Личность вашего ИИ так же важна, как и его IQ — и сделает или сломает корпоративное развертывание

Большинство компаний по-прежнему выбирают модели ИИ на основе показателей производительности. На практике это редко является тем, что определяет, работают ли эти системы на самом деле.

До сих пор большинство разговоров о больших языковых моделях в корпоративной среде были доминируемы показателями производительности. Команды тяготеют к измеримым показателям, таким как какая модель является наиболее интеллектуальной, сильной в программировании, наиболее точной в суммаризации или математических рассуждениях.

Но когда команды начинают выходить за рамки экспериментальной фазы и приступают к实际ному развертыванию в крупном масштабе, другие важные факторы, которые в настоящее время сильно упускаются из виду большинством генеральных директоров, быстро окажутся столь же важными для успеха бизнеса.

Наемность ИИ

Сырая интеллект и аналитическая способность, очевидно, важны, но самая недооцененная переменная в корпоративном развертывании ИИ — это личность. Личность, в контексте больших языковых моделей, относится к последовательному голосу, тону и поведению, которое модель передает через взаимодействия. Это то, что делает ИИ чувствительным и надежным.

Когда вы реализуете ИИ, бизнесу необходимо подойти к этому так же, как и при приеме на работу человека: оценить не только то, насколько хорошо модель может выполнить задание, но и ее отношение к работе, то, как она общается, и то, как она вписывается в более крупный рабочий процесс.

Способность модели поддерживать последовательность, реагировать соответствующим образом и обрабатывать нюансы в разных контекстах может иметь значительное влияние на бизнес-результаты. Технически блестящий ИИ, который реагирует медленно, меняет тон или неправильно обрабатывает нюансы взаимодействий, может быть неправильно применен бизнесом, раздражая пользователей, снижая вовлеченность и в конечном итоге снижая эффективность ИИ и успех бизнеса.

Это особенно важно в отраслях, таких как поддержка клиентов, политический выход или внутренние коммуникации, поскольку тонкие сдвиги тона или фразировки между ответами могут вызвать путаницу, подорвать доверие и снизить общую вовлеченность. Как и в случае с людьми, не существует единой идеальной модели, которая превосходит конкурентов во всех категориях. Некоторые модели лучше выполняют аналитические задачи, такие как программирование или математика, в то время как другие намного лучше справляются с разговорным письмом и суммаризацией встреч.

Но одной из проблем для команд, строящих на основе этих систем, является то, что эти характеристики не являются фиксированными.

Двигающаяся мишень

Ландшафт ИИ развивается быстрее, чем большинство организаций могут за ним поспевать. Новые версии выпускаются часто, и характеристики производительности могут сдвигаться от одного обновления к другому. Серия моделей Gemini от Google является недавним примером.

Gemini 2.0 Pro был выпущен в феврале 2025 года и сразу же был объявлен флагманской моделью для разработчиков и предприятий, использующих ее для программирования и сложных запросов во всем мире.

Он был оснащен самым большим контекстным окном, которое когда-либо предлагала Google, — два миллиона токенов, что давало ему возможность всесторонне анализировать и понимать огромные объемы информации одновременно, а также использовать инструменты, такие как Google Search, и даже писать код.

Для команд, строящих системы, которым необходимо быстро и точно обрабатывать большие объемы данных, он казался явным выбором. Но уже через несколько недель Google выпустил Gemini 2.5 Pro, который сразу же занял первое место и превзошел своего предшественника с улучшениями в программировании, математике и науке.

За одну ночь модель, которая только что была лучшим вариантом на рынке, уже была заменена менее чем через два месяца после запуска. Но ранние адоптеры сразу же заметили, что изменения не были только инкрементальными или аналитическими — вся личность Gemini была изменена за одну ночь. Несколько разработчиков пошли так далеко, что сказали, что ИИ вел себя так, как будто он был «лоботомирован» после своего обновления.

Они жаловались, что ИИ, казалось, становится «глупее» — последовательно производя более медленные ответы, менее связные выходные данные и демонстрируя несоответствия в том, как он обрабатывал запросы, с которыми он ранее не имел проблем, и задачи, которые когда-то казались жидкими, вдруг стали жесткими.

И это то место, где стратегия компании вокруг развертывания ИИ начинает фундаментально меняться.

За пределами показателей производительности

На бумаге Gemini 2.5 Pro должен был быть явным победителем с его огромными улучшениями в возможностях и безопасности.

Но на практике эти изменения полностью изменили то, насколько надежной была модель, как она велась, реагировала на запросы и, в свою очередь, отправляли команды, которые только что потратили все свои деньги и провели бесчисленные часы, строя системы на основе этих систем, обратно на старт, если новые возможности модели не соответствовали их существующему конвейеру.

Даже небольшие сдвиги в поведении могут нарушить системы, построенные на основе последовательности и предсказуемости. Это создает реальный операционный риск, если бизнес тесно связан с одной моделью, поскольку любое обновление может ввести немедленную нестабильность в команды, полагающиеся на эти системы.

Чтобы противостоять этому, многие прогрессивные компании начали реализовывать многомодельную стратегию, где они направляют разные задачи к моделям, наиболее подходящим для них, а не полагаются на одну модель для обработки всего.

Этот подход не только улучшает производительность, адаптированную к каждой задаче, но также снижает риск, связанный с реализацией ИИ, поскольку если одна модель ухудшится после обновления, она не сможет привести вниз всю систему, полагающуюся на нее, поскольку есть резервные копии.

Просто говоря, личность и надежность ИИ так же важны, как и его сырая интеллект, когда речь идет об применении модели в рабочей среде для выполнения различных задач. Этот сдвиг в мышлении представляет собой фундаментальное изменение в том, как бизнес больше не покупает просто «умный инструмент», а строит и управляет целой цифровой инфраструктурной системой.

Чтобы компании не только выжили, но и процветали в сегодняшнем бизнес-ландшафте, командам необходимо создать конвейеры, которые могут подключать и отключать разные модели в зависимости от задачи и постоянно отслеживать, как обновления влияют на производительность и качество взаимодействия.

В конечном итоге модели сами будут продолжать эволюционировать с темпом, который трудно поддерживать. Но бизнес, который планирует изменения, строит резервность и рассматривает ИИ как инструмент и партнера, будет тем, кто превратит эти быстрые сдвиги в конкурентное преимущество.