Две трети компаний уже подстраховались с ИИ: что показал черный понедельник с Claude Fable 5
Помните старую поговорку про яйца и корзину? Корпоративный мир ИИ только что выучил этот урок на собственной шкуре. Две трети предприятий уже диверсифицировали свою стратегию по моделям ИИ, и последние несколько недель скандалов вокруг модели Claude Fable 5 от Anthropic наглядно объяснили, почему такой подход стал мейнстримом.
12 июня указ об экспортном контроле США отключил Claude Fable 5 от Anthropic — самую мощную модель на рынке — для всех клиентов без предупреждения и без указания сроков. На этой неделе модель вернулась с ужесточенными протоколами безопасности, но вакуум уже успела заполнить китайская Z.ai, выпустив GLM-5.2 с открытым весом. Согласно новому исследованию VentureBeat Pulse, опросившему 145 предприятий за последние несколько недель, две трети компаний уже хеджировали свою стратегию до выхода указа: 51% комбинируют закрытые frontier-модели с open-weight моделями на собственной инфраструктуре, а еще 16% полностью уводят ключевые рабочие процессы с закрытых API. Оставшаяся треть, сделавшая ставку исключительно на закрытые экосистемы, оказалась в темноте, когда свет погас.
Это отключение прожектором высветило проблему зависимости от вендоров, наглядно показав, что происходит, когда модель, на которую ты полагаешься, просто исчезает. Но зависимость от поставщика — лишь самая заметная часть глубинной проблемы: у большинства компаний нет мониторинга, чтобы вовремя понять, что их ИИ-система в продуктиве перестала работать корректно. Только у 1 из 10 предприятий есть автоматизированный мониторинг, который мог бы зафиксировать дрифт модели, ее некорректное поведение или сбой в продуктиве. Примерно четверть узнают о сбое только когда конечные пользователи — внутренние или внешние — сообщат об этом, либо вообще не имеют возможности его обнаружить. И 79% организаций уже понесли реальные финансовые или операционные потери от автономных агентов — чаще всего от теневого ИИ, несанкционированной агентной работы, которую сотрудники оплачивают с корпоративных карт вне чьего-либо контроля.
Мы называем это "Контрольным разрывом" — расстояние между тем, как агрессивно компании внедряют ИИ, и тем, как мало из этого они могут видеть, контролировать или регулировать. Июньский блэкаут превратил это в боевой стресс-тест.
О данных: VentureBeat Pulse Research опросила 145 квалифицированных респондентов из организаций с численностью сотрудников от 100 человек в июне 2026 года, причем опрос проводился в период блэкаута Fable 5, начавшегося 12 июня. Выборка самоотобранная и ориентировочная: 41% работают в технологиях/ПО, 20% — консультанты или советники, респонденты в основном старшие специалисты и технические руководители — CIO/CTO/CISO (18%), директора по инженерии/IT (14%), enterprise-архитекторы (12%). Более половины респондентов представляют компании с числом сотрудников от 10 000 человек. Хотя наша выборка не огромна, доверять стоит не столько точным процентам, сколько паттерну: каждый вопрос опроса независимо указывает в одном направлении — внедрение опережает управление, прозрачность и контроль затрат. Полная методология — в отчете.
Как экспортный указ по Fable 5 переписал корпоративные риски ИИ
Fable 5 запустили 9 июня — и тут же признание и ценовой шок: $10 за миллион входных токенов и $50 за миллион выходных. Три дня спустя правительство США выпустило экстренное предписание по экспортному контролю, запрещающее доступ иностранным гражданам. Anthropic, не имея возможности в реальном времени проверять национальность пользователей, отключил модель для всех.
Z.ai тем временем продолжала набирать обороты: в среду она выпустила открытую агентную среду для кодинга под названием Zcode. OpenAI, в свою очередь, анонсировала свою передовую линейку GPT-5.6 26 июня.
Весной предприятия уже усвоили, во сколько обходится зависимость от ИИ в долларах. По данным Forbes, Uber сжег весь свой ИИ-бюджет на кодинг за 2026 год за четыре месяца после того, как Claude Code начали использовать 84% из примерно 5000 инженеров. Microsoft, по данным The Verge, отменила большинство внутренних лицензий Claude Code в своем подразделении Windows и Microsoft 365, направив инженеров на собственные инструменты.
Июнь добавил более жесткий урок: модель, от которой зависят ваши рабочие процессы, может исчезнуть за одну ночь по решению правительства, и это никак не зависит ни от вас, ни от вашего вендора. А китайские компании вроде DeepSeek выпускали чрезвычайно разрушительные и мощные модели, снижая затраты до доли от западных.
Брайан Крейг, старший директор по архитектуре в Liberty IT (ирландское инженерное подразделение Liberty Mutual, одной из крупнейших страховых компаний мира), увидел оба этих урока столкнувшимися в реальном времени. Крейг — ирландец, поэтому экспортный указ ударил непосредственно по нему как по иностранному пользователю. На сцене VentureBeat AI Impact в Нью-Йорке 24 июня, в разгар блэкаута, я спросил его об этом. "Появился Fable, и вы сразу увидели ценник за его использование и подумали: 'Ох, черт, надеюсь, он действительно хорош', — сказал Крейг. — Но, к счастью, мы не успели его достаточно использовать, чтобы в него влюбиться". А потом он исчез.
Подстраховка была встроена еще до блэкаута
Компания Крейга была построена так, чтобы обходить подобные сбои. Liberty IT использует так называемый "ИИ-позвоночник" — около 50 компонентов, охватывающих безопасность, управление, наблюдаемость и оркестровку, каждый из которых независимо заменяем. "Вы не можете привязываться сейчас к одному вендору или даже к одному фреймворку, — сказал Крейг аудитории. — Вам нужно сохранять гибкость этого позвоночника, чтобы иметь возможность подключать разные модели, разных вендоров, основываясь не столько на том, кто сегодня в тренде, сколько на том, в чем вы можете быть уверены в ближайшие шесть месяцев".
Опрос показывает, что у Крейга много единомышленников. Большинство в 51% предприятий придерживаются гибридной стратегии: закрытые frontier-модели для общего рассуждения, open-weight модели, развернутые локально для специализированных задач. Еще 16% совершают жесткий разворот, перемещая ключевые рабочие процессы на модели с открытым весом, работающие в их собственных гибридных или частных облаках. 32%, сохраняющие приверженность закрытым системам, честно признают почему: операционные расходы на самостоятельный хостинг для них пока перевешивают экономию. После июня в этой калькуляции появилась новая переменная.
Отказ — теперь активная стратегия, и цель может вас удивить
На вопрос, какого основного ИИ-вендора они, скорее всего, сократят или выведут из эксплуатации в ближайшие 12 месяцев, респонденты назвали Microsoft первым — 30%, причем большинство ссылалось на сокращение использования Copilot и Azure AI в пользу прямого доступа к моделям. Это опережает 28%, которые вообще не планируют урезать ни одного вендора. OpenAI набрал 21% — в основном из-за волатильности цен, Anthropic — 15%, Google — 6%. Ни один вендор не столкнулся с массовым исходом. Но лояльность по инерции закончилась: активное сокращение как минимум одного провайдера среди этих предприятий теперь встречается чаще, чем расширение сотрудничества со всеми.
Только 1 из 10 предприятий автоматически выявит сбойную модель в продуктиве
Как предприятие узнает, что одна из его ИИ-моделей в продуктиве дрифтит, ведет себя небезопасно или не справляется с задачами? Мы спросили напрямую. 40% говорят, что очень уверены в своей способности это обнаружить. Вопрос также выяснял, на чем основана эта уверенность, и респонденты разделились на два лагеря: 30% полагаются на людей, проверяющих критические выходные данные ИИ, и только 10% — 14 из 145 организаций — имеют автоматизированный мониторинг и оповещения, работающие на продуктивных системах. Остальные респонденты находятся в еще более слабых позициях: 32% ожидают, что "в конечном итоге" выявят большинство проблем, 19% говорят, что, вероятно, узнают о сбое от конечных пользователей, а 8% вообще не имеют систематического представления о поведении ИИ в продуктиве.
Это различие имеет значение, потому что два подхода кардинально отличаются. Человеческая проверка может казаться золотым стандартом, но она охватывает только те выходные данные, которые кто-то назначил важными для такой проверки — и происходит она со скоростью, на которую способны люди, и с непоследовательностью, присущей любому ручному процессу. Автоматизированный мониторинг отслеживает все, что производит система, непрерывно, и отмечает аномалии по мере их возникновения — по той же причине, по которой предприятия десять лет назад перестали полагаться на ручные проверки аптайма и безопасности. Поскольку объемы выходных данных агентных рабочих нагрузок многократно превышают возможности любой команды проверяющих, ручной подход начинает отставать.
Лидеры на нашем мероприятии 24 июня в Нью-Йорке рассматривают человеческую проверку как контролируемый процесс с автоматизацией под капотом. "Ничто не попадает в продуктив, пока человек его не проверит и не одобрит", — сказал Крейг о фабрике агентного ПО Liberty, где планирующие, кодирующие, тестирующие, критикующие и библиотекарские агенты продвигают фичи от эпика до продуктива. "Всегда должна быть основана на оценке рисков. Поэтому мы и работаем в страховой компании". Тодд Джонсон, управляющий директор Morgan Stanley, руководящий агентным ИИ в процессе расчета ежедневной прибыли и убытков банка, описал тот же принцип в финансах: "Один из наших ключевых принципов в управлении ИИ в целом заключается в том, что всегда должна быть человеческая ответственность, даже если есть некоторая степень автоматизации". VentureBeat осветил новые результаты Morgan Stanley по системе агентов для урегулирования P&L отдельно.
Liberty Mutual и Morgan Stanley выбрали ручное одобрение осознанно, поверх инфраструктуры наблюдаемости, идентификации и управления. Есть ли у тех, кто полагается на человеческую проверку, аналогичная инфраструктура — это больше, чем один вопрос с выбором ответа, может установить. 16%, которые отдельно назвали отсутствие инструментов наблюдаемости своим самым большим барьером в управлении, откровенно говорят, что этого еще не построили.
Главный барьер управления — организационный: нет единого ответственного за ИИ во всех платформах
Почему инструменты прозрачности ИИ так и не строятся? Ответы респондентов указывают на организационную проблему. Самый часто цитируемый барьер для управления ИИ на разных платформах — отсутствие единого ответственного лица или команды — 32%. Непрозрачность вендора следует за ним с 25%, отсутствие инструментов — 16%, и нехватка талантов оказывается в самом низу — 5%. Навыки есть, но организационного мандата нет: только 38% говорят, что центральная команда действительно управляет поведением ИИ на всех их платформах сегодня, 21% говорят, что ответственность неясна или активно оспаривается между командами, а 17% сообщают, что формально никто не несет ответственности вообще.
Область управления ИИ усугубляет вакуум. Целых 85% предприятий используют две или более платформ, каждая из которых претендует на звание "основного" ИИ-слоя — ERP, ITSM, пакет производительности, платформа данных, каждая со своим ИИ, своими средствами контроля и своими допущениями. 36% описывают открытую конкуренцию между четырьмя и более платформами. Только 8% консолидировались до одной. На вопрос в свободной форме о том, что бы они исправили в первую очередь, респонденты сошлись с разных сторон на одном ответе: единый ответственный владелец и контрольная панель, которая абстрагирует затраты, дрифт и выбор модели от конечного пользователя.
79% уже заплатили за сбой управления агентами — лидирует теневой ИИ
Цена вакуума проявляется на корпоративных картах. На вопрос о самом серьезном финансовом или операционном сбое управления, с которым они столкнулись от автономных агентов, 49% предприятий назвали теневой ИИ — когда команды запускают несанкционированные агентные пайплайны с корпоративных кредиток, полностью обходя центральный финансовый контроль. Еще 25% пострадали от бесконечного счета — необнаруженная рекурсивная рабочая цепочка, накручивающая тысячи долларов за токены в одном инциденте. И 6% — от