Искусственный интеллект
Правда или миф: облако эффективнее для использования ИИ
Облачные ИИ-сервисы стали символом новой технологической гонки. Именно с ними связывают самые мощные языковые модели, быстрый доступ к инновациям и практически безграничные вычислительные ресурсы. Однако многие крупные компании сегодня идут в противоположном направлении: разворачивают генеративный ИИ внутри собственного контура.
Почему бизнес сознательно отказывается от преимуществ облака? Вместе с серийным ИТ-предпринимателем, основателем noroots, Moll Y/X и Bnovo, венчурным инвестором фонда Friendly VC Валентином Микляевым разбираемся, где проходит граница между технологичностью и безопасностью.
Подкаст «Цифра в деле: как искусственный интеллект меняет большой бизнес» — второй сезон проекта СберПро о генеративном ИИ.
В этом выпуске выясняем, как компании внедряют локальные языковые модели, зачем переносят ИИ в защищённый контур и какие результаты получают на практике. Своим опытом делится Валентин Микляев, серийный ИТ-предприниматель, основатель noroots, Moll Y/X и Bnovo, венчурный инвестор фонда Friendly VC.
Как локальный ИИ заменяет облачные решения
Облачные ИИ-сервисы удобны для частных пользователей и микробизнеса, считает Валентин Микляев. Анализ документов или генерация изображений не требуют покупки собственных видеокарт и развёртывания инфраструктуры. Однако для крупных компаний на первый план выходит не снижение расходов, а вопросы безопасности и защищённости ИИ-систем. Управляемость платформы и контроль над результатами работы модели предполагают принципиально иной подход.
Эксперт приводит пример из практики. В Санкт-Петербурге крупная организация, занимающаяся расчётами с населением в сфере ЖКХ, внедрила систему автоматизации договорной работы на базе локального ИИ. Цель — ускорить обработку контрактов и увеличить количество транзакций. Использование зарубежных облачных решений в такой социально значимой инфраструктуре исключено из-за угроз утечки данных. Поэтому систему развернули внутри контура заказчика на базе отечественной большой языковой модели.
Процесс внедрения начался с анализа бизнес-процессов компании и разработки плейбука (от англ. playbook — «набор сценариев») — плана действий при наступлении определённых событий. Затем сформировали базу знаний, к которой подключили языковую модель. Такой подход позволил адаптировать ИИ под конкретные регламенты и цели организации, а не использовать универсальные алгоритмы, не учитывающие отраслевую специфику и внутренние политики безопасности.
Платформа закрывает полный цикл управления сделками: от подготовки проекта договора до его исполнения. Искусственный интеллект помогает юристам выявлять риски, проверять контрагентов, а также своевременно напоминать о датах закрывающих документов и платежей. Результат — не просто проверка текста, а предотвращение потерь, связанных со срывами сроков и штрафными санкциями. На текущем этапе компании удалось сократить время обработки документов на 20%.
Интеграция ИИ уже приносит бизнесу измеримые результаты
Локальные модели: вопрос специализации, а не мощности
Распространённое опасение, что развёрнутые внутри контура модели уступают облачным по эффективности, требует уточнения, отмечает эксперт. «Локальные решения требуют адаптации, их качество напрямую зависит от настройки. Однако попытка использовать одну модель для всех задач (генерации изображений, суммаризации текстов, проверки сложных договоров) заведомо приводит к усреднённому результату. Для корпоративных целей важна не абсолютная мощность, а точность и соответствие конкретным бизнес-задачам», — говорит Валентин Микляев.
По его словам, в будущем ожидается развитие двух траекторий. Крупные системы будут стремиться к универсальности, решая максимально широкий спектр задач в рамках единой платформы. Одновременно будет расти спрос на специализированные решения для чувствительной инфраструктуры, социально значимых отраслей. Гибридные конфигурации, сочетающие элементы облачных и локальных систем, позволяют снижать расходы и обеспечивать необходимый уровень безопасности.
Заключение. Локальные языковые модели уже доказали свою эффективность в корпоративной среде. Для бизнеса выбор между облачной и локальной инфраструктурой определяется не модой на технологии, а требованиями к безопасности, управляемости и специфике процессов. Во многих случаях именно локальное развёртывание становится оптимальным решением.
Первый сезон подкаста «Цифра в деле» был посвящён вопросам цифровой трансформации: вместе с экспертами и управленцами из разных отраслей разбирали, как грамотно выстроить подход к интеграции технологических решений.
Убеждение, что большие языковые модели эффективны только в облаке, долгое время сдерживало внедрение ИИ в корпорациях. Однако практика показывает: для крупного бизнеса решающими становятся не мощность и передовые технологии, а безопасность данных и управляемость платформы. Локальное развёртывание больших языковых моделей позволяет одновременно обеспечить высокий уровень безопасности данных и получить измеримый эффект. Один из рассмотренных кейсов показал сокращение времени обработки договоров на 20%, а практика внедрений подтверждает: эффективность ИИ определяется не местом размещения модели, а качеством её настройки под конкретные бизнес-процессы.
Что это значит для бизнеса
Алина Носова
Автор