Новости

В процессе масштабирования бизнеса «Лемана Тех» столкнулась с технологической фрагментацией: каждая команда разработчиков использовала собственный подход к развертыванию Kubernetes-кластеров. Инфраструктура распределялась по разным дата-центрам и облакам (OpenStack, vSphere и Yandex Cloud), что приводило к усложнению управления, росту затрат на поддержку и рискам для отказоустойчивости. Кроме того, отсутствие единой панели мониторинга затрудняло оперативное реагирование на инциденты.

Для решения этих задач была выбрана Deckhouse Kubernetes Platform (DKP), разработанная компанией «Флант». Платформа предназначена для унифицированного развертывания, управления и эксплуатации Kubernetes-кластеров поверх различных типов инфраструктуры — в частных и публичных облаках, виртуализированных средах и дата-центрах.

Ключевой эффект внедрения заключался в создании единой плоскости управления для гибридной инфраструктуры. С помощью DKP команда заказчика успешно управляет кластерами, размещенными у различных облачных провайдеров и на разных инфраструктурных площадках. Это позволило упростить масштабирование, сократить объем ручных операций и обеспечить единообразный подход к развертыванию и сопровождению кластеров независимо от среды размещения.

Существенную роль в проекте сыграли встроенные возможности Deckhouse Kubernetes Platform по обеспечению отказоустойчивости, автоматизации и наблюдаемости. Автоматизация типовых операций и механизмы автоматического масштабирования снизили операционную нагрузку на инженерные команды и ускорили выпуск обновлений. Инструменты мониторинга и логирования, входящие в состав платформы, дали заказчику удобный доступ к метрикам и событиям по всем кластерам и приложениям.

Сейчас у «Лемана Тех» в промышленной эксплуатации находятся более 100 production-кластеров и свыше 4 тыс. узлов, созданных через внутренний портал самообслуживания. При этом управлением всей этой инфраструктурой занимается команда из 6 специалистов.

Реализованный проект подтверждает статус гибридной инфраструктуры как нового индустриального стандарта для enterprise-сегмента. Единый архитектурный контур дает крупному ретейлу инструмент для стабильной работы высоконагруженных сервисов при оптимальных затратах на поддержку. Платформа консолидирует управление любыми провайдерами и гарантирует технологическую независимость бизнеса.

Производственные мощности «ИДС Боржоми» включают шесть площадок в России, обеспечивающих широкий географический охват и устойчивость цепочки поставок. До начала проекта закупки компании были распределены между тремя различными информационными системами, Excel-таблицами и электронной почтой. Отсутствие единой цифровой среды усложняло сбор сквозной аналитики и затрудняло оперативную оценку сроков поставок.

Переход на единую цифровую платформу позволит не просто ускорить процедуру закупок, но и сформировать понятную, управляемую систему. Теперь специалисты видят весь цикл сделки в одном интерфейсе и могут с помощью инструментов аналитики принимать решения на основе объективных данных.

Специалисты «Норбит» перенесли в новую SRM сквозной цикл процесса закупки: от формирования потребности и проведения тендерных процедур до подписания договора и контроля его фактического исполнения. Для создания бесшовной рабочей среды решение интегрировали с ключевыми системами в ИТ-ландшафте – 1С:ERP, системой электронного документооборота, электронной торговой площадкой Bidzaar и сервисом проверки контрагентов «Контур.Фокус». Разработаны отчеты, которые позволяют визуально оценить качество процессов.

В результате проекта 100% закупок компании будут проводится по единым правилам. Ожидается, что средняя продолжительность закупочного цикла снизится на 20% – с 35 до 28 дней. Трудоемкость ручных операций также сократится на 20%. Единым процессом управления в SRM будет охвачено не менее 98% закупочных затрат компании. В дальнейшем «ИДС Боржоми» планирует развивать аналитические инструменты и расширять автоматизацию закупочных процессов на базе единой платформы.

Альфа-Банк построил инфраструктуру для бизнес-критичной платежной системы СБП, включающей оплату по QR-коду. Система построена на базе российской СУБД Postgres Pro Enterprise с использованием встроенного отказоустойчивого кластера BiHA. Архитектура создана с нуля на отечественном ПО без внешних компонентов кластеризации. Такой подход соответствует стратегии импортозамещения и снижает эксплуатационные риски.

В основе проекта лежало несколько ключевых требований. Принципиальным из них было создание системы сразу на российском стеке без использования зарубежного ПО. Также перед командой стояла задача обеспечить отказоустойчивость уровня Business Critical, гарантию сохранности каждой транзакции при сбое и избежать добавления лишних компонентов.

Ранее в системах с менее строгими требованиями к доступности банк использовал внешнее ПО для управления кластером, которое требовало отдельной поддержки и настройки. Для платежной инфраструктуры Альфа-Банк отказался от внешнего ПО в пользу встроенного решения — Postgres Pro Enterprise с механизмом высокой доступности BiHA. Отказ от внешних инструментов кластеризации продиктован стремлением сократить число потенциальных точек отказа и упростить сопровождение. Единая поддержка СУБД и механизма высокой доступности от одного вендора дополнительно снимает вопросы о зоне ответственности при инцидентах.

Банк развернул кластер по схеме 2 + 1. Основной узел обрабатывает все операции записи, синхронная реплика обеспечивает дублирование данных в реальном времени, что гарантирует их сохранность при выходе основного узла из строя. Третий узел выполняет функцию арбитра, исключая возможность возникновения конфликтной ситуации с двумя активными лидерами. Балансировка нагрузки осуществляется через JDBC-драйвер без использования внешнего балансировщика.

Для оптимизации производительности запросов используется модуль pgpro_pwr, который помогает выявлять наиболее ресурсоемкие операции. Для управления кластером банк тестирует Postgres Pro Enterprise Manager — инструмент с графическим интерфейсом для переключения BiHA-кластера, призванный упростить работу круглосуточной дежурной смены.

Тестирование СУБД заняло около месяца. Особое внимание уделили сценариям аварийного переключения: под нагрузкой отключались узлы, проверялась корректность обработки всех транзакций. Все failover-тесты пройдены успешно.

По итогам нагрузочного тестирования кластер показал производительность 25 тыс. TPS при объеме базы около 1 Тбайт. Ожидаемая промышленная нагрузка примерно в два раза ниже достигнутого максимума, что обеспечивает запас прочности.

В результате Альфа-Банк получил не только отказоустойчивую СУБД на российском промышленном стеке, но и управляемую архитектуру. Отказоустойчивый кластер BiHA объединил промышленную СУБД, механизм высокой доступности и поддержку вендора в одном решении, что для систем подобного класса снижает эксплуатационные риски и делает поведение кластера более предсказуемым.

MLSecOps (Machine Learning Security Operations) — подход, объединяющий машинное обучение, DevOps и информационную безопасность. Он подразумевает, что безопасность ИИ-систем обеспечивается на каждом этапе их жизненного цикла, начиная от самых ранних этапов разработки до эксплуатации. Внедрение MLSecOps позволяет существенно снизить ИБ-риски. Результаты исследования говорят о том, что пока эта методология не стала общепринятым стандартом управления безопасностью ИИ в российских компаниях.

Как отмечают аналитики, рынок MLSecOps находится на этапе становления, и единая зрелая практика пока еще не сформировалась. Защитные подходы и специализированные решения появляются разрозненно, прежде всего в тех областях, где риски уже проявились на практике и стали ощутимыми для бизнеса, разработки и ИБ-команд. Ситуация осложняется тем, что задачи безопасности ИИ-систем распределены между несколькими уже существующими функциями: безопасностью разработки, защитой данных, контролем инфраструктуры, мониторингом эксплуатации и расследованием инцидентов. Именно поэтому безопасность ML-разработки невозможно эффективно выстроить без постоянного взаимодействия ИБ-отдела с командами по исследованию данных. Значительная часть рисков возникает не только в инфраструктуре, но и непосредственно в данных, пайплайнах обучения, логике валидации и процессе поставки модели в промышленную среду.

Из-за скорости развития технологий рынок решений по безопасности ИИ очень динамичен: меняется набор инструментов, которые нужно защищать, параллельно растет набор угроз, которые необходимо предотвратить. Если еще недавно речь шла о защите от джейлбрейков и утечке персональных данных в чатах, то сейчас необходимо обнаруживать потенциально опасные действия код-ассистентов и вредоносный код в агентных навыках. Роль ИБ-вендора в данном случае — отслеживать ландшафт угроз и оперативно реагировать на его изменения: понимать, какие из рисков уже закрываются имеющимися решениями (например, они адаптируются для поиска вредоносных закладок в открытых моделях), для каких необходимо реализовывать продукты в новых классах (например, AI Firewall), а где первоочередную роль играют повышение осведомленности среди пользователей и разработчиков инструментов на базе машинного обучения — в частности, путем создания руководств, регламентов и обучающих курсов.

Не все российские организации оперативно внедряют необходимые меры контроля за ИИ-системами. Только у трети компаний есть централизованный реестр моделей. Отсутствие такого реестра повышает риск запуска непроверенного артефакта, зависимости от неизвестного источника или уязвимости в цепочке поставок.

Централизованный каталог датасетов есть меньше, чем у половины (43%) компаний. С точки зрения безопасности датасеты — это не вспомогательный ресурс, а фундамент. Именно через них в AI/ML-контур могут проникнуть ошибки, а также могут произойти утечки, нарушения прав доступа и возникнуть риски скрытого изменения поведения модели.

Контроль версий моделей реализован у 61% компаний. Значительная доля компаний, не владеющих информацией о наличии контроля версий моделей, косвенно показывает, что AI/ML-ландшафт во многих организациях пока еще не собран в единый операционный контур. Если процессы существуют, но не воспринимаются как заметный элемент архитектуры, это указывает на размытость ответственности между командами разработки, управления данными, ИТ и ИБ.

Рынок уже научился переносить на ИИ часть зрелых практик классического ИБ- и ИТ-управления. Однако из-за отсутствия устоявшихся методологий защиты некоторые аспекты безопасности остаются без внимания. Так, контроль доступа и доставки (фундаментальная практика ИБ) есть у большинства (59%) компаний. Однако наличие базовых практик не гарантирует защищенность ИИ-среды. Для достижения высокого уровня безопасности требуется расширение зон контроля: защита наборов данных, контроль промптов, обучение модели и т.д. Защиту датасетов внедрили 46% компаний. Ее отсутствие означает, что компания фактически оставляет без контроля основу будущего поведения модели.

Высокая доля внедрения ролевой модели доступа показывает, что для большинства компаний тема управления ИИ уже вошла в область корпоративного управления. Это важный маркер зрелости: рынок начинает понимать, что доступ к модели, датасетам, inference-сервисам и связанным с ними артефактам должен регулироваться так же строго, как и доступ к критически важным ИТ-системам.

При этом наиболее слабым звеном в системе защиты ИИ остается мониторинг drift: только 15% компаний внедрили его, еще 15% пилотируют, а у 70% он вовсе отсутствует. Это один из самых важных результатов, потому что именно мониторинг drift отделяет «формально работающую» модель от реально управляемой.

В проектах «Гарден Сити» одновременно участвуют архитекторы, инженеры, снабженцы, строители, авторский надзор, сервисные подразделения и команды благоустройства. Работы распределяются по исполнителям на «Agile-досках»: на тикетах указывается плановая и фактическая загрузка, статус выполнения. Внутренние обращения также фиксируются в системе и направляются ответственным сотрудникам.

Для хранения регламентов, проектных наработок и шаблонов документов в «Гарден Сити» подключили «Базу знаний». Нужные материалы сотрудники находят по меткам и связям между статьями.

Основой для цифровизации внутренних процессов компании служит платформа Directum RX. Когда в «Гарден Сити» появилась необходимость в инструменте для проектной работы, предпочтение отдали продукту той же экосистемы.

В результате был сделан заметный шаг от системы электронного документооборота к единой цифровой среде компании. Удалось создать новую корпоративную культуру, выведя работу пользователей на новый уровень. В результате на 70% ускорены бизнес-процессы, а экономия составила 400 тыс. руб.

Главной сложностью компании называют высокую стоимость ИТ-оборудования, прежде всего оперативной памяти и графических ускорителей: об этом сообщили 28% респондентов. По 18% опрошенных сталкиваются с трудностями при поиске оборудования в нужной конфигурации и с дефицитом запасных частей для ремонта. Еще 19% отмечают необходимость обновления или ремонта техники, 17% — нехватку кадров и инженеров. Среди других барьеров — ненадежность поставщиков, непредсказуемая логистика, отсутствие подходящих площадей и гарантий соблюдения сроков поставки.

Компании с гибридной инфраструктурой сталкиваются с такими проблемами чаще пользователей публичного облака: хотя бы одну сложность отметили 72% и 69% респондентов соответственно. Наиболее заметна разница в оценке стоимости оборудования — 34% против 21%. Найти технику в нужной конфигурации сложно 23% пользователей гибридной модели и 12% пользователей публичного облака, а с дефицитом запчастей сталкиваются 22% и 13% соответственно. О необходимости обновления или ремонта оборудования сообщили 20% пользователей гибридной инфраструктуры и 18% пользователей публичного облака.

В ближайшие 12 месяцев почти половина рынка ожидает дальнейшего удорожания инфраструктуры. Рост цен на ИТ-оборудование прогнозируют 48% респондентов, на GPU-ресурсы — 47%. Среди ИТ-экспертов доля ожидающих повышения цен достигает 55% по обеим категориям. Одновременно 45% участников исследования считают, что значимость GPU-ресурсов для бизнеса продолжит расти.

На этом фоне компании намерены активнее использовать облачные и ИИ-сервисы. Увеличить потребление услуг ИИ-провайдеров планируют 48% респондентов, платформ для создания ИИ-агентов — 46%. Рост использования облачных систем хранения и обработки данных ожидают 45% компаний, облачных сервисов для работы с базами данных и облачных технологий для бизнеса — по 44%.

Аппетиты к ИИ опережают качество управления и инвестиции. 58% компаний подтвердили, что вообще не включили ИИ в ИТ-стратегию, либо пока рассматривают его только как перспективное направление. Лишь 22% респондентов сформировали цели и закрепили ответственных за развитие ИИ, у 11% есть утвержденная стратегия и всего 9% выделили под ИИ отдельную структуру.

При этом исследование показало взаимосвязь между зрелостью системы управления ИИ и объемами инвестиций. Так, среди компаний с выделенным ИИ-офисом половина респондентов инвестирует в ИИ от 5% до 15% от ИТ-бюджета, а еще треть — более 15%. В то время как 94% предприятий, где ИИ не упоминается в стратегии, вкладывают в него менее 5% всех технологических расходов.

Все это отражается и на подходах к оценке финансовых результатов: 44% компаний вообще не измеряют эффект от внедрения ИИ, еще 25% отслеживают отдельные показатели, но не связывают их с экономикой бизнеса. В результате, почти 7 из 10 компаний пока не могут показать, что конкретно изменилось в экономике бизнеса после применения ИИ.

Пока сложно с эффектом масштаба

Наиболее частая модель интеграции ИИ в бизнес-процессы — точечное внедрение, через отдельные эксперименты (44%). 22% компаний используют ИИ сразу в нескольких подразделениях, а 14% применяют на постоянной основе в одном или нескольких бизнес-процессах. Встроить ИИ в ключевые процессы как стандартный инструмент работы пока смогли лишь 12% организаций.

Существенным барьером масштабирования ИИ-инициатив остается недостаток инфраструктуры и внутренних компетенций. Почти половина компаний (45%) используют отдельные облачные сервисы и специализированные инструменты под конкретные задачи, тогда как единую масштабируемую ИИ-платформу развивают только 13% организаций.

Внедрение ИИ по-прежнему во многом держится на отдельных специалистах у 48% компаний. Специализированные команды сформированы у 19% респондентов, а программы развития ИИ-компетенций только у 14%. При этом заметна прямая зависимость между навыками и внедрением: в компаниях с высоким уровнем интеграции ИИ в ключевые бизнес-процессы, 88% системно развивают внутреннюю экспертизу в этой технологии.

Безопасность использования ИИ остается зоной риска

Отдельной проблемой остается управление рисками. 47% компаний не имеют внутренних правил или политик, регулирующих применение искусственного интеллекта. Еще 20% находятся на этапе разработки отдельных документов. Только 13% организаций внедрили политики по работе с данными и этике использования ИИ и лишь 17% регулярно оценивают риски и применяют меры защиты.

Даже среди крупнейших компаний с выручкой свыше 10 млрд руб. почти половина не имеет формализованных правил использования ИИ. Это показывает, что масштаб компании сам по себе не гарантирует готовности управлять рисками технологии.

Компании рассматривают ИИ прежде всего как инструмент повышения эффективности в тех процессах, где есть данные, проще встроить технологию в работу и быстро получить измеримый бизнес-результат. Поэтому основные инвестиции в ИИ в ближайшие годы, вероятно, будут направлены на те сценарии, в которых легче пройти путь от работающей модели до понятной экономики.

Правительство Республики Марий Эл более семи лет использует продукты Directum. В системе Directum 5 работали все 23 органа исполнительной власти региона, Администрация и подведомственные учреждения. Новые федеральные стандарты цифровизации потребовали от региона перехода на более гибкую и масштабируемую платформу. В качестве такого решения был выбран Directum RX. Ключевой задачей стало перевести всех пользователей максимально быстро, исключив параллельную работу в двух системах.

В рамках проекта, реализованного в правительстве Марий Эл, в «цифру» перевели работу с входящими и исходящими документами, обращениями граждан, приказами, распоряжениями, служебными записками и исполнением поручений. В ходе внедрения разработали сквозной маршрут согласования исходящих писем с Администрацией главы, скорректировали порядок работы с обращениями граждан и др.

Работы велись на предварительно развернутом тестовом контуре. Благодаря преимуществам no-code платформы большинство настроек выполняли сотрудники подведомственного учреждения без привлечения вендора.

В планах правительства — подключение к работе на базе платформы Directum RX новых организаций, интеграции с РВД, ПОС и Р7-Офис, а также внедрение ИИ-инструментов в основные процессы.

Одной из ключевых задач проекта стало создание централизованной среды виртуальных рабочих мест. Основным сценарием для РусГидро являлось не подключение пользователей к физическим удаленным компьютерам, а предоставление рабочих столов из серверной инфраструктуры. Виртуальные рабочие места создаются на основе эталонного «золотого» образа, что позволяет централизованно управлять пользовательской средой, унифицировать ее конфигурацию и упростить сопровождение рабочих мест.

Одним из важных критериев при выборе VDI-платформы стало наличие у вендора собственного протокола удаленного доступа. В Termidesk VDI используется собственный проприетарный протокол TERA, предназначенный для подключения пользователей к виртуальным рабочим столам и приложениям.

Еще одним существенным требованием стала возможность работы VDI-платформы с различными отечественными системами виртуализации. Это позволяет использовать Termidesk VDI в гетерогенной инфраструктуре и дает больше возможностей при выборе и развитии базовой платформы виртуализации.

Также для Группы РусГидро была важна поддержка публикации приложений. Помимо предоставления полноценных виртуальных рабочих столов, платформа позволяет централизованно предоставлять пользователям отдельные корпоративные приложения без необходимости выделять для этого полный виртуальный рабочий стол.

Отдельной задачей проекта стало обеспечение функциональности, необходимой для перехода с ранее используемых решений Citrix. На момент начала проекта отдельные возможности Termidesk VDI требовали развития с учетом требований заказчика. Необходимый функционал был реализован в рамках доработок со стороны вендора, что позволило адаптировать платформу к существующим сценариям эксплуатации и обеспечить требуемые РусГидро возможности.

В результате внедренная система обеспечила централизованное предоставление виртуальных рабочих мест и корпоративных приложений пользователям организаций компании независимо от их территориального расположения. Для РусГидро с ее географически распределенной инфраструктурой внедрение VDI позволяет использовать единый подход к организации рабочих мест в разных регионах страны.

Российский облачный рынок уже не первый год входит в число наиболее динамично растущих сегментов ИТ-сферы. Так, по итогам 2025 года объем облачных сервисов увеличился на 29%, достигнув 96 млрд руб. Эксперты прогнозируют сохранение этой тенденции с ежегодным приростом не менее 30% в ближайшие два года. За этой динамикой стоит глубоко структурированный подход бизнеса.

Облачная стратегия в 2026 году, как подчеркивают эксперты DataSpace Cloud, строится на прагматичном распределении нагрузок. Разделение на облачные и локальные ландшафты уходит в прошлое: российские предприятия все чаще разворачивают инфраструктуру в смешанных средах, и это становится новой отраслевой нормой. По оценкам экспертов, около 50% заказчиков выбирает именно гибридный подход, распределяя нагрузку между облаком и локальными мощностями.

Так, в приватном контуре сегодня остаются преимущественно legacy-системы с жесткой привязкой к оборудованию, проприетарные базы данных, а также монолитные приложения, реорганизация которых обойдется дороже, чем их эксплуатация на существующих мощностях. Кроме того, on-premise все еще сохраняет позиции в высокопроизводительных производственных системах с высокими требованиями к задержкам.

Публичное облако, напротив, становится основной средой для большинства рабочих нагрузок – веб-приложений, CRM, корпоративных сервисов, маркетинговых систем, а также аналитических платформ и AI/ML-нагрузок. Возможность мгновенно масштабировать ресурсы под переменный спрос без капитальных инвестиций в избыточные мощности делает эту модель для бизнеса сегодня экономически наиболее предпочтительной. Кроме того, отдельного внимания заслуживает сегмент регулируемых систем, включая банковские решения, обработку персональных данных, которые благодаря сертифицированной облачной инфраструктуре провайдера успешно переносятся в облачные контуры, избавляя компании от затрат на собственный комплаенс.