Расширение инфраструктуры искусственного интеллекта затрагивает не только видеокарты, но и корпоративные рабочие процессы. Последние два года обсуждения генеративного ИИ сосредоточены на одном типе оборудования — графических процессорах (GPU). Они обеспечивали параллельные вычисления, необходимые для обучения больших языковых моделей, а их дефицит стал индикатором готовности к внедрению ИИ. Однако теперь этот подход устарел.
По словам управляющего партнера Cardiff, следующий этап развития корпоративного ИИ будет определяться не только ускорителями. Его формировать будут центральные процессоры (CPU), пропускная способность памяти, облачные мощности, сетевая инфраструктура и системы управления рабочими процессами, которые позволят ИИ перейти от случайных экспериментов к повседневным бизнес-операциям. Истинный экономический эффект от ИИ будет зависеть не от доступа к моделям, а от способности компаний превратить искусственный интеллект в надежный и экономически эффективный операционный ресурс.
ИИ становится инфраструктурной проблемой
Первая волна внедрения генеративного ИИ носила в основном экспериментальный характер. Сотрудники использовали отдельные инструменты для написания писем, составления резюме документов или написания кода. Эти разовые сценарии были полезны, но не требовали от компаний перестройки рабочих процессов.
Следующая волна существенно отличается. По мере того как ИИ глубже интегрируется в корпоративные рабочие процессы, требования к ИТ-инфраструктуре экспоненциально усложняются.
Инструмент поддержки клиентов, который лишь генерирует ответ, относительно прост. Однако система ИИ, которая считывает историю учетной записи, проверяет политику, обновляет систему управления взаимоотношениями с клиентами (CRM), регистрирует взаимодействие и запускает последующую задачу, представляет собой совершенно иной уровень сложности. Такая система требует не только мощной модели, но и оркестрации вычислений, безопасного доступа к данным, интеграции программного обеспечения, управления разрешениями, аудиторских журналов и логики резервирования.
Именно здесь узкий, ориентированный на графические процессоры взгляд, оказывается недостаточным. Хотя GPU по-прежнему критически важны для сложных операций вывода, центральные процессоры координируют взаимодействие этих рабочих нагрузок с базами данных, интерфейсами прикладного программирования (API), уровнями безопасности и операционными системами. В результате пропускная способность памяти, задержка и доступность электроэнергии становятся ключевыми стратегическими ограничениями.
Высокая стоимость неструктурированного использования ИИ
Ранняя стратегия предприятий была проста: предоставить сотрудникам доступ к мощным инструментам и посмотреть на результат. Хотя это ускорило обучение, оно также выявило серьезную финансовую уязвимость. Индивидуальное, неструктурированное использование ИИ-подсказок (промптов) обходится дорого, его трудно измерить и сложно связать с конкретными бизнес-результатами.
Наблюдается значительный корректирующий сдвиг среди технологических гигантов. Компания Microsoft недавно начала отзывать внутренние лицензии на Anthropic’s Claude Code, который обходился в 500-2000 долларов США в месяц на одного инженера из-за высокого потребления токенов. Корпорация обязывает свой отдел Experiences and Devices перейти на GitHub Copilot CLI до конца финансового года 30 июня.
Аналогичным образом, компания Uber полностью исчерпала свой бюджет на инструменты кодирования с помощью ИИ всего за четыре месяца. Этот гигант в сфере заказа такси внедрил Claude Code примерно для 5000 инженеров и активно стимулировал его использование с помощью внутренних рейтингов. Эксперимент оказался невероятно эффективным — системы с ИИ генерировали почти 70% написанного кода, — но потребление токенов росло быстрее, чем кто-либо ожидал, что заставило руководство Uber публично поставить под сомнение чистую рентабельность инвестиций.
Следовательно, будущее корпоративного ИИ будет уходить от фрагментированного использования промптов в сторону централизованной модели интеллекта. Вместо тысяч разрозненных взаимодействий компании будут полагаться на общие интеллектуальные слои — централизованные системы, которые понимают корпоративные данные, применяют последовательные бизнес-правила, маршрутизируют задачи между приложениями и отслеживают производительность.
Эта модель по своей природе более эффективна, поскольку один и тот же интеллект повторно используется в различных рабочих процессах, а не воссоздается с нуля каждым отдельным пользователем.
От ответов к рабочим процессам
Самый важный сдвиг в корпоративных технологиях — это переход от инструментов, которые отвечают на вопросы, к системам, которые непосредственно выполняют работу.
Традиционное программное обеспечение детерминировано: пользователь нажимает кнопку, и система выполняет заданное действие. Рабочие процессы ИИ более динамичны. Агентный рабочий процесс может получать данные в реальном времени, рассуждать в рамках многоэтапного процесса, взаимодействовать со сторонним программным обеспечением и подключать человека для утверждения.
Это оказывает огромное давление на весь технологический стек. Чтобы добиться реального повышения производительности, компаниям необходима чистая инфраструктура данных, строгий подход к управлению и надежные интеграции. Продвинутые модели бесполезны, если они наложены на фрагментированные, разобщенные корпоративные системы.
Беспрецедентное управление изменениями и «ИИ-ориентированные» специалисты
По мере развития этих агентных систем их влияние на мировую занятость вызовет кризис управления корпоративными изменениями беспрецедентного масштаба. ИИ принципиально изменит характер найма и требования к ролям задолго до того, как начнет массово сокращать штат.
Исторически численность персонала была основным рычагом для масштабирования мощностей; больше клиентов требовало больше сотрудников поддержки. ИИ нарушает эту линейную зависимость. Вместо того чтобы спрашивать, сколько людей необходимо для обработки возросшего объема, руководители все чаще будут задаваться вопросом, какая часть процесса может быть обработана автоматизированными системами.
Такая среда будет активно поощрять адаптивность. Специалисты, которые опережают технологическую кривую, учатся проектировать рабочие процессы с использованием ИИ и управляют системными исключениями, получат непропорционально большую выгоду.
И наоборот, риск вытеснения наиболее очевиден для тех, кто полагается исключительно на традиционный отраслевой опыт. Традиционные технические и управленческие парадигмы разрушаются новой когортой ИИ-ориентированных разработчиков, менеджеров по продуктам и членов команд. Эти специалисты не просто используют ИИ в качестве помощника; они строят, управляют и мыслят в терминах автоматизированных, модельно-ориентированных систем.
Те, кто не сможет перейти от традиционных операторов к ИИ-ориентированным оркестраторам, рискуют быть замененными теми, кто это сделает.
ИИ-инфраструктура как экономическая основа
Более широкое экономическое влияние ИИ будет определяться тем, насколько глубоко он сможет быть интегрирован в основные системы, управляющие мировым бизнесом.
Графические процессоры, центральные процессоры, сетевое оборудование и центры обработки данных образуют физическую основу. Оркестрация агентов, безопасность и наблюдаемость формируют операционную основу. В совокупности они определяют, останется ли ИИ новшеством или станет масштабируемой бизнес-возможностью.
Гонка за графическими процессорами была лишь первой главой бума ИИ. Следующая глава будет определяться целостными системами вычислений, данных и рабочих процессов, которые позволят ИИ выполнять реальную работу в масштабе. Именно в этот момент ИИ перестанет быть просто инструментом и по-настоящему станет инфраструктурой.
