для нормальной работы. Сервер с 8? H200 — около 57 миллионов рублей, с 8? H100 — около 26 миллионов. Аренда H100 в российских облаках — от 350 рублей в час за карту, 8 карт — порядка 2,5 миллиона в месяц. Одна карта на 96 ГБ (RTX PRO 6000) стоит около 2,1 миллиона — это на одного разработчика. Нода из 8 карт по 80–96 ГБ — те же 14–57 миллионов в зависимости от карт. Читается это так. То, что влезает в одну карту, отстаёт от фронтира примерно на год — это уровень закрытых лидеров прошлого лета. Это неплохо. Но одна карта — на одного разработчика, а на команду из пятидесяти нужна уже не карта. И заметьте масштаб: нода из восьми H200 стоит примерно столько же, сколько весь контракт, о котором шла речь в начале. Целиком, со всеми остальными пунктами ТЗ. Теперь перевод, та самая задача из ТЗ. Она кажется проще, но выходит похоже. По WMT25, где качество оценивают люди, а не метрики, лучшая система — закрытая. Лучшая открытая, Qwen3.5 на 397 миллиардов параметров, отстаёт от закрытого лидера на треть, следующая открытая — вдвое. Данных отдельно по русскому языку в этих тестах нет, так что для нас это оценка сверху. А 397 миллиардов в четырёх битах — это 200 с лишним гигабайт, четыре карты по 80, то есть половина того самого сервера за 26 миллионов, ради перевода внутренних документов. Но обратите внимание, что именно упирается в ресурсы. Не память — память для открытой модели среднего размера найти можно. Упирается режим работы. Простой перевод регламентного текста модель на одной карте сделает — примерно на уровне ПРОМТа с хорошо настроенным словарём, и ради этого менять систему незачем, испытания по ТЗ это не пройдёт. Заказчику нужен не перевод, а перевод, отредактированный и сверенный с глоссарием и принятой в ведомстве стилистикой, — то, ради чего он и хотел уйти с ПРОМТа. Это три-пять проходов модели по тексту, с глоссарием и стайлгайдом в контексте, и токенов на один документ уходит в разы больше, чем на сам перевод. С кодом то же самое, только круче: агент с рассуждениями на одну задачу генерирует десятки тысяч токенов, мультиагентная система — кратно больше, и всё это на каждого пользователя одновременно. Карта, которая выдаёт двадцать токенов в секунду, потратит на такую задачу полчаса; облако решает её за три минуты, потому что там на ту же задачу работает не одна карта. Вот что имел в виду архитектор. Стоимость контура — это число пользователей, умноженное на число токенов на задачу, а токенов на задачу с каждым поколением становится на порядок больше, потому что модели всё больше думают и всё меньше отвечают сразу. Память — входной билет. Пропускная способность в агентном режиме — то, что не окупается. Из этого следует деление, но не то, которое напрашивается. Напрашивается делить по сложности задачи: простое — в контур, сложное — наружу. Граница по сложности движется каждый квартал, и делить по ней бессмысленно. Деление должно быть по другому признаку. Что остаётся? Остаётся признать, что для ИИ в закрытом контуре нужна не ERP-логика внедрения и не Office-логика раздачи, а что-то третье. Что-то, что учитывает скорость смены поколений и ресурсные ограничения. Пока этого третьего нет, организации будут продолжать въезжать в колею, которая ведёт к штрафам, реестру недобросовестных поставщиков и десяткам миллионов, потраченным на вчерашний день. Как вы думаете, что должно измениться в первую очередь — процедуры закупок, подход вендоров или ожидания заказчиков, — чтобы ИИ перестал быть заложником ERP-колеи? Телеграм: t.me/ainewsline Источник: vk.com Комментарии: |
|