IBM explained why AI governance protects business margins and reduces vendor dependence

IBM считает, что для бизнеса главный риск ИИ уже не в возможностях отдельных моделей, а в том, как они встроены в корпоративную инфраструктуру. Когда ИИ становится базовым слоем для разработки, безопасности и автоматизации, компаниям нужна не только мощность моделей, но и жёсткая система управления, контроля и аудита.

ИИ как инфраструктура В IBM предлагают смотреть на развитие ИИ так же,

как раньше бизнес смотрел на другое корпоративное ПО: сначала это отдельный продукт, потом платформа, а затем инфраструктура. По логике Роба Томаса, старшего вице-президента и коммерческого директора IBM, на первых этапах закрытая модель разработки может быть удобной: она позволяет быстрее обновлять продукт, сильнее контролировать пользовательский опыт и удерживать ценность внутри одного вендора. Но когда технология становится фундаментом для других систем, правила меняются.

Сейчас, по оценке IBM, ИИ как раз переходит в эту фазу. Модели уже участвуют в защите сетей, написании кода, автоматических решениях и коммерческих процессах. Поэтому вопрос смещается с «что умеет модель» на «как она устроена, кем контролируется и можно ли её проверять».

В статье в качестве примера приводится недавний превью-релиз Claude Mythos от Anthropic и запуск Project Glasswing: если автономные модели умеют искать и эксплуатировать уязвимости почти на уровне лучших специалистов, для корпоративного ИТ это уже не лабораторный эксперимент, а инфраструктурный риск.

Где теряется маржа IBM прямо связывает управление ИИ с защитой прибыли.

Проблема закрытых моделей не только в философии, а в ежедневной операционке. Когда проприетарную модель нужно связать с корпоративной векторной базой, внутренним data lake или RAG-пайплайном, командам часто не хватает видимости, чтобы понять, где именно возник сбой — в извлечении данных, в оркестрации или в базовых весах модели. Из-за этого растут сроки интеграции, стоимость поддержки и число дорогостоящих обходных решений.

• Постоянные API-вызовы к закрытым моделям раздувают вычислительные расходы Непрозрачность мешает точно планировать железо и толкает компании к переплате за резерв мощности Связка legacy-систем и строго ограниченных облачных моделей добавляет задержки в ежедневные процессы Требования по защите данных заставляют команды постоянно очищать и анонимизировать информацию перед отправкой наружу Концентрация знаний о модели у пары поставщиков повышает операционный риск Отдельный слой проблемы — безопасность. Если автономные модели способны писать эксплойты и влиять на среду защиты, бизнесу опасно зависеть от нескольких поставщиков, которые единственные по-настоящему понимают внутреннее устройство этих систем. В такой схеме компания покупает не только сервис, но и чужую непрозрачность. А она со временем начинает съедать ту самую маржу, ради которой ИИ вообще внедряли.

Зачем нужна открытость

Позиция IBM в том, что open-source не убирает риск, а меняет способ его управления. Открытая основа позволяет исследователям, разработчикам и защитникам изучать архитектуру, находить слабые места, проверять базовые допущения и укреплять систему в реальных условиях. Для инфраструктурных технологий видимость — не бонус, а обязательное условие устойчивости.

Чем сильнее компания опирается на ИИ, тем важнее возможность независимо инспектировать модель и весь контур вокруг неё. IBM также спорит с распространённым тезисом, что открытые технологии неизбежно обесценивают инновации. На практике коммерческая ценность просто смещается выше по стеку: в интеграцию, оркестрацию, надёжность, механики доверия и отраслевую экспертизу.

Именно поэтому крупные игроки всё активнее делают ставку на инструменты, которые позволяют переключать модели под конкретную нагрузку, а не привязывать всю архитектуру к одному закрытому провайдеру. Такой подход снижает vendor lock-in и помогает тратить дорогие ресурсы только там, где это действительно нужно.

Что это значит

Для корпоративного ИИ governance, по версии IBM, — это не бюрократия, а способ защитить экономику внедрения. Побеждать будут не те компании, у которых есть доступ к самой большой закрытой модели, а те, кто умеет прозрачно управлять моделями, данными, безопасностью и себестоимостью на уровне всей архитектуры.