Диверсификация поставщиков ИИ: почему Наделла прав, даже когда очевидно лукавит

27 июля 2026 года, в интервью CNN, генеральный директор Microsoft произнёс фразу, которую ещё долго будут цитировать на конференциях по корпоративным технологиям: «Любая компания, у которой нет этого контроля, перестанет быть компанией – вы попросту отдали своё мышление на аутсорс». Наделла говорил о компаниях, которые целиком полагаются на проприетарные ИИ-лаборатории, передавая им и данные, и промпты, и контекст своей работы. Согласно его прогнозу, такой подход ведёт к медленной, но неизбежной потере конкурентного контроля.

Здесь стоит сделать паузу. Microsoft инвестирует в Anthropic и OpenAI – двух крупнейших игроков рынка. Naделла буквально советует клиентам не зависеть от тех, в кого сам же вложил деньги. Это звучит странно, пока не понимаешь, что его собственное облако продаёт ровно тот тип инфраструктуры, который он рекомендует купить: AI-шлюзы, мультимодельные среды, управление несколькими агентами сразу. Корысть налицо. И всё же он не ошибается по существу.

Что такое «отдать мышление на аутсорс»

Представьте компанию, которая запустила внутренний coding-агент на базе ChatGPT Codex или Claude Code. Каждый запрос разработчика, каждая задача, каждый контекст репозитория уходит в модель поставщика. Metadata о том, как именно вы решаете задачи, какие паттерны используете, какие ошибки чаще всего встречаются, остаётся у лаборатории. Не у вас.

Наделла формулирует иначе: «Каждый раз, когда вы используете модель, вся метадата должна оставаться у вас – чтобы вы могли использовать её для обучения собственных весов или собственной открытой модели». Практически это означает: ведите логи, стройте собственный слой между промптом и моделью (тот самый AI-шлюз), не отдавайте контроль над памятью агента. Это технически несложно. Просто большинство компаний об этом не думает, пока не становится поздно.

Параллель, которую проводит Наделла, неприятно точная. В мае 2026 года Сэм Альтман предложил кредиты OpenAI каждому стартапу из последнего когорта Y Combinator. Сид-инвестор Джейсон Калаканис отреагировал мгновенно: если вы берёте эти токены, есть ненулевая вероятность, что OpenAI изучит вашу бизнес-модель, скопирует идею и встроит функциональность в бесплатный тариф. Наделла теперь говорит корпоративному рынку то же самое, что Калаканис говорил стартапам: классический playbook платформ никуда не делся.

Диверсификация поставщиков ИИ – не паранойя, а архитектурное решение

В корпоративном мире это уже происходит без всяких предупреждений Наделлы. Компании всё чаще переходят к open-weight моделям – тем, где веса публично доступны и которые можно дообучить и запустить на собственном железе. Причина прозаичная: стоимость. Проприетарные модели при интенсивном использовании бьют по бюджету быстрее, чем кажется на этапе пилота. Плюс vendor lock-in: если ваш единственный поставщик поднимет цены или изменит условия API, у вас нет рычагов.

Диверсификация поставщиков ИИ решает эту проблему архитектурно. Суть простая: держите harness (инструментарий взаимодействия с агентом) отдельно от конкретной модели. Тогда если одна модель перестаёт вас устраивать по цене, качеству или юридическим причинам, вы подключаете другую без переписывания всей системы. «Любая модель может исчезнуть, а вы продолжите контролировать свою судьбу», – сказал Наделла буквально. Это не поэзия, это описание нормальной инженерной гигиены.

Кстати, именно так устроены многие зрелые решения сегодня. Например, подключения любых AI-моделей через единый шлюз позволяют бизнесу менять базовые модели по мере изменения рынка, не трогая бизнес-логику. Это и есть операционализация того, о чём говорит Наделла.

Один практический пример того, как это выглядит

Возьмём авто-блог. Если вы строите систему генерации контента на одной модели без изоляции слоёв, вы зависите от ценовой политики этого провайдера навсегда. Обновление модели, изменение условий, деградация качества в одной из версий – всё это бьёт по продукту напрямую. Иначе устроен, например, авто-блог на нескольких ИИ-моделях: Claude Sonnet 4 для текста, FLUX для изображений, каждый инструмент на своём месте. Модель можно заменить без остановки всего процесса.

Это небольшой кейс, но он демонстрирует принцип. Когда задачи разбиты по типам и каждая модель делает то, в чём она сильна, вы не только снижаете риски – вы получаете лучший результат. Диверсификация поставщиков ИИ здесь работает не вопреки качеству, а вместе с ним.

Важное исключение: это про бизнес, не про людей

Наделла сделал оговорку, которую легко пропустить. Когда ведущий спросил его, как обычным людям защитить свои данные, генеральный директор Microsoft буквально пожал плечами: «В потребительском пространстве должен быть какой-то обмен ценностью – вы получаете что-то бесплатно, может быть, за свои данные. Примерно так работает рекламная бизнес-модель». То есть для частных лиц – это просто условия сделки. Для компаний – экзистенциальный риск. Разные весовые категории.

Это важное разграничение. Личные данные в бесплатном сервисе – сделка, к которой мы давно привыкли. Корпоративные данные, промпты, логика принятия решений – совсем другое. Здесь потеря контроля означает потенциальный конкурент, который знает о вас больше, чем вы думаете.

Почему именно сейчас это стало острее

Несколько лет назад ИИ в компаниях – это был чатбот на сайте или автоматическая сортировка писем. Риск был невелик. Сейчас enterprise-компании дают ИИ-агентам доступ к внутренним системам: CRM, кодовой базе, финансовым данным, стратегическим документам. Агент «видит» компанию изнутри. Если весь этот контекст уходит к одному внешнему поставщику без вашего контроля над метаданными – Наделла прав, это уже другой уровень риска.

Инструменты для работы с несколькими моделями уже есть. Тот же контент-завод на базе ИИ – пример многослойной архитектуры, где разные задачи распределены между разными моделями, а управление процессом остаётся на стороне бизнеса. Диверсификация поставщиков ИИ здесь – не опция, а базовое условие устойчивой работы системы.

Что с этим делать практически

Несколько конкретных шагов, которые следуют из логики Наделлы и которые не требуют перестройки всего с нуля.

• Ведите логи всех запросов к моделям. Эти данные – ваш актив, не поставщика. Они нужны для анализа, для дообучения, для аудита.
• Разделите harness и модель. Инструментарий взаимодействия с агентом должен быть независим от конкретного провайдера API. Это не сложнее, чем правильная архитектура любого другого сервиса.
• Используйте open-weight модели хотя бы для части задач – особенно там, где данные чувствительные. Llama, Qwen, Mistral – зрелые варианты для многих production-сценариев.
• Проверьте контракты с поставщиками. Что именно они могут делать с вашими промптами и данными по умолчанию? Это часто написано мелким шрифтом.

Полный каталог ИИ-автоматизаций даёт представление о том, как подобные многомодельные системы выглядят на практике – с конкретными сроками и гарантиями.

Итог: не про страх, а про архитектуру

Наделла сказал неудобную вещь в неудобный момент – и сказал её с очевидным конфликтом интересов. Но суть от этого не меняется. Компании, которые сегодня строят ИИ-системы, делают выбор не только технологический, но и стратегический: кому принадлежит интеллектуальный контроль над тем, как вы работаете? Если ответ «одной лаборатории», это уязвимость. Не обязательно критичная прямо сейчас. Но накапливающаяся.

Диверсификация поставщиков ИИ – это не про недоверие к конкретной компании. Это про базовую корпоративную гигиену в мире, где модели быстро появляются, исчезают, дорожают и меняют условия. Те, кто строит на этом принципе сейчас, через два-три года окажутся в принципиально лучшей позиции, чем те, кто строил на монополии удобства.