Переосмысление архитектуры ИИ
В феврале 2026 года Даррен Моури, вице-президент Google, сделал важное заявление о будущем ИИ-стартапов. По его словам, две категории ИИ-стартапов обречены на исчезновение: компании, опирающиеся на «оболочку» поверх крупных языковых моделей (LLM), и агрегаторы ИИ, объединяющие несколько LLM за одним API. Это сигнализирует о серьезных изменениях в подходе к архитектуре ИИ и указывает на будущее, которое будет не только «пост-LLM-оболочкой», но и более разнообразным и распределенным.
Эволюция специализированных технологий
На протяжении последнего десятилетия мы были свидетелями серии революций в области ИИ, каждая из которых решала отдельные классы задач. Например, сверточные нейронные сети (CNN) произвели революцию в области компьютерного зрения. Они помогли машинам распознавать лица и интерпретировать визуальную информацию с невероятной точностью. Далее пришло время глубокого обучения с подкреплением (DRL), которое открыло новый горизонт для обучения машин принятию решений в сложных, динамичных средах.
Проблемы универсальности
Сегодня LLM доминируют в разговорах об ИИ благодаря своей универсальности и доступности. Однако универсальность не равна универсальности. LLM способны на многое, но не являются двигателями принятия решений в условиях неопределенности и отсроченной обратной связи.
Примером может служить использование DRL для оптимизации систем охлаждения дата-центров Google, что снизило энергопотребление на 40%. Это достигнуто не за счет улучшения отчетов, а за счет непрерывного принятия решений в реальном времени.
Переход к сетям агентов
Современная парадигма ИИ представляет собой монолитную модель, которая пытается делать все. Однако будущее за миллионами специализированных агентов, каждый из которых обучен выполнять одну задачу с высокой точностью. Важно, чтобы каждый агент был построен на основании ИИ-парадигмы, которая подходит для решаемой проблемы, а не просто следовал модным тенденциям.
Оркестрация и взаимодействие
Эти агенты не работают в изоляции. Они формируют сети, взаимодействуют и требуют двух ключевых возможностей: умение рассуждать и декомпозировать задачи, а также оркестрацию — управление потоком выполнения задач, обработкой зависимостей и координацией. Это похоже на сервис-ориентированную архитектуру (SOA) в программном обеспечении.
Агентское предприятие
Распространяя это видение за пределы продаж, мы видим контуры трансформирующегося агентского предприятия, где люди и агенты работают рука об руку. Агенты расширяют возможности наблюдения и оптимизации, а люди привносят контекст и суждения, создавая синергию, которую ни одна из сторон не может достичь в одиночку.
Для практиков это означает необходимость избегать соблазна рассматривать LLM как универсальное решение. Понимание того, какие задачи требуют каких моделей, критично для успешной интеграции ИИ в бизнес-процессы.
