Теория условного депонирования

С незапамятных времен адвокаты, ведущие переговоры о технологических сделках, рекомендовали лицензиатам программного обеспечения добиваться условного депонирования исходного кода. Первоначальная теория условного депонирования была простой и разумной: в мире программного обеспечения 1990-х или 2000-х годов условное депонирование исходного кода могло устранить риск контрагента.

Если лицензиар, разработавший ваше приложение, обанкротится, потеряет своих ключевых лиц или просто не выполнит свои договорные обязательства, лицензиат может задействовать свои права условного депонирования и взять на себя роль разработчика или сопровождающего программного обеспечения. Подобно разветвлению компонента с открытым исходным кодом, права условного депонирования могут предоставить организациям страховку, позволяющую самим управлять будущими исправлениями ошибок или исправлениями безопасности.

В облаке (ах)

Однако со временем характер потребления программного обеспечения изменился. Все чаще программное обеспечение потребляется не через CD-ROM или загрузку, а через веб-приложения, веб-службы или тонкие клиенты, объединенные в «программное обеспечение как услуга» (SaaS) или облачные подписки. Приложения, которые были разработаны как автономные исполняемые файлы, теперь являются исключением; большинство «настольных» или «мобильных» приложений теперь полагаются на удаленное взаимодействие для некоторых или всех своих функций. Это удаленное взаимодействие обычно включает в себя подключение к API-интерфейсам поставщиков, которые работают в сложных многопользовательских архитектурах, для работы которых требуются специальные знания и высокие эксплуатационные расходы.

В результате, многие юристы теперь согласны с тем, что условное депонирование исходного кода сегодня может быть не таким актуальным, как когда-то. Все больше и больше сделок исключают права или обязательства условного депонирования, и сегодня лишь в немногих облачных или SaaS-соглашениях даже упоминаются такие условия.

Готовятся ли лицензиаты к будущему сожалению? Поднимет ли снова голову призрак риска контрагента или блокировки поставщика-зомби? Только время покажет.

Робо-отношения

Но в то время как многие организации, по крайней мере, осознают риски, связанные с SaaS или облачными провайдерами, существует еще один риск, который нависает над многими организациями еще больше — риски, связанные с потерей ресурсов машинного обучения или ИИ. Если вы думали, что трудовые отношения могут быть непростыми, просто подождите, пока ваша «робо-замена ИИ» не появится на работе или начнет вести себя смешно.

Для многих покупателей поставщики программного обеспечения сегодня создают ценность не с помощью традиционной декларативной логики или пользовательского опыта, а с помощью логических платформ, которые создают активы машинного обучения или искусственного интеллекта. Эти платформы собирают данные от своих пользователей, иногда объединяя их по клиентам, а затем обучают модели машинного обучения на основе отзывов. В некоторых случаях эти платформы начинаются с крупномасштабных предварительно обученных моделей, созданных такими организациями, как Google, Facebook или OpenAI. В других случаях модели начинаются и заканчиваются в пределах четырех углов поставщика облачных услуг или лицензиара.

В любом случае, если цель состоит в том, чтобы устранить контрагентский риск, условное депонирование исходного кода не поможет. В лучшем случае вы можете получить «производственный» конвейер разработки функций или архитектуру нейронной сети. Достаточно ли переобучить модель или поддерживать модель с точки зрения НИОКР? Низкий шанс.

Независимо от того, как модели обучаются, реальность такова, что многие организации сегодня полагаются на модели машинного обучения в своем бизнесе — модели, которые часто принадлежат третьим сторонам. Будь то что-то простое, как фильтр спама в электронной почте, или такое сложное, как инструмент автоматизации юридических контрактов, в вашей компании есть сотни таких «скрытых» моделей машинного обучения. По самой своей природе эта «автоматизация ИИ» часто масштабируется прозрачно, чтобы брать на себя все больше и больше действий; прежде чем вы это узнаете, возникают значительные риски зависимости и непрерывности бизнеса.

Соответствие и денежный поток

Потеря этих сторонних моделей машинного обучения может иметь ряд потенциальных последствий. Некоторые из этих воздействий могут быть связаны с судебными разбирательствами или действиями регулирующих органов. Например, если ключевые рабочие процессы, связанные с конфиденциальными решениями, такими как страхование заемщика или проверка потенциального сотрудника, выполняются с использованием сторонней модели машинного обучения, организации могут сожалеть об отсутствии доступа к аудиту или объяснению этих моделей позднее. Поскольку государственные и федеральные агентства все чаще занимаются проблемами, связанными с алгоритмической предвзятостью, доступ к исходному коду или обучающим данным ныне несуществующего поставщика услуг может иметь ключевое значение для крупных кредиторов или работодателей.

В более оперативном плане многие организации создают ценность или снижают риски с помощью этих моделей машинного обучения. Будь то за счет снижения рисков информационной безопасности или за счет увеличения маржи, сторонние модели машинного обучения могут стать решающим фактором между прибылью и неплатежеспособностью для некоторых компаний. Если поставщик услуг, который собирает их данные и владеет критически важными моделями машинного обучения, обанкротится, что может сделать «подписчик» или лицензиат?

Ответ, как и прежде, условное депонирование. Но вместо того, чтобы сосредотачиваться на условном депонировании исходного кода программного обеспечения, организациям следует определить и сосредоточиться на условном депонировании ключевой интеллектуальной собственности, такой как модели машинного обучения или обучающие данные. В случае прекращения предоставления услуг поставщиком услуг доступ или обновления к этим моделям, организациям требуется страховой полис.

Итак, в следующий раз, когда вы подумаете об исключении этого пункта условного депонирования из своей облачной подписки или лицензионного соглашения на программное обеспечение, подумайте дважды. Должны ли вы, как лицензиат, запрашивать доступ к обучающим данным, архитектурам моделей или обученным моделям? Если вы являетесь лицензиаром или поставщиком облачных услуг, можете ли вы выделиться из пакета RFP, выиграв у отделов закупок и юридических отделов клиентов?

Как и большинство рисков, этот не исчезнет, ​​если мы его проигнорируем. Поскольку многие поставщики облачных услуг борются с прибыльностью и жесткими условиями финансирования, возможно, сейчас самое подходящее время, чтобы застегнуть эти условия, пока не стало слишком поздно.

Первоначально опубликовано на https://licens.io 19 апреля 2022 г.