Мирантис спонсировал этот пост. Insight Partners является инвестором Mirantis и TNS.
Искусственный интеллект, безусловно, является одной из самых преобразующих технологий за последние 50 лет, затрагивающей все аспекты ИТ-стека сверху донизу. Хотя мы все еще находимся в начале цикла ажиотажа, мы являемся свидетелями широкого внедрения и некоторых первых побед.
OpenAI и другие компании добились невероятного роста, во многом благодаря внедрению его служащими в таких областях, как разработка и маркетинг. Тем не менее, по данным MIT, предприятия изо всех сил пытаются внедрить агенты искусственного интеллекта для конкретных случаев использования в бизнесе, причем, по данным MIT, уровень неудач достигает 95%.
В то время как новые стартапы «нативного искусственного интеллекта» внедряют в работу искусственный интеллект и агентные рабочие процессы, предприятия все еще пытаются преодолеть пропасть. Это напоминает мне о первых проблемах при внедрении услуг облачных вычислений.
Рост раннего внедрения облака и AWS EC2
На заре облачных вычислений мы потратили огромное количество времени, пытаясь определить, что означает новая архитектура. «Нативный облачный подход» как архитектурный шаблон еще не достиг совершеннолетия в 2009 и 2010 годах, примерно через два года после начала работы с AWS EC2. Многие из первых «клаудератов» активно экспериментировали и помогали определять этот архитектурный образец.
В то время мы наблюдали ту же самую картину: предприятия изо всех сил пытались понять новую архитектуру и первоначально пытались поднять и перенести «старые» рабочие нагрузки непосредственно в облако, а не проводить их рефакторинг, переформатирование или перепроектирование архитектуры. Их первые успехи были в основном связаны с новыми приложениями с нуля.
Преодоление пропасти заняло некоторое время, и хотя EC2 удалил свою бета-версию в 2008 году, на самом деле это было скорее похоже на 2015 год, прежде чем произошло значительное и широкое внедрение на предприятиях.
Я ожидаю, что мы увидим аналогичную картину при преодолении пропасти ИИ.
Как предприятие внедряет новые технологии
Крупные предприятия редко первыми внедряют новые технологии. Многие из проблем носят структурный характер, например, добавление новых поставщиков в системы закупок. Некоторые из них связаны с дефицитом кадров, когда высокотехнологичные компании высасывают много кислорода из комнаты с точки зрения трудового резерва. Другие проблемы включают в себя неприятие риска, непонимание новых архитектурных изменений, пробелы в безопасности и соблюдении требований, а также потребность в комплексных решениях. Вот почему SaaS пользуется таким огромным успехом на предприятиях. Он поднимает и выносит целые наборы бэк-офисных решений за пределы бизнеса и делает их чужими проблемами, поэтому предприятия могут идти по кривой инноваций других.
Как предприятия будут внедрять ИИ
Несмотря на то, что существуют параллели с внедрением облачных архитектур вычислений, есть и некоторые интересные различия, которые повлияют на внедрение на предприятиях. Во-первых, поскольку ИИ можно применять где угодно, его легко применять и в существующих приложениях и в работе. Вот почему мы видим так много команд разработчиков, маркетинга и продаж, которые просто интегрируют ИИ в существующие рабочие процессы. Обычно речь идет о неконфиденциальных данных, которые могут быть отправлены за пределы четырех стен предприятия при наличии правильных договорных гарантий.
Это подводит нас ко второму моменту: как и в случае с облачными приложениями, существует острая потребность в новых новых приложениях, которые являются собственными и агентными для искусственного интеллекта. Раннее внедрение корпоративных облачных технологий представляло собой в основном новые приложения, которые принесли немедленную выгоду бизнесу и повысили его конкурентоспособность. Для ИИ это не составляет труда, однако в большинстве случаев использования потребуется доступ к высококонфиденциальным данным. Например, компания в сфере здравоохранения захочет использовать свои исчерпывающие данные о пациентах и применить агенты искусственного интеллекта к электронным медицинским записям (EHR). Риск утечки данных в случае отправки ЭМК за пределы организации неприемлем для большинства медицинских компаний.
В результате предприятия будут внедрять ИИ с помощью существующих легко висящих плодов. Но наибольшую пользу для предприятия принесет успешное преодоление пропасти в приложениях агентного ИИ, привязанных к данным с самой высокой конфиденциальностью. Внедрение этих агентных приложений искусственного интеллекта будет медленным, а уровень ранних неудач будет высоким – во многом потому, что мы еще не знаем, какие модели являются правильными. «Нативный искусственный интеллект» сейчас не имеет четкого определения. Мы все вместе стремимся решить эту проблему.
Что мы знаем об AI-Native сегодня
Так что же такое искусственный интеллект? Хотя многое неясно, некоторые вещи мы знаем сразу. Протокол контекста модели (MCP) уже является лингва-франка для агентских рабочих процессов, так же, как REST стал лингва-франка в Интернете. Мы знаем, что агенты хороши в том, что они делают, и что обычный старый дискретный неагентский код все еще имеет место. Это означает, что агенты по определению полагаются на большие языковые модели (LLM) в своей недетерминированной «бизнес-логике», в то время как обычный код обеспечивает детерминированное процедурное выполнение. Теперь мы называем эти «инструменты» на новом жаргоне искусственного интеллекта, и MCP является фактическим стандартом, который объединяет все это воедино.
Мы знаем, что нативные приложения искусственного интеллекта также в основном являются облачными приложениями. У них одинаковые атрибуты, масштабируемость, необходимость обнаружения отклонений и т. д. По этой причине большинство из них, вероятно, будут работать на Kubernetes, и все развертывания, которые я вижу сегодня, подтверждают это мнение. Нативный искусственный интеллект, по-видимому, представляет собой эволюцию облачного подхода.
Мы также знаем, что тестирование приложений на основе искусственного интеллекта из-за их недетерминированной бизнес-логики будет особенно сложным. Раньше вы могли внедрить новую функцию или исправить ошибку, а затем запустить стандартный набор тестов для своего приложения или веб-сайта, чтобы убедиться, что ключевые показатели по-прежнему достигаются. Большая часть того, что необходимо проверить на регрессию в приложениях агентного ИИ, — это такие вещи, как точность и галлюцинации, о которых нам раньше не нужно было беспокоиться. Вот здесь-то и появляются «оценки».
Наблюдение за приложениями на базе искусственного интеллекта также будет сложным. В большинстве крупномасштабных мультиагентных рабочих процессов на пути будет несколько агентов, каждый из которых вызывает один или несколько LLM, возможно, для разных целей. Инструментирование всего этого и возможность выполнить анализ первопричин для устранения проблем будет особенно сложной задачей.
Наконец, мы знаем, что в конечном итоге ИИ-разработчикам необходимы надежные ограждения и новые решения для их уникальных проблем безопасности и конфиденциальности данных. В настоящее время о многих методах обеспечения безопасности думают второстепенно, но для широкого внедрения на предприятии нам придется вернуться к чертежной доске и по-новому взглянуть на способы решения проблем утечки данных, галлюцинаций, доступа к данным, транзитивной идентификации и многого другого.
Преодолев пропасть ИИ
Как и в случае с облачными технологиями, предприятиям потребуется помощь, чтобы преодолеть пропасть. Им нужны хорошо понятные шаблоны, открытые решения, обучение MCP и агентным рабочим процессам, надежные инструменты безопасности и конфиденциальности данных. Самое главное, им нужны смелые первопроходцы, которые будут работать над реальными агентными решениями, чтобы учиться на этих усилиях. На мой взгляд, это означает три ясных вещи:
- Предоставьте внутренним разработчикам возможность использовать подход «снизу вверх», как это сделал Netflix, внедрив AWS и внедрив технологию Cloud.native.
- Сотрудничество с компаниями и лидерами мнений, которые находятся на переднем крае разработки агентных приложений искусственного интеллекта.
- Готовность учиться, часто посредством смелых шагов, принятия риска и неудач.
Мы снова находимся на перепутье, и те, кого мы примем на работу раньше, получат конкурентное преимущество перед теми, кто этого не сделает. «Адаптируйся или умри» — снова ключевые слова, которыми нужно руководствоваться в нашем постоянно меняющемся мире технологий.
Mirantis помогает организациям достичь цифрового самоопределения, предоставляя им полный контроль над своей стратегической инфраструктурой. Компания сочетает в себе интеллектуальную автоматизацию и облачный опыт управления виртуальными машинами и их эксплуатации. Insight Partners является инвестором Mirantis и TNS. Узнайте больше Последние новости от Mirantis ТЕНДЕНЦИОННЫЕ ИСТОРИИ YOUTUBE.COM/THENEWSTACK Технологии развиваются быстро, не пропустите ни одной серии. Подпишитесь на наш канал YouTube, чтобы смотреть все наши подкасты, интервью, демонстрации и многое другое. ПОДПИСАТЬСЯ Группа, созданная в Sketch. Рэнди Биас — новатор в области облачных технологий, DevOps и технологий с открытым исходным кодом, получивший признание за успешные усилия по использованию открытого исходного кода на предприятиях всех размеров и существенно влияющий на переход отрасли от проприетарных моделей. Он сыграл решающую роль… Подробнее от Рэнди Биаса
