Обратный информационный парадокс Сатьи Наделлы: почему каждый запрос к ИИ может стоить вашей компании интеллектуальной собственности

• Человеческий капитал — знания, опыт, связи и способность распознавать закономерности, которые сотрудники привносят в организацию.
• Токен-капитал — собственные системы ИИ, которые компания строит и которыми владеет поверх базовых моделей.

Парадокс в том, что большинство современных корпоративных применений ИИ приумножают знания не внутри компании, а внутри систем поставщика модели . Знания «утекают» наружу при каждом взаимодействии. Когда сотрудник передаёт деловой контекст сторонней модели, этот запрос становится сигналом, который «дарится» обучающему конвейеру провайдера, а не остаётся у компании. Когда модель или вендор меняется, институциональные знания обнуляются .

Последствие №1: Утечка собственных знаний как «промышленный аутсорсинг»

Наделла описывает эту динамику как аналог промышленного аутсорсинга — подобно тому, как глобализация опустошила промышленные экономики, использование ИИ без владения слоем обучения опустошает корпоративные знания . Он заявил прямо: «Если ваша компания не способна воплотить неявные знания фирмы в виде весов в модели, которую вы контролируете… вы утекаете корпоративную ценность какой-то модельной компании где-то там» . Риск в том, что компании становятся «арендаторами» на ИИ-платформах, а их институциональная память мигрирует к небольшому числу поставщиков моделей .

Механизм конкретен. ИИ не обязательно нужен доступ к вашим «сырым» данным, чтобы изучить ваш бизнес; он изучает ваши рабочие процессы, последовательности действий, исправления, шаблоны принятия решений и ваше операционное чутьё . Эти неявные знания — накопленное, часто некодифицированное понимание, возникающее из того, как компания работает, — «впекаются» в модель . То, что было уникальным конкурентным преимуществом, может стать общедоступной способностью .

Последствие №2: «Цикл обучения» как истинное конкурентное преимущество

Центральный стратегический аргумент Наделлы: модель — это товар; цикл — это интеллектуальная собственность . Ключевые моменты из доступных источников:

• Выбор лучшей передовой модели — это не устойчивое преимущество — каждый конкурент может лицензировать ту же модель .
• «Цикл обучения» — это собственный механизм обратной связи: сотрудники взаимодействуют с ИИ, ИИ учится на их исправлениях и решениях, и система со временем совершенствуется, накапливая собственные неявные знания компании . Наделла называет этот цикл «машиной восхождения на холм» — механизмом, где человек и ИИ возвышают друг друга и становятся умнее с каждым использованием .
• Человеческий капитал и токен-капитал накапливаются вместе — по мере роста возможностей ИИ человеческий опыт становится более ценным, а не менее, если цикл принадлежит компании .
• «Тест» Наделлы на устойчивое преимущество: Можете ли вы заменить базовую модель общего назначения, не потеряв специализированных знаний, встроенных в вашу обучающую систему? Если нет, вы не владеете своим преимуществом . Экспертиза, запечатлённая в цикле обучения, должна сохраняться даже при замене базовой модели .

Согласно отчётам, Наделла призвал компании превратить свои рабочие процессы, отраслевые знания и накопленный опыт в системы ИИ, которые улучшаются с каждым использованием, через частные системы оценки, настройки с подкреплением и внутренние базы знаний. При правильной реализации эти циклы обратной связи становятся интеллектуальной собственностью компании — накопительным преимуществом, которое конкуренты не могут легко воспроизвести .

Последствие №3: Вопрос корысти — не является ли это рекламой Azure?

Несколько источников прямо отмечают, что формулировка Наделлы прекрасно согласуется с коммерческими интересами Microsoft :

• Promarket.org (издание Центра Стиглера) прямо называет предупреждение Наделлы «рекламной уловкой» — его аргумент верен в принципе, но в случае реализации направляет корпоративные инвестиции в Azure, облачный бизнес Microsoft, который выигрывает независимо от того, какая модель в конечном счёте победит на рынке .
• Рекомендуемая архитектура — запуск моделей на собственной инфраструктуре, владение слоем тонкой настройки, сохранение цикла обучения в «границах доверия» — это то, для чего и созданы Azure AI Studio и Azure OpenAI Service .
• Наделла также утверждает, что концентрация моделей ИИ чрезмерна и что экосистеме нужна большая конкуренция и более дешёвые модели — позиция, которая, если её примут, уменьшит зависимость от любого одного поставщика моделей (включая OpenAI, с которым у Microsoft многомиллиардное партнёрство) и вместо этого направит больше корпоративных расходов через независимую от моделей платформу Azure .

Однако Наделла также был осторожен, заявив, что его аргумент «не против OpenAI» и что он хочет децентрализованной экосистемы, где компании контролируют свой собственный уровень ИИ .

Основной вывод для компаний

Главный стратегический вывод очевиден: владейте своим циклом обучения, а не только подпиской на модель. Но любой совет вендора — включая Microsoft — необходимо оценивать с учётом того, что рекомендуемая архитектура, как правило, «стягивается» к облачной платформе этого вендора . Устойчивая мысль из «Обратного информационного парадокса» структурна: если каждое взаимодействие с ИИ приумножает знания внутри системы третьей стороны, компания систематически передаёт свою ценность. Решение — построить цикл обратной связи внутри компании, чтобы её неявные знания оставались её собственностью.