Реальные проблемы корпоративных AI-агентов: стоимость, безопасность и культура

Корпоративные AI-агенты переходят из стадии пилотных проектов в промышленное использование, но сталкиваются с серьезными вызовами. Как отметил Брайан Грейсели, директор по стратегии портфеля Red Hat, компании часто переоценивают отставание от конкурентов, но недооценивают сложности масштабирования. Быстрый рост затрат на AI становится одной из ключевых проблем, превращая управление расходами в вопрос для совета директоров.

Основная причина роста издержек — неэффективный выбор моделей. Предприятия часто используют мощные универсальные модели для простых задач, таких как обработка страховых заявок, где достаточно узкоспециализированных решений. Семантическая маршрутизация и кэширование повторяющихся запросов позволяют снизить нагрузку на GPU и оптимизировать расходы. Эксперты сравнивают эту ситуацию с развитием FinOps для облачных сервисов, где финансовая дисциплина стала неотъемлемой частью ИТ-стратегии.

AI также меняет подходы к кибербезопасности. Инструменты на базе искусственного интеллекта быстрее обнаруживают уязвимости, сокращая время на их эксплуатацию злоумышленниками до 7–14 дней. Это требует от компаний ускоренного патчинга и пересмотра стратегий управления безопасностью. Кроме того, AI выявляет комбинации незначительных уязвимостей, которые становятся опасными только при совместном использовании.

Организационные барьеры остаются критическим фактором успеха. Для масштабирования AI-агентов необходимо активное участие экспертов предметной области, чьи знания кодируются в системах. Компании должны создавать стимулы для сотрудников, чтобы преодолеть сопротивление инновациям и опасения потери рабочих мест. Без этого даже технически совершенные решения рискуют остаться невостребованными.