Почему компании хотят собственный ИИ

Большинство компаний знакомятся с ИИ как с арендой. Место в ChatGPT или Claude, ключ к программному интерфейсу, счёт, который растёт с каждым пользователем. Модели превосходны, и для большей части работы в компании такое устройство подходит лучше всего. Наш собственный мозг компании каждый день работает в Claude и ChatGPT.

Но есть работа другого рода. Договор, который никто за пределами компании не должен читать. Отчёты об испытаниях продукта, о котором ещё не объявили. Десятилетия инженерного ноу-хау, наконец записанные в форме, с которой может работать модель. Для такой работы меняется сам вопрос. Важно уже не то, какая модель лучше, а то, в чьём здании она работает и кто учится на том, что она читает.

Что беспокоит компании

Это беспокойство можно измерить. Для своего сравнительного исследования 2026 года Cisco опросила 5'200 специалистов по ИТ, технологиям и безопасности на 12 рынках. 86 процентов из них заявили, что локально хранящиеся данные по своей природе защищённее (годом ранее так считали 90 процентов), а 81 процент сообщил о растущем спросе на хранение данных на месте. В трёх организациях из четырёх был отдельный орган по управлению ИИ. Лишь 12 процентов назвали свой зрелым.

В Швейцарии картина похожая. В опросе EY среди 604 компаний, опубликованном в мае 2026 года, 89 процентов респондентов сказали, что используют ИИ в повседневной работе. Для 51 процента было критически важно, чтобы системы ИИ соответствовали швейцарским или европейским требованиям к защите данных.

За цифрами стоит более простая мысль. Клем Деланг, глава Hugging Face, сформулировал её в июле в разговоре с TechCrunch: «не стоит отдавать свои ключевые компетенции другой компании». Для большинства компаний ядро составляет именно ноу-хау. Его труднее всего скопировать, и именно о нём арендованная модель знает меньше всего.

Что уже покрывают корпоративные условия

Аренда стала безопаснее, чем была. OpenAI заявляет, что с 1 марта 2023 года не использует данные, отправленные в её API, для обучения своих моделей, если клиент сам на это не согласился. Anthropic заявляет, что по умолчанию не использует входные и выходные данные своих коммерческих продуктов для обучения.

Вся работа кроется в деталях. В OpenAI журналы, которые ведутся для отслеживания злоупотреблений, по умолчанию хранятся до 30 дней. Нулевое хранение данных доступно подходящим клиентам после одобрения. Европейский регион, охватывающий ЕЭЗ и Швейцарию, хранит там контент клиентов, а для работы с ним нужен один из утверждённых механизмов контроля хранения. Системные данные, например данные аккаунта, расчётов и использования, по-прежнему могут обрабатываться в других местах, а для моделей, выпущенных начиная с 5 марта 2026 года, региональные эндпоинты стоят на 10 процентов дороже.

Ничто из этого не повод отказываться от арендованных моделей. Это повод читать условия как список оговорок. Договор определяет, что провайдер может делать с вашими данными. Он не определяет, где находится провайдер, когда меняется модель и станет ли модель когда-нибудь лучше справляться с вашей работой. Это вопросы архитектуры.

Открытые модели уже достаточно близко

Модели с открытыми весами, которые компания может скачать и запускать сама, вплотную приблизились к лучшим закрытым. Согласно AI Index 2026 Стэнфордского университета, в марте 2026 года лучшая закрытая модель опережала лучшую открытую на 3,3 процента. В августе 2024 года разрыв составлял 0,5 процента, то есть он снова немного вырос. Шесть из десяти лучших моделей в рейтинге Arena закрытые.

Открытые веса публикуют даже крупнейшие лаборатории. В августе 2025 года OpenAI выпустила две модели с открытыми весами под лицензией Apache 2.0. Более крупная работает на одном GPU с 80 ГБ памяти, меньшая укладывается в 16 ГБ.

Есть своя модель и у Швейцарии. Apertus, созданная EPFL, ETH Zurich и Швейцарским национальным суперкомпьютерным центром, вышла в версии 1.5 в июле 2026 года, теперь с пониманием изображений и звука, под лицензией Apache 2.0 и открытая для исследований и коммерческого использования. Её создатели приводят в пример кантон Тичино, который построил на Apertus собственную службу перевода, чтобы переводить конфиденциальные государственные документы, не полагаясь на коммерческих провайдеров.

Для узкой задачи внутри одной компании рейтинг значит меньше, чем то, знает ли модель термины, правила и прошлые решения этой компании. А этому компания может научить модель, которая принадлежит ей самой.

Где может работать частная модель

«Частный» означает три места. Собственный облачный аккаунт компании с её собственными ключами. Серверы в её собственном здании или дата-центре. И закрытые сети, которые никогда не соприкасаются с интернетом.

У каждого варианта своя цена. Владеть моделью значит взять на себя её эксплуатацию: оборудование или облачный договор, обновления, безопасность, тестирование каждой новой версии и человека, ответственного за всё это. Арендовать значит получать счёт, который растёт с каждым рабочим местом и каждым запросом, и модель, которую провайдер может изменить в любой день.

Для большинства компаний честный ответ: и то и другое. Лучшая арендованная модель для открытой работы, где важнее всего широта, и собственная модель для работы, которая должна оставаться внутри. Деланг ожидает, что большая часть рабочих нагрузок в продакшене будет выполняться либо на частных моделях внутри компаний, либо на открытых моделях. Мы говорим скромнее. Граница между ними является первым решением, и проводить её стоит осознанно.

Что должно означать «частный»

Слово «частный» легко присвоить. Вот вопросы, которые мы задаём, прежде чем его использовать.

Где она работает. Конкретный облачный аккаунт или конкретное здание в конкретной стране. Регион на карте это начало, и не более того.

Кто может это читать. Промпты, файлы, журналы и резервные копии, у каждого свой срок хранения и список людей и субподрядчиков, которые могут их видеть.

На чём она учится. Ваши данные не обучают ничего за пределами вашей компании. В идеале они обучают модель, которая работает на вас.

Кто её меняет. Версия остаётся, пока вы не решите её заменить, а новую можно откатить одним шагом.

Как её тестируют. Каждая новая версия до запуска сравнивается с предыдущей на ваших собственных задачах.

Кто может уйти. Модель, её доработки и ваши данные могут переехать вместе с вами, если вы смените провайдера.

Кто за неё отвечает. За модель, её правила и её контрольные точки отвечает один конкретный человек. Модель может прочитать каждый договор в архиве. Решать, какое условие компания принимает, по-прежнему будет человек, и ответственность за это тоже на нём.

Почему мы работаем с Eigna

Eigna создаёт наш партнёр Eigna Labs, и большую часть этого списка она закрывает по самому замыслу. Каждая компания получает собственную частную модель: открытую модель, адаптированную к её сфере и обученную на её файлах, правилах и языке. Она работает в собственном облаке компании или на её серверах и рассчитана на полностью автономную работу в закрытых сетях. Данные компании никогда не покидают это облако.

Команды работают с локальными экспертами для своих задач, от юридических вопросов и рисков до операционной работы и поддержки. Их исправления остаются внутри, модель поэтапно дообучается там же, а новая версия запускается, только если на тестах оказывается лучше предыдущей. Иначе она не запускается.

crue одной из первых компаний протестировала Eigna, и мы используем её в собственной работе. Когда работа в Twin компании становится конфиденциальной или критически важной, Twin работает на Eigna, а не на арендованной модели.

Eigna находится в раннем доступе, и мы говорим об этом прямо. Если работа чувствительная, архитектура должна начинаться именно с этого.