Palantir: что это за компания и как работают Gotham и Foundry

Palantir что это за компания
Palantir Gotham и Foundry
Palantir в Украине
Алекс Карп Palantir
платформы анализа данных для спецслужб
Palantir: что это за компания и как работают Gotham и Foundry

Palantir Technologies — американская компания, основанная в 2003 году, которая продаёт программы для сведения разрозненных данных в одну модель объектов и связей. Её платформа Gotham рассчитана на спецслужбы, полицию и армию, Foundry — на коммерческие и гражданские организации, а AIP добавляет к ним языковые модели. Palantir не собирает сведения о людях сама: она работает с данными, которые подключает заказчик, — архивами, журналами, снимками, отчётами. Ценность и риск продукта возникают в одном месте: в том, как быстро программа находит связи и насколько человек может их проверить до решения.

Материал для руководителей, аналитиков и тех, кто выбирает корпоративные платформы данных и хочет понять, что на самом деле продаёт Palantir. Мы разбираем историю компании, устройство её продуктов, известные военные и полицейские применения, скандалы и выводы для гражданских систем. Оценка военных операций, политические выводы и прогноз акций в статью не входят.

Текст подготовила AI студия Владимира Ломтева. Студия не связана с Palantir и не продаёт её продукты, но сама внедряет системы работы с корпоративными данными — это коммерческий интерес, о котором стоит знать читателю. Отправной точкой стал видеоразбор «Палантир: Испытано в Украине» на YouTube; факты из него сверены с первоисточниками и публикациями СМИ 16 ноября 2026 года. Утверждения, которые не удалось подтвердить, в статью не включены или помечены как версия конкретного источника.

Коротко

  • Palantir вырос из идеи антифрода PayPal: программа подсвечивает подозрительные связи, решение принимает человек.
  • Gotham и Foundry — это не «всевидящий глаз», а слой интеграции: они видят только то, что подключил заказчик и что разрешено конкретному пользователю.
  • Один и тот же механизм помог Airbus предсказывать отказы оборудования и полиции Лос-Анджелеса — искать по сотням миллионов снимков номеров машин, почти все из которых не относились к розыску.
  • С июня 2022 года Palantir работает с Украиной; в 2026 году там запущен Brave1 Dataroom для обучения моделей на военных данных.
  • Главный вопрос к таким системам — не «решает ли машина», а кто заранее определил, какие данные человек увидит, насколько им можно доверять и сколько их хранить.

Содержание

Что такое Palantir простыми словами

Palantir — это поставщик программного слоя, который соединяет данные из разных систем и показывает их как объекты реального мира: людей, телефоны, счета, машины, самолёты, детали, склады. Компания называет такую модель онтологией. Проще говоря, это общий словарь: «вот в этой таблице номер телефона, в этой — время звонка, а эти две записи описывают одного и того же человека».

Как только словарь описан, новые записи из подключённых источников раскладываются по тем же правилам автоматически. Пользователь ищет не по десятку баз отдельно, а по связанной картине, сохраняет запрос, делится находками с коллегами, у которых есть нужный допуск, и видит, откуда взялся каждый факт.

Продукт Для кого Что делает
Gotham Спецслужбы, полиция, армия Связывает отчёты, журналы, перехваты и другие сведения в граф людей, мест и событий
Foundry Компании и гражданские ведомства Сводит производственные, логистические и финансовые данные, на их основе строятся приложения
AIP Оба типа заказчиков Подключает языковые модели к данным и действиям в онтологии
Edge AI Военные и космические проекты Запускает модели распознавания прямо на устройстве, например на спутнике
Maven Smart System Министерство обороны США Отбирает данные датчиков и видео под задачи командиров

У названия литературное происхождение. Палантиры у Толкина — камни, через которые можно видеть происходящее далеко или в прошлом. Название точно описывает обещание компании: собрать разрозненные сведения в одну картину.

Откуда взялась идея: антифрод PayPal

Корни Palantir — в платёжной системе PayPal начала 2000-х. Питер Тиль руководил компанией, Макс Левчин отвечал за технологии. Вместе с миллионами пользователей, в основном покупателями и продавцами аукциона eBay, пришли мошенники: они расплачивались украденными картами, а когда владельцы оспаривали списания, убытки ложились на PayPal.

По рассказам Тиля, полностью автоматическое выявление мошенничества не сработало: преступники меняли тактику, и правила устаревали. Тогда команда Левчина построила систему с другим разделением труда. Программа, которую назвали «Игорь» — по имени одного из мошенников, — отмечала подозрительные переводы и показывала связи между счетами. Сотрудник смотрел на эти связи и решал, мошенничество перед ним или обычный платёж.

Формула «компьютер находит, человек решает» стала основой всего, что Palantir продавала потом. После продажи PayPal компании eBay в 2002 году Тиль задался вопросом: если такой подход распутывает мошеннические схемы, нельзя ли с его помощью искать террористические сети?

11 сентября и задача связать разрозненные сведения

Тиль связывал замысел с выводами расследования терактов 11 сентября 2001 года. В итоговом докладе Национальной комиссии по 11 сентября описано, как в январе 2000 года ЦРУ следило за встречей связанных с «Аль-Каидой» людей в Куала-Лумпуре. Среди них был Халид аль-Михдар, у которого была американская виза. Сведения своевременно не дошли до ФБР; в июле 2001 года он вернулся в США, а 11 сентября участвовал в захвате самолёта, врезавшегося в Пентагон.

Проблема была не в отсутствии данных, а в том, что они лежали в разных ведомствах и не складывались в одну картину. Именно это Palantir и предложила исправлять: сводить сведения о том, кто с кем общается, куда ездит и кому переводит деньги, а решение о проверке человека оставлять аналитику.

Основатели и первые деньги

Palantir появилась в 2003 году. Тиль финансировал первые разработки, прототип делали выпускники Стэнфорда Джо Лонсдейл и Стивен Коэн вместе с инженером PayPal Натаном Геттингсом. Ещё одним сооснователем стал Алекс Карп — однокурсник Тиля по юридической школе Стэнфорда. Карп юристом так и не стал: он защитил докторскую диссертацию по философии во Франкфуртском университете имени Гёте, затем управлял инвестициями. С 2005 года он возглавляет Palantir.

Крупные фонды поначалу не вкладывались в неизвестный стартап, который хотел работать со спецслужбами. Помог In-Q-Tel — некоммерческий венчурный фонд, созданный в 1999 году по инициативе ЦРУ, чтобы находить технологии на открытом рынке. По данным The Intercept и других изданий, In-Q-Tel вложил в Palantir около 2 млн долларов. Сам Карп позже говорил, что важнее денег был доступ к аналитикам ЦРУ — будущим пользователям продукта. Разработчики регулярно летали в Вашингтон, смотрели, как с программой работают, и возвращались с замечаниями.

Как устроен Gotham: от телефона информатора до графа связей

Первая версия Gotham вышла в 2008 году. Принцип проще показать на примере, который часто используют при объяснении платформы.

Допустим, информатор сообщил, каким телефоном пользуется интересующий разведку человек. Отчёт лежит в одном архиве, журнал звонков — в другой базе. Без интеграции аналитик ищет номер вручную и сводит результаты сам. В Gotham он связывает человека с телефоном, система находит звонки в подключённых данных и выводит найденное на общую схему. Это похоже на детективную доску с фотографиями и нитями, только каждая карточка открывается и ведёт дальше по связям. Поиск сохраняется и обновляется, когда поступают новые данные.

Для организаций с секретными сведениями важнее всего не сам граф, а правила доступа к нему:

  1. Доступ на уровне записи. Двум сотрудникам одного ведомства могут быть разрешены разные документы, и система учитывает это для каждой записи, а не для базы целиком.
  2. Журнал действий. Фиксируется, кто открывал данные, кто составил отчёт и на основе каких сведений.
  3. Происхождение факта. Из карточки можно вернуться к исходному документу и проверить, на чём держится связь.

Эти три механизма — главное, что стоит запомнить о Gotham. Они же определяют, может ли человек на последнем шаге действительно проверить вывод машины, а не просто согласиться с ним.

От разведки к армии: Ирак и Афганистан

Интерес военных к такой обработке данных понятен на примере так называемых синджарских документов. В октябре 2007 года при рейде возле Синджара на севере Ирака американские военные захватили почти 700 анкет иностранных боевиков «Аль-Каиды». Как описывает Центр по борьбе с терроризмом в Вест-Пойнте, в анкетах указывались страна и город происхождения, вербовщик и путь в Ирак. Ценность такого массива — в связях: кто переправлял людей, кого ещё перевёз тот же посредник, сколько ему платили. В видеоразборе утверждается, что исследователи работали с этими связями в Palantir; в отчёте центра мы этого подтверждения не нашли, поэтому оставляем это версией автора видео.

К 2009–2010 годам американские подразделения в Афганистане использовали Palantir для поиска сетей, связанных с самодельными взрывными устройствами; The Week, например, пишет, что морская пехота применяла программу, чтобы точнее предсказывать места закладки придорожных бомб и засад. Компания отправляла инженеров работать рядом с военными. Сведения с мест взрывов — уцелевшие детали, отпечатки, следы ДНК — сопоставлялись с сообщениями источников и данными о других нападениях. Перед выходом патрулей карту района использовали, чтобы увидеть, где в последние недели и месяцы взрывались бомбы.

Foundry и гражданские заказчики: Airbus и easyJet

Тот же подход к данным оказался полезен в промышленности. С 2015 года Palantir работала с Airbus, которому нужно было резко нарастить выпуск A350. Как описывал CIO.com, сотни команд на заводах в четырёх странах вели графики сборки, поставки деталей и учёт дефектов в разных системах. Инженеры свели данные и сделали приложение, где руководитель видел, что ещё не готово на конкретном самолёте и что тормозит сборку.

В июне 2017 года на авиасалоне в Ле-Бурже Airbus представил Skywise — платформу авиационных данных, созданную вместе с Palantir на основе Foundry. Одна из её задач — предиктивное обслуживание: по записям о ремонтах и показаниям датчиков найти признаки, которые предшествуют отказу, и заменить деталь заранее.

В марте 2018 года Airbus объявил, что easyJet подписала пятилетнее соглашение о предиктивном обслуживании через Skywise. По данным отраслевой прессы, до этого испытания шли на 85 самолётах по трём типам неисправностей, и система предсказала 31 отказ, что позволило снять компоненты до поломки. Это результат, сообщённый участниками, а не независимое исследование, но он хорошо показывает гражданскую сторону той же технологии.

Где начинаются вопросы: камеры номеров в Лос-Анджелесе

С 2009 года с Palantir работала полиция Лос-Анджелеса (LAPD). Среди прочего компания дала инструмент поиска по архиву камер, распознающих автомобильные номера. Как рассказывали The Intercept и социолог Сара Брейн, изучавшая работу LAPD изнутри, можно было ввести номер и увидеть, где и когда машина попадала в объектив, или задать место и время и получить все машины, проехавшие рядом.

В феврале 2020 года аудитор штата Калифорния опубликовал проверку таких систем. Цифры по Лос-Анджелесу:

  • в базе накоплено 320 млн снимков номеров за несколько лет;
  • только 400 тыс. из них сразу совпали со списками розыска;
  • 99,9% снимков относятся к машинам, которых в момент съёмки в этих списках не было;
  • у LAPD не было отдельной политики по этим системам, а снимки, по словам ответственного лейтенанта, хранились не менее пяти лет.

Отчёт аудитора не упоминает Palantir: он оценивает политику полиции, а не поставщика ПО. Но связь важна для понимания продукта. Кого искать в архиве, решала полиция. Кому продавать инструмент, который превращает разрозненные снимки в историю передвижений любого автомобиля, решала Palantir. Человек, которого начали искать сегодня, уже мог иметь в базе годы записей.

Скандалы: WikiLeaks, HBGary и Cambridge Analytica

План против WikiLeaks

В конце 2010 года WikiLeaks пообещала опубликовать внутренние документы крупного американского банка. Юристы фирмы Hunton & Williams, работавшей с Bank of America, обсуждали сотрудничество с Palantir и ещё двумя подрядчиками — HBGary Federal и Berico Technologies. Появилась презентация с названием «Угроза WikiLeaks» и логотипами трёх компаний. В ней предлагалось, в частности, подбросить WikiLeaks поддельные документы, чтобы затем разоблачить подделку, и оказать давление на журналиста Гленна Гринвальда, который защищал проект.

В феврале 2011 года хакеры Anonymous взломали почту руководителя HBGary Federal Аарона Барра и выложили десятки тысяч писем вместе с планом. Карп публично извинился перед Гринвальдом и объявил о разрыве контактов с HBGary. Palantir утверждала, что не готовила сам план, однако опубликованная переписка показала, что её инженер участвовал в работе над документом. Его временно отстранили, но после проверки оставили в компании. Bank of America отрицал, что нанимал HBGary Federal против WikiLeaks.

Cambridge Analytica

В марте 2018 года бывший сотрудник Cambridge Analytica Кристофер Уайли заявил британскому парламенту, что люди из Palantir работали с данными пользователей Facebook и помогали строить психологические модели избирателей, хотя договора между компаниями не было. Palantir сначала отрицала связь, а затем, как писал TechCrunch, признала, что один сотрудник в 2013–2014 годах общался с Cambridge Analytica «в личном качестве».

Оба случая показывают одно: доступ к мощному инструменту анализа и работа его инженеров рядом с заказчиком создают риски, которые не закрываются одной лишь технической настройкой прав.

Июнь 2022 года: Карп в Киеве

1 июня 2022 года Алекс Карп пересёк польско-украинскую границу, а 2 июня встретился с Владимиром Зеленским и вице-премьером Михаилом Фёдоровым. В сообщении офиса президента Украины говорится об обсуждении сотрудничества в сфере обороны и безопасности; Карп заявил о готовности открыть офис в Украине. Defense News отметил, что это был первый визит руководителя крупной западной компании к Зеленскому после начала боевых действий.

В начале февраля 2023 года Карп, по сообщению Reuters, сказал, что Palantir «отвечает за большую часть работы с целями в Украине». Журнал Time в феврале 2024 года описывал, что программы компании анализируют спутниковые снимки, видео с дронов, открытые источники и сообщения с земли, а сама Украина за них не платит: часть расходов, по данным издания, покрыли страны-партнёры.

В мае 2026 года Карп снова приехал в Киев. Министерство обороны Украины в официальном сообщении от 12 мая писало о сотрудничестве в области ИИ и анализа данных. В интервью UNITED24 Media Карп был заметно осторожнее, чем в 2023 году: «Часть этой системы — это мы, но большую часть построили они», — сказал он об украинских разработчиках.

Спутники и ИИ на борту

За три недели до начала боевых действий, 1 февраля 2022 года, производитель спутников Satellogic объявил пятилетнее партнёрство с Palantir. Клиенты Palantir получили доступ к снимкам Satellogic через программный интерфейс Aleph, а сама Satellogic перешла на Foundry.

В том же сообщении упоминается, что программа Palantir Edge AI уже работала на спутниках NewSat. Её смысл в том, чтобы искать объекты на снимке прямо на орбите. Канал связи со спутником узкий, и вместо полного снимка можно передать на Землю небольшие фрагменты с найденными объектами и их координатами. Ещё одна разработка — MetaConstellation — помогает планировать съёмку нужного района у разных коммерческих операторов, собирая «виртуальное созвездие» из чужих спутников.

Здесь важно различать два уровня. Модель на спутнике может найти здание, технику или корабль. Понять, что находится внутри здания и что там происходит после съёмки, она не может: для этого данные приходится соединять с другими сведениями, и именно на этом шаге появляется человек со своими допущениями.

Цепочка от данных до решения: Maven, TITAN и Brave1 Dataroom

Palantir постепенно перешла от анализа к поддержке всей цепочки «обнаружить — оценить — передать». В 2017 году Пентагон запустил Project Maven: поиск объектов на многомиллионных часах видео должен был перейти от людей к алгоритмам. Palantir создала для этой программы Maven Smart System. Военные задают параметры поиска, система отбирает сведения, аналитики проверяют, подходят ли они под задачу командира, и только подтверждённые данные уходят дальше — например, в систему управления артиллерийским огнём.

В марте 2024 года армия США выбрала Palantir для разработки 10 прототипов наземной станции TITAN по соглашению на 178,4 млн долларов. Станция должна принимать данные спутников, воздушных и наземных датчиков и перевозиться вместе с подразделениями. В январе того же года, по данным Bloomberg, Palantir заключила стратегическое партнёрство с министерством обороны Израиля; подробности поставок тогда не раскрывались.

В январе 2026 года Минобороны Украины запустило Brave1 Dataroom — защищённую среду на программном обеспечении Palantir, где украинские разработчики обучают и проверяют модели на собранных военными данных. Первая задача — автономное обнаружение и перехват воздушных целей, включая беспилотники типа Shahed («Герань»). В среде собраны обычные и тепловизионные изображения, снятые разными камерами в разную погоду и время суток. Позже министерство сообщало, что доступ получили более 100 компаний.

У Украины есть и собственные системы: ситуационная платформа Delta, видеосервис Vezha, инструмент планирования полётов дронов Mission Control. Palantir в этой картине — не единственный и не всегда главный элемент, что подтверждают и слова самого Карпа в 2026 году.

Ошибка человека и ошибка данных

Публичная позиция Palantir остаётся прежней: программа берёт на себя поиск и сопоставление сведений, а решение остаётся за человеком. Но два известных случая показывают, что ошибиться может и человек, и данные, которые ему показали.

Фиолетовый головной убор

Журналистка Энни Джейкобсен в книге «First Platoon» (2021) приводит рассказ руководителя группы наблюдения на одной из американских баз в Афганистане в 2012 году. Группа месяцами следила за повстанцем, который закладывал бомбы, и запомнила его редкий фиолетовый головной убор; разведчики передавали операторам сведения из Palantir о людях, которых нужно искать. Однажды утром операторы увидели мужчину на тракторе в похожем уборе, и удар был одобрен. Руководитель группы засомневался, получил пять минут на проверку, навёл камеру на дом, где мог ночевать повстанец, — и тот вышел наружу. Удар отменили. Позже выяснилось, что на рассвете камера искажала цвета.

Это рассказ одного участника, и мы приводим его как пример, а не как проверенный документ. Но механизм ошибки узнаваем: правдоподобный признак плюс давление времени.

Оценка достоверности адреса без объяснения

Другой пример — миграционная служба США (ICE). В январе 2026 года 404 Media описала приложение ELITE, которое Palantir сделала для ICE: оно показывает на карте адреса, связанные с людьми из списков, и выводит «оценку достоверности» адреса. Адреса поступают в том числе из Министерства здравоохранения и социальных служб США.

ELITE фигурировало в деле о задержаниях 30 октября 2025 года в городе Вудберн, штат Орегон. Как пересказывает решение Biometric Update, сотрудники увидели, как мужчина сел в белый фургон, пробили номер и решили, что зарегистрированный владелец — человек из списка, не подтвердив личность водителя. Судья Мустафа Касубхай отметил показания о том, что подсказки ELITE «в целом» были «неточными». 4 февраля 2026 года он запретил ICE задержания в Орегоне без ордера, если сотрудник заранее не оценил индивидуально риск того, что человек скроется.

Оба случая — о разных системах и разных странах. Общее у них одно: человек «решал», но опирался на признак или процент, происхождение которого не мог быстро проверить.

Как Palantir внедряет продукты: инженеры у заказчика

Через всю историю компании проходит одна деталь: Palantir редко продаёт коробку. Её инженеры приезжают к заказчику — в Вашингтон, на авиабазу, на завод Airbus, в Киев — и дорабатывают систему рядом с пользователями. В компании такую роль называют forward deployed engineer, «выдвинутый вперёд инженер».

У этой модели есть очевидная сила. Инженер видит, как аналитик на самом деле ищет данные, какие поля ему мешают и где он тратит время, и меняет продукт быстрее, чем это сделал бы отдел продаж. Именно так, по рассказам сооснователей, выглядела ранняя работа с ЦРУ: регулярные поездки, показы, замечания и новая версия через пару недель.

Но у неё есть и обратная сторона, которая видна в скандалах из предыдущих разделов. Инженер, который работает внутри процессов заказчика, участвует и в его спорных решениях: что подключить, как настроить поиск, какие признаки показать первыми. Граница между «мы сделали инструмент» и «мы помогли его так применить» становится размытой. Вопрос ответственности поставщика здесь не теоретический.

Для бизнеса из этого следует практический вывод. Если внешняя команда настраивает вашу систему данных, договоритесь заранее, кто утверждает подключение новых источников, кто отвечает за правила доступа и кто может остановить сомнительное применение. Эти роли нельзя оставлять «по умолчанию» подрядчику.

AIP: языковые модели поверх онтологии

С 2023 года Palantir продвигает AIP — платформу, которая подключает большие языковые модели к данным и действиям, уже описанным в онтологии Foundry или Gotham. Идея в том, что модель отвечает не «из головы», а работает с объектами, к которым у пользователя есть доступ: заказами, деталями, сменами, документами. Она может предложить действие — например, перераспределить поставку, — а человек его подтверждает.

По описанию самой компании, ключевые элементы AIP — привязка модели к онтологии, разграничение доступа и контроль того, что модели разрешено менять. То есть те же три механизма, что в Gotham: права, журнал, происхождение данных, только теперь между человеком и данными стоит ещё и языковая модель.

Здесь легко переоценить технологию. Языковая модель, связанная с плохо описанными данными, быстро и уверенно выдаёт неверные выводы. Отсюда главное правило для корпоративных ИИ-систем: сначала навести порядок в источниках и правах, затем подключать модель. О том же мы подробно писали в статье про ИИ-агента для аналитики данных и семантический слой и в материале про учётные записи и права ИИ-агента.

Деньги и контроль: кто управляет Palantir

Palantir вышла на биржу в 2020 году. Во втором квартале 2026 года её выручка, по отчёту компании, составила 1,935 млрд долларов — на 93% больше, чем годом ранее. Деньги приносят и государственные, и коммерческие заказчики: выручка от коммерческих клиентов в США выросла на 149%.

При этом основатели сохранили контроль. Согласно проспекту эмиссии, для Карпа, Коэна и Тиля создали акции класса F, которые вместе с соглашением о голосовании позволяют им удерживать до 49,999999% голосов при соблюдении порога владения. Поэтому взгляды трёх человек на войну, государство и безопасность напрямую влияют на то, кому компания продаёт программы и какие проекты берёт.

Что из истории Palantir взять бизнесу

Большинству компаний не нужен Gotham, но задача, которую решает Palantir, встречается в любой организации: данные о клиентах, заказах, оборудовании и сотрудниках разбросаны по системам, и каждый отчёт собирается вручную. История компании подсказывает, какие решения принимать с самого начала.

Принцип Что сделать Чего избежать
Общая модель данных Описать сущности — клиент, договор, заказ, деталь — и правила связи между системами Склейки «по похожему имени» без правила и проверки
Права на уровне записи Давать сотрудникам доступ только к нужным данным, а не ко всей базе Одного общего доступа для всех пользователей аналитики
Журнал действий Фиксировать, кто что открыл, изменил и на основе чего принял решение Решений, которые невозможно восстановить задним числом
Происхождение факта Каждая связь должна вести к исходному документу Выводов, которые нельзя проверить за минуту
Понятные оценки Объяснять, из чего складывается процент или балл «Оценки достоверности», которые пользователь не может интерпретировать
Срок хранения Заранее решить, сколько хранить данные, которые не нужны для задачи Архивов «на всякий случай», как 320 млн снимков в Лос-Анджелесе
Порог для человека Определить, когда решение обязательно проверяет сотрудник Формального «подтверждения» без времени и данных на проверку

Когда выбирать тяжёлую платформу класса Foundry, а когда собрать решение самостоятельно? Крупная платформа оправдана, если источников десятки, требования к доступу жёсткие, а у компании нет команды, способной поддерживать интеграции. Собственная сборка разумнее, когда процесс один, источников немного и важна независимость от поставщика. В обоих случаях начинать стоит с одного процесса и ясного критерия: какое решение станет быстрее или точнее, если данные будут связаны. Подробнее о том, как навести порядок в данных до внедрения ИИ, мы писали в материале про подготовку данных для ИИ, а о графах связей в поиске по знаниям — в статье что такое GraphRAG.

Частые вопросы о Palantir

Palantir — это спецслужба? Нет. Это публичная американская компания, которая продаёт программы государственным и коммерческим заказчикам. Ранние деньги и доступ к пользователям она получила через фонд In-Q-Tel, созданный по инициативе ЦРУ.

Может ли Palantir узнать что-то обо мне, если я никогда не пользовался её программами? Сама компания не собирает данные о людях для себя. Но если ваши сведения есть в системах заказчика — например, снимки номера машины в полицейском архиве или адрес в ведомственной базе, — программа Palantir может участвовать в их анализе. Решающее значение имеют права заказчика на эти данные и закон, который их регулирует.

Чем Gotham отличается от Foundry? Gotham построен для расследований и разведки: граф людей, мест, событий, строгие допуски. Foundry ориентирован на компании и гражданские ведомства: производство, логистику, обслуживание, финансы. Обе платформы используют общую модель данных — онтологию.

Правда ли, что Palantir «видит всё»? Нет. Программа видит только подключённые заказчиком источники и только то, что разрешено конкретному пользователю. Её сила — в скорости связывания, а не во всеведении. Ошибки в исходных данных она тоже связывает быстро.

Решает ли программа Palantir, по какой цели наносить удар? По публичной позиции компании и описаниям Maven Smart System — нет: система отбирает и сопоставляет сведения, решение подтверждает человек. Но набор вариантов, из которых человек выбирает, формируется заранее — данными, настройками и интерфейсом.

Почему Palantir так быстро растёт? По отчёту за второй квартал 2026 года выручка выросла на 93% год к году, причём быстрее всего — у коммерческих клиентов в США. Компания связывает рост со спросом на ИИ-платформу AIP поверх своих данных.

Как студия помогает связать данные компании с проверяемым доступом

Задача, ради которой покупают Palantir, в гражданском бизнесе выглядит скромнее: свести сведения из CRM, учётной системы, документов и переписки так, чтобы сотрудник быстро находил ответ и видел, откуда он взят. AI студия Владимира Ломтева решает такие задачи без военной и следственной специфики.

С командой можно обсудить:

  • аудит процесса и источников данных: где лежат сведения, кто их владелец и какие ограничения есть у доступа;
  • подготовку данных и корпоративную базу знаний на RAG, где каждый ответ ссылается на исходный документ;
  • ИИ-агентов, подключённых к бизнес-системам, с учётом ролей пользователей и журналом действий.

Первый шаг — выбрать один процесс, описать текущий базовый уровень, источники данных, ограничения и критерий приёмки. Гарантий точности или экономии мы заранее не даём: их можно оценить только на ваших данных. Обсудить задачу.

Итог: человек решает в рамке, которую задали заранее

Palantir начиналась с простой идеи: компьютер находит связи, человек решает. За двадцать с лишним лет эта идея прошла путь от антифрода PayPal до разведки, полиции, авиастроения и военных штабов. Технология осталась прежней — сведение разрозненных данных в одну модель с правами доступа и журналом действий. Изменились цена ошибки и масштаб.

Граница между решением человека и решением машины проходит не в момент нажатия кнопки, а раньше: когда выбирают, какие данные подключить, сколько их хранить, что показать первым и можно ли быстро открыть исходный документ. Это верно и для систем Palantir, и для любой корпоративной платформы данных. Если вы строите такую систему у себя, начните с этих вопросов, а не с выбора поставщика.

Оставить заявку

Заполните форму и мы свяжемся с вами

← Все статьи

Комментарии (0)

Пока нет комментариев. Будьте первым!

Оставить комментарий
Регистрация не требуется