Неконтролируемое потребление токенов может сделать ценные внедрения ИИ финансово нежизнеспособными. Узнайте, как гибридное облако и модель безопасности с нулевым доверием помогают предприятиям уверенно масштабироваться.
В этой статье
- Организации стремительно переходят к агентному ИИ — будущему, в котором автономные системы активно выполняют рабочие процессы, взаимодействуют с корпоративными базами данных и принимают решения от имени бизнеса.
- Действия, которые совершает ИИ-агент — будь то запрос к базе данных, вызов API или транзакция между системами — должны непрерывно проходить аутентификацию, авторизацию и проверку в рамках архитектуры с нулевым доверием.
- Неконтролируемая экономика токенов может быстро истощить бюджет предприятия, вынуждая некоторые организации отказываться от ценных внедрений ИИ, поскольку они становятся финансово нежизнеспособными.
В сфере кибербезопасности корпоративный ландшафт оказался на перепутье. Последние несколько лет мы провели в фазе интенсивных экспериментов, проверяя границы возможностей больших языковых моделей (LLM) и создавая изолированные пилотные проекты, чтобы понять, на что способен генеративный ИИ.
Но эпоха «песочниц» уходит в прошлое. Сегодня организации все чаще стремятся масштабировать ИИ, выводя его за рамки пилотных сред и глубже интегрируя в основные бизнес-процессы. Мы стремительно переходим к агентному ИИ — будущему, в котором от автономных систем ожидается не просто обобщение текста, но и активное выполнение рабочих процессов, взаимодействие с корпоративными базами данных и принятие решений от имени бизнеса.
Этот сдвиг меняет динамику. Когда системы ИИ превращаются из пассивных помощников в активных операционных агентов, вопросы, на которые мы, как руководители предприятий, должны ответить, существенно меняются. Фаза экспериментов редко заставляла нас в полной мере учитывать сложные финансовые и операционные точки трения при полномасштабном развертывании.
Теперь, когда мы интегрируем ИИ в структуру предприятия, мы должны столкнуться с фундаментальной реальностью: долгосрочный успех ИИ обычно требует согласования экономики токенов, кибербезопасности с нулевым доверием и продуманной стратегии инфраструктуры гибридного облака. Новый вектор угроз: обеспечение безопасности автономных агентов
В моей работе команды безопасности привыкли защищать человеческих пользователей, приложения и конечные точки. Мы выстраивали периметры, управляли идентификационными данными и отслеживали модели доступа к данным на основе поведения людей. Однако агентный ИИ внедряет цифровую рабочую силу, которая работает со скоростью машин, зачастую независимо от прямого вмешательства человека.
Если перед автономным ИИ-агентом стоит задача оптимизации цепочки поставок или управления данными клиентов, ему требуется глубокая интеграция во внутренние программные системы и хранилища конфиденциальных данных. Это создает потенциальные риски, если безопасность рассматривается как второстепенная задача. Уделяя внимание кибербезопасности, мы смещаем нашу философию безопасности со статической защиты периметра на динамическую архитектуру с нулевым доверием, встроенную от периферии до облака.
Автономные агенты должны управляться как привилегированные корпоративные учетные записи. Действия, которые совершает ИИ-агент — будь то запрос к базе данных, вызов API или транзакция между системами — должны непрерывно проходить аутентификацию, авторизацию и проверку. Если злоумышленник скомпрометирует корпоративную модель ИИ или отравит конвейер данных, питающий ее, последствия редко ограничиваются неверным ответом на экране; это может привести к автоматизированным, разрушительным манипуляциям с системами во всей корпоративной сети. Обеспечение безопасности агентного ИИ делает упор на меры безопасности, ориентированные на данные, призванные сохранять базовые данные зашифрованными и неизменными на протяжении всего жизненного цикла модели. Навигация в сложностях токеномики: по мере расширения агентного ИИ управление расходами на потребление превратилось из тактической ИТ-задачи в стратегический вызов для руководства. Токеномика — экономическая модель, регулирующая потребление, обработку и стоимость входных и выходных данных в рамках LLM — быстро стала стандартной статьей расходов, за которой пристально следят финансовые департаменты.
На ранних этапах пилотных проектов несколько тысяч долларов, потраченных на вызовы API к LLM в публичном облаке, оставались практически незамеченными. Но когда вы масштабируете ИИ на глобальную сеть из десятков тысяч сотрудников и интегрируете автономных агентов, которые постоянно выполняют фоновые задачи, расходы на потребление токенов в публичном облаке могут резко возрасти. Неконтролируемая экономика токенов может быстро истощить бюджет предприятия, вынуждая некоторые организации отказываться от ценных внедрений ИИ, поскольку они становятся финансово нежизнеспособными.
Неконтролируемая экономика токенов может быстро истощить бюджет предприятия, вынуждая некоторые организации отказываться от ценных внедрений ИИ, поскольку они становятся финансово нежизнеспособными.
Более того, токеномика тесно связана с корпоративной безопасностью. Каждый токен, отправленный во внешнюю LLM публичного облака, означает, что данные покидают границы организации. Когда сотрудники или автономные системы передают проприетарный исходный код, юридические контракты или идентификационные данные клиентов в публичную модель, они рискуют раскрыть интеллектуальную собственность компании. Организации, которые намеренно управляют расходами на потребление ИИ и контролируют утечку данных, зачастую лучше подготовлены к поддержанию инноваций и обеспечению строгой политики безопасности в долгосрочной перспективе. Требование гибридного облака для корпоративного ИИ: чтобы решить двойную задачу токеномики и безопасности, руководители предприятий пересматривают свою базовую стратегию инфраструктуры. Опора исключительно на экосистемы публичных облаков для масштабных рабочих нагрузок ИИ может создать непредсказуемую структуру затрат и проблемы с соблюдением нормативных требований. Именно здесь надежная модель гибридного облака становится важным фактором.
Применяя гибридный подход, предприятия могут стратегически распределять свои рабочие нагрузки ИИ. Нечувствительные задачи общего назначения могут использовать инфраструктуру публичного облака, в то время как основная бизнес-логика, дообучение на проприетарных данных и критически важные автономные агенты могут работать локально или в защищенной частной облачной среде. Это ключевая причина проектирования таких платформ, как HPE Private Cloud AI. Приближая вычислительную мощность к месту хранения данных, предприятия могут лучше управлять постоянными, растущими расходами, связанными с потреблением токенов в публичном облаке.
Частная или гибридная облачная инфраструктура обеспечивает более предсказуемую модель затрат. Вместо того чтобы быть ограниченными переменными расходами на токены для каждого эксперимента, команды по работе с данными часто получают больше свободы для инноваций, итераций и запуска непрерывных рабочих нагрузок без непредвиденных финансовых штрафов.
Что еще более важно, сохранение ценных рабочих нагрузок ИИ в контролируемой гибридной среде поддерживает цифровой суверенитет. Ваши данные остаются под вашей защитой, что значительно сокращает поверхность атак для утечек данных, нарушений соответствия требованиям и регуляторных штрафов. Управление с момента зарождения: проектирование для долгосрочной окупаемости инвестиций (ROI). График развития технических возможностей ИИ движется невероятно быстро, но реальное внедрение на уровне предприятий часто отстает из-за нормативных, культурных и امنных барьеров. Чтобы преодолеть этот разрыв, управление больше не должно рассматриваться как бюрократическое препятствие, которое все замедляет. Его можно принять как руководящую основу, которая позволяет нам двигаться вперед с большей уверенностью.
Интегрированное управление должно быть заложено в стек инфраструктуры ИИ с первого дня. Это означает установление четких правил в отношении происхождения данных, истории моделей и автоматизированных журналов аудита. Если агент ИИ выполняет несанкционированную транзакцию или создает уязвимость безопасности, предприятию необходима возможность проведения судебной экспертизы, чтобы отследить решение до конкретных тренировочных данных, токена промпта или веса модели, которые за это ответственны.
Когда безопасность, токеномика и стратегии гибридного развертывания объединены в рамках единой системы управления, путь к измеримой отдаче от бизнеса становится намного яснее. Мы отходим от хаотичных, фрагментированных технологических стеков к единой, устойчивой операционной модели, призванной обеспечить более предсказуемую производительность и абсолютную конфиденциальность данных. Стратегия, созданная для инноваций и устойчивости. Размышляя о кибербезопасности, главный вывод для руководителей предприятий прост: стремитесь разрабатывать стратегию ИИ, ориентированную на устойчивые инновации и бескомпромиссную безопасность, а не просто на потребление.
Безопасное масштабирование автономного (agentic) ИИ требует предварительного решения глубоких операционных, инфраструктурных и экономических проблем. Управляя своими данными с помощью гибридно-облачных архитектур, активно контролируя токеномику и обеспечивая управление на основе нулевого доверия (zero-trust) в ваших автономных системах, ваше предприятие сможет успешно перейти от фазы экспериментов к трансформации на базе агентов. Будущее обычно принадлежит тем организациям, которые могут повысить производительность и стимулировать рост, сохраняя при этом строгую приверженность управлению рисками и устойчивости данных.
Чтобы узнать больше о том, как проектировать инфраструктуру, которая защищает ваши данные и рабочие нагрузки без ущерба для гибкости, посетите страницу HPE Digital Sovereignty Technology Leadership.
