Третий эпизод

Покупку Wiz компанией Google за 32 миллиарда долларов ведущие рассматривают как ставку на безопасность Google Cloud и доверие корпоративных клиентов. Облачный перенос не передаёт провайдеру всю ответственность: клиент ожидает, что платформа защитит не только вычисления, но и сложную среду вокруг них. Почти одновременно компрометация популярного GitHub Action показала уязвимость цепочки поставки. Вредоносное выполнение могло выводить секреты из памяти рабочих процессов тысяч репозиториев; спор шёл уже не о наличии механизма, а о масштабе фактического ущерба. Эти новости показывают две стороны одного рынка. Провайдер покупает экспертизу, чтобы сделать безопасность частью платформенного предложения, а атакующий использует доверие к маленькому элементу автоматизации, который команды подключили один раз и перестали замечать. Инвентаризация должна охватывать не только крупные облака, но и версии action, разрешения workflow и путь секрета через сборку.

Британский план перехода критической инфраструктуры на постквантовую криптографию добавляет длинный горизонт. Квантовый компьютер угрожает схемам, безопасность которых основана на сложности вычислений для обычной машины, а заменить алгоритм сразу во всех транспортных, платёжных и государственных системах невозможно. Поэтому важен не апокалиптический заголовок, а календарь перехода всей инфраструктуры на новые алгоритмы. Оба сюжета сводятся к одному: защита определяется не самым сильным компонентом, а зависимостями и способностью обновить весь контур до того, как риск реализуется. Миграция начинается задолго до появления машины, способной взломать используемую схему: организации находят криптографию в коде и устройствах, проверяют возможность замены и планируют совместимость переходного периода. Если алгоритм зашит в оборудование или протокол партнёра, одной библиотечной правки недостаточно. Длинный срок — следствие связности инфраструктуры, а не слабой срочности риска.

История специалиста, который числился сразу в нескольких компаниях, оказывается маленьким аутсорсинговым бизнесом: родственник заменял его на части встреч, другие люди выполняли задачи, а организатор искал новые места. Группа зарабатывала около 800 тысяч долларов в год, из которых примерно полмиллиона оставалось основателю. Ведущие спрашивают, почему не оформить такую схему как подрядчика. Ответ лежит в ожиданиях заказчика: штатному сотруднику платят за погружение, мотивацию и участие в коллективе, а не только за закрытый объём работы; маскировка под штатную работу присваивает премию без обещанного поведения. Производительность здесь нельзя отделить от формы договора. Заказчик рассчитывает на доступность, конфиденциальность, накопление контекста и личную ответственность конкретного человека, тогда как скрытая команда оптимизирует загрузку и поток задач. Проблема не в делегировании как таковом, а в несовпадении проданной и фактически оказанной услуги.

Исследование компенсаций показывает три разных рынка: локальные компании, глобальный Big Tech и небольшую группу фондов, где разработчики создают торговые алгоритмы. В последнем случае результат напрямую выражается в деньгах, поэтому большая часть пакета приходится на зарплату и денежный бонус, но ошибка способна за секунды уничтожить бизнес. Рядом возникает другой путь: бывший исследователь OpenAI запускает компанию в материаловедении при поддержке OpenAI. Базовая модель получает прикладной канал, а наука — инструменты для прямых и обратных задач, например поиска молекулы по нужным свойствам. Но лабораторная проверка, клинические испытания и патентная экономика не исчезают. В обоих примерах высокая цена специалиста объясняется не модным названием профессии, а близостью к редкому и измеримому результату. Финансовый инженер влияет на торговый доход, исследователь — на скорость поиска кандидатов для физического эксперимента. Чем прямее связь, тем выше потенциальное вознаграждение и тем строже проверка ошибки.

Vibe coding распространяется на дизайн: связка Cursor и Figma позволяет описать интерфейс текстом, а тот же принцип уже применяется к тестированию, эксплуатации и работе продакт-менеджера. Однако скачанная модель, набор правил или готовый фрагмент кода становятся зависимостью с неизвестным происхождением. В обсуждаемых атаках инструменты могли красть криптокошельки или постепенно добавлять вредоносные вставки, если человек пропускал ранние уязвимости. Даже добросовестная модель обещает работающий, но не обязательно надёжный код, а публичное заявление о vibe-coded продукте привлекает исследователей к лёгкой цели. Новая поверхность атаки появляется до выполнения сгенерированной программы: вредоносной может быть инструкция, модель или расширение, которому разрешили читать репозиторий и окружение. Поэтому review итогового diff недостаточно. Нужны проверка происхождения инструмента, минимальные полномочия, изоляция секретов и наблюдение за тем, какие действия агент выполнял по пути к результату.

Сюжет о сотрудниках DeepSeek, которые, по сообщениям, ограничили возможность выезда из Китая, переводит риск на уровень государств. Версия о добровольности остаётся неоднозначной, но сама реакция показывает: передовая AI-команда воспринимается как стратегический ресурс, сопоставимый с другими технологиями двойного назначения. Тим Бернерс-Ли задаёт встречный вопрос — на кого работает AI, если обучение и эксплуатация базовых моделей требуют капитала, энергии и инфраструктуры транснациональных корпораций. Без открытого доступа выгода может концентрироваться у владельцев вычислений, усиливая разрыв между теми, кто способен участвовать в гонке, и всеми остальными. Контроль над людьми, чипами и данными становится частью одной политики, потому что модель нельзя отделить от условий её создания и обслуживания. Для пользователя это означает необходимость видеть не только качество ответа, но и правила доступа, переносимость данных и возможность сменить поставщика. Технологическая эффективность не отвечает на вопрос о распределении власти.