Agenci AI wkraczają do firm, obiecując rewolucję. Za kulisami generują jednak gigantyczny ruch sieciowy, zatykając łącza i windując koszty chmury. Jak to działa?
W skrócie:
- Agenci AI, w przeciwieństwie do chatbotów, stale łączą się z danymi firmowymi przez protokół MCP, co sprawia, że ich apetyt na zasoby jest ciągły i trudny do przewidzenia.
- Jedna trzecia badanych przedsiębiorstw przyznała, że agenci AI wygenerowali tak duży ruch, że spowodowało to lokalne przeciążenia sieci lub gwałtowny, niekontrolowany wzrost kosztów chmury.
- Eksperci ostrzegają, że narzędzia MCP, przez które działają agenci, mogą stać się furtką dla hakerów. Brak silnego uwierzytelniania grozi kradzieżą, modyfikacją lub usunięciem kluczowych danych firmowych.
Przez lata postrzegaliśmy sztuczną inteligencję w biznesie jako wyspecjalizowane narzędzie do konkretnego zadania, a nie asystenta szepczącego każdemu pracownikowi do ucha. Ten asystent – nazywany w korporacyjnym żargonie “agentem AI” – właśnie wchodzi do gry. Może rozmawiać z ludźmi, może wchodzić w interakcje z oprogramowaniem, a nawet z innymi agentami. Prawie zawsze jednak wchodzi w interakcję z firmowymi danymi. I tu leży pies pogrzebany, bo to zupełnie inna para kaloszy niż publiczne chatboty, z których wszyscy korzystamy. Różnica ma fundamentalne znaczenie dla ruchu w sieci, budżetów i bezpieczeństwa firm.
Jak niewinny asystent AI staje się potworem pożerającym dane?
Agenci AI działają jak łańcuch. Po pierwsze, w przeciwieństwie do generatywnej AI czy nawet firmowych chatbotów, często bazują na gotowych, wytrenowanych wcześniej “modelach fundamentalnych”. To oznacza, że ich apetyt na dane jest stały, a nie skoncentrowany wyłącznie na fazie tworzenia modelu. Są trochę jak komponenty oprogramowania, ale sposób, w jaki dobierają się do danych, nie ma nic wspólnego z tradycyjnym kodem. Programista nie wpisuje w model AI komend typu “czytaj” i “zapisz”. To po prostu nie działa w ten sposób.
Zamiast tego, agenci AI używają czegoś, co nazywa się Model Context Protocol (MCP). To protokół, który zapewnia im połączenie z danymi firmy, ale robi to pośrednio – przez serwer MCP i specjalne “narzędzia” integrujące dane z modelem. Agent odpytuje narzędzie, narzędzie działa na serwerze, a serwer ma dostęp do danych. Zmień serwer albo narzędzie, a potencjalnie zmieniasz dostęp do danych – co, gdzie i ile jest pobierane. I tu pojawia się drugi element łańcucha, który może być niebezpieczny.
Dlaczego Twój rachunek za chmurę nagle wystrzelił w kosmos?
Narzędzie MCP bywa podstępne. To w zasadzie pośrednik, który może mieć dostęp do baz danych, zdarzeń, a nawet uprawnienia do aktualizacji i wykonywania akcji. Daj pracownikowi dostęp do agenta, który z kolei ma dostęp do serwera MCP i jego narzędzi, a dasz tej osobie uprawnienia do zrobienia wszystkiego, na co pozwalają te narzędzia. Najgorsze jest to, że pracownik może nawet nie zdawać sobie z tego sprawy. To, jak model używa narzędzi i danych, pozostaje ukryte wewnątrz przysłowiowej czarnej skrzynki.
I tu dochodzimy do kosztów. Początkowo firmy wyobrażały sobie, że postawią sobie “klaster AI” z luźnym połączeniem do głównej sieci centrum danych. Rzeczywistość okazała się brutalna. Agenci AI potrafią wygenerować niewyobrażalny ruch. Wystarczy, że pracownik zada jedno, pozornie niewinne pytanie, a agent w odpowiedzi może przeanalizować całą bazę danych zawierającą miliony rekordów. Ktoś, kto nie rozumie, jak działa ta technologia, może jednym kliknięciem wygenerować ruch odpowiadający tygodniowej pracy całego działu. Wystarczająco dużo, by zapchać sieć i pogorszyć jakość działania innych aplikacji. A jeśli ten ruch przechodzi przez chmurę, koszty mogą poszybować w stratosferę. Około jedna trzecia ankietowanych firm przyznała, że problemy z agentami AI wygenerowały wystarczająco dużo ruchu, aby spowodować lokalne zatory w sieci lub skok kosztów chmury na tyle duży, by wszcząć wewnętrzne dochodzenie finansowe.
Jak okiełznać bestię, czyli co firmy mogą zrobić?
Użycie narzędzi MCP to także gigantyczny ból głowy dla działów bezpieczeństwa. Przedsiębiorstwa zwracają uwagę, że standardy MCP nie zawsze wymagają silnego uwierzytelniania. Co więcej, skoro narzędzie może aktualizować dane, to źle skonstruowane (lub zhakowane) może je zanieczyścić, sfabrykować, a nawet usunąć. Aby tego uniknąć, eksperci zalecają, aby agenci AI domyślnie nie mieli dostępu do narzędzi, które mogą aktualizować dane lub podejmować działania w świecie rzeczywistym. A jeśli już muszą, to tylko przy ogromnym nadzorze nad projektem narzędzia i samego agenta.
Kluczem do kontroli są przegląd i projektowanie. Problemy z ruchem można ograniczyć przez staranne rozmieszczenie modeli agentów AI. Ponieważ są one mniej wymagające niż gigantyczne LLM‑y, można je rozproszyć, a nawet umieścić w szafach rackowych razem z tradycyjnymi serwerami, w tym tymi, które kontrolują bazy danych. To oznacza jednak, że topologia i przepustowość sieci w centrum danych muszą zostać poddane audytowi. Na szczęście, zdaniem większości firm, nie będzie potrzeby przesiadki na drogi InfiniBand – stary, dobry Ethernet powinien wystarczyć.
Kolejny krok to projektowanie narzędzi MCP tak, aby wymagały silnego uwierzytelniania i chroniły przed “szalejącymi” zapytaniami, które mogłyby eksplodować ruchem i kosztami. Najlepszym sposobem może być unikanie udostępniania dużych baz danych agentom używanym przez laików. W praktyce oznacza to posiadanie serwerów MCP dedykowanych dla konkretnych ról, odzwierciedlających poziom dostępu, jakiego potrzebuje dana grupa pracowników.
Nikt nie wierzy, że samo edukowanie pracowników wystarczy. Firmy są jednak zdeterminowane, by czerpać korzyści z AI, nawet jeśli wiąże się to z ryzykiem. Problem leży gdzie indziej. Jak powiedział jeden z menedżerów: “Mamy mnóstwo ludzi, którzy chcą nam sprzedać kawałki AI, ale niewielu, którzy oferują rozwiązania problemów biznesowych”. Przedsiębiorstwa same, metodą prób i błędów, wdrażają agentów, ale z pomocą dostawców mogłyby robić to szybciej i wydajniej. Może czas, by zwolennicy AI pomyśleli, jak tę pomoc zapewnić.