Архитектура корпоративного софта в эпоху ИИ: почему CEO Box выбрасывает готовый код ради контекста агентовСтатья · дайджест за 17 ноября
Многоуровневый архитектурный срез корпоративного хранилища данных Box с фундаментальным слоем контекста и сменяемыми ИИ-агентами.
Статья4 раздела≈ 7 мин

Архитектура корпоративного софта в эпоху ИИ: почему CEO Box выбрасывает готовый код ради контекста агентов

«Мы просто не успевали выпустить новую функцию до того, как выходила очередная модель и делала нашу разработку абсолютно бесполезной. Поэтому мы выбрасываем готовый код постоянно», — с этого признания генеральный директор облачной платформы Box Аарон Леви начал разговор с Мэтью Берманом на конференции BoxWorks 2026. Ты собираешь команду, три месяца выстраиваешь сложную логику, а за неделю до релиза выходит обновление базовой нейросети — и весь модуль можно отправлять в корзину, потому что модель теперь решает задачу из коробки.

Тут сам собой напрашивается вопрос: как вообще проектировать софт, если свежая версия нейросети способна за секунды обесценить месяцы заказного кодинга? Ответ, к которому пришли в Box и который привел акции компании к историческому максимуму в день анонсов, меняет оптику взгляда на IT-продукты: ценность софта уходит из прикладного кода и экранов интерфейса в структурированный контекст данных компании, тогда как сам код и кнопки превращаются во временный расходный материал.

Два этажа нового софта: сменяемые агенты и фундамент истинных данных

Два года назад глава Microsoft Сатья Наделла предсказал, что всё программное обеспечение разделится на два базовых слоя: наверху окажется подвижный слой ИИ-агентов (Systems of Intelligence), а внизу — фундаментальный слой истинного контекста данных (Ground Truth Context). По оценке главы NVIDIA Дженсена Хуанга, которую Леви берет за ориентир, скоро на одного сотрудника будет приходиться от 10 до 100 цифровых ассистентов — от 30 до 50 миллиардов автономных агентов в мировой экономике.

Ты наверняка подумаешь: «Отлично, давайте просто сложим все файлы компании в единую базу и пустим туда ботов!» У меня тоже мелькала такая мысль, но на практике неразмеченная «свалка файлов» (data dump) ведет к катастрофе. Представь сотню быстрых стажеров в архиве, где на полу без папок и замков свалены черновики старых договоров, актуальные прайсы и зарплатные ведомости. Первый же стажер возьмет цифры из просроченного черновика или разошлет чужие оклады всему отделу продаж.

Поэтому нижний этаж архитектуры — модернизированные учетные системы (Systems of Record) — становится главным центром тяжести. Хранилище обязано обеспечивать четыре условия:

  • Гранулярные права доступа (RBAC и ABAC): агент видит только те папки и файлы, к которым допущен запустивший его сотрудник;
  • Метаданные и маршрутизацию: четкую разметку, чтобы алгоритм знал, где искать регламент, а не читал гигабайты архивов вслепую;
  • Песочницы (sandboxing) и аудит: строгую изоляцию действий и неизменяемый журнал операций;
  • Архитектуру без экрана (API-first): как 15 лет назад Джефф Безос перевел Amazon на программные интерфейсы, так и сегодня нужно исходить из того, что в большинстве сценариев человек вообще не увидит твой экран — с системой напрямую работают агенты через быстрые схемы данных. О том, как преодолевается инерция старых систем на практике, мы рассказывали в разборе методологии внедрения ИИ-агентов в энтерпрайз.

Горький урок в продуктовой разработке: как 30 секунд работы агента заменяют два дня у маркерной доски

Полгода-девять месяцев назад инженер Box провел внутренний эксперимент: подключил передовую языковую модель к конструктору процессов и попросил спроектировать готовое бизнес-приложение. Агент за 30 секунд с нуля собрал архитектуру процесса, на рисование которой у маркерной доски клиенты обычно тратили два полных дня и недели ручной стыковки трех-пяти разных сервисов.

Возьмем рабочий кейс юридического департамента страховой компании, обрабатывающего 5000 договоров перестрахования в месяц. Раньше автоматизация сверки таких бумаг требовала полугода заказной разработки парсера за сотни тысяч долларов. Теперь в представленной на BoxWorks 2026 среде Box Architect юрист пишет обычным текстом: «Сверь лимиты ответственности в приложении Б с базовым полисом и выдели расхождения в отдельный реестр». Флагманская модель (Claude Opus, Fable или Astra) за полминуты собирает весь пайплайн, а затем сама оптимизирует маршрут на основе анализа сбоев. Схожий подход в клиентской поддержке развивают Decagon, Sierra и Fin, где специальный агент помогает операционному директору конструировать профильных ботов.

Сам Аарон Леви с самоиронией называет такую практику принятием «горького урока» (отсылка к эссе Рича Саттона The Bitter Lesson о победе универсальных вычислений над рукописными эвристиками). Команда может три месяца писать сложную программную обвязку для вызова инструментов (scaffolding), но летний скачок моделей в навыках управления компьютером (computer use) и бизнес-логике — что подтверждают бенчмарки вроде GDP Val — делает весь этот код ненужным еще до релиза. Строить внутри компании стоит лишь долговременные рельсы безопасности и управления данными, а временные надстройки без сожалений списывать по мере роста базовых моделей.

Неструктурированные файлы и индекс NVIDIA Nemotron: почему выигрывает владелец контекста

Когда код перестает быть защитным барьером, главное преимущество бизнеса смещается в неструктурированные данные. От 80 до 90% критических знаний компании хранится не в SQL-таблицах, а в договорах, презентациях, чертежах CAD и финансовых отчетах.

По прогнозу Леви, через три года к каждому цифровому событию в компании будет прикреплена группа из 1, 3, 5 или 10 агентов: в продажах они на лету обновляют досье клиента и его приоритеты закупок, в кибербезопасности проверяют каждый подозрительный вход и пуш кода в симуляциях, а в логистике автоматически разбирают счета и контракты поставщиков для ERP. Чтобы эта схема работала, данные должны свободно и безопасно поступать туда, где идет работа: в Salesforce, SAP, Oracle, ChatGPT или Claude. Подробнее о связке баз знаний с моделями читай в руководстве по выбору между сценарными ботами, RAG и агентами.

Но если десятки агентов начнут при каждом запросе целиком загружать тяжелые PDF в контекстное окно, компания разорится на задержках и токенах. Поэтому Box совместно с NVIDIA представила движок Box Context Retrieval на базе моделей Nemotron (в редакции Enterprise Advanced). Система заранее индексирует и ранжирует архив, выдавая агенту через API только релевантные абзацы (chunks) с точными ссылками на страницы оригинала (provenance tracking) для защиты от галлюцинаций.

Три правила подготовки базы знаний к работе с агентами
  • Разделяй контуры доступа: не сваливай договоры, бухгалтерию и публичные шаблоны в одну папку без метаданных и проверки прав.
  • Требуй ссылки на страницу: настраивай поиск так, чтобы ИИ подкреплял каждую цифру отчета ссылкой на конкретный лист документа.
  • Сохраняй мультимодельную нейтральность: храни инструкции в открытых форматах, чтобы менять модели без переписывания интеграций.

Уравнение для финансового директора: подписки по $30 против непредсказуемых счетов за токены

При всей скорости у агентной автоматизации есть обратная финансовая сторона. Штат сотрудников всегда конечен, а вычислительную мощность можно масштабировать до размеров дата-центров — например, фармкомпания способна бросить ресурсы ИИ на симуляцию молекул и ускорить выпуск препарата. Но расплачиваться за это приходится потерей двадцатилетней предсказуемости расходов.

Классический SaaS строился на фиксированной подписке за рабочее место (скажем, $30 за сотрудника в месяц). В мире, где расход токенов за три года вырастет в 1000 раз, заранее угадать стоимость задачи невозможно — от чего у финансовых директоров (CFO) буквально бегут мурашки. При слепом заливании задач токенами (token maxing) неточный промпт уводит агентов в бесконечный цикл, сжигая бюджет за выходные, а зависимость от пары закрытых лабораторий грозит рынку концентрацией власти.

Удержать баланс помогают три практических механизма:

  1. Гибридная тарификация: сохранение предсказуемой подписки за рабочее место человека плюс лимитируемые квоты на переменное потребление токенов агентами — по аналогии с бюджетами на маркетинг.
  2. Открытые веса (open weights) как предохранительный клапан: как после 2005–2006 годов бесплатные open-source СУБД росли параллельно с взлетом Oracle до 300 миллиардов долларов, так и сегодня открытые и закрытые модели усиливают друг друга. Открытые модели (вроде Muse Spark) отстают от закрытых флагманов всего на 3–6 месяцев и за копейки закрывают до 80% типовых IT-заявок и рутинных проверок.
  3. Каскадная маршрутизация и дообучение: когда массовый разбор транзакций на фрод выполняют дешевые открытые или дообученные на корпоративных данных модели (через Trajectory, Prime Intellect, Applied Compute, Fireworks, Baseten или EnGram), бизнес экономит средства, чтобы нанимать дорогие флагманы OpenAI и Anthropic на роль главных планировщиков.

В конечном счете готовность без сожалений выбрасывать устаревший код и перестраивать хранение документов нужна не ради отчетов об автоматизации. Когда сверка пяти тысяч договоров сжимается с двух дней у маркерной доски до тридцати секунд, технологии перестают требовать от нас бесконечного обслуживания таблиц и форм. Весь этот фундамент данных и рой помощников создаются ради одного — чтобы вернуть человеку спокойствие и свободу времени для живой мысли, смелых идей и настоящего общения.

Хочу подробный разборГолоса помогают выбрать, что разобрать подробно. За этот материал 0 голосов.
Источники · 2