Как ИИ меняет математику для стартапов, по мнению вице-президента Microsoft

Рассел Брандом

Четверг, 12 февраля 2026 г., 2:51 по местному времени +9 5 мин чтения

В этой статье:

•                                       Лучший выбор StockStory 
  

  MSFT

  -2.22%

Microsoft CVP по CoreAI Аманда Сильвер | Фото: Microsoft

На протяжении 24 лет Аманда Сильвер из Microsoft работает над помощью разработчикам — а в последние годы это означает создание инструментов для ИИ. После долгого периода работы над GitHub Copilot, Сильвер теперь является вице-президентом корпоративного подразделения CoreAI в Microsoft, где занимается разработкой инструментов для развертывания приложений и агентных систем внутри предприятий. Ее работа сосредоточена на системе Foundry внутри Azure, которая предназначена как единый портал ИИ для предприятий, что дает ей возможность наблюдать, как компании используют эти системы и где развертывания часто оказываются недостаточно эффективными.

Я поговорил с Сильвер о текущих возможностях корпоративных агентов и о том, почему она считает, что это — крупнейшая возможность для стартапов со времен появления публичного облака.

Этот интервью было отредактировано для краткости и ясности.

Итак, ваша работа связана с продуктами Microsoft для внешних разработчиков — часто стартапов, которые не сосредоточены на ИИ. Как вы считаете, как ИИ влияет на эти компании?

Я считаю, что это станет переломным моментом для стартапов, сравнимым с переходом на публичное облако. Если подумать, облако оказало огромное влияние на стартапы, потому что им больше не нужно было иметь собственные помещения для размещения серверов, и они могли значительно снизить затраты на оборудование и инфраструктуру. Всё стало дешевле. Теперь агентный ИИ продолжит снижать общие издержки на операцию программного обеспечения, потому что многие задачи, связанные с запуском нового предприятия — будь то поддержка, юридические расследования — могут выполняться быстрее и дешевле с помощью ИИ-агентов. Я думаю, это приведет к появлению большего количества предприятий и стартапов. И мы увидим стартапы с высокой оценкой, управляемые меньшим числом людей. И это захватывающий мир.

Как это выглядит на практике?

Мы явно видим, что многошаговые агенты становятся широко распространенными во всех видах задач программирования, верно? Например, одна из задач разработчиков — поддерживать актуальность зависимостей в коде. У вас может быть зависимость от старой версии .NET или Java SDK. И системы с агентами могут анализировать весь ваш код и обновлять его гораздо быстрее, сокращая время примерно на 70-80%. Для этого нужен именно развернутый многошаговый агент.

Работы на живом сайте — еще один пример. Если вы управляете сайтом или сервисом и что-то идет не так, кто-то должен быть на связи, чтобы реагировать. Раньше это было очень неприятно, потому что вас будили часто из-за мелких инцидентов. Сейчас мы создали систему, которая успешно диагностирует и в большинстве случаев полностью устраняет проблемы в реальном времени, чтобы люди не просыпались посреди ночи и не пытались понять, что случилось. Это значительно сокращает время устранения инцидентов.

Продолжение истории  

Еще одна проблема — что развертывания агентных систем идут не так быстро, как ожидалось полгода назад. Почему, по вашему мнению, так происходит?

Если подумать о людях, создающих агентов, то зачастую причина в том, что они не совсем понимают, для чего нужен агент. Необходима смена культуры в том, как строятся эти системы. Какую бизнес-задачу они решают? Что они хотят достичь? Нужно четко определить, что означает успех для этого агента. И подумать, какие данные ему дать, чтобы он мог рассуждать и выполнять задачу.

Мы считаем, что эти факторы — основные препятствия, а не неопределенность в развертывании агентов. Любой, кто изучает эти системы, видит отдачу от инвестиций.

Вы упомянули неопределенность, которая кажется внешне большой проблемой. Почему вы считаете, что в практике она менее значительна?

Во-первых, очень часто агентные системы предполагают участие человека в процессе. Например, возврат посылки. Раньше процесс возврата был примерно на 90% автоматизирован, а на 10% требовалось вмешательство человека, который оценивал повреждения посылки и принимал решение. Сейчас модели компьютерного зрения настолько хороши, что во многих случаях не требуется постоянный контроль человека. Остались случаи, когда нужно вмешательство — например, при спорных ситуациях, когда компьютер еще не может точно определить повреждения. Это похоже на вопрос: как часто нужно привлекать менеджера?

Некоторые операции всегда требуют человеческого контроля — например, юридические обязательства или внедрение кода в производственную среду, что может повлиять на надежность системы. Но даже в этом случае можно автоматизировать большую часть процесса.

Terms и Политика конфиденциальности

Панель управления конфиденциальностью

Подробнее