Новости

Онлайн-платформа компании СберФакторинг обеспечивает полностью цифровой цикл — от подачи заявки до финансирования и мониторинга поставок. На фоне роста бизнеса и увеличения нагрузки на ИТ-службу возникла необходимость выстроить масштабируемую систему управления сервисами, соответствующую требованиям экосистемы Сбера и задачам импортозамещения.

Проект внедрения был реализован в два этапа с 2023 года по 2026 год. В рамках проекта выстроена единая система управления сервисами, охватывающая ключевые процессы: обработку инцидентов и запросов на обслуживание, управление изменениями, проблемами, конфигурациями, уровнем предоставления услуг и рисками. Решение используется не только ИТ-подразделением, но и другими функциями компании — службой безопасности, продажами, финансовым блоком, подразделениями верификации и операционного управления.

Важной частью проекта стало формирование единого канала взаимодействия с пользователями: все обращения регистрируются и обрабатываются в системе. Это позволило стандартизировать процессы, повысить прозрачность работы сервисных команд и обеспечить контроль качества предоставляемых услуг.

Система интегрирована с ключевыми элементами ИТ-ландшафта компании. В частности, реализована синхронизация с Active Directory для актуализации данных сотрудников, интеграция с Jira для передачи задач, а также взаимодействие с сервисами экосистемы Сбера через интеграционный хаб. Для управления инфраструктурой настроено автоматическое наполнение CMDB: данные о конфигурационных единицах поступают из нескольких источников, включая инструменты мониторинга инфраструктуры и сервисов Naumen BSM, а также решения для управления ИТ-инфраструктурой и прозрачности в закупленных лицензиях — Naumen Network Manager и Naumen Software Asset Management. Такая связка продуктов позволяет поддерживать актуальную картину ИТ-ландшафта и выстраивать связи между сервисами, инфраструктурой и лицензиями.

Внедрение сопровождалось трансформацией процессов: определены новые роли и зоны ответственности, SLA согласуются с бизнес-подразделениями, а пользователи вовлечены в сервисные процессы, включая управление рисками. Это позволило перейти от реактивной поддержки к проактивной модели управления сервисами.

По итогам проекта СберФакторинг получил измеримый бизнес-эффект. Количество заявок выросло на 28% — с 528 до 675 в неделю, при этом рост ИТ-команды составил всего 4%. Таким образом, компании удалось поддержать развитие бизнеса без пропорционального увеличения ресурсов. Существенно оптимизированы процессы учета инфраструктуры: вместо нескольких разрозненных инструментов внедрена централизованная система с автоматическим сбором данных. Трудозатраты на ведение учета конфигурационных единиц снижены, а актуальность данных достигла практически 100%.

Новая система управляет транспортировкой багажа между северным (терминалы B и C) и южным (терминалы D, Е, F) терминальными комплексами аэропорта. Связующим звеном выступает специализированный подземный тоннель протяженностью более двух километров, проложенный под взлетно-посадочной полосой. Проект уникален тем, что он объединяет оборудование и ПО различных производителей и обеспечивает бесшовную интеграцию как на уровне систем управления, так и на уровне промышленных контроллеров.

Подобные системы с использованием длинных подземных перегонов для транспортировки трансферного багажа являются редкостью – в мире всего лишь пять крупнейших авиаузлов, где реализованы схожие решения. В их числе, например, международный аэропорт Денвер (США) и аэропорт Ницца (Франция). Шереметьево – единственный воздушный порт в стране, где существует система такого уровня, и теперь она переведена на полностью отечественное программное обеспечение.

В 2024 года багажная система терминала D, а в 2025 году – терминала Е уже были переведены под управление российского ПО «Рексофт». Работа по импортозамещению багажных систем проводилась в рамках ИЦК «Аэропорты». Следом объединенная ИТ-команда «Шереметьево» и «Рексофт» провела масштабную работу по импортозамещению системы Autover Independent Carrier System динамической транспортировки багажа в тоннеле от немецкого производителя Beumer Group. Ввиду особой сложности комплекса инженеры «Рексофт» выполнили существенный объем реверс-инжиниринга и НИОКР.

В результате была создана единая отечественная система управления, которая позволила поставить под полный контроль «Шереметьево» всю систему управления багажом, дополнив ее новым функционалом. Так, для операторов и обслуживающего персонала аэропорта были реализованы новые возможности: интерактивное индивидуальное управление движением, а также возможность гибкого переключения терминалов в общей системе.

Импортозамещенная система прошла все необходимые испытания, включая проверку производительности, подтвердив выполнение всех требуемых характеристик: система способна перевозить свыше 20 тыс. единиц багажа в сутки. Среднее время доставки багажа по двухкилометровому тоннелю составляет 7 минут.

За семь месяцев «Ижавиа» автоматизировала делопроизводство, работу со служебными записками и договорами. Благодаря возможностям low-code разработки специалисты авиакомпании создали собственный модуль автоматического проставления штампов на электронные документы.

Сегодня в системе работают 100 сотрудников «Ижавиа». До внедрения решения часть внутренних документов согласовывалась на бумаге. Теперь система самостоятельно направляет договоры и служебные записки нужным участникам по автоматизированным маршрутам. Раньше согласование могло занимать от семи дней до шести месяцев, после внедрения — в среднем за три дня.

Как отмечает Дмитрий Холмогоров, начальник отдела по договорной работе АО «Ижавиа», процедура согласования договоров стала структурированной. Упорядочилась работа с версиями договоров, видна четкая связь между служебной запиской и договором, к которому она оформлена. Распределение договоров между сотрудниками внутри одной службы автоматизировано, что позволяет экономить рабочее время. Одним из самых важных новшеств стала возможность создания разных видов маршрутов согласования договоров, благодаря чему сотрудники могут самостоятельно влиять на процессы согласования, своевременно внося в них корректировки.

В ближайшее время в «Ижавиа» планируют перейти на работу с шаблонами документов, организовать подписание первичных документов с помощью электронной подписи и отправку контрагенту через ЭДО, добавить проставление штампов с отражением статей затрат и мест возникновения затрат, а также отслеживать договоры от запуска согласования до подписания всей первичной документации по ним.

В течение последних трех лет запросы российских компаний к аналитическим платформам претерпели качественную эволюцию. Первоначальный интерес к самостоятельному построению отчетов (self-service, то есть самообслуживанию в работе с данными) сменился осознанием рисков: фрагментация метрик, дублирование витрин, отсутствие единой версии истины. Сегодня рынок переходит к модели governed self-service – управляемому самообслуживанию, где скорость аналитики сочетается с централизованным контролем метрик, ролевой моделью и прозрачным качеством данных. Эти и другие тренды зафиксированы в исследовании «Self-service круг Громова 2026».

В отличие от традиционных обзоров, авторы отказались от построения рейтингов. Вместо этого они проанализировали восемь сквозных доменов обработки данных – от управляемого хранения (Managed Service) и интеграции (ETL) до семантического слоя, визуализации и сценарного планирования (IBP). Ключевой вывод: российский рынок переходит от децентрализованной модели, где каждый аналитик создавал собственную «правду», к governed self-service, где самостоятельность бизнеса ограничена едиными правилами, но не подавляется.

Аналитики выделили шесть трендов, формирующих новую реальность.

Self-service становится свойством всей архитектуры данных

Ранее самообслуживание ассоциировалось преимущественно с возможностью построить график в BI. Сегодня концепция расширяется: пользователь должен самостоятельно получать управляемое хранилище, настраивать загрузку данных, формировать семантическую модель и создавать сценарии планирования – без постоянного обращения к ИТ.

Управляемое самообслуживание приходит на смену хаосу

Компании, активно внедрявшие self-service, столкнулись с «метрическим хаосом» – когда один и тот же показатель по-разному рассчитывался в разных подразделениях. Ответом стало внедрение централизованных правил: единого семантического слоя, ролевых моделей доступа, контроля качества данных.

Семантический слой становится дирижером аналитики

Он перестал быть просто удобной прослойкой между базой данных и отчетом. Теперь это исполняемый мост между бизнесом и ИТ, а также контекстная основа для работы языковых моделей. Без формализованных определений показателей любой AI-ассистент может предоставить ненадёжные результаты.

Эволюция: от разговорного BI к управляемому исполнению (Agentic Enterprise)

На смену системам, отвечающим на вопросы естественным языком (conversational BI), приходит следующий уровень: ИИ-агенты, которые совершают действия в рамках заданных политик, то есть корректируют цены, запускают рекламные кампании, инициируют задачи. При этом каждое действие подтверждается человеком.

Разработка силами пользователей (Citizen Development) требует зрелого управления данными

Предоставление бизнесу lowcode-инструментов без правил владения данными ведет к новому хаосу. Успешное развитие разработки силами пользователей напрямую зависит от управления данными: корректного определения владельцев данных, правил качества и процедур утверждения изменений.

Наблюдаемость данных (Data Observability) становится инфраструктурой доверия

При масштабном использовании аналитики, когда речь идет о десятках и сотнях пользователей, простого мониторинга – «загрузилось / не загрузилось» – недостаточно. Требуется система, которая в реальном времени показывает причины устаревания данных, влияние изменений на витрины и возникновение аномалий.

На что еще обращают внимание

Эксперты «Кругов Громова» выделили также три аспекта, которые ранее практически не анализировались в российском контексте.

Доменный подход. Исследование рассматривает self-service не как функцию отдельного инструмента (например, BI), а как сквозную характеристику всей архитектуры работы с данными. Авторы выделили восемь доменов – логических слоев, которые охватывают полный жизненный цикл данных. Эти домены сгруппированы в три блока.

Первый блок – Platform (инфраструктурный фундамент): хранение данных (Data Storage), загрузка и интеграция данных (Data Ingestion), выполнение запросов и OLAP-вычисления (Data Query and Processing). Второй блок – Usage (прикладное использование): семантический слой (Semantic Layer), визуализация и BI (Data Visualization), сценарное планирование и генерация новых данных (Data Generation / IBP). Третий блок – Trust & Control (контур доверия): управление мастер-данными (MDM), качество данных (Data Quality) и наблюдаемость (Data Observability).

Такой подход позволяет выявить «слабые звенья» в цепочке. Например, высокий уровень самообслуживания в BI (пользователь легко строит дашборды) при отсутствии управляемой интеграции (данные подтягиваются кустарно, без четких ETL-процессов) и семантической согласованности (одна и та же метрика по-разному определена в разных отделах) неизбежно ведет к фрагментации метрик, расхождению цифр между подразделениями и потере доверия к аналитике. Именно поэтому зрелый self-service возможен только при согласованном развитии всех восьми доменов.

Роль Data Steward получила признание. Бизнес-пользователь инициирует изменение данных, а стюард (Data Steward) отвечает за их качество и соответствие стандартам. Self-service в управлении мастер-данными (MDM) и контроле качества данных без этой роли невозможен.

Связка семантического слоя и RAG-архитектур. Хотя многие вендоры стали включать в список функций наличие ИИ-ассистента, исследование объясняет технологический инсайт: без формализованного семантического слоя языковая модель легко может галлюцинировать. Именно семантический слой предоставляет LLM контекст – согласованные определения показателей, правила расчета, ограничения. Без этого любая диалоговая аналитика (conversational BI) превращается в генератор правдоподобных, но не гарантированно верных ответов.

В «Ашане» перевели в цифру 30 ключевых HR-процессов — от приема на работу до увольнения. Компания полностью отказалась от бумаги для массовых операций. Сотрудники подписывают приказы и знакомятся с локальными нормативными актами через мобильное приложение. Каждый документ имеет историю подписаний, что исключило юридические риски и угрозу штрафов.

Систему развернули одновременно в четырех юридических лицах ретейлера с разными оргструктурами, для бесшовного обмена данными интегрировали Directum HR Pro с SAP HCM, Keycloack и «Контур.Доверенность». Работы на проекте выполнил партнер Directum – компания К2Тех.

До реализации проекта кадровый документооборот был бумажным — с затратами на пересылку и хранение папок, потерянными документами и сорванными сроками подписания. Выбор платформы оказался непростым: система, которая на старте казалась оптимальной, не закрыла всех потребностей ретейлера. После повторного анализа рынка остановились на Directum HR Pro, а «коробочную» версию доработали под специфику компании.

В планах — создание электронного архива для централизованного хранения всей корпоративной документации и оцифровка существующего бумажного архива.

Информационная безопасность возглавила рейтинг приоритетов на ближайшие 12 месяцев – две трети участников включили ее в число ключевых задач своих компаний. При этом ИБ больше не воспринимается как отдельное направление – это становится обязательным условием для ИИ-проектов, импортозамещения софта и цифровой трансформации. Искусственный интеллект и автоматизацию производственных и бизнес-процессов в качестве ключевых направлений выделили 67% респондентов.

Выяснилось, что все опрошенные компании так или иначе уже работают с ИИ, и чаще всего его используют для аналитики (69%), процессов документооборота (58%) и разработки ПО (54%). Интересно, что только 17% компаний внедряют ИИ в процессы клиентского сервиса – большинство пока применяет ИИ преимущественно для повышения эффективности внутренних рабочих процессов.

Задачи импортозамещения, еще недавно считавшиеся безусловным лидером ИТ-повестки, сместились на третью позицию в списке приоритетов (41%). Одновременно с этим вырос запрос на экономию ресурсов – 46% респондентов отметили снижение расходов, что подтверждает общий тренд на смещение фокуса ИТ-стратегий в сторону экономической эффективности.

Главным барьером развития ИТ участники исследования назвали нехватку квалифицированных кадров – этот фактор отметили 83% опрошенных. Никто из респондентов не указал на отсутствие технологий или интереса бизнеса к цифровизации. Также в качестве препятствий респонденты отметили сложности миграции данных на новое решение при импортозамещении (48%), ограниченный бюджет (43%) и нехватку российских решений нужного уровня (39%).

Результаты опроса показали, что бизнес перешел от дискуссий о необходимости цифровой трансформации к конкретным требованиям, связанным со скоростью реализации, безопасностью и окупаемостью ИТ-проектов.

Как показало исследование, проведенное К2Тех, зрелость ИТ-ландшафта большинства российских агрохолдингов пока остается базовой: компании в основном сосредоточены на создании фундамента — переходе с западных систем на отечественные аналоги, внедрении ERP, MES и IoT. Для корректной работы и бизнес-эффективности всех этих систем требуется выстроенная система работы с данными. Этот процесс требует времени и инвестиций, а высокие капитальные затраты и накопленный технический долг сдерживают переход к более продвинутым цифровым сценариям.

Дополнительным ограничением для цифровой трансформации остается сложность интеграции разрозненных отечественных решений: 57% компаний АПК отмечают, что из-за этого растет совокупная стоимость владения ИТ-системами. В результате цифровизация для части бизнеса превращается в поддержку фрагментированного ИТ-ландшафта с дорогой интеграцией, сложной доработкой и высокой нагрузкой на внутренние команды.

Еще одним фактором, который тормозит цифровизацию отрасли, компании называют кадровый дефицит. Сотрудникам старшего поколения недостает цифровых навыков, а молодые специалисты не спешат идти в эту сферу из-за существующего стереотипа, что АПК — менее инновационная отрасль. При этом 43% участников опроса рассчитывают частично компенсировать нехватку специалистов с помощью искусственного интеллекта и робототехники.

По оценке К2Тех, в ближайшие годы цифровизация АПК будет развиваться прежде всего вокруг построения базового технологического фундамента, консолидации данных и развития аналитических инструментов. Именно эти шаги создадут условия для более широкого внедрения ИИ, повышения управляемости бизнеса и снижения операционных издержек в агрохолдингах и крупных предприятиях.

Проект на БоАЗ реализован за семь месяцев. Основное внимание было уделено настройке программного обеспечения DES.LIMS, включая заполнение справочников, настройку методик и процессов внутри лабораторного контроля качества. Важной частью работ стала интеграция решения с производственными информационными системами заказчика и лабораторным оборудованием.

Как отмечает Андрей Картавцев, генеральный директор БоАЗа, лаборатории играют очень важную роль в производственном цикле, так как именно здесь измеряются ключевые качественные характеристики сырья и готовых сплавов. Цифровизация лабораторных процессов является одним из приоритетных направлений модернизации производства. Новая система позволила не только сократить временные затраты на обработку данных, но и минимизировала влияние человеческого фактора.

В результате внедрения удалось автоматизировать ключевые процессы: работу с пробами на всех стадиях их жизненного цикла, передачу результатов испытаний производственным подразделениям, учет лабораторного оборудования и товарно-материальных ценностей. Особое значение имела реализация около 40 отчетных форм, которые аккумулируют информацию из различных источников, таких как результаты испытаний и измерений, результаты внутрилабораторного контроля качества, учет товарно-материальных ценностей и оборудования, используемого в работе лабораторий. Это позволило создать единую информационную среду для контроля качества и значительно повысить оперативность принятия решений.

Основным результатом проекта стало создание единого информационного пространства для контроля качества, которое охватывает все этапы — от отбора проб до формирования итоговой отчетности. Это решение обеспечило прозрачность процессов и создало надежную основу для дальнейшей оптимизации производства.

Облачный и Bare metal провайдер Рег.облако изучил структуру спроса на выделенную инфраструктуру в сегменте крупного и среднего бизнеса. По данным аналитиков, средняя стоимость GPU-конфигураций в 2025 году выросла в два раза, а с начала 2026 года — еще в два раза. При этом общее количество серверов с графическими ускорителями в парке клиентов существенно не изменилось — бизнес отказывается от бюджетных конфигураций в пользу высокопроизводительных GPU-серверов.

Сдвиг в структуре потребления выделенной инфраструктуры связан с усложнением требований со стороны бизнеса. Крупным и средним компаниям все чаще нужны не просто ресурсы в облаке или сервере, а предсказуемая производительность, изоляция вычислительной среды и полный контроль над инфраструктурой. В общем объеме потребления 70% по-прежнему приходится на базовые выделенные серверы, а 30% — на системы хранения данных и дисковую инфраструктуру. Однако для проектов в сфере ИИ и машинного обучения заказчики меняют подход.

Компании отказываются от отдельных выделенных хранилищ в пользу серверов с большим количеством NVMe-дисков. Это позволяет размещать ИИ-модели, наборы данных и промежуточные результаты вычислений внутри собственной инфраструктуры, без лишних задержек на внешний обмен. На одну компанию сегодня в среднем приходится от двух до восьми видеокарт — H200, H100, А6000, А4000 — в зависимости от масштаба проекта. Почти половина спроса на GPU-серверы (46%) приходится на конфигурации с объемом видеопамяти до 24 Гбайт. Решения с 48 Гбайт занимают 13,5%, а более четверти — около 27% — формируют высокопроизводительные конфигурации от 80 Гбайт.

Эксперты Рег.облака связывают такую тенденцию с тем, что современные ИИ-модели требуют более мощные вычислительные мощности и объем памяти, а также высокой скорости обмена данными между ускорителями. Чуть более года назад такие карты как H100 и H200 были доступны в основном крупным игрокам по квотам, а теперь постепенно выходят на более широкий рынок. Отдельный интерес компании проявляют к H200 в SXM-исполнении: для тяжелых ИИ-задач важна производительность не только самих ускорителей, но и всей серверной платформы в целом. По данным Рег.облака, доля премиальных GPU-конфигураций в общем потреблении серверов выросла с 51% до 78%. Треть заказов на GPU-серверы (33%) сегодня связана с искусственным интеллектом и машинным обучением, 30% — с рендерингом, 25% — с тестированием и разработкой, ещё 12% — с обработкой данных. Этот портрет спроса принципиально отличается от классической модели аренды сервера под корпоративный портал или ИТ-систему.

Как подчеркивают эксперты, бизнесу нужна не отдельная машина, а сбалансированная конфигурация, объединяющая вычислительные ресурсы, дисковую емкость и устойчивую производительность под длительную нагрузку. Рост интереса к выделенным серверам и Bare metal решениям не означает отказа от публичного облака — рынок, напротив, четко делится по сценариям использования. Облачные сервисы по-прежнему выбирают для быстрого запуска проектов, тестирования и гибкого масштабирования.

По данным Рег.облака, компании предпочитают выделенную инфраструктуру для постоянных высоконагруженных систем, корпоративных приложений, обработки больших данных и специализированных вычислений, где критична стабильность и предсказуемость. Сложившийся тренд на удорожание GPU-конфигураций отражает не временную конъюнктуру, а структурный сдвиг в сторону задач с использованием технологий ИИ, который будет только усиливаться.

По мере роста сервиса команде Drivee требовалась возможность быстрого масштабирования без ограничений по железу, а также провайдер с подтвержденным соответствием нормативным требованиям. Drivee обрабатывает персональные данные пассажиров и водителей, а также платежные транзакции — это стало одним из ключевых критериев выбора провайдера.

В K2 Облаке развернуты серверная и пользовательская части приложения. Высоконагруженные базы данных размещены на выделенных серверах и разнесены по трем зонам доступности для обеспечения отказоустойчивости. Основной сервер MySQL перенесен на быстрые NVMe-диски nv1 — это сократило задержки и ускорило транзакции под высокой нагрузкой. Выделены три контура: производство, разработка и тест. Для задач машинного обучения собственной разработки в публичном облаке подключены GPU-ускорители NVIDIA T4.

Собственные сервисы на базе машинного обучения Drivee решают несколько ключевых задач. Система автоматизированного фотоконтроля проверяет соответствие автомобиля и водителя при выходе на линию: ИИ автоматически закрывает около 75% всех задач, обрабатывая до 10 тыс. кейсов в сутки по каждому направлению. Скорость обработки с ИИ составляет 2–3 секунды против нескольких минут при ручной проверке — ускорение в 30–60 раз. Модерация пользовательского контента автоматизирована на 100%: сервисы машинного обучения ежедневно обрабатывают 20–30 тыс. комментариев к заказам и тысячи изменений в профилях пользователей. Это позволило перевести 8 из 10 сотрудников команды модерации на более приоритетные задачи. В стадии внедрения — система автоматического распознавания документов водителей: модель находит необходимые поля, считывает данные и автоматически заполняет карточку в системе модератора, что позволит закрывать не менее половины полей без участия человека.