A vállalatok néhány hétig elvesztették Claude Fable 5-öt. Az új adatok szerint a kétharmaduk már felépítette a fedezetét.

A vállalatok kétharmada fedezte a mesterséges intelligencia (AI) modell stratégiáját, és az Anthropic Claude Fable 5 modell körüli elmúlt hetek vitái megmutatták, hogy ez a megközelítés miért vált általánossá. Június 12-én az Egyesült Államok exportellenőrzési rendelete az Anthropic Claude Fable 5-öt — a piac legcapabilisebb modelljét — minden ügyfél számára offline állította, figyelmeztetés és határidő nélkül. E hét elején szigorúbb védelmi intézkedésekkel tért vissza, miután a kínai Z.ai kiadta nyílt súlyú GLM-5.2-jét. Az új VentureBeat Pulse Research, amely az elmúlt néhány hétben 145 vállalatot kérdezett meg, azt mutatja, hogy a cégek kétharmada már a rendelet előtt fedezte a modell stratégiáját: 51% zárt határmodell kombinálását alkalmazza nyílt súlyú modellekkel, amelyek a saját infrastruktúrájukon futnak, míg további 16% teljes mértékben eltávolítja a zárt API-kon futó alapvető munkafolyamatait. A megmaradó harmad teljes mértékben zárt ökoszisztémában működött, amikor lekapcsolták a lámpákat. A leállás rávilágított a szolgáltatói függőségre, megmutatva, hogy mi történik, ha a megbízható modellt eltüntetik. Azonban a szolgáltatói függőség csak a mélyebb probléma legláthatóbb része: A legtöbb vállalatnak nincs meg a felügyelete ahhoz, hogy tudja, mikor áll le egy AI rendszer, amelyet üzembe helyeztek. Csak minden tizedik vállalat rendelkezik automatizált felügyelettel, amely észleli, ha egy AI modell eltér, hibásan viselkedik vagy nem teljesíti a feladatokat. Körülbelül negyedük csak akkor értesül a termelési hibáról, amikor a végfelhasználók — belső vagy külső — jelentik azt, vagy nincs olyan láthatóságuk, hogy észleljék. A vállalati szervezetek 79%-a már valós pénzügyi vagy működési kárt szenvedett el autonóm ügynökök miatt — leggyakrabban árnyék AI, jogosulatlan ügynöki munkálatok, amelyeket a vállalat saját alkalmazottjai végeznek vállalati hitelkártyákon, senki felügyelete nélkül. Ezt nevezzük "Kontroll Hiánynak", vagy a távolság, amely a vállalatok AI alkalmazásának agresszivitása és az a mérték között húzódik, ahogyan ezt láthatják, birtokolhatják vagy irányíthatják. Június leállása ezt egy élő stressztesztté alakította. Adataik alapján: A VentureBeat Pulse Research június 2026-ban 145 kvalifikált válaszadót kérdezett meg 100 vagy annál több alkalmazottal rendelkező szervezeteknél, a felmérés során a Fable 5 leállításáig, amely június 12-én kezdődött. A minta önkéntes és irányadó: 41% technológiai/szoftver területen dolgozik, 20% tanácsadók vagy szakértők, a válaszadók többsége vezető pozícióban van — CIO/CTO/CISO (18%), mérnöki/IT igazgatók (14%), vállalati architektek (12%). A válaszadók több mint fele olyan cégekből érkezett, amelyek több mint 2500 alkalmazottal rendelkeznek. Bár a mintánk nem hatalmas, amit jobban megbízhatsz, mint a pontos százalékok, az a mintázat: Minden kérdés a felmérésben, függetlenül, ugyanabba az irányba mutat, az AI alkalmazás túlhalad a kormányzáson, a láthatóságon és a költségkontrollon. A teljes módszertan a jelentésben található. Hogyan írta át az export rendelet a vállalati AI kockázatokat A Fable 5 június 9-én indult, azonnali elismerést és árverési sokkot keltve, 10 dollár per millió bemeneti token és 50 dollár per millió kimenet díjjal. Három nappal később, az Egyesült Államok kormány sürgősségi exportellenőrzési irányelvet adott ki, amely megtiltotta a külföldi állampolgárok hozzáférését. Az Anthropic, valós időben nem tudva ellenőrizni az állampolgárságot, felfüggesztette a modellt mindenki számára. A Z.ai továbbra is növelte a lendületét; szerdán kiadta a Zcode nevű nyílt ügynöki kódolási környezetet. Eközben az OpenAI június 26-án bemutatta a legújabb GPT-5.6 sorozatát. A vállalatok már a tavasz során megtanulták, hogy mennyibe kerül az AI-függőség dollárban. Az Uber a 2026-os AI kódoló költségvetésének teljes összegét elkölti, miután a Claude Code elfogadottsága elérte körülbelül 5000 mérnöke 84%-át — számolt be a Forbes. A Microsoft törölte a legtöbb belső Claude Code licencet Windows és Microsoft 365 részlegében, az mérnököket saját eszközéhez irányítva, a The Verge szerint. Június egy nehezebb leckét is hozott: Az a modell, amelyen a munkafolyamataid alapulnak, egyik napról a másikra eltűnhet kormányzati rendelet által, a te vagy a szállítód döntése nélkül. Kínai vállalatok, mint a DeepSeek hatalmasan zavaró, erőteljes modelleket adtak ki, amelyek a költségeket a nyugati modellek töredékére csökkentették. Brian Craig, a Liberty IT, a Liberty Mutual ír székhelyű mérnöki részlegének vezető építésze, látta, ahogy mindkét lecke valós időben ütközik. Craig ír, így az export rendelet közvetlenül érintette mint külföldi felhasználót. A VentureBeat AI Impact eseményén New Yorkban június 24-én, a leállás közepén, megkérdeztem tőle erről. "Megérkezett a Fable, és azonnal láttad az árát, és azt mondtad, 'Jaj, rendben, biztosan nagyon jónak kell lennie'" — mondta Craig. "De szerencsére nem volt elég időnk, hogy beleszeressünk." Aztán eltűnt. A hedge már készen állt, mielőtt a leállás bekövetkezett. Craig cége pontosan emiatt a zűrzavar miatt lett kialakítva. A Liberty IT egy olyan AI gerincet működtet, amely körülbelül 50 komponenst ölel fel a biztonság, kormányzás, láthatóság és orkesztráció terén, mindegyik függetlenül cserélhető. "Most nem lehet egyetlen szállítóra és egyetlen keretrendre záródni," mondta Craig a teremben. "Folyamatosan flexibilisnek kell maradnod ezzel a gerinccel, hogy különböző modellekhez, különböző szállítókhoz tudj kapcsolódni, nem annyira attól függően, hogy ki a napi kedvenc, hanem attól, hogy miben érzed magad biztosnak a következő hat hónapra." A felmérés azt mutatja, hogy Craignek bőséges társasága van. A vállalatok 51%-a hibrid megközelítést folytat — zárt határmodellek általános gondolkodáshoz, helyben telepített nyílt súlyú modellek speciális végrehajtásra — és a 16%-uk határozottan áttér, alapvető munkafolyamatokat helyezve át nyílt súlyú modellekre, amelyek saját hibrid vagy privát felhőn futnak. A 32%-uk, akik zárt elköteleződést tartanak, nyíltan kifejtik, miért: A saját tárhely gazdasági terhe még mindig túlsúlyban van a megtakarításokhoz képest. Június után ez a számítás új változót is tartalmaz. A defektáló hozzáállás most már aktívá vált, és a címzett meglepheti. Megkérdezték, hogy melyik AI szállítót szeretnék legjobban csökkenteni vagy eltávolítani a következő 12 hónapban; a válaszadók 30%-a elsőként a Microsoftra hivatkozott — a legtöbbjük a Copilot és az Azure AI keretrendszerek visszafogására hivatkozott a közvetlen modell hozzáférésének előnyben részesítésével — megelőzve a 28%-ot, akik nem terveznek egyetlen szolgáltatót sem csökkenteni. Az OpenAI 21%-ot kapott, főként az árfolyam ingadozása miatt, az Anthropic 15%-ot, míg a Google 6%-ot. Egyetlen szállító sem néz exodusra. De a hűség az inercia miatt véget ért: E vállalatok között a legalább egy szolgáltató aktív leépítése már gyakoribb, mint mindegyikük kiterjesztése. Csak minden tizedik vállalat fedezné fel automatikusan a hibás termelési modellt. Hogyan tudná egy vállalat, hogy az egyik termelési AI modellje eltér, biztonságtalanul viselkedik vagy nem teljesíti a feladatokat? Közvetlenül megkérdeztük. Negyven százalék azt mondja, hogy nagyon biztosak benne, hogy észlelnék. A kérdés arra is rákérdezett, hogy ez a bizalom miken alapul, és a válaszadók két csoportba oszlottak: 30% emberi felülvizsgálatra támaszkodik a kritikus AI kibocsátások esetén, és csupán 10% — 14 a 145 szervezetből — rendelkezik automatizált felügyelettel és figyelmeztető rendszerrel a termelési rendszerek ellen. A többi válaszadó még gyengébb pozíciót képvisel: 32% számít arra, hogy a legtöbb problémát "végül" észleli, 19% azt mondja, hogy valószínűleg először a végfelhasználóktól hallanak a hibákról, és 8% pedig nem jelentett semmiféle rendszerszintű láthatóságot a termelési AI viselkedésről. Ez a megkülönböztetés fontos, mert a két megközelítés nagyon eltérő. Az emberi felülvizsgálat arany standardnak tűnhet, de csak azokat az eredményeket éri el, amelyeket valaki fontosnak jelöl meg a felülvizsgálathoz — és az emberek sebességén halad, amellyel minden manuális folyamat együttjáró következetlenséggel találkozik. Az automatizált felügyelet mindent figyel, amit a rendszer produkál, folyamatosan, és figyelmezteti az anomáliákra, amikor azok bekövetkeznek — éppen azért, mert a vállalatok évtizede leálltak a manuális ellenőrzésekre a működési idő és biztonság érdekében. Ahogy az ügynöki munkaterhelések kibővítik a kiemelkedő volumeneket, amiket bármely felülvizsgálati csapat elolvashat, a manuális megközelítés egyre inkább lemarad. A június 24-i esemény vezetői New Yorkban úgy kezelik az emberi felülvizsgálatot, mint egy megtervezett kontrollt, amely mögött automatizálás áll. "Semmi sem kerül ki a termelésbe, amíg nem íratja alá egy ember" — mondta Craig a Liberty ügynöki szoftvergyáráról, ahol tervezés, kódolás, tesztelés, kritikus és könyvtáros ügynökök szállítanak funkciókat az epikusba és a termelésbe. "Mindig a kockázatalapú megközelítésnek kell lennie. Ezért dolgozunk egy biztosítónál." Todd Johnson, a Morgan Stanley ügyvezető igazgatója, aki az ügynöki AI-t a bank végső napi P&L ellenőrzési folyamatán vezeti, a pénzügyek területén ugyanazt az elvet írta le: "Az AI kormányzás egyik erős alapelve az, hogy mindig legyen emberi felelősség, még ha van is bizonyos fokú automatizálás." A VentureBeat külön tudósította a Morgan Stanley új eredményeit a P&L megoldási ügynök rendszerről. A Liberty Mutual és a Morgan Stanley szándékosan választották a manuális aláírást, amely az észlelhetőség, identitás és kormányzási infrastruktúra fölé lett rétegezve. Hogy az emberi felülvizsgálati tábor hasonló infrastruktúrával rendelkezik-e, mint amire a maga részét tekinti, ennél több, mint amit egy egylépcsős kérdés megállapíthat. A 16%, akik külön nevezték meg a hiányzó észlelhetőségi eszközöket, mint a legnagyobb kormányzási akadályukat, azokat mondják ki egyértelműen, hogy ez még nem épült fel. A legnagyobb kormányzási akadály szervezeti: nincs egyetlen felelős AI-tulajdonos a platformok között. Miért nem épülnek meg az AI láthatósági eszközök? A válaszadók válaszai arra utalnak, hogy ez egy szervezeti hiányosság. A leggyakrabban említett akadály AI kormányzása platformok között az egyetlen felelős csapat vagy megtartózó hiánya, 32%-kal. A szolgáltatói átláthatóság 25%-kal következik, a hiányzó eszközök 16%-kal — és a tehetségek hiánya utolsó, mindössze 5%. A készségek megvannak, de a szervezeti mandátum nem: Csak 38% mondja, hogy központi csapat valójában kormányozza az AI viselkedését a platformjaikon manapság, 21% mondja, hogy a tulajdonjog homályos vagy aktívan vitatott csapatok között, és 17% mondja, hogy egyetlen szerep sem tart hivatalos felelősséget. A kormányzott AI felület még rontja a vákuumot. Teljesen 85% vállalat több mint két platformot működtet, mindegyik azt állítja, hogy az "elsődleges" AI réteg — ERP, ITSM, produktivitási csomag, adatplatform, mindegyik saját AI-jával, saját ellenőrzéseivel és saját előfeltevéseivel. 36% nyitott versenyt ír le négy vagy több között. Csupán 8% egyesítette az egyet. Ingyenes szöveges kérdésben azt kérdeztük, hogy egyetlen dolgot mit javítanak, a válaszadók különböző irányokból közelítve ugyanarra a válaszra jutottak: egyetlen felelős tulajdonos, és egy vezérlőréteg, amely eltávolítja a költséget, eltérést és modellválasztást a végfelhasználótól. A vállalatok 79%-a már tapasztalt egy ügynöki kontroll hibát — vezető szerepben a shadow AI. A vákuum költségei már megjelennek a vállalati kártyákon. Amikor megkérdeztük, hogy nevezzék meg a legrosszabb pénzügyi vagy működési kontroll hibát, amelyet az autonóm ügynökök okoztak, a vállalatok 49%-a a shadow AI-t említette — a részlegiek jogosulatlan ügynöki csatornákat futtatnak vállalati kártyákon, teljesen kijátszva a központosított pénzügyi felügyeletet. További 25% végtelen ciklusos számlával találkozott, egy észlelhetetlen rekurszív munkafolyamattal, amely egyetlen alkalommal több ezer dolláros token költséget halmozott fel, és 6% olyan ügynökkel, amely degradálta a termelési adatbázisokat nem korlátozott lekérdezésekkel. Csak 21% számol be óvatos stabilitásról, szigorú token korlátozással és költségkeretekkel az infrastruktúra szintjén. Összességében: A vállalatok 79%-a már valós pénzügyi vagy működési kárt szenvedett el egy ügynöki kontroll hiba miatt. Végül az érme gazdaságai azt mutatják, hogy a nyomás továbbra is növekszik. Az egy tokenre jutó következtetési költségek évente 70-80%-kal csökkennek, és az ügynöki munkaterhelések 100-500-szor annyi tokent fogyasztanak, mint az LLM eszközök, amelyeket lecseréltek. Brian Gracely, a Red Hat portfólióstratégiai vezetője, a New York-i közönségünknek azt mondta, hogy a válasz a megfelelő méretezésből indul: "Ha egyszerűen csak egy biztosítási igényt próbálok megoldani, akkor nem kell tudnom a nyugati civilizáció történelméről a modellemben. Nem kell tudnom a focimeccsek eredményeit." A vállalatok kisebb, speciális modelleket párosítanak szemantikus irányítással — mondta, így a platform döntheti el, hogy mely kéréseknek van valóban szükségük határszinti következtetésekre — és amelyek a prémium tokensek tüzében égetik el az árucikk munkáit. (A felmérés egy szomszédos adatpontja aláhúzza a pragmatizmus iránti igényt: 73% vállalat keveset vagy semmit nem mutat ügyfélfinomítási befektetéseikből az elmúlt 18 hónapban — ezt a számítást külön jelentésben fogjuk megvizsgálni.) A legfontosabb: A helyettesíthetőség gyorsabban terjed, mint a tulajdonlás. A felmérés azt írja le, hogy a vállalatok gyorsan lépnek az AI felé gyenge ellenőrzési rendszerrel. Az AI kezdeményezések 58%-a több, mint amit megszüntetnek. 85% több platformot működtet, amelyek mind azt állítják, hogy az elsődleges AI réteg. Háromszor annyi vállalat támaszkodik emberi felülvizsgálatra egy hibás termelési modell észleléséhez, mint amennyinél automatizált felügyelet van. És a vállalatok 79%-a már tapasztalt egy ügynöki kontroll hibát — leggyakrabban jogosulatlan ügynöki költések a vállalati hitelkártyákon, IT felügyelete nélkül. Egy probléma tekintetében a vállalatok nyilvánvalóan alkalmazkodtak: a modell függőség. A kétharmad fedezi a modell stratégiáját, bár nyílt súlyú modelleket futtatnak zárt modellek mellett (51%) vagy teljes mértékben a zárt API-eszközökről nyílt súlyú modellekre költöznek (16%). A Fable 5 leállítás megmutatta ennek a pozíciónak az értékét — a fedezeti cégek képesek voltak megkerülni egy modellt, amelyet a kormányzati parancs elérhetetlenné tett az éjszaka folyamán. A fennmaradó problémák belsőek, és semmilyen vásárlás nem oldja meg őket: 32% a felelős tulajdonos hiányát nevezi a legnagyobb kormányzási akadályuknak, és 17% azt mondja, hogy egyetlen szerep sem tart hivatalos felelősséget az AI-ért. Egy tulajdonos kijelölése nem kerül pénzbe, és nem igényel szállítót. A legtöbb ilyen cégnél azonban ez még nem történt meg. A közelgő Q3-as kutatási hullámunk mérni fogja, hogy június megváltoztatta-e ezt — vajon a vállalatok kijelölték-e a tulajdonosokat és telepítettek automatizált felügyeletet, vagy csak egy másik modellt adtak hozzá és továbbléptek. A teljes Kontroll Hiány jelentést itt olvashatod. A jelentésben szereplő témák — ügynöki orkestráció, kormányzás és költségkontroll — a VB Transform programja, a VentureBeat zászlóshajó eseménye, 2023. július 14-15-én a Menlo Parkban található Hotel Nia-ban, technikai vezetőkkel a Visa, GM, Waymo, Intuit, Instacart, LangChain és más cégektől. Részletek és regisztráció itt. Kinyilatkoztatás: A VentureBeat június 24-i AI Impact eseménye New Yorkban a Red Hat és az Intel által szponzorálva lett. A szponzoroknak nincs beleszólásuk a VentureBeat Pulse Research felmérésének tervezésébe, megállapításaiba vagy szerkesztési fedezetébe.