По мере того как компании переходят от экспериментов с инструментами искусственного интеллекта к их использованию в повседневной работе, главным становится уже не вопрос о том, какую модель выбрать, а вопрос о том, где именно будет выполняться обработка. Опыт 日本HP в Японии предлагает практическую основу для выбора между облачными сервисами и локальными системами, одновременно предупреждая, что локальный запуск не следует считать самоцелью.
Эта точка зрения была представлена 裕史勝谷, директором по развитию рынка искусственного интеллекта и науки о данных в 日本HP, на конференции HP Partner Communication 2026, состоявшейся в Токио 16 июля 2026 года, а также в индивидуальном интервью, которое у него взяла ITmedia. По словам 勝谷, многие компании, обращающиеся к нему, уже начали использовать искусственный интеллект, но теперь ищут способы расширить его применение в рабочих процессах.
От общего эксперимента к корпоративной работе
勝谷 предлагает компаниям переходить от использования чатов и суммирования текстов к подключению моделей к внутренним документам, а затем — к автоматизации таких задач, как подготовка коммерческих предложений и презентаций, с помощью агентов искусственного интеллекта. В своей презентации он разделил функции так называемых «сотрудников с искусственным интеллектом» на три категории: ассистент, отвечающий за протоколы совещаний и подготовку документов; специализированный сотрудник, поддерживающий продажи или проектирование; и аналитическая роль, помогающая представлять данные и принимать решения.
Эта концепция касается не только программного обеспечения. 日本HP представила сочетание компьютеров с искусственным интеллектом и обучения, рабочих станций для локального тестирования больших языковых моделей, а также рабочих сред с несколькими графическими процессорами для корпоративных подразделений. Идея заключается в согласовании инфраструктуры с этапом использования, а не в продаже устройства или сервиса в отрыве от процесса, в котором они будут применяться.
Чувствительность данных — отправная точка
勝谷 использует облачные сервисы искусственного интеллекта при поиске информации, доступной широкой публике, но говорит, что запускает обработку локально, когда данные относятся к работе, которую нельзя выводить за пределы компании. Однако это не означает, что каждая задача, содержащая внутренние данные, должна автоматически переноситься на локальное устройство; необходимо проверить способность локальной среды выполнить требуемую задачу и сопоставить это со скоростью и гибкостью облака.
Этот опыт указывает на важное различие между местом использования приложения и местом выполнения инференса. Согласно материалу, приложение Codex от OpenAI в некоторых аспектах автоматизации и программирования работает на компьютере, однако сам инференс выполняется в облаке. Поэтому ИТ-подразделениям следует проверять, куда направляются данные и где выполняется обработка, а не ограничиваться тем, что интерфейс приложения находится на компьютере внутри компании.
日本HP также тестирует открытого агента искусственного интеллекта OpenClaw в локальной среде, однако 勝谷 отметил, что в его среде обработка иногда останавливалась и что в некоторых случаях он по-прежнему выбирает Codex. Этот опыт подтверждает практический вывод: полноценный локальный запуск не гарантирован лишь наличием оборудования или модели.
Выбор устройства меняется с масштабом использования
После определения потребности в локальном запуске необходимо установить масштаб использования. 勝谷 использует устройство HP ZGX Nano G1n AI Station для первичных испытаний и проверки возможности выполнения требований клиентов и называет его версией устройства NVIDIA DGX Spark от HP. Кроме того, его компактные размеры позволяют переносить его, например, на производственную линию для проведения испытаний непосредственно там.
Такой тип устройств подходит для исследований и разработок, использования одним человеком или первоначального эксперимента с ограниченным бюджетом. А запуск задачи несколькими сотрудниками одного подразделения может потребовать более крупной рабочей станции или общей среды. Успешная работа модели в индивидуальном тесте не доказывает, что при использовании всей группой производительность будет комфортной. Количество пользователей, допустимое время ожидания и частота обработки — параметры, которые необходимо определить до выбора оборудования.
Решение также включает место размещения устройств. Сначала они могут находиться рядом с пользователями, а затем, при увеличении их количества, переместиться в серверную. Для агентов, которые многократно выполняют планирование, инференс, запуск инструментов и проверку результатов, недостаточно учитывать только графический процессор; оперативная память, SSD-накопитель и центральный процессор также могут превратиться в узкие места.
Стоимость — это не сравнение цены облака с ценой устройства
勝谷 считает, что облако может быть правильным выбором при ориентации на краткосрочные расходы, тогда как локальная среда обеспечивает некоторым компаниям более высокую непрерывность работы, особенно при возникновении проблем с прокси-сервером в корпоративной сети или при изменении цен и лимитов использования. Некоторые клиенты могут совместно использовать рабочую станцию с графическим процессором несколькими пользователями, чтобы снизить стоимость токенов.
Однако точное сравнение должно включать расходы на электроэнергию, обслуживание, управление и первоначальные инвестиции в локальную среду, а также условия договора и объем использования облака. Следует также выяснить, способны ли обе стороны выполнять одну и ту же обработку с одинаковыми качеством и воспроизводимостью и как остановка сервиса или сети повлияет на работу.
Человеческий фактор может стать узким местом
Даже после предоставления модели и устройства процесс может остановиться на требуемом участии человека для выполнения действия, связанного с определенными полномочиями. 勝谷 признает, что его занятость сама может сделать человека узким местом. Поэтому внедрение агентов требует определить этапы утверждения и ответственных за них, а не просто подключить агента к инструментам.
Практический вывод из опыта 日本HP заключается в том, что выбор среды для запуска искусственного интеллекта должен начинаться с данных, затем учитывать задачу, количество пользователей, стоимость, непрерывность работы и возможности эксплуатационной команды. Кроме того, следует документировать выбранную модель и причины ее выбора, чтобы обеспечить передачу знаний при смене ответственных сотрудников. Эти рекомендации основаны на опыте одного руководителя в 日本HP и не являются общим стандартом, доказывающим, что облако или локальный запуск лучше во всех случаях.