70% глобальных руководителей считают суверенную платформу ИИ и данных обязательным условием успеха компании. На практике это означает довольно приземленную вещь: эпоха, когда бизнес без лишних вопросов отправлял внутренние данные во внешние модели ради быстрого эффекта, заканчивается, и суверенный ИИ из красивого лозунга превращается в архитектурное требование.
Об этом сообщает MIT Technology Review в партнерском исследовании с EnterpriseDB. Поводом стала переоценка сделки, на которую компании негласно пошли в первые годы генеративного ИИ: получить возможности сейчас, а о контроле подумать потом. Сценарий знакомый: подключаем облачную большую языковую модель, загружаем туда корпоративные данные, быстро получаем пилот, презентацию для совета директоров и пару впечатляющих демо. Проблема в том, что вместе с этим бизнес отдает часть контроля над собственным ИТ-контуром: данные проходят через инфраструктуру, которой компания не владеет, а правила игры зависят от провайдера и могут измениться после очередного обновления политики.
Почему вопрос резко стал прикладным
В тексте этот сдвиг описан без лишней романтики. Пока генеративный ИИ жил в зоне экспериментов, риски можно было терпеть. Но теперь он закрепился в ежедневных бизнес-процессах, а на подходе более автономные агентные системы, которые не просто отвечают на запросы, а выполняют цепочки действий, принимают решения и глубже встраиваются в операционку компании. В такой модели вопрос уже не в том, удобен ли внешний сервис, а в том, кто контролирует данные, модель, инфраструктуру и правила доступа.
Глава EDB Кевин Даллас формулирует тревогу клиентов предельно прямо: данные стали новой валютой и формой интеллектуальной собственности для многих компаний. Отсюда и главный страх: если AI-приложение работает на облачной LLM, не теряет ли бизнес собственный IP и конкурентное преимущество. Для разработчиков и ИТ-директоров это не абстракция из презентации. Это вопрос о том, где хранятся промпты, что происходит с журналами запросов, можно ли гарантировать неизменность политики провайдера, кто имеет доступ к промежуточным данным и насколько легко потом перенести систему в другой контур без дорогостоящей миграции.
На этом фоне суверенный ИИ и так называемый data sovereignty перестают быть темой только для государства и регуляторов. В корпоративной трактовке речь идет о снижении зависимости от централизованных поставщиков и о возврате реального контроля над моделями и собственным массивом данных. Исследование EDB, на которое ссылается материал, основано на опросе более 2050 старших руководителей и серии интервью с отраслевыми экспертами. Его вывод простой: движение в сторону суверенной архитектуры уже идет, и идет не на уровне дискуссий, а на уровне приоритетов крупных компаний.
Что это меняет для ИТ-команд и рынка
Отдельно показательно, что тему суверенитета поднимают уже не только корпоративные поставщики, продающие платформы под этот поворот, но и фигуры масштаба Дженсена Хуанга. В январе 2026 года на Всемирном экономическом форуме в Давосе глава NVIDIA заявил, что каждой стране стоит строить собственную AI-инфраструктуру, развивать свой ИИ и использовать язык и культуру как базовый ресурс. Это важная реплика, потому что она показывает: разговор о суверенитете вышел за пределы привычного enterprise-страха перед vendor lock-in и превратился в более широкую экономическую и технологическую повестку.
Для русскоязычной ИТ-аудитории здесь несколько практических выводов. Первый: данные больше нельзя считать просто топливом для модели. Они становятся активом, который надо проектно защищать. Второй: выбор AI-стека теперь упирается не только в качество ответов и цену токена, но и в управляемость. Если модель невозможно развернуть в контролируемом контуре, если неясно, как она обучается, что логирует и как ведет себя после смены политики поставщика, значит, это уже не просто технический риск, а риск для бизнеса. Третий: агентные системы будут усиливать этот разрыв. Чем автономнее ИИ, тем болезненнее вопрос, кто контролирует его память, доступы, источники данных и механизм принятия действий.
Это касается не только корпораций с тысячами серверов и отделом комплаенса на этаж. Для продуктовых команд и стартапов тема тоже становится вполне земной. На ранней стадии удобно строить все на внешнем API и не спорить с провайдером, пока продукт ищет рынок. Но как только в систему попадают чувствительные внутренние данные, клиентские документы, аналитика продаж, кодовая база или отраслевой know-how, экономия времени может обернуться зависимостью, из которой потом дорого выходить. И если раньше вопрос звучал как «какую модель взять», то теперь он все чаще звучит иначе: «какой уровень контроля мы готовы потерять ради скорости запуска».
В этом смысле суверенный ИИ не обещает волшебной независимости от всех поставщиков сразу. Скорее он задает новую планку зрелости: компании хотят понимать, где живут их данные, на каких условиях работает модель, можно ли перенести стек между облаком и собственным контуром и кто в итоге держит рубильник. Именно здесь и будет проходить следующая линия раздела на рынке: между теми, кто продает только мощность и удобство, и теми, кто может дать мощность без отказа от контроля. Подробнее о логике этого сдвига и цифрах исследования можно посмотреть в материале .