Enrique Dans: корпоративный AI терпит неудачу из‑за архитектуры, а не из‑за плохих моделей

Enrique Dans пишет, что проблемы корпоративного AI носят архитектурный характер: большие языковые модели по сути предсказывают текст и плохо подходят для управления бизнес‑процессами;

Enrique Dans утверждает, что провал корпоративного AI объясняется не отсутствием интереса к технологиям и не качеством самих моделей, а архитектурной несовместимостью LLM с корпоративными процессами. Он настаивает: большие языковые модели по своей природе занимаются предсказанием текста и потому плохо подходят для задач, где требуются постоянная память, состояние, ограничения и управление исходами. Это важно, потому что от выбора архитектуры зависит не только удобство, но и реальная бизнес‑выгода от внедрения AI.

Dans переводит дискуссию с инструментов на системы: от ответов к исходам, от копилотов к системам действий и от подсказок к ограничениям. Главная техническая претензия — корпоративный AI не должен оставаться сеансным; он обязан запоминать и поддерживать состояние между взаимодействиями, учитывать обратную связь и работать в рамках заданных правил. По его словам, задача не решается «лучшей подсказкой» — нужно менять цель проектирования.

Рыночный контекст подтверждает этот вывод. За последние два года индустрия оптимизировала видимый слой — большие модели, интерфейсы, копилоты и агентов — но ключевая ценность приходит от организаций, которые перестраивают рабочие процессы. McKinsey’s latest global survey отмечает широкое использование AI, однако глубокая интеграция в процессы всё ещё редкость; редизайн рабочих процессов остаётся одним из самых весомых факторов реального бизнес‑эффекта. Следствие для разработчиков и архитекторов — изменить критерии успеха. Вместо фокусировки на качестве ответов и пользовательских интерфейсах нужно проектировать системы, которые сохраняют память, поддерживают контекст, принимают и обрабатывают обратную связь и вводят управляемые ограничения. Такой сдвиг с одноразовых сессий на долгосрочные состояния и бизнес‑исходы требует иного набора технических компонентов и целей проектирования.

Практические шаги, которые Dans предлагает как неизбежные, включают инвестиции в хранение и воспроизведение контекста, плотную интеграцию AI в существующие процессы, механизмы обратной связи и правила, гарантирующие соблюдение ограничений. По его наблюдению, признаки такого перехода уже появляются: организации, перестраивающие процессы вокруг интеллекта, получают заметно большую пользу. Для команд, строящих корпоративный AI, главный ориентир ясен — проектировать системы действий и памяти, а не собирать всё новые подсказки для сеансового взаимодействия.