Новости

В 2024 году компании «Балтика» потребовалась локальная платформа для интегрированного бизнес-планирования, способная обеспечить гибкость и безопасность процессов, а также независимость от зарубежных вендоров. Переход на Optimacros был признан оптимальным с точки зрения логики расчетов и построения прогнозов, а также экономической эффективности. Реализацию проекта «Балтика» доверила команде Advanced, которая хорошо знает бизнес-процессы производственной компании, имеет серьезный опыт работы с обеими платформами и обладает собственными методологиями. Перед консультантами стояла задача в сжатые сроки перенести ключевые функции на новую платформу и одновременно заложить архитектуру решения с ориентиром на гибкость и масштабируемость.

В течение первых трех месяцев были перенесены основные модели: планирование выручки, расчет себестоимости и других затрат. Миграция требовала особого внимания из-за сложного сопоставления формул двух систем и риска потери бизнес-логики при автоматическом переносе. Параллельно была спроектирована новая архитектура решения и определен перечень дополнительного функционала, необходимого бизнесу. Очередной цикл планирования «Балтика» реализовала уже в конце 2024 года.

На втором этапе в Optimacros были перенесены функционал консолидации денежных потоков и модель факторного анализа и реализован блок автоматических выгрузок, позволяющий запускать одновременно более 500 настроек факторного анализа. Дополнительно в 2025 году по запросу «Балтики» консультанты разработали инструменты для оперативного прогнозирования и планирования результата коммерческой деятельности на горизонте 13 недель. Также был создан Data Hub – единый центр сбора, управления и обмена данными с другими ИТ-системами «Балтики».

На платформе одновременно работают более 50 пользователей, которые формируют бюджеты восьми заводов и прогнозы реализации продукции среди 1500 клиентов. Трансформация процессов финансового планирования помогла существенно ускорить расчеты и обработку данных. К примеру, формирование отчета факторного анализа по более чем 300 ключам теперь происходит в 10 раз быстрее и занимает до 30 секунд. Ежедневную поддержку решения осуществляет внутренний центр компетенций.

У «О’КЕЙ» уже был точечный опыт торговли на маркетплейсах — эксперимент показал значительный потенциал канала продаж. Однако дальнейшее развитие этого направления потребовало автоматизации рутинных операций и создания централизованного механизма управления бизнес-процессами.

Партнером проекта выступил «Корус Консалтинг», который поддерживает и развивает ERP-решение «О’КЕЙ» на протяжении 20 лет. Конфигурация Microsoft Dynamics AX 2012 до сих пор является ядром ИТ-ландшафта торговой сети, обеспечивая менеджмент актуальной информацией и поддерживая развитие бизнеса. Для запуска продаж на Wildberries эксперты ИТ-компании интегрировали учетную систему с маркетплейсом, создав единое рабочее место для управления сбытом.

Обмен данными идет через корпоративное интеграционное решение — именно оно формирует финальное сообщение. В дальнейшем это позволит оперативно адаптироваться под новые требования маркетплейса без масштабных доработок ERP-системы. С точки зрения архитектуры ИТ-решения специалисты предусмотрели возможность тиражирования подхода на другие e-commerce площадки.

«О’КЕЙ» начал работать на Wildberries с ограниченным набором товарных номенклатур. Поэтапный запуск бизнес-направления — это стратегическое решение, которое позволит ретейлеру выстроить оптимальную модель сбыта с учетом особенностей оффлайн- и онлайн-каналов, а также масштабировать продажи на маркетплейсах с минимальными рисками.

По оценке аналитиков, 2026 год станет периодом перехода от точечных цифровых инициатив к системной технологической трансформации, перестройке бизнес-моделей, инфраструктуры и клиентского опыта. В центре внимания исследования девять мегатрендов: от широкого внедрения искусственного интеллекта и новых типов связи до робототехники, квантовых технологий и новых подходов к защите данных. Аналитический отчет рассматривает эти направления через призму финансового сектора, промышленности и нефтегазовой отрасли.

Одним из ключевых выводов исследования стала широкая имплементация ИИ в бизнес-процессы. По приведенным в обзоре данным, 78% компаний уже внедрили технологии ИИ. Его использование переходит от автоматизации рутинных задач к участию в принятии решений, управлению процессами и созданию новых продуктов. При этом стоимость обучения передовых моделей ежегодно растет в 4-5 раз и к 2027 году может превысить 1 млрд долл., что усиливает спрос на более прикладные, специализированные и экономически эффективные ИИ-решения.

Для финансового сектора это означает ускорение перехода к интеллектуальным самообучающимся системам. Согласно исследованию, в ближайшей перспективе банки будут активнее использовать ИИ для выявления мошенничества в реальном времени, гиперперсонализации предложений, мгновенной оценки кредитоспособности, автоматизации документооборота и развития дистанционного обслуживания в круглосуточном формате. Отдельный вектор связан с распространением смарт-контрактов, биометрии, распределенных систем и новыми стандартами защищенной цифровой инфраструктуры.

Еще одним мегатрендом, упомянутым в исследовании, является переход к новым типам связи. Авторы подчеркивают, что связь перестает быть вспомогательным сервисом и становится частью бизнес-стратегии. Развитие технологий 6G, Wi-Fi 7, спутниковых сетей низкой орбиты, edge-коммуникаций и сервисной модели «Коммуникация как услуга» (Connectivity-as-a-Service, CaaS) открывает для банков и финтеха новые возможности: от мгновенных платежей и удаленного управления активами до расширения доступа к финансовым услугам в удаленных регионах.

Исследование «Мегатренды 2026» подчеркивает, что технологическая повестка бизнеса больше не ограничивается вопросами автоматизации. На первый план выходят устойчивость цифровой инфраструктуры, защита данных, развитие автономных систем, новые вычислительные подходы и способность компаний быстро переводить технологические сигналы в стратегические решения. Именно этот навык, по мнению авторов, будет определять лидеров нового цикла экономического роста.

До внедрения системы работа с документами во всех филиалах АО «Туполев» осложнялась недостаточной прозрачностью маршрутов согласования, отсутствием централизованного контроля исполнения поручения и ознакомления с документами. Сотрудникам было неудобно обрабатывать документы из-за необходимости совершать много дополнительных действий, большого объема бумажных носителей, дублирования информации и риска потери документов. Распределенная структура организации с большим числом участников усложняла совместную работу и снижала управляемость процессов.

При выборе платформы Directum RX ключевыми требованиями были возможность гибкой самостоятельной настройки маршрутов без привлечения разработчиков, а также наличие механизмов автоматизированного ввода документов с извлечением фактов и автозаполнением реквизитов. Компания стремилась минимизировать объем разработки и опираться на возможности no-code.

Бизнес-процессы и интерфейс системы были организованы с учетом практик и опыта внедрения в компаниях отрасли, включая ОАК. Это помогло сразу выстроить решения, соответствующие реальным сценариям работы. Работы на проекте выполнили специалисты компании TANAiS. Команда внедрения учла особенности проекта: формирование единой унифицированной системы маршрутов обработки документов для всех филиалов и департаментов, а также управленческую специфику авиастроительной компании.

В результате построения единой системы документооборота в АО «Туполев» бизнес-процессы компании стали регламентированными, а объем бумажных документов сократился. Удалось обеспечить прозрачность маршрутов согласования, выстроить контроль исполнения поручений и ознакомления с документами. У сотрудников стало меньше рутинной работы, прекратилось дублирование информации, документы перестали теряться. В дальнейшем авиапредприятие планирует расширить возможности Directum RX решением «Договоры». Также рассматривается возможность перехода на кадровый электронный документооборот.

Российский бизнес уже несколько лет уверенно движется от парадигмы «владеть» к парадигме «использовать». Компании, которые первыми адаптируют гибкие модели потребления GPU-мощностей, получат преимущество в скорости вывода продуктов и оптимизации затрат.

В M1Cloud подчеркивают, что ключевое преимущество облачных GPU – не только доступ к мощности, а финансовая гибкость. Традиционная модель покупки оборудования (CapEx) предполагает высокие первоначальные вложения, риски морального устаревания, затраты на обслуживание, охлаждение, электроэнергию и простои между проектами.

Циклы инженерного моделирования

Согласно исследованию Polaris Market Research, мировой рынок систем автоматизированного проектирования (САПР) оценивался в 13,6 млрд долл. с прогнозируемым среднегодовым темпом роста 11,5% до 2034 года.

В сфере CAE/CAD (Computer-Aided Engineering/Design) облачные GPU решают задачу ускорения итераций при проектировании. Аэродинамические симуляции, расчеты прочности, тепловые модели — все это требует массивных параллельных вычислений. Инженерная команда может разворачивать временный GPU-инстанс в облаке, запускать симуляцию и получать результат за часы, а не дни. После завершения задачи ресурсы освобождаются.

Ускорение открытий в биоинформатике через параллельные вычисления

В науке каждая минута вычислений может приблизить открытие нового препарата или расшифровку генома. Современные задачи молекулярной динамики, анализа последовательностей ДНК и предсказания структуры белков идеально ложатся на архитектуру GPU.

Согласно данным M1Cloud, использование графических ускорителей позволяет ускорить обучение моделей и выполнение расчетов в биоинформатике в 10–100 раз по сравнению с традиционными CPU-системами. Это критически важно для исследований, где время вычислений напрямую влияет на скорость научных публикаций и вывода продуктов на рынок.

Облачный GPU-кластер позволяет обработать базу данных за день, тогда как локальная инфраструктура потребовала бы недель. При этом исследовательская группа не инвестирует в специализированное оборудование, которое может устареть к следующему проекту.

Облачная эластичность для рендеринга

Индустрия компьютерной графики исторически зависела от дорогостоящего «железа». Однако рост сложности сцен, внедрение трассировки лучей в реальном времени и требования к срокам сдачи проектов сделали локальные рендер-фермы экономически неэффективными для многих студий.

По данным DataIntelo, глобальный рынок облачного рендеринга на базе GPU оценивается в 1,95 млрд долл. и демонстрирует устойчивый рост. При этом сегмент облачных рендер-ферм, по прогнозам, к 2033 году увеличится до 18 млрд долл. со средним темпом роста почти 30% в год.

Для российских компаний, работающих в условиях ограниченного доступа к импортному оборудованию, облачные GPU-сервисы становятся стратегическим инструментом. Возможность арендовать вычислительные ресурсы у локального провайдера позволяет соответствовать требованиям по локализации данных, не жертвуя производительностью.

Одна из главных проблем, с которой сегодня сталкиваются компании, — сложный доступ к аналитике. Во многих организациях для работы с данными по-прежнему требуются специальные знания: владение SQL, глубокое понимание принципов функционирования BI-инструментов или привлечение узкопрофильных специалистов. Это увеличивает нагрузку на команды и удлиняет путь от бизнес-запроса до итогового решения.

На этом фоне все более заметным становится запрос на аналитические инструменты, не требующие высокого порога входа. Современные ИТ-решения, построенные на базе больших языковых моделей, позволяют работать с данными на естественном языке — без знания языков программирования и других инструментов. Это расширяет доступ к аналитике за пределы ИТ-команд: бизнес-пользователи могут быстрее проверять гипотезы, находить закономерности и получать ответы на прикладные вопросы. Такой подход становится критически важным в условиях, когда скорость принятия решений является прямым фактором, определяющим успешность и эффективность бизнеса.

При этом универсальные зарубежные модели зачастую оказываются бессильны перед лицом комплексных прикладных задач, которые возникают в корпоративной аналитике. И хотя стандартные LLM-инструменты хорошо справляются с отдельными запросами, глубокая аналитика и инсайты от работы с данными раскрываются через агентный подход, интеграцию с внутренними системами и возможность функционировать в рамках защищенного контура. Некоторые российские ИИ-решения уже развиваются именно в этом направлении: они умеют не только отвечать на запросы на естественном языке, но и выполнять более сложные аналитические сценарии, взаимодействовать с корпоративными базами данных и работать в закрытой инфраструктуре компании, не требуя подключения к глобальной сети.

Эксперты Т1 особо подчеркивают, что для корпоративного сегмента критически важна защищенность подобных инструментов. При работе с данными компании оценивают не только интуитивность интерфейса и скорость обработки запросов, но и безопасность доступа, разграничение прав пользователей и защиту чувствительной информации.

Таким образом, ключевые изменения связаны не просто с появлением новых ИИ-инструментов, а с пересмотром самой модели работы с данными. Аналитика становится понятнее и ближе к бизнес-процессам, а значит, выходит за рамки сугубо специализированной функции, превращаясь в неотъемлемый инструмент для обоснования и принятия стратегических решений.

Работы по внедрению MES стартовали в январе 2022 года с пилотного внедрения на части производственных мощностей с фокусом на оцифровку обогащения угля и завершились опытной эксплуатацией в октябре 2024 года. После подтверждения эффективности было принято решение о масштабировании проекта: тиражирование началось в январе 2025 года и было полностью завершено уже к январю 2026 года.

Ключевой особенностью проекта тиражирования стало внедрение системы в условиях отсутствия развитых АСУ ТП и автоматизированного сбора данных с контрольно-измерительных приборов. Система на базе ExeMES была адаптирована к текущим условиям за счет ручного ввода недостающих показателей, интеграции с существующими весовыми комплексами и онлайн-расчета параметров на основе доступных производственных данных. В результате был обеспечен сквозной автоматизированный учет движения угля — от добычи в забое до отгрузки готовой продукции потребителям.

Система формирует и предоставляет централизованную базу оперативных данных по добыче и движению угля, объемам переработки угля и выпуска готовой продукции, запасам на складах (включая объем угля «на колесах») и отгрузкам. Благодаря целостности, непротиворечивости и централизации в одну систему информации предприятие получило возможность автоматически формировать производственную отчетность в режиме онлайн с использованием продукта ExeReport, существенно снизив трудозатраты сотрудников на подготовку отчетности.

Внедрение ExeMES позволяет получать ощутимые производственные эффекты. Главное из них – снижение уровня брака. Система позволяет своевременно выявлять причины брака на ранних этапах и оперативно корректировать технологический процесс для их устранения. Кроме того, достигнуто повышение эффективности обогащения. Система контроля отдельных параметров технологического процесса обогащения позволяет оперативному персоналу своевременно выявлять отклонения от заданного диапазона и корректировать технологический процесс для максимизации эффективности обогащения угля. Увеличилось время полезной работы оборудования. Автоматическое определение остановки каждого оборудования в цепочке обогащения и унифицированная классификация простоев позволяет детально разбираться в первопричинах остановок оборудования, снижать неплановые простои и увеличивать время полезной работы оборудования.

Произошло повышение точности и прозрачности учета. Автоматизация учета обеспечивает непротиворечивую картину производства и исключает ручные ошибки при сборе в единую систему данных для формирования универсальных отчетов.

Благодаря ExeMES руководители и специалисты получили эффективный инструмент план-фактного анализа, что позволяет оперативно реагировать на любые отклонения и принимать взвешенные решения по управлению производством. Система дает возможность более эффективно выстраивать работу операторов, технологов, диспетчеров и руководителей производственных подразделений. В настоящий момент система охватывает около 1,3 тыс. рабочих центров предприятия, а системой регулярно пользуются порядка 700 сотрудников УК «Кузбассразрезуголь».

Компания уже реализовала интеграции с внедренными смежными системами управления ремонтами ТОиР, управления качеством LIMS и намерена и дальше развивать внедренную систему на базе ExeMES по мере роста производства за счет подключения новых источников данных, автоматизации части процессов производства, внедрения подсказчиков производства на базе нейросетевых технологий, включения в периметр системы новых производственных объектов и развития интеграции с блоками единой системы управления производством ERP.

В 2025 году на машиностроительном рынке наблюдался заметный рост. Суммарное производство в некоторых машиностроительных отраслях оказалось на 7,4% выше уровня декабря 2024 года. Однако к сентябрю суммарный рост именно промышленного производства составил всего 0,8% за 9 месяцев, тогда как годом ранее этот показатель превышал 5%. Уже в 2026 году возможно снижение темпов рыночного роста. Требования регуляторов ужесточают условия, и теперь на первый план выходит эффективность производства, возможная за счет цифровизации и автоматизации.

Среди основных ИТ-трендов в машиностроительной отрасли аналитики выделяют несколько направлений. Первое из них касается внедрения отечественных PLM/CAD/CAM/CAE-систем. Российские машиностроительные предприятия внедряют отечественные системы управления инженерными данными, проектирования и производства, чтобы заменить зарубежные решения.

Второе направление заключается в импортозамещении инженерного ПО. Согласно дорожной карте «Новое индустриальное ПО», утвержденной Правительством РФ, машиностроительной отрасли необходимо обеспечить технологический суверенитет по критическим узлам, а доля российского промышленного ПО должна достичь 90% к 2030 году. Но переход на отечественные решения тормозится состоянием инфраструктуры: по результатам совместного исследования К2Тех и аналитического центра при Минпромторге РФ ФГАУ ЦИТ, лишь у 7% компаний она полностью готова к масштабированию и нагрузкам. Разрозненные решения, накопленные годами, затрудняют интеграцию и создают эффект «лоскутного одеяла». При этом 70–80% ИТ-бюджета все еще уходит на поддержание текущих систем и инфраструктуры, а не на новые проекты.

Наблюдается автоматизация учета и управления ресурсами. Машиностроительные компании заменяют SAP на отечественные решения, чаще всего 1C:ERP.

Происходит и автоматизация производственных площадок. Промышленность внедряет MES/SCADA-системы управления, IoT-датчики для мониторинга состояния оборудования и системы технического зрения для контроля качества продукции (сбор телеметрии с валов и двигателей), моделирование (прогноз нагрузки и усталости материалов) с помощью CAE, «умную сборку» с алгоритмами машинного зрения (контроль сварных швов), а также решения допечатных технологий (3D-печать прототипов, авиатильных деталей). Мониторинг в реальном времени позволяет перейти от плановых ремонтов к обслуживанию по фактическому состоянию, сокращая простои. Контроль энергопотребления каждого станка помогает экономить ресурсы, а системы технического зрения снижают процент брака.

Наконец, промышленная роботизация. Растет использование станков с ЧПУ и промышленных роботов российского производства для сварки, сборки и покраски.

Как отмечают эксперты, в перспективе трех-пяти лет конкурентное преимущество будут иметь компании, наиболее активно внедряющие ИТ и готовые к реализации пилотных проектов на основе инновационных технологий. Переход на отечественные решения и необходимость развития собственной базы продуктов станет драйвером компаний для поиска партнеров: возникнут новые технологические альянсы между производителями, ИТ-компаниями и ИТ-интеграторами, которые смогут обеспечить комплексную поддержку и развитие уже работающих решений.

Несмотря на общее сокращение количества вакансий в ИТ, остается большой спрос на опытные кадры. Особенно востребованы DevOps-инженеры, разработчики ПО, мидл- и синьор-специалисты в области ИИ, машинного обучения, аналитики данных и кибербезопасности.

Отдельным приоритетом становится работа с молодежью и системой образования. Если раньше участие бизнеса в подготовке студентов во многом было инициативой самих компаний, то теперь эта работа становится системной и ведется совместно с государством и вузами. Такой подход позволяет не только увеличивать кадровый резерв, но и сокращать разрыв между требованиями рынка и навыками выпускников.

Существенный фактор, который также влияет на HR-процессы и рынок труда в целом, — это искусственный интеллект. ИИ может взять на себя рутинные задачи в HR, но он не заменит человека там, где нужно понимать психологию людей, разрешать конфликты, формировать команды и принимать стратегические решения. Как отмечают эксперты, автоматизация освобождает HR для главного — формирования культуры, которая позволит привлекать таланты, развивать компетенции будущего и создавать гибкость.

Сегодня HR не ограничивается наймом, адаптацией и кадровым сопровождением, а играет гораздо более стратегическую роль, непосредственно влияя на устойчивость бизнеса. В 2025 году 65% крупных российских компаний отметили рост ценности HR и усиление его влияния на бизнес. В условиях нестабильности ИТ-рынка эффективное развитие специалистов, их мотивация и формирование команд под ключевые проекты становятся решающими для финансовых результатов и будущего успеха компаний.

Ежемесячно «Ростелеком» совершает миллионы звонков клиентам с использованием робота-оператора, однако часть вызовов перехватывается автоответчиками и голосовыми помощниками. Эти сервисы, изначально созданные для защиты от спама и мошенников, стали барьером для получения важной финансовой информации. Внедренная ML-модель анализирует аудиопоток и метаданные звонка в реальном времени и соединяет робота-оператора или специалиста контакт-центра только с реальными абонентами. Точность детектирования составляет 90%. Это позволяет оптимизировать коммуникации с клиентами по вопросам просроченной задолженности, сократить расходы на телефонию, а также высвободить рабочее время операторов контакт-центра, которые ранее тратили его на прослушивание автоответчиков.

Как отмечает Илья Курцев, директор Центра кредитного контроля «Ростелекома», из-за умных ассистентов, которые имитируют человеческую речь, компания тратила колоссальные ресурсы на звонки, которые не доходили до адресата. Благодаря решению VS Robotics удалось «пробить» эту цифровую стену, чтобы своевременно донести информацию о состоянии счета непосредственно владельцу, а не его голосовому помощнику. Это повышает эффективность коммуникаций и оптимизирует расходы контакт-центра.