Когда ИИ переходит из демонстраций в реальные системы компаний, автономные агенты, роботы и критичные для бизнеса процессы — безопасность становится не добавкой к продукту, а его неотъемлемой частью. TechCrunch Disrupt 2026 (13–15 октября в Сан-Франциско) посвятит пять сессий именно этому: как основатели могут строить ИИ, которому люди и компании действительно будут доверять.
Первая сессия касается того, почему одни компании получают реальную ценность от Claude (и других LLM в целом), а другие застревают в пилотах на 18 месяцев. Cat de Jong из Anthropic, Head of Applied AI, видит оба сценария изнутри: работает с enterprise-клиентами, которые внедряют Claude в критичные рабочие процессы. На AI Stage она разберёт, что отличает успешные развёртывания от замёрших проектов — это прямо применимо для основателей, которые продают ИИ-решения enterprise.
Вторая сессия адресует проблему, о которой публично говорят редко: агенты могут принимать действия, и это создаёт совершенно новый набор проблем безопасности. Что должно быть в области доступа агента? Что ему запретить? Ric Smith (Okta) и Gavriel Cohen (NanoCo) будут обсуждать agent security на уровне инфраструктуры — слабые стороны традиционных моделей прав доступа и архитектурные решения, которые нужны при развёртывании agentic AI. Если агенты в вашей дорожной карте, security должен быть там же.
Третья сессия посвящена тому, как провести ИИ-продукт через двери enterprise. Одного впечатляющего демо мало: нужны security, governance, observability. Rudy Mitra (AWS VP of Security Services), Katie Moussouris (Luta Security) и Wendy Nather (кибербезопасность) разберут инфраструктуру, которая требуется, когда ИИ переходит на роль автономной системы в критичных процессах. Для основателей это шанс услышать, что именно может встать между инновацией и реальным внедрением.
Четвёртая сессия переходит в физический мир, где ошибки не остаются на экране. Nathan Michael (Shield AI CTO), Mikell Taylor (General Motors), Raquel Urtasun (Waabi) обсудят один из самых острых вопросов для hard-tech основателей: как понять, когда автономная система безопасна для развёртывания? Речь о культуре безопасности, тестировании, валидации, регуляции — и о том, как заслужить доверие, когда последствия ошибок физичны.
Пятая сессия касается роботов и данных. У физических систем есть критическая проблема: доступа к массивам тренировочных данных, которые были доступны LLM и беспилотникам. Les Karpas (NVIDIA) разберёт, как дата-пайплайны, симуляции и foundation models могут помочь замкнуть эту брешь. Это прямо о том, когда робототехника достигнет своего ChatGPT-момента — масштабируемости и надёжности, которые позволят внедрять такие системы в реальный мир.
В России эти вопросы становятся релевантны для компаний, которые разрабатывают или внедряют ИИ-системы в финтехе, логистике, промышленности. Если вы строите агентов для работы с корпоративными системами (например, для автоматизации контента или управления данными), проблемы инфраструктурной безопасности и контроля доступа — то же самое, что рассматривают на Disrupt, только в локальном контексте. Платформы типа Signum/SIGNA для блокчейн-платежей или AI Studio для автоматизации должны учитывать эти же safety-требования от корпоративных клиентов. Российские компании часто спешат с развёртыванием, пропуская именно эту фазу проектирования — и потом переделывают инфраструктуру, когда нужно масштабировать с пилота на реальный объём.