Компании SaaS сталкиваются с дилеммой безопасности данных на фоне интеграции ИИ

iconMetaEra
Поделиться
Share IconShare IconShare IconShare IconShare IconShare IconCopy
AI summary iconСводка

expand icon
Компании SaaS сталкиваются с рисками безопасности данных по мере роста интеграции ИИ. Крупные технологические компании утверждают, что не используют данные клиентов для обучения, но неясные процессы ИИ вызывают опасения. Для защиты бизнес-данных провайдеры применяют черный ящик, локальную работу ИИ и водяные знаки данных. В то же время данные по инфляции остаются ключевым фактором в принятии решений о расходах предприятий. По мере роста популярности новостей об ИИ и криптовалюте компании должны балансировать между инновациями и прозрачностью, чтобы обеспечить безопасность и уверенность клиентов.
Когда крупные модели начинают «поглощать» корпоративные данные, SaaS больше не продает программное обеспечение, а то, осмелится ли клиент доверить вам свою жизнь.

Автор статьи, источник: NiuTouShe

В ходе недавних частых закрытых обсуждений «Ниу Тоу Шэ» обнаружил крайне противоречивое явление: на крупных экосистемных конференциях основатели корпоративных сервисов громко заявляют о «полной интеграции с крупными моделями», но в частном порядке их мучает глубокая тревога, заставляющая не спать по ночам: если мы без остатка передадим через интерфейсы основным компаниям клиентские списки CRM, финансовые потоки ERP и зарплатные ведомости HR, не исчезнут ли наши десятилетние барьеры для конкуренции, обнажив все до последней детали?

Крупные компании уверяют: «Мы точно не будем использовать данные клиентов для обучения, данные будут уничтожены после использования». Но в эпоху сегодняшних невидимых и неосязаемых «чёрных ящиков» крупных моделей такие обещания, основанные исключительно на моральных принципах, оказываются крайне хрупкими перед реальными коммерческими интересами.

Развернулась скрытая борьба за право собственности на корпоративный реестр.

Будьте осторожны, чтобы не стать жертвой эффекта «сифона»

Чтобы разобраться в этой игре, сначала нужно понять, чего не хватает универсальным крупным моделям.

Крупные универсальные языковые модели крупных компаний похожи на «отличника, который плохо умеет применять знания на практике»: они могут писать красивые стихи и код, но как только попадают в реальные бизнес-сценарии предприятий, теряются. Они совершенно не понимают, как пересчитать стоимость всей производственной линии при росте цен на сырье в производственной отрасли; они не знают о сложных нюансах комиссий и возвратов в сетевых супермаркетах в разных регионах. Эти бесценные «отраслевые знания» полностью хранятся в базах данных вертикальных SaaS-провайдеров.

Чтобы крупные модели стали умнее и смогли дороже продаваться, им необходимо «поглощать» эти данные. Как это делать? Через открытые интерфейсы, подключаясь к SaaS-системам, крупные модели запускают крайне скрытый процесс «крадения знаний»:

Первый шаг: извлечение данных. Большая модель через интерфейс извлекает все ценные данные, такие как детализация затрат и торговые скидки из системы SaaS, прямо в свою «память».

Второй шаг: анализ расчетов. Благодаря чрезвычайно мощным вычислительным ресурсам крупная модель быстро сопоставила эти данные и предоставила точные бизнес-выводы.

Третий шаг: внутреннее усвоение опыта (самый страшный шаг). После расчета счетов крупная компания действительно выполнила свои обещания и удалила ваши исходные данные о потоках. Однако крупная модель в процессе полностью «освоила» закономерности колебаний затрат в вашей отрасли и специфические бизнес-методы!

Большие модели не украли ваши открытые цифры, но они украли «опыт старого китайского врача», скрытый за этими цифрами. Защитный барьер, который SaaS-провайдеры усердно создавали десять лет, после нескольких вызовов интерфейсов большими моделями, был незаметно интегрирован в базовый интеллект крупных компаний. Это крайне смертельный удар по измерению.

Потеря доверия

Это еще не самое плохое. Самое худшее — когда вы открываете дверь крупной модели, вы фактически задеваете чувства своих кормильцев (заказчиков).

Китайские крупные и средние государственные и частные предприятия, а также ведущие частные компании чрезвычайно чувствительны к безопасности данных — это вплетено в их суть. Раньше, ради конфиденциальности, руководители буквально хотели запереть серверы в подвале своей компании. Теперь вы говорите им: «Босс, мы подключились к крупной публичной облачной модели от ведущей компании — теперь наша система станет умнее».

Клиенты не только не будут довольны, но и удивятся: это означает, что базовые закупочные цены компании, реальная заработная плата руководства и коэффициент продления договоров с крупными клиентами должны будут через публичную сеть отправляться на сервера крупных компаний для «расчета»?

Как только будет затронута красная линия безопасности данных, первым, кого обвинят клиенты, будет не производитель крупных моделей, а именно вы — поставщик программного обеспечения SaaS. Компании SaaS оказываются зажатыми между двух огней: если не интегрировать ИИ, система кажется медленной и не продается; если же подключить ИИ от крупных компаний, клиенты считают, что вы небезопасны, могут нарушить договор и даже попасть в суд. В таких крайне консервативных отраслях, как финансы, здравоохранение и производство, это буквально приговор.

Реакция SaaS

Чтобы сохранить доверие клиентов и свою работу, опытные специалисты в сфере корпоративных услуг уже проснулись и применили три крайне мощных защитных метода, главная цель которых — предотвратить копирование и утечку информации.

Первый прием: давайте только вывод, не объясняйте процесс (бизнес-черный ящик)

Поставщики вертикальных SaaS начинают держать что-то в запасе от крупных моделей.

Когда крупные модели запрашивают данные, никогда не передавайте детальные записи транзакций. SaaS-система сама обрабатывает сложные и конфиденциальные расчеты, а затем передает крупной модели только «обезличенный итоговый вывод». В этом случае крупная модель выступает лишь посредником, а SaaS остается настоящим мозгом, принимающим решения. Это напрямую перекрывает путь для того, чтобы крупная модель могла незаметно изучать опыт работы в глубоких слоях.

Второй метод: перенести вычислительные мощности ИИ в клиентский центр обработки данных (локальное развертывание)

Это самый фундаментальный способ разрешить кризис. Поскольку передача данных в публичное облако небезопасна, просто не передавайте их туда. Поставщики SaaS больше не полагаются на внешние крупные модели стоимостью в сотни миллиардов, а вместо этого выбирают легковесные модели стоимостью в десятки миллиардов, тщательно обучают их и напрямую устанавливают на серверы клиентской компании — даже на компьютер руководителя. Вместо «данных в облаке» применяется «вычислительные мощности в деревню». Отключил сетевой кабель — и данные полностью физически изолированы, что обеспечивает настоящую «гниль в собственном котле».

Третий прием: внесение «ядов» и маркировка данных (антиподделка и отслеживание)

В некоторых сценариях, когда необходимо передавать данные крупным моделям, технические энтузиасты начали внедрять в поток вывода невидимые невооруженным глазом и не влияющие на бизнес уникальные метки. Если в будущем обнаружится, что крупная компания использует в ответах на вопросы других компаний исключительно вашу эксклюзивную бизнес-логику, проверка этих меток станет неопровержимым доказательством того, что компания незаконно использовала ваши данные для обучения.

Переоценка

Под влиянием больших моделей логика расчетов компаний при покупке программного обеспечения полностью изменилась.

Раньше заказчики выбирали программное обеспечение, в основном ориентируясь на «полный ли набор функций и красивый ли интерфейс». Но в будущем, по мере пробуждения осознания важности данных собственностью со стороны руководителей, первым критерием покупки станет: «Вы можете поклясться, что мои данные абсолютно не будут утекать?»

Это означает, что «абсолютная безопасность» станет самым редким и ценным преимуществом в сегменте корпоративных услуг в будущем.

Легкие SaaS-решения, которые не имеют собственной технологической замкнутой цепочки и могут лишь выступать в роли «голосового репродуктора» для крупных моделей, быстро потеряют симпатию крупных клиентов. А те поставщики, которые смогут перенести вычислительные мощности ИИ непосредственно в серверные помещения клиентов и точно рассчитать запутанные счета в своих собственных системах, не только вновь завоюют абсолютное доверие заказчиков, но и смогут с полным правом вернуть себе высокую ценовую власть, даже когда вся отрасль погружается в безумную ценовую конкуренцию.

Сдавать свои карты — это путь к смерти

Если не решить фундаментально два ключевых вопроса: «Чьи данные — те, кто их создал?» и «Почему руководитель должен вам доверять?», то так называемая процветающая экосистема ИИ никогда не выйдет за пределы периферии и не коснется核心ных бизнес-процессов крупных предприятий.

В этой игре, в которой участвуют крупные компании, SaaS-провайдеры и заказчики, никто не будет добровольно отдавать свои ресурсы. Амбиции крупных компаний в отношении данных не остановятся, а заказчики не снизят свои требования к абсолютной безопасности. Для SaaS-провайдеров мечтать о том, что, добровольно передав данные, они получат немного трафика от гигантов, — это абсолютно мертвый путь.

В эту эпоху закон джунглей предельно прост и жесток: где ты хранишь данные, там и твоя защитная граница. В этой невидимой войне без дыма и огня сохранение данных — значит сохранение самой жизни компании.

Отказ от ответственности: Информация на этой странице может быть получена от третьих лиц и не обязательно отражает взгляды или мнения KuCoin. Данный контент предоставляется исключительно в общих информационных целях, без каких-либо заверений или гарантий, а также не может быть истолкован как финансовый или инвестиционный совет. KuCoin не несет ответственности за ошибки или упущения, а также за любые результаты, полученные в результате использования этой информации. Инвестиции в цифровые активы могут быть рискованными. Пожалуйста, тщательно оценивайте риски, связанные с продуктом, и свою устойчивость к риску, исходя из собственных финансовых обстоятельств. Для получения более подробной информации, пожалуйста, ознакомьтесь с нашими Условиями использования и Уведомлением о риске.