В конце 2024 года общественности были представлены результаты, которые поставили точку в сомнениях о том, какой ИТ-ландшафт является целевым, а какой устаревшим. Речь идёт не об очередной 10-летней смене поколения корпоративной архитектуры со старой на новую «композитную«. Отнюдь нет. Речь идёт о переосмыслении её философских и технологических основ. В частности, речь идет о парадигме AI-first, которая реализуется посредством композитной архитектуры на основе ИИ-агентов. При этом изменяются процессы разработки и эксплуатации, набор необходимых компетенций, технологические стеки, скорость и качество изменений, у бизнеса и пользователей открываются новые возможности.
В данной статье рассмотрим основные изменения в философии прогресса, процессах разработки и эксплуатации, и сравним два ИТ-ландшафта — на основе ИИ-агентов и приложений.
Парадигма AI-first
Парадигма AI-first определяет подход к проектированию, в котором ИИ приоритетен как основной интерфейс, движущая сила или основной компонент в разработке систем, продуктов или услуг. Сдвиг парадигмы в сторону AI-first признает и означает, что ИИ стал неотъемлемой частью современных технологий, и стремится использовать его потенциал для преобразования различных аспектов жизни, бизнеса и общества.
Изменения философии прогресса
Парадигма AI-first влияет на философию прогресса следующим образом.
Пересмотр традиционного дизайна
В традиционном дизайне человеко-ориентированный подход ставит во главу угла пользовательский опыт, удобство использования и доступность. AI-first пересматривает этот подход, отдавая приоритет решениям на основе ИИ, которые адаптируются к людям, а не наоборот.
Переосмысление ИИ и агентов на его основе
По мере того, как ИИ становится все более распространенным, наше понимание ИИ, агентов и контекста принятия решений переоценивается. AI-first меняет традиционное представление о том, что решение всегда принимает человек и направлена на поиск и реализацию форм и способов принятия решений при помощи ИИ и агентов на его основе.
Автономия систем и глубокая автоматизация процессов
Отдавая приоритет ИИ, AI-first ускоряет разработку автономных систем, которые могут работать с минимальным вмешательством человека. Это заставляет прорабатывать и предлагать ответы на вопросы о новой роли людей во все более автоматизированном мире технологий и новых последствиях о работе, досуге и социальных структурах.
Прогресс, основанный на данных
AI-first в значительной степени опирается на сбор, анализ и интерпретацию данных. Это создает культуру принятия решений на основе данных, где прогресс измеряется способностью собирать, обрабатывать и действовать на основе решений, принятых на основе данных.
Новые формы творчества и инноваций
Используя возможности ИИ, AI-first открывает новые формы творческого выражения, решения проблем и инноваций. Это меняет традиционные представления о возможности творчества и побуждает исследовать новые горизонты в искусстве, науке и технологиях.
Переосмысление состава работы и целей
Поскольку на ИИ общество перекладывает большую часть ответственности, обществу в целом и людям конкретных специальностей необходимо переоценивать свою роль в структуре занятости общества. AI-first заставляет прорабатывать и предлагать ответы на вопросы о новых специальностях, формулировки новых целей и потенциале всеобщего базового дохода или других форм социальной поддержки.
Этика, подотчетность и право на информацию
AI-first поднимает важные этические проблемы, такие как предвзятость, прозрачность, подотчетность, право людей на важную для них информацию. Поскольку ИИ-системы принимают решения, которые влияют на возможности или ограничения поведения людей, регуляторы должны принять, а разработчики должны придерживаться норм и требований по обеспечению справедливости, ответственности, человеческих ценностей, и права на информацию, встроенных в ИИ-системы.
Промежуточный итог
Подводя итог рассмотренным выше аспектам влияния новой парадигмы на философию прогресса, следует сказать, что новая парадигма ИТ на основе композитной архитектуры многогранна и фокусируется на адаптивности, автономности, непрерывном обучении, этических соображениях, устойчивости, совместимости и человекоцентричности. Она представляет собой значительный сдвиг в сторону более динамичных, интеллектуальных и отзывчивых ИТ-систем, которые способны развиваться вместе с потребностями, которым они служат. Этот сдвиг особенно заметен при сравнении ИТ-ландшафта на основе ИИ-агентов с традиционным ИТ-ландшафтом на основе приложений. Здесь мы углубимся в изменения в процессах проектирования, развертывания, управления изменениями и операционные технологии (OT), уделив особое внимание различиям между этими двумя ИТ-ландшафтами.
Изменения в процессах
Проектирование
От ориентированного на приложения к ориентированному на агенты
В ландшафте на основе ИИ-агентов дизайн фокусируется на создании автономных агентов, которые могут генерировать исполняемый код, данные, взаимодействовать друг с другом и своей средой. Это отход от ориентированных на приложения проектов, где отдельные приложения разрабатываются изолированно и интегрируются посредством API.
Повышенное внимание к качеству и доступности данных
ИИ-агенты в гораздо более значительной степени полагаются на высококачественные данные не только для обучения, но и на продуктивной среде при принятии решений. Таким образом, управление данными, их семантическая интеграция и контроль рисков искажения становятся критически важными аспектами процесса проектирования.
Безопасность в основе проектирования
Учет вопросов безопасности на каждом этапе процесса проектирования имеет решающее значение ввиду автономной природы ИИ-агентов и их потенциального влияния на безопасность отдельной системы и всего ИТ-ландшафта.
Контроль модельного риска
Проектирование параллельного контура контроля модельного риска становится обязательным. Это ведет к изменению всего ИТ-ландшафта, который теперь включает для каждого ИИ-агента два обязательных контура исполнения — функциональный и контрольный. При этом, результат операции считается достигнутым, когда оба контура получат положительный комплементарный результат: функциональный рассчитает результат операции, а контрольный согласует этот результат на предмет допустимого уровня риска.
Развертывание
Контейнеризация и оркестровка
При развертывании систем на основе ИИ-агентов стандартом де-факто становятся инструменты контейнеризации (например, Docker) и оркестровки (например, Kubernetes). Это обеспечивает эффективное управление и масштабируемость.
Бессерверные вычисления
Использование бессерверных архитектур, арендуемых по модели «pay-as-you-go», может оптимизировать использование ресурсов и сократить расходы, особенно для нагрузок при разработке ИИ-агентов, которые могут иметь переменные требования.
Автоматическая интеграция и развертывание (CI/CD)
Реализация полностью автоматических конвейеров CI/CD имеет важное значение для быстрого тестирования, создания и развертывания ИИ-агентов, гарантируя их актуальность и оптимальную производительность.
Управление изменениями
Гибкие методологии
Использование гибких методологий обеспечивает быструю адаптацию к изменениям требований или технологическим достижениям.
Контроль версий для моделей ИИ
Специализированные системы контроля версий для моделей ИИ помогают отслеживать итерации и обновления, обеспечивая прозрачность и подотчетность при разработке моделей.
Автоматизация тестирования
Специализированные системы генерации тестовых данных и имитации поведения пользователей помогают повысить эффективность процесса тестирования, обеспечивая прозрачность и подотчетность при разработке моделей и ИИ-агентов.
Автономность и самовосстановление
Внедрение механизмов автономности и самовосстановления позволяет системам на основе ИИ-агентов адаптироваться к изменениям и восстанавливаться после сбоев без вмешательства человека.
Операционные технологии (OT)
Циклы мониторинга и обратной связи
Создание надежных циклов мониторинга и обратной связи имеет решающее значение для понимания производительности и поведения ИИ-агентов, позволяя оперативно реагировать при возникновении проблем.
Автоматизация на основе искусственного интеллекта
Процессы ОТ могут использовать искусственный интеллект для предиктивного обслуживания, обнаружения аномалий и автоматизированного принятия решений, повышая эффективность и сокращая время простоя.
Улучшения кибербезопасности
Автономная природа ИИ-агентов создает новые проблемы кибербезопасности, требуя принятия расширенных мер безопасности для защиты от потенциальных угроз.
Изменения ИТ-ландшафта
Рассмотрим важнейшие характеристики нового ИТ-ландшафта на основе ИИ-агентов и сопоставим их с характеристиками ИТ-ландшафта на основе приложений.
Автономность и взаимодействие
Системы на основе ИИ-агентов разработаны для автономности и взаимодействия, что позволяет им взаимодействовать с различными компонентами и адаптироваться к изменяющимся условиям. Напротив, традиционные системы, ориентированные на приложения, фокусируются на функциональности отдельных приложений и их интеграции между собой посредством API.
Дата-центричность
Ландшафт ИИ более ориентирован на данные, с сильным акцентом на качество данных, семантическую интеграцию и доступность. Традиционные ландшафты как правило не обеспечивают управление данными на том же уровне качества.
Масштабируемость и гибкость
Архитектуры на основе ИИ-агентов часто проектируются для большей масштабируемости и гибкости, используя такие технологии, как контейнеризация и бессерверные вычисления для эффективного управления ресурсами.
Безопасность в основе проектирования (Security by design)
Безопасность смещается от защиты отдельных приложений к безопасности архитектуры и комплексной защите автономных агентов и их взаимодействий, что требует защиты по новой модели угроз на основе более целостного и проактивного подхода к кибербезопасности.
Заключение
В заключение следует отметить, что реализация парадигмы AI-first и переход к новому ИТ-ландшафту на основе ИИ-агентов вносит кардинальные изменения в проектирование, развертывание, управление изменениями и процессы ОТ. Эти изменения обусловлены уникальными характеристиками ИИ-агентов, включая автономность, адаптивность и принятие решений на основе данных. Понимание этих различий имеет решающее значение для организаций, стремящихся эффективно использовать системы на основе ИИ-агентов, гарантируя, что они смогут использовать потенциальные преимущества, одновременно снижая сопутствующие риски и проблемы.