В ИТ-архитектуре подход AI-native означает, что искусственный интеллект находится в самом фундаменте процесса, а не прикручен сбоку в виде чат-бота для галочки. Если убрать AI, процесс просто перестанет существовать, так как человеческий ресурс физически не сможет выполнять такой объем аналитики в реальном времени.

Разницу между ситуацией без AI и с AI-native подходом в построении карьерного трека привела в Таблице 1 на картинке к посту.

Для 100 и 10 000 сотрудников компании архитектура AI будет разной. Разница в архитектуре AI для компаний разного масштаба обусловлена тремя факторами: объемом данных для обучения, ценой ошибки и сложностью инфраструктуры. AI-решения критически зависят от контекста. То, что эффективно работает на маленькой выборке, часто технически невозможно или экономически нецелесообразно масштабировать на огромную корпорацию, и наоборот.

Сравнение AI-native подходов в ИТ-архитектуре для бизнеса в 100 и 10 000 сотрудников отразила в Таблице 2 на картинке к посту.

Архитектурные особенности каждого кейса

Компания на 100 сотрудников — «Легкий вес и гибкость» Для 100 сотрудников невозможно обучить собственную предсказательную модель (например, прогнозирование демотивации) — для классического Machine Learning просто нет достаточного объема статистических данных (маленькая выборка). Решение — ИТ-архитектура строится вокруг генеративного AI. Берется готовая сильная языковая модель. В нее через API загружаается профиль сотрудника и описание открытых вакансий. AI выступает в роли умного советника.

Корпорация на 10 000 сотрудников — «Масштаб и безопасность» Здесь данных, наоборот, избыточно много. Каждый день генерируются миллионы цифровых следов. Обрабатывать такой массив через базовые запросы к внешним LLM станет дорого и небезопасно. Решение — ИТ-архитектура делится на два уровня: - предиктивный уровень (ML). Математические модели, обученные на историческом массиве данных компании за 5–10 лет. Они выявляют скрытые закономерности (например: «Если разработчик стека Х не менял проект 18 месяцев и снизил активность в таск-трекере на 20%, он уволится с вероятностью 85%»). - генеративный уровень (LLM). Локальная языковая модель, которая упаковывает эти сухие математические инсайты в понятные сотруднику карьерные рекомендации и индивидуальные планы развития.

Сравнительные таблицы в текстовом формате также доступны на моей вики-странице