ИИ перестал ждать приглашений. Агенты теперь работают круглосуточно, действуя самостоятельно. И поэтому вопрос изменился с «Как быстро мы можем двигаться?» на «Как сохранить контроль, когда ИИ движется быстрее, чем мы успеваем?»
Нажатие на тормоза не решит эту проблему, как и надежда на удачный исход. Но передача работы ИИ не обязательно должна означать потерю контроля.
Это напряжение, с которым сталкиваются руководители на любом рынке, и оно четко проявляется в новом отчете, опубликованном Cisco на мероприятии Cisco Live в Мельбурне. Сара Карни, руководитель отдела ИИ в AustralianSuper и одна из 25 австралийских руководителей, опрошенных нами для исследования, сказала нам: «Если вы не выстроили доверие, вы не получите прогнозируемых результатов или преимуществ, потому что люди не будут использовать систему». Ее слова актуальны далеко за пределами Австралии: возможности определяют, что бизнес может автоматизировать, а доверие — что он станет автоматизировать.
Как бизнес завоевывает доверие, не замедляя темпов?
Инфраструктура определяет, кто может двигаться быстро, не теряя контроля
Ответ начинается с идеи, на которой Cisco строилась более 40 лет: сеть мощнее отдельного узла. Модели, приложения и агенты — все это важно, но истинная магия заключается в связях между ними. Когда я выступал с этим тезисом в Лас-Вегасе в июне, мир только что познакомился с Claude Mythos — тем типом ИИ, который становится критически важным для глобальной обороны и, в чужих руках, достаточно мощным, чтобы разрушить ее. С тех пор темпы только возросли, сделав инфраструктуру еще более критически важной.
Но вот почему я оптимистично смотрю в будущее. Каждый раз, когда агент совершает действие, он устанавливает соединение, пересекает границу безопасности и оставляет след из данных. И когда сеть, безопасность и средства визуализации работают как единое целое, компании могут видеть, что делает каждый агент и каков уровень риска. Они могут направлять агента и вмешиваться, когда это необходимо, с той же скоростью, с какой работает ИИ.
Скорость и контроль проистекают из того же места, где бизнес создает новые сервисы, новые методы работы и новые бизнес-модели: из инфраструктуры. Контроль становится частью повседневной работы бизнеса.
Наши новости на этой неделе отвечают на два вопроса, которые задает каждый лидер, прежде чем позволить ИИ взяться за серьезную работу: что произойдет, если кто-то попытается совершить взлом, и сможем ли мы держать расходы под контролем?
«Что произойдет, если кто-то попытается совершить взлом?»
Сначала найдите уязвимые места, устраните их быстрее
Спросите специалистов по защите сетей, и они ответят, что старые методы больше не работают. В 2018 году злоумышленникам требовалось в среднем 63 дня, чтобы использовать уязвимость в системе безопасности. Теперь они обычно наносят удар еще до того, как исправление будет выпущено. Лишь немногие компании способны реагировать достаточно быстро, чтобы противостоять этому. У защитников две задачи: сначала найти уязвимые места, в том числе в собственном ИИ, и устранить их до того, как до них добратся злоумышленники.
Тестирование на уязвимости — это задача «красных команд» (red teaming). Подвох в том, что тест хорош ровно настолько, насколько хороша имитируемая им атака.
Cisco AI Defense добавляет модель Claude Mythos от Anthropic в свой фреймворк для имитации атак, обеспечивая рассуждения для планирования сложных многошаговых атак, которые в противном случае могли бы ускользнуть от внимания. Но столь мощный инструмент требует жестких границ. В случае с Claude Mythos система AI Defense тестирует только системы, принадлежащие клиенту, которые зарегистрированы и авторизованы; каждый тест привязан к конкретному человеку и может быть остановлен в любой момент, а клиенты не могут свободно вводить произвольные запросы.
Новый уровень рассуждений скоро начнет помогать защитникам, использующим Cisco AI Defense, и скоро станет доступен избранным клиентам.
Быстрое исправление — это то, где на сцену выходит Cisco IQ. Более 16 000 клиентов уже используют ее для наблюдения почти за 20 миллионами устройств, чтобы видеть, какое сетевое оборудование уязвимо, как оно настроено и на каком этапе своего жизненного цикла оно находится. Теперь Cisco Data Fabric на базе платформы Splunk передает эту информацию напрямую, чтобы команды безопасности и ИИ-агенты могли сопоставить текущую угрозy в Splunk Enterprise Security с рискованным устройством.
Затем начинается процесс исправления без необходимости копировать данные из одной системы в другую. Коннекторы для поддерживаемых ИИ-агентов и ServiceNow используют единое представление сети и превращают каждую находку в инцидент в ServiceNow, связанный с затронутым оборудованием. Сценарий устойчивой инфраструктуры на базе ИИ указывает на критические риски на протяжении всего жизненного цикла этого оборудования — от персональных оповещений об известных дефектах до проверки готовности шифрования к квантовым вычислениям. Это помогает командам и сертифицированным партнерам решать, что модернизировать в первую очередь.
Злоумышленникам нужна лишь одна брешь. У защитников теперь есть способ опередить их.
«Сможем ли мы держать расходы под контролем?»
Знайте стоимость каждого агента и то, стоит ли он этого
Каждый ответ агента, каждая повторная попытка и каждый дополнительный шаг увеличивают сумму счета, которая часто остается скрытой до тех пор, пока не придет инвойс. Последний отчет Splunk State of Observability говорит нам, что чуть более половины организаций не могут контролировать расходы на ИИ. И стоимость — это лишь половина дела: агент может быть дорогим и все равно допускать ошибки.
Splunk Agent Observability предоставляет каждому агенту чек и табель успеваемости. Токеномика (Tokenomics), которая переходит в стадию закрытого предварительного просмотра в декабре, использует данные из Amazon Bedrock и Amazon Cloudwatch, чтобы сопоставить стоимость каждого агента с качеством его работы, позволяя руководителям видеть, какие агенты отрабатывают свой бюджет.
Прошлые ошибки могут стать страховочной сеткой на этой неделе, теперь когда клиенты могут превратить активность агентов и экспертные отзывы в собственные модели-оценщики. Модели Eval-G1 нового поколения — это кастомизированные малые языковые модели, которые выполняют проверки и защитные барьеры при затратах на 98% ниже по сравнению с коммерческими LLM, реагируют в 2,5 раза быстрее традиционных LLM и обеспечивают контроль агентов в реальном времени с высокой точностью. Тюнер оценки создает точно настроенные модели-оценщики, которые обеспечивают соблюдение стандартов качества и управляют агентами со скоростью машин.
Модели оценки и тюнер оценки станут доступны в этом месяце, а выход Токеномики в общий доступ запланирован на начало 2027 года на AWS Marketplace.
Boards need evidence, not enthusiasm, before AI moves from pilot to production. This gives them that.
Этот регион никогда не ждал будущего
В Азиатско-Тихоокеанском регионе, Японии и Большом Китае технологии никогда не приходили каким-то одним путем. Некоторые рынки пропустили целые поколения и сразу перешли к мобильным технологиям, платежам в реальном времени и цифровым государственным услугам. Другие десятилетиями строили глубокие, зрелые сети и теперь модернизируют их. Каждый скачок основывался на инфраструктурном решении, открывая сервисы и бизнес-модели, которых раньше не существовало.
ИИ достигает всех этих отправных точек одновременно, в то время как десятки рынков пишут собственные правила для данных и ИИ. Двигаться быстро без потери контроля — это то, чего уже требует ведение бизнеса во всем регионе; ИИ увеличивает скорость и повышает ставки.
Никто не выдает разрешение на масштабирование просто так. Вы заслуживаете его каждый раз, когда тестируете свой ИИ, исправляете то, что обнаружили, и доказываете, что он стоит потраченных денег. Инфраструктура, которая делает это возможным, создается инженерами, операторами и лидерами, заинтересованными в том, какими станут их рынки в будущем. И мы строим ее вместе с ними.
