Модель можно арендовать, секреты компании нельзя: как бизнес отдает ИИ свое преимущество

Я проверил его заявления, прошелся по фактам: в главном он, несомненно прав, а в деталях — не соглашусь с ним, и вот почему.

Разберем, через какие дыры данные и преимущества вашей компании утекают на самом деле, сколько денег стоит их закрыть, и с каких вопросов стоит начать. Я подготовил 6 таких вопросов, на которые предлагаю вам обратить внимание.

Что случилось в эфире CNBC и почему это касается вашего бизнеса

Первого июля в эфире CNBC случилось то, что деловая пресса потом назовет «нервным срывом в прямом эфире». Алекс Карп, CEO Palantir — компании, которая делает софт для Пентагона и сотен других корпораций и госструктур США, почти двадцать минут на повышенных тонах объяснял ведущим Squawk Box, что с продажей искусственного интеллекта бизнесу «что‑то пошло совершенно не так» — здесь и далее будет мой перевод его цитат.

Ведущая на эфире не выдержала и заметила: «Вы говорите об этом довольно сердито». Карп ответил, что злится на самом деле не он, а через него говорит весь американский бизнес.

Можно списать всё на эксцентричность Карпу, он достаточно импульсивный человек и не привыкать к таким оценкам окружающих. Но я разобрал это интервью по конкретным фактам, и вот что у меня получилось: в главном он несомненно прав, а вот в деталях — нет.

И для владельца B2B‑компании обе половины этого вывода стоят ощутимых денег. Причём разных.

Что такое «альфа» и почему CEO Palantir кричит о ней в эфире

У каждого бизнеса есть то, что он называет «альфой» — данные, процессы, способ зарабатывать там, где конкурент не умеет.

То, что нарабатывается бизнесом в процессе проб и ошибок, путем перебора разных вариантов и способов в тумане неопределенности, доставая оттуда то, что реально сработало.

Секреты, которые оплачены деньгами, кровью и потом бизнеса. Всё, что делает вас вами, ваш уникальный бизнес профиль.

Покупая доступ к большим ИИ‑моделям — OpenAI, Anthropic, Mistral, Gemini, xAI кому угодно из «ИИ лабораторий» (их много), — вы прогоняете эту «альфу» через чужую систему и еще платите за это по счётчику токенов.

Его слова из эфира — привожу почти дословно: предприниматели «платят за токены, которые не создают ценности, а ИИ‑лаборатории забирают их интеллектуальную собственность».

И следом удар по самой экономике токенов: «Если это так ценно, тогда почему они берут деньги только за токены?», CEO Palantir Technologies Алекс Карп.

Логика очень простая: если бы ИИ‑модель действительно приносила бы бизнесу миллиарды дохода, её продавали бы за долю созданной ценности, как это делают консультанты и как это делает сам Palantir.

А раз продают по счётчику токенов, значит настоящая ценность совсем не в токенах. Она в том, что протекает через модель. И «протекает» тут имеет двойной смысл. Протекает через ИИ и куда‑то дальше утекает.

Требование Карпа к ИИ‑индустрии звучит как манифест: клиент должен контролировать «свои вычисления, свои модели, свой стек данных и свои альфа секреты». Владеть средствами производства, а не арендовать их.

Прежде чем разбирать, где здесь правда, — обязательная оговорка, без которой цитировать Карпа нечестно. Palantir зарабатывает ровно на том, что он рекомендует: на «слое» между бизнесом и ии‑моделью, который у них называется онтологией.

За два дня до эфира Palantir объявил сделку с Nvidia про развёртывание открытых моделей в закрытых контурах заказчиков, а после интервью акции компании прибавили около восьми процентов.

Человек, который кричит «не отдавайте альфу лабораториям», продаёт сейф для этой альфы. Это не делает его аргумент ложным. Но это значит, что проверять его надо не по громкости, а по фактам.

Проверяем.

Где Карп неточен: модели не «впитывают» ваши данные через API

Самое сильное место его речи это образ чужой модели, которая записывает и запоминает вашу внутреннюю кухню бизнеса и завтра перескажет её вашему же конкуренту, — на самом деле при проверке оказывается самым слабым аргументом.

У всех ведущих ии вендоров есть публичные политики, и говорят они противоположное. Fortune, разбирая это же интервью, сформулировал идею прямо: ведущие ИИ‑вендоры не имеют прямого доступа к промптам, выводам и данным корпоративных клиентов и не используют их для обучения будущих моделей, если клиент сам явно не дал согласие.

У Anthropic это записано дословно: «По умолчанию мы не используем ваши входные и выходные данные из наших коммерческих продуктов — Claude for Work, API и других — для обучения наших моделей». У корпоративных клиентов, которые ходят к моделям через облачных посредников Azure, Bedrock, Vertex — доступ вендора к данным ещё уже.

То есть базовый корпоративный сценарий, при котором компания заключила коммерческий договор и работает через API устроен не так, как описывает Карп. Модель не «тащит веса и альфу» из ваших запросов.

Возможно, что вы мне возразите: «Я работаю не с OpenAI, а с российской облачной моделью или через отечественную обёртку над западной» — справедливо, но механика от этого не меняется.

У российских облачных вендоров точно так же различаются коммерческие тарифы с договором и бесплатные версии с другими правилами, а каждая обёртка‑посредник добавляет ещё одно звено, через которое проходят ваши данные.

Чем длиннее цепочка — тем важнее не вера в бренд, а два вопроса: кто в этой цепочке видит ваши запросы и что он имеет право делать с ними по договору. Ответ «не знаем» встречается чаще, чем хотелось бы.

Если бы моя статья на этом заканчивалась, мой вывод был бы простой: успокойтесь и работайте. Но она не заканчивается. Потому что альфа, то есть ваши бизнес‑секреты, действительно утекает — просто не через ту дверь, на которую показывает нам Карп.

Где он прав: три двери, через которые альфа уходит на самом деле

Дверь первая — личные аккаунты сотрудников. Все процитированные политики защищают коммерческие контракты. А теперь честный вопрос к себе: на каких тарифах ваши люди реально пользуются нейросетями?

По моим наблюдениям за B2B‑компаниями, типичная картина такая: договор с вендором есть у ИТ‑отдела, а менеджер по продажам тем временем вставляет спецификацию клиента, договор и историю переговоров в бесплатный чат‑бот со своего телефона — потому что так быстрее.

У потребительских тарифов правила другие, и согласие на использование данных там нередко стоит по умолчанию. Ваши альфа‑секреты уходят не через enterprise‑API. Они уходят через личный аккаунт человека, которому вы вчера отказали в подписке за три тысячи рублей в месяц.

Дверь вторая — глубокие партнёрства с лабораториями. Тот же Fortune, который поймал Карпа на неточности, признаёт: у страха есть документированное основание. Компания Figma была дизайн‑партнёром Anthropic — со всеми преимуществами раннего доступа.

А потом обнаружила, что продукт, который Anthropic строит, конкурирует с её собственными функциями куда более прямо, чем ей хотелось бы. Это не слух и не пересказ — история публичная. Чем ближе вы подпускаете лабораторию к своим процессам, тем лучше она понимает, какой продукт стоит построить. Не потому что украла ваши данные, потому что увидела и поняла вашу задачу. Дальше похожую задачу она решает для ваших конкурентов.

Дверь третья — самая незаметная: ваши процессы, построенные голыми промптами. Одну и ту же модель продают вам и вашему конкуренту — Карп говорил об этом применительно к геополитике, но в бизнесе механика та же.

Если вся ваша «ИИ‑трансформация» — это набор удачных промптов поверх чужой модели, то ваша «альфа» не защищена ничем, кроме того факта, что конкурент пока не догадался написать такие же. Догадается. Потому что ии‑лаборатории подсказывают как написать лучше, подсказывают на собранных, в том числе ваших удачных промптах.

Заметьте, что произошло: мы выкинули самый громкий тезис Карпа и всё равно пришли к его выводу. Вопрос контроля над данными и процессами — реальный. Просто решается он не паникой, а архитектурой.

Три уровня контроля корпоративной ИИ: сколько «своего слоя» вам действительно нужно

Уровень 1 — облачный API плюс гигиена. Коммерческий тариф вместо личных аккаунтов, договор с прочитанным пунктом об обучении и хранении данных, запрет на рабочие данные в бесплатных чат‑ботах — не приказом, а тем, что у людей есть удобная легальная альтернатива.

Порядок затрат: тысячи рублей на сотрудника в месяц плюс один вечер юриста на чтение договора.

Для большинства B2B‑компаний и большинства задач — переписка, документы, аналитика без чувствительной коммерческой информации — этого уровня достаточно. Скажу прямее: тем, кто пугает вас, что без собственного ИИ‑контура вы завтра умрёте, обычно есть что вам продать.

Уровень 2 — свой слой поверх чужой модели. Это то, что Карп называет онтологией, но паттерн не запатентован: ваши данные лежат в вашей базе, модель получает их порциями под конкретный запрос и ничего не хранит, а логика процессов описана у вас, а не в промптах сотрудников.

Ключевое свойство — сменяемость, модель‑поставщика можно поменять без потери накопленного. Вы арендуете интеллект, но владеете памятью и процессом.

Порядок затрат: проект на месяцы, бюджет от сотен тысяч до нескольких миллионов рублей.

Сюда стоит идти, когда через ИИ проходит то, что жалко показать конкуренту: тендерные цены, клиентская база с условиями сделок, себестоимость, и подобное.

Уровень 3 — модель в собственном контуре безопасности компании. Открытые веса на своём железе, данные не покидают периметр вообще. «Контролируешь свои веса — контролируешь свою судьбу», как записано в манифесте Palantir.

Порядок затрат: миллионы рублей на инфраструктуру плюс команда сопровождения. Это не разовый платёж, а отдельная статья вашего годового бюджета.

ИИ‑модель в собственном контуре безопасности компании оправдана там, где данные по‑настоящему чувствительные: конструкторская документация, и всё, что подпадает под регуляторику или жёсткие соглашения о конфиденциальности.

Я занимаюсь в том числе такими внедрениями и скажу честно: тащить на этот уровень все задачи подряд — такой же перекос, как не думать о контроле вообще.

Уровень контроля ИИ выбирается не по моде и не по страху, а по одному вопросу: что случится с вашим бизнесом, если конкретно эти данные и конкретно этот процесс увидит конкурент?

Шесть вопросов, которые стоит задать до следующего платежа за ИИ

Проверьте себя — это займёт одно совещание.

На каких тарифах ваши сотрудники реально пользуются нейросетями? Не «какой у нас договор», а куда люди ходят каждый день руками. Разрыв между этими двумя ответами — и есть размер вашей дыры.

Что написано в договоре с вендором — и с каждым посредником в цепочке — про обучение на ваших данных и срок их хранения? Если никто в компании не может ответить за минуту — ответ «мы не знаем».

Где физически лежат ваши данные и логи запросов? В какой юрисдикции?

Где живут ваши бизнес‑процессы: в головах сотрудников, в промптах или в слое, который принадлежит вам? Промпт в блокноте менеджера — это не актив компании.

Сможете ли вы сменить модель‑поставщика за месяц без потери накопленного? Если нет — вы уже не клиент, вы заложник.

Что из того, что вы отправляете в модель, вы не показали бы вашему конкуренту? Вот с этого списка и начинается ваша реальная политика работы с ИИ.

Если на четыре из шести вопросов ответа нет, то проблема у вас не с искусственным интеллектом. Проблема с тем, что внедрение случилось раньше, чем решение, кто в доме хозяин.

Вопрос стоит не так, как его ставят ИИ вендоры

Выбор «внедрять ИИ или подождать» так уже не стоит, рынок этот вопрос уже закрыл за вас сам. И даже вопрос «ИИ облако или свой ИИ контур», которым сейчас размахивает половина индустрии после эфира Карпа, — тоже не главный.

Главный вопрос звучит иначе: где именно живёт «альфа» вашего бизнеса — и кто владеет этим местом.