Первый AI-проект начинается невинно: взяли модель из маркетплейса облачного провайдера, подключили векторный поиск, обучили пайплайн. Через три-четыре таких проекта вы обнаруживаете, что платите не за использование, а за невозможность уйти.
Откуда берётся скрытая налоговая нагрузка
В 2023 году средняя компания эксплуатировала 2,3 отдельные AI-платформы. К 2026 году аналитики ожидают 4,1. Каждый новый провайдер — это свой SDK, своя авторизация, свои способы тюнинга. И всё это надо как-то мирить между собой.
Вот конкретный сценарий. Отдел антифрода построил систему на проприетарной векторной базе и API провайдера A. Отдел поддержки выбрал провайдера B ради более сильных LLM. В итоге два контура эмбеддингов, два дашборда, нет общего хранилища фичей. Чтобы свести данные в единую картину, разработчикам нужно около 600 часов. По консервативной ставке $150 в час это $150 000 долга, порождённого «удобством» первого выбора.
Vendor lock-in работает на трёх уровнях, и каждый следующий выбраться сложнее.
Три уровня ловушки
1. Уровень API
Проприетарные форматы запросов и SDK. Переход требует переписывать каждый вызов. Модель, работающая на одной платформе, может потребовать полного рефакторинга токенизации и препроцессинга при переносе.
2. Уровень данных
Управляемые векторные базы и фича-сторы хранят эмбеддинги в закрытых форматах. Миграция — это терабайты данных и риск деградации моделей при повторной индексации.
3. Уровень оркестрации
Менеджеры рабочих процессов, мониторинг, A/B-тесты — всё прибито к экосистеме вендора. Гибридные или мультимодельные развёртывания становятся операционно опасными и дорогими.
Что требовать в RFP на 2026 год
Продвинутые техлиды уже закладывают требования переносимости в тендерную документацию. Если не хотите через два года платить за перестройку, ваш RFP должен обязывать платформу поддерживать:
- Мультимодельный рантайм. Платформа обязана показать бенчмарки: как она обслуживает модели из минимум трёх фреймворков (PyTorch, TensorFlow, JAX) и двух провайдеров — например, открытую Llama и проприетарную модель — на одном кластере с общим автоскейлингом.
- Открытые схемы. Inference API должен быть совместим с OpenAI-эндпоинтами или другим признанным стандартом. Фича-сторы должны отдавать данные в Apache Arrow и аналогичных форматах.
- Прозрачный вывод данных. Вендор обязан описать процедуру экспорта: инструменты для миграции эмбеддингов, весов моделей, определений пайплайнов в ONNX или PMML.
Код, написанный под одного вендора, — это приговор. Требуйте абстракцию, которая работает с любым провайдером, а не только с текущим фаворитом.
Цена лок-ина: 36-месячный прогноз
Смоделируем среднюю компанию: 5 AI-приложений сейчас, 20 к 2026 году. Если сидеть на одном вендоре, совокупная стоимость владения за три года будет на 35% выше, чем на переносимой платформе. Откуда берётся разница?
| Компонент | Какие потери | Примерная оценка |
|---|---|---|
| Интеграционный налог | 180 доп. часов на новое приложение для адаптеров | $27 000 на каждое приложение |
| Неоптимальные модели | Потеря 15–22% эффективности из-за невозможности выбрать лучшую модель под задачу | $350 000 недополученной ценности в год |
| Эрозия переговорной позиции | Рост цены контракта на 20–30% при продлении | Семь цифр за три года |
Считается, что переезд на новую платформу — это разовые затраты. На деле постоянные доплаты за адаптацию и недополученную производительность съедают бюджет тихо, без инвойсов.
Чек-лист проверки платформы
Заставьте вендора доказать переносимость, а не обещать её в презентации. Три проверки:
- Миграционный тест. Живая демонстрация: перенесите образец модели и её фича-стор из окружения вендора в нейтральный Kubernetes-кластер, используя только задокументированные инструменты.
- Мультивендорный запуск. PoC, в котором одно и то же приложение обслуживает запросы и через собственную модель вендора, и через внешнюю open-source модель, с едиными метриками наблюдения.
- Аудит лок-ина. Письменный технический документ: перечислить каждый проприетарный компонент, формат данных и шаги замены. Вендор, уверенный в своей переносимости, отдаст его без колебаний.
Если вендор упирается или говорит, что «всё будет работать само», — это уже ответ.
В 2026 году гибкая AI-инфраструктура — не роскошь, а требование выживания. Иначе к 2027-му вы получите лоскутный стек, который душит инновации и высасывает бюджет. Закладывайте переносимость в RFP сейчас, чтобы завтра выбирать лучшие модели под каждую задачу, а не то, что позволяет ваш текущий провайдер.
Fluxs
Комментарии (0)
Войдите, чтобы комментировать.
Пока нет комментариев. Будьте первым.