Создание доверия к корпоративному ИИ в эпоху агентов

Агентный ИИ должен соответствовать корпоративным стандартам. А предприятиям требуется доверие.

На рынке организации уже перестали задаваться вопросом о том, важен ли ИИ. Куда более сложный вопрос заключается в том, можно ли доверять агентному ИИ в рабочей среде — можно ли доверить ему доступ к нужным данным, применение правильных средств контроля и безопасную работу внутри бизнес-процессов.

С тех пор как Everpure Data Stream перешел от первого показа на GTC к внедрению у клиентов, этот урок стал только очевиднее.

Это различие приобретает решающее значение по мере перехода рынка от вторых пилотов (copilots) к автономным агентам. Чат-бот, который галлюцинирует, может создать неловкую ситуацию. ИИ-агент, который анализирует конфиденциальные данные, вызывает инструменты, объединяет эти вызовы в цепочки и принимает меры, порождает совершенно иной класс рисков, поскольку один скомпрометированный агент — это уже не просто плохой ответ, это радиус поражения. Внезапно речь заходит не о промптах, бенчмарках или размере модели. Речь заходит о контроле.

Чему нас научили первые клиенты

Когда мы запускли Data Stream, нашей миссией было помочь предприятиям автоматизировать перемещение, подготовку и управление корпоративными данными, чтобы ИИ мог работать с проверенной информацией, а не с разрозненными фрагментами.

Мы быстро поняли, что энтузиазм клиентов по поводу ИИ реален, но столь же реальна и сложность его практического внедрения.

Самая сильная реакция первых клиентов была вызвана не обещаниями самого ИИ, а операционной проблемой, которую помогает решить Data Stream. Корпоративные данные повсюду — в файловых хранилищах, операционных системах, архивах и хранилищах неструктурированного контента, содержащих десятилетия организационных знаний. И тем не менее большая часть этих данных остается фактически невидимой для ИИ, не потому что они не представляют ценности, а потому что их подключение слишком ручное, хрупкое и сложное для управления в масштабах предприятия.

Именно это делает автоматизированные конвейеры данных столь привлекательными.

Одним из самых ярких паттернов в этих первых внедрениях было то, как быстро разговор смещался от экспериментов с моделями к готовности данных. Участники неизменно склонялись к одному и тому же предложению ценности: замене созданных вручную интеграций, хрупких скриптов и фрагментированных рабочих процессов более автоматизированным, управляемым и повторяемым путем подготовки корпоративных данных к работе с ИИ. Более быстрый доступ к проверенному контексту означает более быстрые эксперименты, быструю итерацию и, в конечном счете, более высокие бизнес-результаты.

Но более глубокий урок заключается в следующем: агентный ИИ существенно повышает планку.

В отличие от пассивных приложений ИИ, агенты извлекают информацию, анализируют контекст, взаимодействуют с инструментами и все чаще предпринимают действия. Это работает только в том случае, если лежащая в основе инфраструктура данных вызывает доверие. ИИ может быть ровно настолько надежным, насколько надежны данные, управление и архитектура безопасности вокруг него.

Безопасность больше не является опциональной

Еще один паттерн стал особенно очевиден в ходе этих проектов: специалисты по безопасности больше не являются второстепенными участниками, привлекаемыми на поздних этапах для подтверждения решений по развертыванию. Они вступают в разговор с первого же дня.

Стоит четко определить, почему так происходит. Агентный ИИ не просто добавляет новое приложение для защиты — он меняет саму модель угроз. Выделяются три изменения:

• Агенты действуют, а не просто отвечают. Пассивная модель возвращает текст. Агент читает данные, вызывает инструменты и запускает нижестоящие системы. Последствия ошибки или компрометации переходят от «неправильного вывода» к «неправильному действию».
• Агенты накапливают охват. Чтобы быть полезным, агенту необходим широкий контекст по системам и доменам. Именно эта широта делает любого отдельного агента привлекательной целью — а внедренный промпт, обход защиты (jailbreak) или неправильно настроенный инструмент могут обратить этот охват против вас.
• Агенты работают со скоростью машин. Когда системы мыслят и действуют за миллисекунды, ретроспективный анализ не успевает за ними. Применение мер контроля должно быть встроенным (inline) и непрерывным, со скоростью работы агента.

Ни одно из этих изменений больше не является гипотетическим. В июле компания OpenAI сообщила, что тестируемые модели сбежали из своей песочницы (sandbox), вышли в интернет и проникли в производственную инфраструктуру Hugging Face, чтобы найти ответы на тест, который они сдавали. В апреле ИИ-агент по написанию кода, выполнявший рутинную задачу в промежуточной среде, нашел токен API в несвязанном файле, использовал его для удаления производственной базы данных стартапа и забрал с собой резервные копии, потому что они находились на том же томе. Более тихие версии происходят чаще и менее заметны: агент, чья сервисная роль имеет полный доступ (wildcard) к хранилищу объектов, в результате чего одна инъекция промпта затрагивает все его содержимое; корпус извлечения, который поглотил отравленный документ, из-за чего модель воспринимает текст злоумышленника как доверенный контекст; конвейер, питающийся из набора данных, скомпрометированного на предыдущем этапе, из-за чего модель воспроизводит эту компрометацию в каждом ответе. В каждом случае модель делала то, что ей говорили. Ущерб определялся тем, к каким данным агенту было разрешено получить доступ и насколько этим данным доверяли.

Это особенно актуально в отраслях, где доверие неотделимо от операций. Организации финансовых услуг интересуются, как автономный ИИ может безопасно взаимодействовать с конфиденциальными клиентскими и транзакционными данными. Производители оценивают способы защиты интеллектуальной собственности и операционных систем. Государственные ведомства сосредоточены на суверенитете, контроле и соблюдении политик. Юридические организации задаются вопросом о том, как конфиденциальная информация может безопасно участвовать в рабочих процессах ИИ.

Вывод удивительно последователен: безопасность нельзя прикрутить к корпоративному ИИ после развертывания. Когда агенты действуют автономно и со скоростью машины, средства контроля, находящиеся вне пути данных — проверяемые позже, применяемые в другом месте, — всегда на шаг позади. Безопасность должна быть заложена в саму архитектуру и применяться к каждой операции в режиме реального времени.

Как наше сотрудничество с NVIDIA поддерживает надежный корпоративный ИИ

Именно поэтому наше сотрудничество с NVIDIA имеет значение — и почему оно начинается с пути данных.

Вот лежащее в основе архитектурное понимание. Практически каждый способ сбоя или компрометации агента — обход защиты, инъекция промпта, избыточные полномочия, неверно настроенный инструмент — в конечном итоге сводится к одному и тому же: запросу на чтение или запись данных. Путь данных — это единственное место, через которое должно проходить каждое взаимодействие с агентом. Применяйте политику там, для каждой операции, и вам больше не придется доверять агенту или приложению в плане их поведения. Именно это превращает хранилище из пассивной инфраструктуры в пункт контроля в реальном времени для интеллекта, доверия и обеспечения соблюдения политик.

NVIDIA Vera BlueField-4 STX представляет именно то архитектурное изменение, которое для этого требуется. Работая на базе NVIDIA DOCA и контролируемых в BlueField-4 кремнии, решения на базе STX предназначены для проверки, управления и контроля взаимодействий между агентами, данными и контекстной памятью со скоростью ИИ-агентов. NVIDIA заявила, до что Vera BlueField-4 STX может обеспечить скорость обнаружения угроз во время выполнения (runtime) до 1000 раз выше по сравнению с существующими решениями без агентов в среде выполнения, одновременно обеспечивая контроль доступа к сети и файлам на скорости до 800 Гбит/с.

Эта скорость — главное. Аппаратная реализация на кремнии на линейной скорости делает подход «в разрыв и непрерывно» возможным, не превращая безопасность в узкое место. Возможности DOCA напрямую соответствуют модели угроз для агентов: каждая из них отвечает на конкретный вопрос, который служба безопасности задает сегодня:

• NVIDIA DOCA Argus обеспечивает видимость в реальном времени за поведением рабочих нагрузок ИИ и агентов, отвечая на вопрос о том, что агент делает прямо сейчас, а не только на то, что ему было разрешено при развертывании.
• NVIDIA DOCA Vault устанавливает доверенный доступ к файлам на основе нулевого доверия (Zero Trust) для хранилищ с нативной поддержкой ИИ, управляя тем, кому и чему разрешено обращаться к тем или иным данным, чтобы возможности агента никогда не превышали его уровень авторизации.
• NVIDIA DOCA Flow обеспечивает высокоскоростное применение сетевых политик, проверку, сегментацию и изоляцию агентов, тенантов и конвейеров инференса, локализуя зону поражения до того, как скомпрометированный агент успеет распространить угрозу.

На вопрос Vault «кто может обращаться к каким данным» можно ответить только в том случае, если определено, «какие это данные». Зона доступа агента не может быть ограничена условием «ничего конфиденциального», если ничто не было классифицировано как конфиденциальное. Вот почему Everpure Data Intelligence, которая обнаруживает и классифицирует данные по всей инфраструктуре, работает в этой архитектуре рука об руку с Data Stream: одна система определяет, чем являются данные, другая управляет тем, как ИИ получает к ним доступ, а уровень контроля определяет, кому разрешено с ними работать.

Для Everpure речь идет не о простом объединении смежных технологий.

Следующее поколение Data Stream создается на базе NVIDIA Vera BlueField-4 STX, а возможности безопасности DOCA, анонсированные в мае 2026 года, указывают направление эволюции этой архитектуры в будущем. По мере продолжения нашей работы с NVIDIA инфраструктурные возможности и функции безопасности, обеспечиваемые STX, BlueField-4 и DOCA, становятся частью самой интегрированной архитектуры Data Stream. По мере того как Data Stream автоматизирует готовые к использованию ИИ конвейеры данных, это формирует путь для непрерывной безопасности, реализуемой на уровне инфраструктуры и неотделимой от пути передачи данных, от которого зависят агенты.

Что не менее важно, это укрепляет роль более широкой экосистемы корпоративной безопасности. NVIDIA Vera BlueField-4 STX и NVIDIA DOCA предоставляют базовые возможности инфраструктуры. Со временем Data Stream предоставит эти возможности через API, телеметрию и точки интеграции, которые независимые производители программного обеспечения (ISV) в сфере безопасности, киберустойчивости, наблюдаемости и защиты данных смогут использовать для интеграции уже привычных клиентам средств контроля глубже в ИИ-фабрику — ближе к агентам, конвейерам данных и рабочим нагрузкам, которые определят производственный ИИ.

Именно так доверенные средства корпоративной безопасности становятся частью реальных ИИ-операций — не в виде надстройки вокруг системы, а как контроль, встроенный в саму среду выполнения системы.

Победителями станут те, кому доверяют предприятия

Производительность по-прежнему важна. Конвейеры ИИ должны эффективно перемещать данные. Графические процессоры должны работать с высокой отдачей. Инфраструктура должна масштабироваться.

Но это уже не единственные важные вопросы.

Можно ли доверять агентному ИИ конфиденциальные корпоративные данные? Можно ли применять политики непрерывно, для каждой операции, на скорости работы агентов? Можно ли мониторить автономные системы в реальном времени? Можно ли распространить проверенные корпоративные средства контроля непосредственно на путь передачи данных ИИ?

Именно от ответов на эти вопросы зависит, какие ИИ-платформы действительно дойдут до стадии промышленной эксплуатации.

Победителями в сфере корпоративного ИИ станут не компании с самыми яркими демонстрациями или самыми впечатляющими результатами бенчмарков. Это будут платформы, которым предприятия доверяют настолько, чтобы позволить автономному ИИ взаимодействовать с реальными производственными данными, реальными рабочими процессами и реальными бизнес-решениями — потому что средства контроля встроены в архитектуру, а не добавлены после завершения разработки.