Сбой Fable 5: хеджирование стратегии для моделей ИИ

Две трети предприятий диверсифицировали свою стратегию в отношении моделей искусственного интеллекта, и споры последних недель вокруг модели Claude Fable 5 от Anthropic наглядно показали, почему такой подход стал мейнстримом.

12 июня в соответствии с постановлением правительства США об экспортном контроле модель Anthropic Claude Fable 5 — самая мощная на рынке — была отключена для всех пользователей без предупреждения и каких-либо сроков возврата. Модель вернулась на этой неделе с более строгими мерами безопасности после того, как китайская компания Z.ai выпустила в образовавшийся вакуум свою модель с открытыми весами GLM-5.2. Новое исследование VentureBeat Pulse Research, в рамках которого за последние недели было опрошено 145 предприятий, показывает, что две трети из них уже диверсифицировали свою стратегию в отношении моделей еще до введения этого постановления: 51% совмещают закрытые фронтирные модели с моделями с открытыми весами, развернутыми на собственной инфраструктуре, а еще 16% полностью переносят основные рабочие процессы с закрытых API. Оставшаяся треть полностью зависела от закрытых экосистем, когда система отключилась.

Этот блэкаут привлек всеобщее внимание к проблеме зависимости от поставщиков, продемонстрировав, что происходит, когда модель, на которую вы полагаетесь, исчезает. Но зависимость от вендоров — лишь самая заметная часть более глубокой проблемы: у большинства предприятий отсутствует мониторинг, позволяющий узнать, когда запущенная в производство система ИИ перестает работать корректно.

Лишь каждое 10-е предприятие располагает автоматизированным мониторингом, который способен зафиксировать отклонение, сбой или некорректную работу модели ИИ в производственной среде. Около четверти узнают о сбое в продакшене только тогда, когда о нем сообщают конечные пользователи (внутренние или внешние), либо вообще не имеют возможности обнаружить его. При этом 79% корпоративных организаций уже понесли реальный финансовый или операционный ущерб от автономных агентов — чаще всего из-за теневого ИИ (несанкционированной работы агентов, которую сотрудники самих предприятий запускают с корпоративных кредитных карт вне чьего-либо контроля).

Мы называем это «разрывом контроля» (Control Gap) — это расстояние между тем, насколько агрессивно предприятия внедряют ИИ, и тем, насколько мало они могут видеть, контролировать или регулировать этот процесс. Июньский блэкаут превратился в проверку на прочность в реальных условиях.

Об этих данных: Подразделение VentureBeat Pulse Research опросило 145 квалифицированных респондентов из организаций с численностью персонала от 100 человек и более в июне 2026 года, причем опрос проводился как раз во время блэкаут-периода Fable 5, начавшегося 12 июня. Выборка сформирована методом самоотбора и носит ориентировочный характер: 41% респондентов работают в сфере технологий/ПО, 20% являются консультантами или советниками, при этом база респондентов смещена в сторону руководящего и технического персонала — это CIO/CTO/CISO (18%), директора по инжинирингу/ИТ (14%), корпоративные архитекторы (12%). Более половины респондентов представляют компании с численностью сотрудников от 2500 человек и выше.

Хотя наша выборка невелика, гораздо большему доверию, чем точные проценты, подлежит общая тенденция: каждый вопрос в опросе независимо указывает на одно и то же: внедрение технологий опережает их регулирование, прозрачность и контроль затрат.

Полная методология приведена в отчете.

Как приказ об экспортном контроле Fable 5 переписал риски корпоративного ИИ

Модель Fable 5 была запущена 9 июня и сразу завоевала восторженные отзывы, но вместе с тем и шокировала ценой — 10 долларов за миллион входных токенов и 50 долларов за миллион выходных. Спустя три дня правительство США выпустило экстренную директиву об экспортном контроле, запрещающую доступ к ней иностранным гражданам. Компания Anthropic, не имея возможности проверять национальность в режиме реального времени, приостановила работу модели для всех.

Z.ai продолжает набирать обороты: в среду компания выпустила среду для агентского написания кода с открытым исходным кодом под названием Zcode. Тем временем OpenAI 26 июня представила предварительный просмотр своей передовой линейки GPT-5.6.

Предприятия уже провели весну, выясняя, во сколько долларов обходится зависимость от ИИ. Как сообщал Forbes, компания Uber израсходовала весь свой бюджет на ИИ-кодинг на 2026 год всего за четыре месяца после того, как внедрение Claude Code охватило 84% из примерно 5000 ее инженеров. По данным The Verge, Microsoft отменила большинство внутренних лицензий на Claude Code в своем подразделении Windows и Microsoft 365, направив инженеров на использование собственных инструментов.

Июнь преподнес более суровый урок: модель, от которой зависят ваши рабочие процессы, может исчезнуть за одну ночь по распоряжению правительства — независимо от решений вашей компании или вашего вендора. А китайские компании, такие как DeepSeek, выпускали невероятно прорывные, мощные модели, снижая затраты до крошечной доли от расценок западных аналогов.

Брайан Крейг (Brian Craig), старший директор по архитектуре в Liberty IT (ирландском инженерном подразделении Liberty Mutual — одной из крупнейших страховых компаний мира), столкнулся с последствиями обоих этих факторов в реальном времени. Крейг — ирландец, а это значит, что приказ об экспортном контроле ударил по нему напрямую как по пользователю-иностранцу.

Выступая на мероприятии VentureBeat AI Impact в Нью-Йорке 24 июня, в разгар блэкаута, я спросил его об этом. «Появилась Fable, и вы сразу увидели ценник за ее использование, подумав: «Ого, ну она просто обязана быть потрясающей»», — рассказал Крейг. — «Но, к счастью, мы не успели использовать ее настолько, чтобы влюбиться». А потом она исчезла.

Диверсификация была заложена еще до блэкаута

Компания Крейга была построена так, чтобы обходить именно такие сбои. Liberty IT использует так называемую ИИ-магистраль (backbone), состоящую примерно из 50 компонентов, охватывающих безопасность, управление, наблюдаемость и оркестрацию, причем каждый из них можно независимо заменить.

«Сейчас нельзя замыкаться на одном вендоре или даже на одном фреймворке», — заявил Крейг со сцены. — «Вам нужно сохранять гибкость этой магистрали, чтобы иметь возможность подключаться к разным моделям и разным поставщикам, ориентируясь не столько на то, что модно сегодня, сколько на то, в чем вы можете быть уверены в течение следующих шести месяцев».

Опрос показывает, что у Крейга немало единомышленников. Большинство предприятий (51%) придерживаются гибридной стратегии — используют закрытые передовые модели для общих рассуждений и локально развернутые модели с открытыми весами для специализированных задач, а 16% совершают резкий поворот, перенося основные рабочие процессы на открытые веса, работающие в их собственном гибридном или частном облаке. Те 32%, которые сохраняют приверженность закрытым решениям, открыто говорят о причинах: операционные расходы на самостоятельный хостинг для них все еще перевешивают потенциальную экономию. После июня в это уравнение добавилась новая переменная.

Отказ от текущих решений стал активной стратегией, и цель может вас удивить. На вопрос о том, какого основного вендора ИИ они с наибольшей вероятностью сократят или от услуг которого откажутся в течение следующих 12 месяцев, респонденты на первое место поставили Microsoft (30% — большинство сослалось на сокращение использования Copilot и фреймворков Azure AI в пользу прямого доступа к моделям), опередив 28% тех, кто не планирует сокращать ни одного вендора. На долю OpenAI пришлось 21% (в основном из-за волатильности цен), Anthropic набрала 15%, а Google — 6%. Ни один из вендоров не сталкивается с массовым бегством клиентов. Но лояльность по инерции подошла к концу: среди этих предприятий целенаправленный отказ хотя бы от одного поставщика теперь встречается чаще, чем расширение его использования.

Лишь каждое 10-е предприятие способно автоматически обнаружить сбой модели в продакшене

Откуда предприятие может узнать, что одна из его производственных моделей ИИ отклоняется от нормы, ведет себя небезопасно или не справляется с задачами? Мы задали этот вопрос напрямую. Сорок процентов респондентов ответили, что очень уверены в том, что обнаружат это. Ответы на вопрос о том, на чем основана эта уверенность, разделились на два лагеря: 30% полагаются на ручную проверку критически важных результатов работы ИИ людьми, и лишь 10% (14 из 145 организаций) имеют работающий автоматизированный мониторинг и систему оповещений для производственных систем. Остальные респонденты находятся в еще более уязвимом положении: 32% рассчитывают обнаружить большинство проблем «со временем», 19% говорят, что скорее узнают о сбое от конечных пользователей первыми, а 8% вообще заявляют об отсутствии какой-либо систематической видимости поведения ИИ в продакшене.

Это различие имеет принципиальное значение, поскольку два подхода кардинально отличаются друг от друга. Ручная проверка может казаться золотым стандартом, но она охватывает лишь те результаты, которые кто-то счел достаточно важными для подобной проверки — и она происходит со скоростью, доступной людям, со всеми присущими любому ручному процессу несоответствиями. Автоматизированный мониторинг непрерывно отслеживает все, что производит система, и фиксирует аномалии по мере их возникновения — точно так же, как предприятия перестали полагаться на ручные проверки доступности и безопасности еще десятилетие назад.

Поскольку объемы вывода агентских рабочих нагрузок многократно превосходят то, что способна прочитать любая команда проверяющих, ручной подход начинает отставать. Лидеры на нашем мероприятии 24 июня в Нью-Йорке рассматривают ручную проверку как элемент запланированного контроля, под которым задействована автоматизация. «Ничего не попадает в продакшн без фактической проверки и одобрения человеком», — сказал Крейг об агентской софтверной фабрике Liberty, где агенты планирования, кодирования, тестирования, критики и библиотечные агенты выпускают фичи от эпика до продакшена.

«Все должно основываться на оценке рисков. Именно поэтому мы работаем в страховой компании». Тодд Джонсон (Todd Johnson), управляющий директор Morgan Stanley, руководящий процессом агентского ИИ в сфере контроллинга P&L (прибылей и убытков) банка в конце операционного дня, описал тот же принцип применительно к финансам: «Один из наших ключевых принципов в управлении ИИ в целом заключается в том, что всегда должна быть ответственность человека, даже при наличии определенной степени автоматизации». VentureBeat освещал новые результаты работы системы агентов сведения P&L в Morgan Stanley в отдельной статье.

Liberty Mutual и Morgan Stanley осознанно выбрали ручное подтверждение, наложенное поверх инфраструктуры наблюдаемости, идентификации и управления. Наличие у лагеря сторонников ручной проверки аналогичной инфраструктуры — это вопрос, на который нельзя ответить с помощью одного варианта в опросе. Те 16%, которые отдельно назвали отсутствие инструментов наблюдаемости своим главным препятствием в управлении, прямо заявляют, что такая инфраструктура еще не создана.

Главное организационное препятствие: отсутствие единого владельца ИИ на разных платформах

Почему инструменты обеспечения прозрачности ИИ так и не создаются? Ответы респондентов наводят на мысль об организационных проблемах. Самым часто упоминаемым препятствием для управления ИИ на различных платформах является отсутствие единого владельца или ответственной команды — его назвали 32%. За ним следует непрозрачность вендоров (25%), отсутствие инструментов (16%) и нехватка кадров, оказавшаяся на последнем месте (5%).

Навыки есть, но отсутствует организационный мандат: лишь 38% заявляют, что в настоящее время центральная команда действительно контролирует поведение ИИ на их платформах, 21% говорят, что права владения неясны или вызывают активные споры между отделами, а 17% отмечают, что формальную ответственность не несет ни одна роль.

Масштаб применения ИИ усугубляет этот вакуум. Целых 85% предприятий используют две или более платформы, каждая из которых претендует на роль «основного» слоя ИИ — ERP, ITSM, пакеты офисных программ, платформы данных, и каждая со своим собственным ИИ, своими средствами контроля и своими предпосылками. 36% описывают ситуацию открытой конкуренции между четырьмя и более платформами. И лишь 8% консолидировали их до одной. Отвечая в текстовом поле на вопрос о том, что бы они исправили в первую очередь, респонденты с разных сторон сошлись в одном ответе: единый ответственный владелец и плоскость управления (control plane), которая абстрагирует затраты, дрейф моделей и выбор конкретной модели от конечного пользователя.

79% уже заплатили за сбой контроля над агентами — лидирует теневой ИИ

Цена этого вакуума отражается на корпоративных счетах.

Отвечая на вопрос о самом серьезном сбое финансового или операционного контроля, с которым они столкнулись из-за автономных агентов, 49% предприятий называют теневой ИИ — когда подразделения компании запускают несанкционированные агентские конвейеры с корпоративных кредитных карт, полностью обходя централизованный финансовый контроль. Еще 25% пострадали от счетов за «бесконечные циклы», когда неотловленный рекурсивный рабочий процесс за один инцидент накручивал расходы на токены на тысячи долларов, а 6% столкнулись с агентом, который ухудшил производительность производственных баз данных неконтролируемыми запросами. Лишь 21% сообщают об обеспеченной стабильности с жестким ограничением токенов и бюджетными лимитами на уровне инфраструктуры. Если сложить все вместе: 79% этих предприятий уже заплатили за сбой контроля над агентами реальными деньгами или реальными простоев.

Наконец, экономика токенов говорит о том, продолжит ли расти это давление. Затраты на инференс на один токен падают на 70–80% в год, при этом агентские рабочие нагрузки потребляют в 100–500 раз больше токенов, чем инструменты на базе LLM, которые они заменили.

Брайан Грасели (Brian Gracely), старший директор по стратегии продуктового портфеля в Red Hat, сообщил нашей аудитории в Нью-Йорке, что решение начинается с правильного подбора масштаба: «Если я просто пытаюсь урегулировать страховую претензию, мне не нужно, чтобы моя модель знала историю западной цивилизации. Мне не нужны результаты футбольных матчей».

По его словам, предприятия сочетают меньшие по размеру специализированные модели с семантической маршрутизацией, чтобы платформа сама решала, какие запросы действительно требуют рассуждений фронтирного уровня, а какие растрачивают премиальные токены на рутинную работу. (Один из сопутствующих показателей опроса подчеркивает тягу к прагматизму: 73% предприятий сообщают, что практически не видят отдачи от своих инвестиций в пользовательскую тонкую настройку (fine-tuning) за последние 18 месяцев — с этим итогом нам еще предстоит разобраться в отдельном отчете).

Итог: Возможность замены распространяется быстрее, чем ответственность

Опрос описывает предприятия, которые быстро движутся в сфере ИИ при слабой базовой системе контроля. 58% запускают больше ИИ-инициатив, чем выводят из эксплуатации. 85% используют множество платформ, каждая из которых претендует на статус основного ИИ-слоя. Предприятий, полагающихся на ручную проверку для обнаружения сбоя модели в продакшене, в три раза больше, чем тех, у кого развернут автоматизированный мониторинг. И 79% уже заплатили за сбой контроля над агентами — чаще всего за несанкционированные расходы сотрудников на корпоративные карты вне поля зрения ИТ-отдела.

В одной проблеме предприятия явно адаптировались — это зависимость от моделей. Две трети диверсифицируют свою стратегию в отношении моделей, либо используя модели с открытыми весами наряду с закрытыми (51%), либо полностью перенося основные рабочие процессы с закрытых API (16%). Остановка работы Fable 5 показала ценность такой позиции: компании с диверсифицированной стратегией смогли обойти модель, которую правительственное постановление сделало недоступной за одну ночь.

Остальные проблемы носят внутренний характер, и их невозможно решить за деньги: 32% называют отсутствие единого ответственного владельца главным препятствием для управления, а 17% говорят, что формальную ответственность за ИИ не несет вообще ни одна роль. Назначение владельца ничего не стоит и не требует привлечения вендора. Тем не менее в большинстве этих компаний этого так и не произошло.

Наша следующая волна исследований в третьем квартале покажет, изменил ли июнь эту ситуацию — назначили ли предприятия ответственных лиц и установили ли автоматизированный мониторинг или просто добавили вторую модель и пошли дальше.

Ознакомьтесь с полным отчетом о разрыве контроля здесь.

Темы этого отчета — оркестрация агентов, управление и контроль затрат — станут главной повесткой дня на VB Transform, флагманском мероприятии VentureBeat, которое пройдет 14–15 июля в отеле Nia в Менло-Парке с участием технических лидеров из Visa, GM, Waymo, Intuit, Instacart, LangChain и других компаний. Подробности и регистрация здесь.

Раскрытие информации: Мероприятие VentureBeat AI Impact 24 июня в Нью-Йорке спонсировалось компаниями Red Hat и Intel. Спонсоры не принимали участия в разработке дизайна исследования VentureBeat Pulse Research, его результатах или редакционном освещении.