Суть аргумента: компания как обучающаяся система

Наделла начинает с переопределения сути бизнеса. «Моя простая мысль: в мире должно быть столько же моделей, сколько существует компаний, — заявил он в интервью 27 июня. — В конце концов, что такое компания? Это обучающаяся система.»

С этой точки зрения, долгосрочное конкурентное преимущество в эпоху ИИ заключается не в самой модели, а в окружающей её экосистеме: данных, процессах, методах оценки и обратной связи от людей, которые связывают ИИ с институциональными знаниями организации. Наделла утверждает, что компании должны иметь возможность «использовать свой собственный контекст, свои данные и свои (рабочие) следы» при выборе или донастройке моделей.

Вместо того чтобы рассматривать модель как защитный ров (moat), Наделла предлагает сосредоточиться на непрерывно совершенствующихся системах. Как он сказал в интервью Business Today: «Организации не могут отдать на аутсорсинг сам процесс обучения» — можно делегировать задачу, но нельзя делегировать кривую обучения своей компании.

Почему аренда ИИ-моделей опасна: предупреждение об «обескровливании» отраслей

Наделла привёл две взаимосвязанные причины, по которым полагаться исключительно на сторонние фронтирные модели опасно.

1. Потеря конкурентного преимущества и утечка стоимости. Наделла предупредил: если компания лишь арендует модель и не строит вокруг неё ничего своего, то эта модель не является её конкурентным преимуществом — и компания уже может проигрывать. Его главную обеспокоенность передаёт цитата из эссе: «Последнее, чего мы хотим, — это мир, где все компании во всех секторах уступают стоимость горстке моделей, которые пожирают всё, что видят.»

Он утверждает, что мощные ИИ-модели всё лучше усваивают узкоспециализированные корпоративные знания. Это может привести к тому, что профессиональная экспертиза целых отраслей превратится в сырьевой товар (commodity), который будет продаваться обратно компаниям, эту экспертизу и породившим. Компании, не создавшие собственные системы обратной связи с ИИ, рискуют «слить» стоимость внешним провайдерам.

2. Риск концентрации и зависимость от вендора. Полагаясь на единственную фронтир-модель, компания оказывается в полной зависимости от ограничений, ценообразования и стратегических решений внешнего поставщика. Наделла предлагает строить внутренние «обучающие контуры» — системы, способные менять базовую модель без потери накопленного интеллекта. «Строить ИИ-инфраструктуру, оптимизированную только под одну модель, рискованно, — говорит он. — Прорыв конкурента в архитектуре модели может сделать все ваши инвестиции бесполезными.»

В русле мультимодельной стратегии Microsoft

Аргументация Наделлы напрямую связана с собственной стратегией Microsoft. После многолетнего и тесного партнёрства с OpenAI компания намеренно расширяет свой ИИ-арсенал, снижая зависимость от одного поставщика и внедряя собственные разработки.

На конференции Microsoft Build в начале июня 2026 года были представлены новые проприетарные модели MAI (Microsoft AI), призванные уменьшить зависимость от OpenAI и снизить затраты для разработчиков. Microsoft также создаёт собственные технологии, такие как Project Polaris — собственный ИИ для написания кода, который к августу 2026 года должен заменить GPT-4 в GitHub Copilot.

Кроме того, Microsoft запустила доступные ИИ-модели и мультидвижковую платформу Copilot, поддерживающую модели от Anthropic, Meta (Llama), Mistral AI, DeepSeek и Cohere наряду с OpenAI. Anthropic Claude теперь доступен в Azure AI Foundry как продукт первого уровня наравне с OpenAI, DeepSeek, Llama и Mistral.

Логика проста: если компаниям нужны собственные кастомные ИИ-системы, интегрированные с их данными и процессами, облачная платформа, на которой строится эта экосистема (Azure), становится стратегически критичной. Совет Наделлы «строй свой обучающий контур» — это одновременно и архитектурная рекомендация, и чёткое позиционирование облачно-ИИ-платформы Microsoft.

Наделла давно предвидел эту «коммодитизацию». Ещё в конце 2025 года он жёстко описал ситуацию: «Если вы компания, делающая модели, у вас может быть „проклятие победителя“… ваша модель находится в одном клике от того, чтобы стать товаром.»

Новая парадигма: человеческий капитал + токен-капитал

В своём июньском эссе Наделла ввёл два понятия, которые стали центральными в дискуссии о корпоративном ИИ: человеческий капитал и токен-капитал.

Что такое токен-капитал?

Токен-капитал — это «собственная ИИ-способность компании», которую она создаёт и контролирует на основе своих рабочих процессов, данных, методов оценки и накопленной экспертизы. Это проприетарный ИИ-актив, который компания развивает вокруг собственной операционной системы, в отличие от аренды универсальных возможностей у сторонних провайдеров. Токен-капитал включает в себя системы, модели, промпты (инструкции для ИИ), методы оценки и настроенные рабочие процессы, которые компания разрабатывает со временем. Наделла описывает этот процесс как «сложный процент» внутри самоподкрепляющегося обучающего контура.

Человеческий капитал становится ценнее, а не дешевле

Парадоксальное утверждение Наделлы заключается в том, что по мере роста ИИ-способностей (токен-капитала) ценность человеческого капитала возрастает, а не падает. Человеческий капитал включает знания, профессиональное чутьё (judgment), связи, креативность и способность распознавать закономерности у сотрудников компании.

Его аргумент: без человеческого направления «вычисления ходят по кругу». Именно человеческая экспертиза направляет обучающий контур, оценивает результаты ИИ и превращает его возможности в реальное конкурентное преимущество. Наделла называет это сдвигом к «реальному когнитивному циклу между людьми и цифровыми системами» — коренному отличию от предыдущих технологических революций, где цифровые системы лишь усиливали производительность человека.

Обучающий контур по принципу сложного процента

Идеальное состояние Наделла описывает как «создание обучающего контура поверх моделей, где человеческий капитал и токен-капитал растут по принципу сложного процента». В этом контуре:

• Человеческий капитал (экспертиза, профессиональное чутьё) направляет создание и оценку результатов ИИ.
• Токен-капитал (собственные ИИ-способности) фиксирует и переводит эту экспертизу в работающие процессы.
• Каждый цикл повышает ценность и того, и другого.

Если компания не может сменить базовую модель без потери накопленного интеллекта, она не владеет своим обучающим контуром — она его арендует.

Практические выводы для внедрения ИИ в компаниях

Инфраструктура: гибкие мультимодельные платформы

Бизнес больше не может рассматривать одну фронтир-модель как всю ИИ-стратегию. Необходима гибкая инфраструктура, поддерживающая множество семейств моделей, подключение к собственным данным, интеграцию с рабочими процессами и непрерывные циклы обратной связи. По Наделле, выигрывает та платформа, которая помогает компаниям строить и управлять этими экосистемами — именно так Microsoft позиционирует Azure и сервисы Copilot.

Человеческий капитал: более глубокие инвестиции в людей

Аргумент Наделлы идёт вразрез с нарративом о тотальной автоматизации. Если человеческое суждение становится более ценным по мере роста ИИ, компаниям нужно инвестировать больше в экспертизу сотрудников, знание предметной области и творческое принятие решений, а не меньше. Примечательно, что в 2026 году было сокращено около 117 000 рабочих мест в техсекторе, где ИИ назывался одним из факторов. Рамка Наделлы неявно предупреждает против этого тренда, если он лишает компании человеческого капитала, необходимого для направления обучающих контуров.

Токен-капитал: создавать, а не только покупать

Ключевой стратегический сдвиг — от потребления ИИ к владению ИИ-способностями. Это означает разработку собственных моделей, тонкую настройку на внутренних данных, построение систем оценки и создание рабочих процессов, которые превращают организационные знания в многократно используемый актив. Компании, которые просто подписываются на лучшую модель и останавливаются на этом, рискуют быть «обескровленными» — потому что их устойчивое преимущество будет заключаться не в самой арендованной модели, а в собственном обучающем контуре, построенном вокруг неё.

Главный вывод

Для руководителей компаний Наделла определяет три направления одновременных инвестиций:

• Инфраструктура: гибкие мультимодельные облачные платформы, позволяющие строить кастомные ИИ-системы вокруг собственных рабочих процессов и данных.
• Человеческий капитал: более глубокие инвестиции в профессиональное чутьё, связи, креативность и предметную экспертизу сотрудников — это становится важнее, а не наоборот.
• Токен-капитал: собственные ИИ-способности, которые обучаются и улучшаются на уникальных данных компании, циклах обратной связи и операционных процессах.

Посыл жёсток: если ваша ИИ-стратегия начинается и заканчивается выбором провайдера фронтир-модели, вы, возможно, уже проигрываете конкурентную борьбу тем компаниям, которые владеют своими обучающими контурами, а не арендуют их.

Суть аргумента: компания как обучающаяся система

Наделла начинает с переопределения сути бизнеса. «Моя простая мысль: в мире должно быть столько же моделей, сколько существует компаний, — заявил он в интервью 27 июня. — В конце концов, что такое компания? Это обучающаяся система.»

С этой точки зрения, долгосрочное конкурентное преимущество в эпоху ИИ заключается не в самой модели, а в окружающей её экосистеме: данных, процессах, методах оценки и обратной связи от людей, которые связывают ИИ с институциональными знаниями организации. Наделла утверждает, что компании должны иметь возможность «использовать свой собственный контекст, свои данные и свои (рабочие) следы» при выборе или донастройке моделей.

Вместо того чтобы рассматривать модель как защитный ров (moat), Наделла предлагает сосредоточиться на непрерывно совершенствующихся системах. Как он сказал в интервью Business Today: «Организации не могут отдать на аутсорсинг сам процесс обучения» — можно делегировать задачу, но нельзя делегировать кривую обучения своей компании.

Почему аренда ИИ-моделей опасна: предупреждение об «обескровливании» отраслей

Наделла привёл две взаимосвязанные причины, по которым полагаться исключительно на сторонние фронтирные модели опасно.

1. Потеря конкурентного преимущества и утечка стоимости. Наделла предупредил: если компания лишь арендует модель и не строит вокруг неё ничего своего, то эта модель не является её конкурентным преимуществом — и компания уже может проигрывать. Его главную обеспокоенность передаёт цитата из эссе: «Последнее, чего мы хотим, — это мир, где все компании во всех секторах уступают стоимость горстке моделей, которые пожирают всё, что видят.»

Он утверждает, что мощные ИИ-модели всё лучше усваивают узкоспециализированные корпоративные знания. Это может привести к тому, что профессиональная экспертиза целых отраслей превратится в сырьевой товар (commodity), который будет продаваться обратно компаниям, эту экспертизу и породившим. Компании, не создавшие собственные системы обратной связи с ИИ, рискуют «слить» стоимость внешним провайдерам.

2. Риск концентрации и зависимость от вендора. Полагаясь на единственную фронтир-модель, компания оказывается в полной зависимости от ограничений, ценообразования и стратегических решений внешнего поставщика. Наделла предлагает строить внутренние «обучающие контуры» — системы, способные менять базовую модель без потери накопленного интеллекта. «Строить ИИ-инфраструктуру, оптимизированную только под одну модель, рискованно, — говорит он. — Прорыв конкурента в архитектуре модели может сделать все ваши инвестиции бесполезными.»

В русле мультимодельной стратегии Microsoft

Аргументация Наделлы напрямую связана с собственной стратегией Microsoft. После многолетнего и тесного партнёрства с OpenAI компания намеренно расширяет свой ИИ-арсенал, снижая зависимость от одного поставщика и внедряя собственные разработки.

На конференции Microsoft Build в начале июня 2026 года были представлены новые проприетарные модели MAI (Microsoft AI), призванные уменьшить зависимость от OpenAI и снизить затраты для разработчиков. Microsoft также создаёт собственные технологии, такие как Project Polaris — собственный ИИ для написания кода, который к августу 2026 года должен заменить GPT-4 в GitHub Copilot.

Кроме того, Microsoft запустила доступные ИИ-модели и мультидвижковую платформу Copilot, поддерживающую модели от Anthropic, Meta (Llama), Mistral AI, DeepSeek и Cohere наряду с OpenAI. Anthropic Claude теперь доступен в Azure AI Foundry как продукт первого уровня наравне с OpenAI, DeepSeek, Llama и Mistral.

Логика проста: если компаниям нужны собственные кастомные ИИ-системы, интегрированные с их данными и процессами, облачная платформа, на которой строится эта экосистема (Azure), становится стратегически критичной. Совет Наделлы «строй свой обучающий контур» — это одновременно и архитектурная рекомендация, и чёткое позиционирование облачно-ИИ-платформы Microsoft.

Наделла давно предвидел эту «коммодитизацию». Ещё в конце 2025 года он жёстко описал ситуацию: «Если вы компания, делающая модели, у вас может быть „проклятие победителя“… ваша модель находится в одном клике от того, чтобы стать товаром.»

Новая парадигма: человеческий капитал + токен-капитал

В своём июньском эссе Наделла ввёл два понятия, которые стали центральными в дискуссии о корпоративном ИИ: человеческий капитал и токен-капитал.

Что такое токен-капитал?

Токен-капитал — это «собственная ИИ-способность компании», которую она создаёт и контролирует на основе своих рабочих процессов, данных, методов оценки и накопленной экспертизы. Это проприетарный ИИ-актив, который компания развивает вокруг собственной операционной системы, в отличие от аренды универсальных возможностей у сторонних провайдеров. Токен-капитал включает в себя системы, модели, промпты (инструкции для ИИ), методы оценки и настроенные рабочие процессы, которые компания разрабатывает со временем. Наделла описывает этот процесс как «сложный процент» внутри самоподкрепляющегося обучающего контура.

Человеческий капитал становится ценнее, а не дешевле

Парадоксальное утверждение Наделлы заключается в том, что по мере роста ИИ-способностей (токен-капитала) ценность человеческого капитала возрастает, а не падает. Человеческий капитал включает знания, профессиональное чутьё (judgment), связи, креативность и способность распознавать закономерности у сотрудников компании.

Его аргумент: без человеческого направления «вычисления ходят по кругу». Именно человеческая экспертиза направляет обучающий контур, оценивает результаты ИИ и превращает его возможности в реальное конкурентное преимущество. Наделла называет это сдвигом к «реальному когнитивному циклу между людьми и цифровыми системами» — коренному отличию от предыдущих технологических революций, где цифровые системы лишь усиливали производительность человека.

Обучающий контур по принципу сложного процента

Идеальное состояние Наделла описывает как «создание обучающего контура поверх моделей, где человеческий капитал и токен-капитал растут по принципу сложного процента». В этом контуре:

• Человеческий капитал (экспертиза, профессиональное чутьё) направляет создание и оценку результатов ИИ.
• Токен-капитал (собственные ИИ-способности) фиксирует и переводит эту экспертизу в работающие процессы.
• Каждый цикл повышает ценность и того, и другого.

Если компания не может сменить базовую модель без потери накопленного интеллекта, она не владеет своим обучающим контуром — она его арендует.

Практические выводы для внедрения ИИ в компаниях

Инфраструктура: гибкие мультимодельные платформы

Бизнес больше не может рассматривать одну фронтир-модель как всю ИИ-стратегию. Необходима гибкая инфраструктура, поддерживающая множество семейств моделей, подключение к собственным данным, интеграцию с рабочими процессами и непрерывные циклы обратной связи. По Наделле, выигрывает та платформа, которая помогает компаниям строить и управлять этими экосистемами — именно так Microsoft позиционирует Azure и сервисы Copilot.

Человеческий капитал: более глубокие инвестиции в людей

Аргумент Наделлы идёт вразрез с нарративом о тотальной автоматизации. Если человеческое суждение становится более ценным по мере роста ИИ, компаниям нужно инвестировать больше в экспертизу сотрудников, знание предметной области и творческое принятие решений, а не меньше. Примечательно, что в 2026 году было сокращено около 117 000 рабочих мест в техсекторе, где ИИ назывался одним из факторов. Рамка Наделлы неявно предупреждает против этого тренда, если он лишает компании человеческого капитала, необходимого для направления обучающих контуров.

Токен-капитал: создавать, а не только покупать

Ключевой стратегический сдвиг — от потребления ИИ к владению ИИ-способностями. Это означает разработку собственных моделей, тонкую настройку на внутренних данных, построение систем оценки и создание рабочих процессов, которые превращают организационные знания в многократно используемый актив. Компании, которые просто подписываются на лучшую модель и останавливаются на этом, рискуют быть «обескровленными» — потому что их устойчивое преимущество будет заключаться не в самой арендованной модели, а в собственном обучающем контуре, построенном вокруг неё.

Главный вывод

Для руководителей компаний Наделла определяет три направления одновременных инвестиций:

• Инфраструктура: гибкие мультимодельные облачные платформы, позволяющие строить кастомные ИИ-системы вокруг собственных рабочих процессов и данных.
• Человеческий капитал: более глубокие инвестиции в профессиональное чутьё, связи, креативность и предметную экспертизу сотрудников — это становится важнее, а не наоборот.
• Токен-капитал: собственные ИИ-способности, которые обучаются и улучшаются на уникальных данных компании, циклах обратной связи и операционных процессах.

Посыл жёсток: если ваша ИИ-стратегия начинается и заканчивается выбором провайдера фронтир-модели, вы, возможно, уже проигрываете конкурентную борьбу тем компаниям, которые владеют своими обучающими контурами, а не арендуют их.