Стефан Митчев из Perplexity о том, как странам создать собственную ИИ-инфраструктуру
На AICONF 2026 в Таджикистане руководитель направления Sovereign AI в Perplexity Стефан Митчев рассказал, как превратить инвестиции в ИИ-инфраструктуру в практическую пользу для граждан и бизнеса. Он объяснил, почему странам важно не только строить дата-центры, но и самостоятельно управлять ИИ-системами, обеспечивать безопасность данных и развивать местные компетенции.
Стефан Митчев, руководитель направления Sovereign AI в Perplexity
О себе
Я руковожу направлением Sovereign AI в Perplexity. Мы занимаемся внедрением передовых моделей искусственного интеллекта в государственных учреждениях и организациях с особыми требованиями к регулированию. Моя работа позволяет изучать, как разные страны внедряют ИИ. Во многих из них главной целью становится строительство дата-центров.
После того как дата-центры построены, вычислительные мощности обеспечены и соглашения подписаны, возникает главный вопрос: как превратить эти инвестиции в реальную пользу для человека? Представим владельца небольшого бизнеса в Душанбе, который впервые хочет выйти на международный рынок. Ему необходимо разобраться в нормативном документе, написанном сложным юридическим языком. Если ИИ даст неправильный ответ, последствия придется нести самому предпринимателю.
Между дата-центром и владельцем бизнеса нужен дополнительный уровень, который превращает вычислительные мощности и накопленные страной знания в ответы, на основании которых человек может принимать решения. Именно над этим уровнем я работаю.
Как должна работать национальная ИИ-инфраструктура
Важно учитывать, где выполняются вычисления, откуда поступают ответы и кто управляет системой. При этом необходимо защищать государственные данные и запросы, а также сохранять возможность самостоятельно развивать инфраструктуру.
Национальная ИИ-система не должна работать только в одном месте. Часть задач можно выполнять в облаке, где доступны наиболее мощные модели. Другие должны оставаться внутри учреждения и обрабатываться на его собственном оборудовании. В большинстве случаев оптимальным решением становится сочетание этих подходов.
В Perplexity мы разработали гибридное решение, которое учитывает требования к точности и безопасности. Система проверяет запросы на наличие личной или конфиденциальной информации, которая не должна попадать в облако. Все чувствительные операции выполняются локально. Если для следующего этапа необходима облачная модель, система сначала запрашивает разрешение пользователя.
Это позволяет министерствам, больницам и другим государственным учреждениям использовать передовые модели, не передавая им документы, которые должны оставаться внутри организации.
Однако суверенитет в сфере ИИ зависит не только от того, где работает система. Важно также понимать, кто ею управляет, какие данные покидают ее пределы, какие модели используются и можно ли будет заменить их в будущем.
Почему важна возможность менять модели
В Perplexity мы разработали решение, которое учитывает эти требования. Мы называем этот подход Frontier Orchestration.
Ни одна модель не может одинаково хорошо справляться со всеми задачами. Сегодня модели все чаще специализируются на отдельных направлениях. Поэтому наш мультимодельный оркестратор направляет каждый этап работы к наиболее подходящей модели, а затем объединяет результаты обработки файлов, данных и других инструментов, чтобы получить готовый ответ.
При этом можно использовать собственную модель, в том числе обученную на местном языке или с учетом национального законодательства и специфики конкретной отрасли.
У стран должно быть право менять используемые модели, сохраняя собственные знания, рабочие процессы и навыки сотрудников. Когда появляются более совершенные решения, достаточно заменить модель, не создавая всю систему заново.
Точность ответов и ответственность за действия ИИ
Но даже системой, которой вы полностью управляете, можно получить неправильный ответ.
Perplexity изначально создавалась как поисковая система нового поколения, основанная на простой идее: каждый ответ должен быть точным и содержать источники, на которых он основан. Мы не утверждаем, что можем гарантировать стопроцентную точность, но уделяем этому особое внимание.
Для нас важно показывать, откуда поступает информация. Вернемся к примеру с владельцем бизнеса. Если система дает ему неправильную рекомендацию, кто будет нести ответственность?
Предприниматель и государственный служащий, проверяющий его документы, должны иметь возможность обратиться к одному и тому же нормативному акту. Ответ, который можно проверить по первоисточнику, становится основой для принятия решения.
Это особенно важно, когда ИИ выполняет действия от имени человека, например заполняет формы или объясняет правила. Необходимо понимать, какие данные использовались, что сделала система, какие действия выполнила и кто их одобрил.
Человек должен оставаться ответственным за решения, которые принимает система. Подтверждение ответов источниками помогает обеспечить такую прозрачность.
Безопасность должна быть открытой
Когда государство внедряет искусственный интеллект, оно доверяет системе свои данные, запросы и доступ к другим информационным системам. Поэтому оно должно иметь возможность самостоятельно проверять безопасность решения.
В Perplexity мы считаем, что работа над безопасностью должна быть открытой. Мы публикуем информацию о своих разработках и обнаруженных проблемах, а также позволяем другим специалистам проверять наши решения.
Для этого мы создали Security Intelligence Institute, который занимается исследованиями в области безопасности. Мы сотрудничаем с академическими партнерами и стараемся находить уязвимости в собственных системах раньше, чем это сделают другие.
Когда институт обнаружил уязвимость в сторонней инфраструктуре, мы оперативно устранили проблему и опубликовали результаты исследования, включая информацию о том, что именно не сработало.
Мы также разрабатываем и открыто публикуем инструменты для защиты собственных ИИ-агентов. Они помогают контролировать среду, в которой работают агенты, проверять получаемую ими информацию и отслеживать их действия.
Государственные учреждения могут скачать эти инструменты, запустить их на собственном оборудовании и протестировать вместе со своими командами.
Кроме того, мы стали первым партнером Open Secure AI Alliance вместе с NVIDIA. Инициатива направлена на обмен разработками и результатами исследований в области безопасности между компаниями.
Мы не утверждаем, что безопасность можно обеспечить раз и навсегда. Это непрерывная работа, которую необходимо вести открыто и с учетом скорости развития технологий.
Как оценивать успех национальной ИИ-инфраструктуры
Я бы предложил оценивать национальную ИИ-инфраструктуру по четырем показателям, которые не связаны с количеством графических процессоров.
- Получает ли человек правильный ответ на своем языке и с указанием источников?
- Сколько времени требуется специалисту, чтобы проверить ответ и подтвердить правильность выполненного действия?
- Сколько времени проходит от запроса до готового и одобренного результата? Важно измерять не скорость генерации ответа, а время до достижения результата.
- Может ли местная команда самостоятельно поддерживать и совершенствовать систему без постоянного привлечения поставщика?
Страна, которая может менять модели, сохранять свои знания и рабочие процессы, а также развивать навыки собственных специалистов, действительно владеет своей ИИ-инфраструктурой. В противном случае она просто арендует ее.
На практике это означает, что предприниматель сможет задать вопрос о регулировании на своем языке, получить ответ со ссылкой на соответствующий нормативный документ и использовать эту информацию в работе в тот же день.
Мы уже видим, как искусственный интеллект помогает небольшим предприятиям работать эффективнее и выполнять задачи, для которых раньше требовалась команда из нескольких человек. При этом данные бизнеса должны оставаться там, где этого требует законодательство, а система должна совершенствоваться при участии местных специалистов.