Гендиректор Microsoft: доверившиеся одному ИИ компании могут не выжить

Генеральный директор Microsoft Сатья Наделла подтвердил предупреждение, которое он сделал ранее в этом месяце в адрес компаний, использующих ИИ. Он предсказывает, что те, кто полностью полагается на собственные лаборатории ИИ для своих нужд, в конечном итоге не выживут.

Об этом он заявил в программе Fareed Zakaria GPS на CNN. Когда Закария попросил Наделлу объяснить, что подразумевается под «слишком большим объёмом информации, передаваемой компанией поставщику моделей ИИ», тот ответил, что компаниям следует с осторожностью относиться ко всему, что они передают, начиная от данных и завершая запросами.

Он призвал к созданию системы, в которой «каждый раз, когда вы используете схема, все метаданные, связанные с ней, сохраняются вами, чтобы вы могли использовать всё это для обучения, в частности, собственных весов или собственной открытой модели». 

«Я утверждаю, что любая фирма, не имеющая такого контроля, не выживет, потому что она, по сути, отдала свои мысли на аутсорсинг», — добавил топ‑менеджер.

Наделла призывает компании перестать полагаться на встроенные в лаборатории ИИ инструменты программирования, известные как «оболочки» (примерами таких инструментов являются Claude Code от Anthropic и ChatGPT Codex от OpenAI).

«Отделяя оболочку от модели, а контекст и память — от модели, вы можете применять некоторое количество ИИ для тех задач, в которых они хороши. В то же время, если какая‑либо схема исчезнет, ​​вы всё равно сможете контролировать свою судьбу», — заключил он.

Ранее Наделла уже говорил, что каждая организация должна создать свою собственную схема ИИ. По его словам, будут появляться модели, адаптированные к конкретному бизнесу. «Моя позиция такова: в мире должно быть столько же моделей, сколько компаний, — заявил Наделла в интервью для Applied Compute. — Я не хочу зависеть от какой‑то одной модели, я хочу иметь функция использовать свой собственный контекст, свои собственные данные (практически, свои собственные трассировки) чтобы создавать гораздо более универсальные, экономически эффективные модели или модели с тонкой настройкой».