Новости

30% респондентов отмечают сильный разрыв между ожиданиями руководства и реальностью: от ИИ ждут быстрых результатов, хотя данные и инфраструктура не готовы. У 49% компаний ожидания руководства лишь частично соответствуют текущим возможностям. Полное соответствие отметили 5% участников исследования. Оставшиеся 16% вообще не смогли оценить этот критерий. При этом управление ИИ не везде выстроено как отдельный процесс. В 19% компаний формально не закреплена ответственность за риски использования генеративного ИИ, а у 23% нет системного управления ИИ с политиками, ролями и контролем. Еще 30% оценивают эффективность такого управления без формальных метрик — по тому, как идет процесс.

Одно из препятствий для достижения быстрого и измеримого результата от внедрения ИИ — низкое качество данных. Для 30% оно стало главным барьером. Полностью готовыми свои данные считают лишь 5%. У 46% компаний они готовы частично и требуют доразметки, очистки или объединения из разных источников. Решение этих задач не всегда получает отдельное финансирование. В 37% компаний бюджет на управление данными и ИИ не выделяется — работы ведутся в рамках текущих ИТ-задач. У 33% респондентов бюджет вырос на 10–30%, и только 14% сообщили о заметном увеличении – более чем на 50%.

Дополнительный вопрос для промышленных компаний — готовность data-инфраструктуры к новым требованиям регулирования ИИ. Многие из них относятся к КИИ, поэтому требования закона распространяются на них. Полностью готовыми к нему считают себя 12% респондентов. Частично готовыми назвали себя 48%, им требуется доработка процессов и платформ. Еще 21% ожидают значительной трансформации data-ландшафта, а 19% на момент исследования еще не проводили оценку.

Ограничения есть и на уровне вычислений. Для 27% опрошенных именно недостаток мощностей стал главным из них. 24% арендуют GPU у сторонних провайдеров, 21% сочетают собственные мощности с облаком для пиковых нагрузок и еще 21% располагают собственными GPU-кластерами с достаточным запасом ресурсов. Для промышленных компаний это сигнал, что вычислительную инфраструктуру нужно планировать так же системно, как данные и управление ИИ-рисками, выбирая баланс между собственными, арендованными и гибридными ресурсами под конкретные сценарии. Иначе дефицит мощностей станет еще одной причиной, по которой ожидания руководства от ИИ не совпадут с реальностью, даже если данные и процессы уже частично готовы.

Еще одно ограничение — недостаток качественных специалистов и экспертизы. ИИ уже рассматривается как компонент операционной устойчивости, и 38% крупных компаний занимаются разработкой собственных ИИ-решений для внутренних процессов. При этом 75% из них не умеют делать их безопасными для бизнеса — их процессы не соответствуют стандарту управления безопасностью ИИ-разработки — MLSecOps. С управленческой точки зрения эти результаты демонстрируют разрыв: темпы внедрения ИИ уже опережают зрелость процессов, необходимых для контроля связанных с ним рисков. Рынок MLSecOps находится на этапе становления во всем мире, и компании пока не понимают, как защищать собственные ИИ-разработки самостоятельно, и предпочитают отдавать этот блок работ внешним подрядчикам.

В ходе конвертирования расплав в конвертере разделяется на несколько продуктов конвертирования разной плотности и температуры: под более легкой фазой с другим составом оказывается более тяжелая. Задача системы – контролировать процесс слива и своевременно фиксировать, когда завершился слив одной фазы, и не допустить попадание другой фазы расплава. Ошибки приводят к потерям цветных металлов и усложняют последующую переработку. Похожий принцип работает при отделении сливок от молока, у которых разная плотность, только там разделение идет при обычной температуре, а на промышленном предприятии в расплаве при температуре в сотни градусов, и именно разницу температур разных продуктов в потоке считывают камеры.

Система по данным инфракрасных камер распознает переход потока от одной фазы расплава к другой и информирует оператора об изменении состава потока для контроля процесса слива конвертера. Данная технология развивает подход, применяемый в металлургии, преимущественно в сталеплавильном производстве за рубежом, но уже для конвертирования медных штейнов.

Изначально решение задумывалось как самостоятельный инструмент контроля сливов, но по мере развития стало частью экосистемы «Цифровой помощник металлурга», в которую также входят уже реализованные модули: рекомендации по подаче в конвертер оптимального количества флюсующих материалов, контроль фактического объема добавляемых флюсующих материалов с помощью оптических весов на конвейерной ленте, определение оптимального времени завершения процесса продувки.

На одной из ключевых производственных площадок в Норильске уже был реализован прототип системы видеоконтроля сливов для одного конвертера. Задачей в рамках тиражирования стала его существенная переработка. Команда «Рексофт» полностью переписала ядро и логику решения, а также процесс CI/CD и обучения моделей, что упростило перенос решения на другие конвертеры и повысило точность. Такой подход облегчает тиражирование данного решения на другие предприятия. До внедрения решения оператору приходилось вручную переключать тип операции в системе, что было сопряжено с риском некорректного фиксирования данных. В новой версии система определяет тип операции автоматически, без участия оператора, что позволяет автоматически скорректировать параметры модели.

Разработка и промышленные испытания системы ИК-детектирования показали, что для промышленного компьютерного зрения видимый диапазон – не единственный источник получения данных для контроля сливов расплава. Технология одинаково успешно работает и в ближнем, и среднем ИК-диапазонах, и в других спектральных диапазонах.

Анализ работы конвертеров в режиме реального времени с помощью видеоаналитики дает возможность извлекать большой объем дополнительной информации о самом производственном процессе – от состояния горловины конвертера до типа выполняемой операции (слив, заливка, продувка, прочистка горловины), что позволило создать основу для построения графика работы конвертерного отделения в режиме реального времени.

Корпоративная инфраструктура российского бизнеса в 2026 году демонстрирует заметную перегруженность. В ИТ-ландшафте каждой второй компании (53%) встречаются по две инфраструктурные платформы одного класса, еще у 30% — по три и более. Только 17% организаций во время опроса отметили, что имеют по одной платформе каждого типа.

Многоплатформенность внутри класса усложняет контроль над корпоративным ИТ-ландшафтом. В 2026 году треть компаний (33%) управляют инфраструктурным стеком преимущественно вручную или вообще не делают этого. Частичная автоматизация реализована у 46% организаций. Результаты исследования OCS указывают на формирование разрыва между сложностью корпоративной ИТ-инфраструктуры и возможностями контроля входящих в нее систем. Однако несколько одноклассовых решений внутри контура не всегда говорят об архитектурных проблемах. В крупных распределенных средах несколько решений одного класса могут быть осознанным выбором: для разных вариантов нагрузок, площадок, требований к отказоустойчивости или регуляторных контуров.

Бизнес стремится повысить управляемость корпоративного программного обеспечения. 27% компаний видят развитие ИТ-инфраструктуры в 2026 году как сокращение числа платформ-дублей. Большая «чистка» инфраструктурного ПО — прямое следствие ключевых целей, которые бизнес установил на 2026 год в отношении инфраструктурного софта. Компании фокусируются на оптимизации затрат (40%) и упрощении управления (26%). Сокращение числа платформ-дублей позволяет решить обе задачи: уменьшить бюджет на поддержание внедренных инфраструктурных систем, а также облегчить контроль над используемыми в организации решениями.

Как подчеркивают аналитики, сегодня проект цифровизации выглядит скорее как сокращение числа систем внутри класса, а не добавление новых решений. Бизнес стремится оптимизировать расходы, а расчистка перегруженной ИТ-инфраструктуры помогает достижению цели в краткосрочной и среднесрочной перспективах. Вероятнее всего, компании продолжат фокусироваться на повышении управляемости ИТ-инфраструктуры и в 2027 году: работы над расчисткой инфраструктурного софта — это также подготовка к будущим проектам цифровизации бизнеса.

На старте проекта, начатого ДКС, специалисты «Норбит» сохранили весь накопленный массив информации и в сжатые сроки воспроизвели ключевую функциональность фронт-офиса. Был обеспечен бесшовный переход для сотен сотрудников по всей географии присутствия, создана единая база, аккумулирующая всю историю по проектам, контрагентам и объектам.

Особое внимание уделили управлению сложными продажами под ключ – от подготовки и расчета спецификаций до многоступенчатого согласования коммерческих предложений. Также наладили корректную работу с местными валютами для филиалов в Казахстане. Настроили автоматический обмен данными между новой CRM и корпоративным хранилищем SAP Business Warehouse. Информация автоматически попадает в управленческие дашборды, которыми пользуется топ-менеджмент, обеспечивая прозрачную сквозную отчетность.

После миграции и успешного запуска в промышленную эксплуатацию проектная команда перешла к развитию системы и расширению ее функциональности. В рамках проекта были перестроены и ускорены сервисные процессы фронт-офиса: обращения клиентов и внутренние заявки обрабатываются в едином окне, маршрутизация автоматизирована. Массовое обновление данных контрагентов переведено в пакетный режим, что позволило исключить ручной ввод по каждой карточке. Доработан продуктовый каталог, где создана сложная иерархия категорий, произведена настройка виртуальных таблиц для качественной работы с номенклатурой. В дальнейших планах – углубление аналитики и масштабирование на смежные подразделения.

Внедренная Аэрофлотом платформа позволяет полностью отказаться от импортных ИТ-продуктов и упрощает взаимодействие структурных подразделений авиакомпании на разных этапах — от планирования рейса в расписании до его выполнения. Программное обеспечение создано специалистами «Центурион-Инновации». Оно заменяет собой разрозненные системы и нивелирует потери времени на интеграционное взаимодействие между ними.

Единая производственная платформа Ops Dynamics включает три блока: управление расписанием и слот-координацией, управление суточным планом полетов и обеспечение стыковок пассажиров. В новой системе автоматизированы ключевые сквозные процессы Аэрофлота: от создания сезонного расписания, согласования слотов с аэропортами по маршрутной сети до выполнения конкретного рейса. Бесшовная интеграция между модулями обеспечивает эффективное взаимодействие между подразделениями авиаперевозчика, повышает скорость принятия решений и позволяет отслеживать все изменения в едином информационном пространстве.

В конце октября планируется запустить блок обеспечения стыковок пассажиров. Он автоматизирует переоформление трансферных пассажиров, которые не попали на стыковочные рейсы. 

Всего за первое полугодие Solar JSOC выявил 742 тыс. подозрений на инциденты – примерно на 40% больше, чем годом ранее. Таким образом, на один подтвержденный инцидент приходилось около 43 подозрений. Доля сетевых атак (попыток получить доступ к компьютерным сетям или исследовать их для поиска уязвимостей) и разведки среди подтвержденных инцидентов выросла с 3% до 24%, а на атаки с использованием вредоносного ПО пришлось 53% инцидентов – на 21% больше, чем годом ранее. Остальные 23% пришлись на инциденты другого типа вроде утечек данных, несанкционированного доступа и т. д.

По данным «Солара», ИИ позволяет автоматизировать практически всю цепочку атаки: от разведки и поиска уязвимостей до создания вредоносного ПО и действий внутри инфраструктуры. ИИ-агенты могут искать и проверять уязвимости и собирать эксплойты в реальном времени. При этом код может изменяться непосредственно во время атаки, а команды могут передаваться через API публичных ИИ-сервисов и выглядеть как обычная активность пользователей.

Использование ИИ в атаках фиксируется на практике. Например, в июле 2026 года эксперты сервиса защиты веб-приложений Solar WAF зафиксировали рекордное количество инициированных с использованием ИИ сканирующих веб-атак (417 млн). Кроме того, выяснилось, что злоумышленники научились маскировать свою активность под публичные ИИ-агенты вроде ChatGPT, DeepSeek или Claude, усложняя их выявление. А в центре мониторинга внешних цифровых угроз Solar AURA обратили внимание на переток фишинговых ресурсов в доменные зоны, где инструменты автоматизации позволяют ускорять регистрацию вредоносных ресурсов. По данным Solar, признаки применения ИИ для генерации вредоносного ПО эксперты центра обнаруживали при расследовании целевых атак еще в 2025 году. В компании прогнозируют, что профессиональные группировки будут использовать ИИ-агентов как для подготовки, так и для управления сложными атаками.

Ранее для оперативного и регламентированного учета в «Альфе» использовалась устаревшая мастер-система 1C:УПП, в которой было реализовано более 250 интеграционных методов для обмена данными с системами и сервисами: 1С:ЗУП, WMS, MDM собственной разработки, BI, TMS, сервисы поклажедателей, ЭДО, «Честный Знак», маркетплейсы, портал B2B. Разные форматы, протоколы обмена и недостаточная документированность интеграций затрудняли сопровождение и развитие системы. При работе с маркетплейсами большая часть операций выполнялась вручную, а архитектура системы затрудняла адаптацию интеграций к требованиям торговых площадок.

Управление нормативно-справочной информацией было рассредоточено в четырех программах, не было единой методики ввода артикулов, бренда, весогабаритных характеристик, штрихкодов и логистических параметров. Это приводило к ошибкам в отгрузках клиентам, перемещениях товаров между региональными складами, импортных поставках, учете брака.

Перемещение товаров между региональными складами не было автоматизировано: отсутствовали единые логистические цепочки и регламенты возврата. Подключение новых складов занимало от двух недель до трех месяцев.

Себестоимость рассчитывалась в электронных таблицах, более 80% расходов распределялось вручную. Данные для выставления счетов формировались с использованием WMS и 1С:УПП, сводились вручную с учетом индивидуальных требований поклажедателей, а полный пакет документов отправлялся по ЭДО вручную. Подготовка итоговых данных занимала до пяти дней на одного поклажедателя.

Существенные сложности возникали и при закрытии отчетного периода: в системе в регламентированном учете проводилось порядка 3 млн документов в год или 8 тыс. в день, при этом подготовка данных и исправление ошибок занимали до 14 рабочих дней, а в бухгалтерском и налоговом учете сверка данных могла продолжаться месяцами.

Компании стала необходима новая информационная система, которая позволила бы ускорить и повысить стабильность интеграций с другими сервисами, унифицировать НСИ, повысить точность расчета фактической себестоимости, централизовать биллинг 3PL-услуг, автоматизировать перемещение товаров между распределительными центрами, сократить сроки подготовки данных и закрытие периода. Кроме того, необходимо было автоматизировать кросс-докинг при импортных поставках и сквозной учет маркированной продукции — от приемки до отгрузки.

Для решения поставленных задач была выбрана система 1С:ERP. Партнером по внедрению стала компания «ВЦ Визард-С».

В ходе проекта специалисты поэтапно внедрили 1С:ERP во всех подразделениях компании, стандартизировали интеграции с другими системами, реализовали передачу и обработку более 270 интеграционных методов, разработали универсальный коннектор для BI-систем, методику интеграции с поклажедателями, в том числе личный кабинет с использованием единого формата обмена, задокументировали разработанные интеграционные контракты. Кроме того, были разработаны единые методики ведения складов с учетом площадок и направлений бизнеса, а также номенклатуры с учетом артикула, бренда, весогабаритных характеристик, штрихкода и логистических параметров.

В результате реализации проекта стабильность интеграционных обменов повысилась, скорость обработки сообщений выросла на 12%. Снизились потери при передаче интеграционных сообщений, скорость разработки новых BI-отчетов увеличилась в два раза.

Унифицирована НСИ. Ошибки идентификации номенклатуры при закупке, продаже и 3PL-операциях исключены, результаты инвентаризации обрабатываются за одиин час. Обеспечена прослеживаемость номенклатуры во всех системах.

Реализовано единое окно для работы с маркетплейсами, автоматизированы операции с ценами и остатками, а также отражение первичных документов с учетом особенностей моделей FBS и FBO. Организовано оперативное управление перемещениями товаров между региональными распределительными центрами с передачей данных в режиме реального времени. В 1С:ERP настроен автоматический расчет себестоимости, что позволило отказаться от ручного распределения расходов, доля которого ранее превышала 80%. Получить корректную фактическую себестоимость теперь можно за два часа, а не за три дня, как это было ранее.

Операции кросс-докинга при импортных поставках оформляются в пять раз быстрее. Процесс автоматизирован и оптимизирован за счет сквозной интеграции 1С:ERP с WMS, что позволило отказаться от большого количество ручной работы. Выстроен сквозной процесс взаимодействия с системой «Честный Знак» — от приемки продукции до отгрузки.

Бухгалтерский и налоговый учет разграничены на уровне первичных документов с единой аналитикой. На сверку уходит на 70% меньше времени. Автоматизировано закрытие периода и подготовка необходимых данных: распределение затрат по направлениям деятельности с учетом показателей работы склада, распределение по импортным поставкам, учет затрат по ДМС. Срок закрытия отчетного периода уменьшился с 14 рабочих дней до одного дня.

В рамках проекта подключаются новые источники, анализируется поступающая телеметрия и настраиваются сценарии обнаружения с учетом архитектуры систем, бизнес-процессов и актуального ландшафта угроз. Тонкая настройка правил корреляции и фильтрация избыточной телеметрии позволяют оптимизировать обработку данных и выстроить более рациональную модель обеспечения безопасности.

В результате мониторинг Skyeng постепенно выходит за рамки контроля отдельных инфраструктурных событий. BI.ZONE SOC помогает выявлять подозрительную активность на уровне приложений и бизнес-процессов, где для корректной интерпретации событий требуется знание специфики конкретной системы.

Развитие мониторинга строится в тесном взаимодействии команд Skyeng и BI.ZONE. Специалисты Skyeng предоставляют экспертные знания об архитектуре и эксплуатации собственных сервисов, а эксперты SOC используют их для настройки детектирования и оценки потенциальных сценариев атак.

Круглосуточный мониторинг и техническое реагирование выполняют эксперты BI.ZONE SOC, поэтому компании не требуется самостоятельно формировать круглосуточную дежурную смену. При этом развитие системы мониторинга остается совместной задачей: Skyeng и BI.ZONE регулярно оценивают качество детектирования, актуальность источников и эффективность используемых сценариев. В результате компания получает возможность последовательно расширять охват мониторинга без пропорционального увеличения объема избыточной телеметрии и затрат на ее обработку.

Отраслевой Центр инженерии данных и технологий искусственного интеллекта (ЦДИ) создан по поручению Правительства России на базе Главгосэкспертизы России. Структурное подразделение приступило к работе 1 июня. Одним из его первых решений стало развертывание закрытого контура для ИИ-сервисов, позволяющего обрабатывать производственную и рабочую информацию без риска передачи данных во внешние публичные системы.

ЦДИ начал с обучения сотрудников и формирования внутреннего спроса на ИИ-инструменты, после чего перешел к разработке и внедрению прикладных сервисов. В фокусе – не замена эксперта, а цифровизация его знаний, сокращение доли рутинных операций и повышение качества аналитической работы.

Ключевой разработкой стал ИИ-ассистент эксперта, который проходит опытную эксплуатацию. Сервис подключается к работе еще до назначения ведущего эксперта: после заключения договора он анализирует комплект проектной документации с использованием большой языковой модели и специализированных запросов, сформированных самими экспертами Главгосэкспертизы.

По итогам анализа система готовит структурированный отчет: выявляет потенциальные нарушения, указывает, на какие разделы документации следует обратить внимание, какие сведения отсутствуют и какие решения соответствуют установленным нормам. Таким образом, к началу непосредственной экспертизы специалист получает предварительную аналитическую основу для дальнейшей работы.

Другой ИИ-инструмент автоматизирует подготовку материалов к совещаниям по объектам экспертизы. Сервис собирает данные из связанных информационных систем, формирует текстовые описания объектов и динамики прохождения экспертизы, а также прогнозирует соблюдение сроков устранения замечаний. Если раньше на сбор такой информации уходило несколько часов, то теперь подготовка занимает несколько минут и выполняется буквально за два клика.

Отдельный пример практического внедрения ИИ – сервис выявления признаков реконструкции на основании технических актов. Он был создан непосредственно экспертами с применением инструментов программирования на базе ИИ. Решение помогает определить случаи, когда объект заявлен на капитальный ремонт, но фактически предполагает реконструкцию, требующую иной процедуры и комплекта документов. Ранее для такой проверки экспертам приходилось вручную изучать многостраничные технические акты с таблицами и мелким текстом; теперь признаки реконструкции выявляются за несколько секунд.

Важной частью стратегии является развитие ИИ-хаба для отрасли. Главгосэкспертиза предоставляет доступ к своим большим языковым моделям, инструментам и разрабатываемым сервисам Минстрою России и подведомственным ему организациям через закрытые каналы связи. По словам Александра Перепелицы, такой подход обеспечивает не только внедрение ИИ внутри одного учреждения, но и выравнивание цифровой зрелости участников строительной отрасли.

Как показало исследования OCS, в 2026 году у каждой четвертой крупной организации техдолг затрагивает больше половины инфраструктурных платформ. При этом проблемы наблюдаются в наиболее критичных, по мнению бизнеса, классах — резервном копировании и аварийном восстановлении, а также операционных системах.

Необходимость быстрого замещения ПО, ограничения в выборе решений и другие трудности поддержания и развития корпоративной ИТ-инфраструктуры последних лет привели к массовому накоплению технических долгов. Переход к точечному обновлению инфраструктурных платформ вместо комплексной цифровизации в 2025–2026 годах, в свою очередь, усугубил проблему. Сегодня у 25% крупных компаний свыше половины инфраструктурного стека нуждается в обновлении или даже полном пересмотре. При этом каждая двенадцатая организация перешагнула критический рубеж в 75% инфраструктурных платформ с техдолгом.

Технический долг накапливается преимущественно в базовом контуре эксплуатации — системах, отвечающих за повседневную устойчивость ИТ-ландшафта. Согласно опросу OCS, самыми проблемными оказались решения для резервного копирования и аварийного восстановления (27%), операционные системы (23%) и платформы для управления и мониторинга ИТ-сред (21%).

Классы инфраструктурного ПО, где чаще всего встречается техдолг, совпадают с лидерами рейтинга наиболее критичного софта. По мнению бизнеса, ключевыми платформами в корпоративной ИТ-инфраструктуре в 2026 году являются операционные системы и ПО для управления и мониторинга ИТ-сред — такие ответы дали 38% и 28% респондентов. Решения для резервного копирования и аварийного восстановления также входят в пятерку наиболее критичного инфраструктурного софта (26%).

Значительный технический долг — затрагивающий больше половины инфраструктурного ПО — чаще встречается у представителей телекоммуникаций, химической промышленности и машиностроения: проблему отметили 30%, 29% и 28% игроков отраслей соответственно. Наименьшая доля зафиксирована в финансовом секторе: только у 16% компаний накопленные технические проблемы имеют такой масштаб.

Компании со значительным техническим долгом не всегда выделяют ресурс на его сокращение. Согласно исследованию, больше трети крупных организаций (35%) планируют бюджет на замену отдельных платформ. Масштабное обновление инфраструктуры входит в планы только 11% компаний.

При этом точечная модернизация не всегда затрагивает решения с наиболее выраженным техническим долгом. Компании в первую очередь меняют те системы, где переход сопряжен с меньшими рисками для связанной инфраструктуры. Поэтому проблема, вероятно, сохранит актуальность для российского бизнеса и в 2027 году.