На конференции VB Transform 2026, проходившей в Hotel Nia в Менло-Парке, эксперт Cohere Рачад Алао заявил о необходимости контроля полного стека AI для обеспечения суверенитета предприятий. Данная точка зрения вызывает интерес у компаний, стремящихся сохранить защиту данных и гибкость в выборе поставщиков.
Контекст: переход к комплексным решениям
Конференция привлекла сотни руководителей и технических специалистов, обсуждающих применения генеративных AI-агентов для достижения бизнес-результатов. Компании, работающие в высокорегулируемых сферах, таких как банки и больницы, должны иметь строгий контроль над тем, где хранятся данные и как осуществляется работа с AI.
Алао, ранее работавший в Google и Meta, отметил, что суверенитет AI выходит за рамки простого загрузки открытой модели или использования приложений внутри корпоративной сети. Успех заключается в наличии полного контроля над инфраструктурой — от GPU до систем управления запросами.
Контроль и оптимизация затрат при использовании AI
Эксперт также сообщил, что предприятия сталкиваются с растущими нагрузками, переходя от простых чат-ботов к более сложным агентским системам. По его словам, использование токенов в расчетах не всегда оправдано. "Чем более сложные сценарии, тем больше ваша токенизация увеличивается", — подчеркнул Алао, указывая на необходимость обходиться менее мощными моделями при решении 80% задач.
В качестве примера он привел канадский банк, использующий модели Cohere для строго регулируемых задач, а менее чувствительные задачи обрабатываются на платформе North с более крупными моделями. Ключевая идея заключается в том, что необходимо выбирать правильные инструменты для конкретных задач, чтобы снизить издержки.
Практические выводы для бизнеса
Для российских компаний это означает, что контроль над данными и эффективность в использовании AI становятся критически важными. Инвестирование в инфраструктуру, позволяющую персонализировать управление моделями и защищать данные, должно стать приоритетом для серьезных игроков на рынке. Не стоит избыточно полагаться на крупные модели, если для большинства задач достаточно меньших систем, которые зачастую дешевле в использовании.
Следующий шаг для Cohere — дальнейшая разработка моделей, которые помогут разрушить барьеры в использовании AI, сохраняя при этом контроль над потреблением ресурсов.