https://www.itweek.ru Издание itWeek (до 2018 года — PC Week) на портале и на страницах бумажного номера информирует читателей об актуальных информационных и коммуникационных технологиях, продуктах и решениях и опыте развития цифровой экономики и цифровой трансформации предприятий и организаций всех масштабов и отраслей. Издание рассказывает о важнейших событиях отечественного и мирового рынка ИКТ и анализирует тенденции развития ИКТ-индустрии. https://www.itweek.ru/images/itweek/logo-100x40.gif https://www.itweek.ru https://www.itweek.ru/themes/detail.php?ID=234183 Tue, 20 Jan 2026 15:59:21 +0300 <p>RooX представила RooX UIDM Pro — продукт для централизованного управления доступом сотрудников к приложениям. RooX UIDM Pro объединяет базовые возможности IAM и IDM в одном продукте. Продукт позволяет быстро навести порядок в учетных записях и доступах, обеспечить SSO и 2FA для корпоративных сервисов и сократить совокупную стоимость владения за счет отказа от нескольких разрозненных систем. RooX UIDM Pro ориентирован на компании, которым важны простота внедрения, предсказуемость и контроль, но при этом нужен запас по развитию.</p> <p>Объединение возможностей систем двух классов — IAM и IDM — в одном продукте позволяет компаниям управлять доступом и жизненным циклом учетных записей в едином контуре. Это снижает общую стоимость решения задачи доступов сотрудников: компании не нужно внедрять и сопровождать несколько решений, поддерживать интеграции между ними и дублирующие процессы.</p> <p>Как система аутентификации RooX UIDM Pro обеспечивает единую точку доступа сотрудников с поддержкой Single Sign-On (SSO) для веб-приложений, удаленных и виртуальных рабочих мест (VDI), что позволяет пользователям входить в разные корпоративные приложения через одну учётную запись. Также RooX UIDM Pro поддерживает двухфакторную аутентификацию с использованием различных методов: логин и пароль, протокол Kerberos, TOTP, одноразовые коды в SMS и push-уведомлениях.</p> <p>В части поддержки <nobr>IDM-функциональности</nobr> RooX UIDM Pro реализует базовые механизмы управления учетными записями и доступом сотрудников к приложениям. Платформа позволяет автоматизировать работу с учетными записями сотрудников через интеграцию с кадровыми системами или по API, а также управлять учетными записями и паролями в корпоративном каталоге пользователей. </p> <p>Модель доступа в RooX UIDM Pro сфокусирована на понятной логике «есть доступ/нет доступа» для конкретного пользователя и приложения. В продукте осознанно не используются сложные модели доступа, характерные для IGA-решений, которые востребованы далеко не во всех компаниях. Такой подход позволяет быстрее внедрить решение, снизить операционные издержки и сохранить контроль над доступами там, где важны простота, предсказуемость и скорость изменений. </p> <p>«Мы создавали RooX UIDM Pro как продукт для реального бизнеса — без избыточной сложности, но с запасом по развитию. Функциональные ограничения носят исключительно продуктовый характер — платформа RooX UIDM, лежащая в основе решения, поддерживает и другие IAM, MFA и <nobr>IDM-функции</nobr> и позволяет при необходимости нарастить функциональность без перехода на другую систему. Это решение для компаний, которые уже переросли точечные решения и которым важно быстро получить работающую систему управления доступом», — прокомментировал генеральный директор RooX Алексей Хмельницкий.</p> <p>RooX UIDM Pro развёртывается в периметре заказчика — на локальных серверах или в защищённом приватном облаке, что позволяет обеспечить контроль над системой и соответствие требованиям корпоративной безопасности. Продукт отвечает требованиям ФСТЭК, совместим с отечественным технологическим стеком и уже доступен для внедрения и пилотных проектов.</p> RooX представила RooX UIDM Pro — продукт для централизованного управления доступом сотрудников к приложениям … message https://www.itweek.ru/themes/detail.php?ID=234182 Tue, 20 Jan 2026 11:06:21 +0300 <p>Согласно прогнозу аналитической компании Gartner, мировые расходы на искусственный интеллект в 2026 г. составят 2,52 трлн. долл., что на 44% больше, чем годом ранее.</p> <p>«Внедрение ИИ в основном определяется готовностью как человеческого капитала, так и организационных процессов, а не только финансовыми инвестициями», — говорит Джон-Дэвид Лавлок, заслуженный вице-президент-аналитик Gartner. По его словам, организации с большей зрелостью опыта и самосознанием все чаще отдают приоритет проверенным результатам, а не спекулятивному потенциалу.</p> <p>«Поскольку на протяжении всего 2026 г. ИИ будет находиться во „впадине разочарования“, чаще всего предприятия будут покупать его у своих нынешних поставщиков ПО, а не в рамках нового амбициозного проекта, — полагает Лавлок. — Предсказуемость рентабельности инвестиций должна улучшиться, прежде чем ИИ сможет быть действительно масштабирован на уровне предприятия».</p> <p>По оценкам Gartner, одно только создание фундамента для ИИ приведет в 2026 г. к увеличению расходов на оптимизированные для ИИ серверы на 49%, что составит 17% от общих расходов на ИИ. Затраты на инфраструктуры ИИ также увеличат общие расходы на ИИ на 401 млрд. долл., поскольку поставщики технологий будут создавать основы для ИИ.</p> Согласно прогнозу аналитической компании Gartner, мировые расходы на искусственный интеллект в 2026 г. составят … message https://www.itweek.ru/themes/detail.php?ID=234181 Tue, 20 Jan 2026 10:22:31 +0300 <p><em>Как только вы перестанете требовать от моделей искусственного интеллекта понимания всего на свете, они начнут гораздо лучше понимать то, что действительно важно, <em>пишет на портале The</em></em> <em>New</em> <em>S</em><em>t</em><em>ack</em> <em>Шон Фалконер, предприниматель-резидент (EIR) в области ИИ в компании Confluent.</em></p> <p>Корпоративный ИИ унаследовал потребительский подход к ИИ, но он не подходит для большинства задач в сфере B2B.</p> <p>В потребительском мире привлекательность генеративного ИИ заключается в его роли всезнающего полимата. Один интерфейс может написать стихотворение, отладить код, спланировать отпуск и ответить на вопросы викторины, собранные из общедоступного Интернета. Это имеет смысл в открытом мире, где диапазон возможных вопросов неограничен, а успех субъективен.</p> <p>Когда ИИ должен обрабатывать все, что может спросить пользователь, масштабирование становится стратегией. Модели с триллионами параметров, работающие на максимально доступных вычислительных мощностях, — это не излишество, а просто необходимость.</p> <h3>Различия между потребительским и бизнес-ИИ</h3> <p>Большинство бизнес-процессов не существует в открытом мире. Они работают в закрытых системах с четко определенными входными данными, явными выходными данными и жесткими режимами отказа. Счет-фактура либо обрабатывается правильно, либо нет. Заявка в службу поддержки либо направляется правильно, либо нет. Это не проблемы, возникающие в ходе диалога; это операционные проблемы, где пространство допустимых действий известно заранее, а стоимость ошибки измерима.</p> <p>Использование универсальной большой языковой модели (LLM) для этих конкретных бизнес-функций часто приводит к несоответствию масштабу. Модель, обученная отвечать на любой вопрос, редко является подходящим инструментом для задач с известными входными данными и ожидаемыми выходными результатами. Для таких задач, как классификация пунктов в юридических контрактах или составление кратких обзоров звонков для взаимодействия с клиентами, преимущество заключается в сфокусированности, а не в широте охвата.</p> <p>Малые языковые модели (SLM) разработаны с учетом этого ограничения, они обеспечивают понимание языка, соответствующее форме работы. Это модели, которые поддерживают гибкий интеллект естественного языка без огромных вычислительных затрат и непомерных расходов, характерных для универсальных гигантов. В отличие от жестких, основанных на правилах систем прошлого, которые ломались при обнаружении опечатки, SLM достаточно гибки, чтобы обрабатывать нюансы человеческого языка, оставаясь при этом «соответствующими назначению» в конкретной задаче. Пожертвовав общностью ради точности, они обеспечивают надежность, предсказуемость и контроль, которые требуются производственным системам.</p> <h3>Малые языковые модели: интеллект замкнутого мира</h3> <p>На техническом уровне SLM используют меньше параметров и гораздо более целевые обучающие данные. В то время как LLM, такая как GPT-4, работает с триллионами параметров для хранения общих знаний, SLM обычно содержит от 1 млн. до 20 млрд. параметров. Такая «оптимизация размера» позволяет модели сосредоточить свои нейронные ресурсы на логике, необходимой для конкретных профессиональных рабочих процессов, а не на нерелевантных данных из обширного веба.</p> <p>Архитектуры SLM оптимизированы для скорости, эффективности и согласованности, а не для максимальной обобщающей способности. В результате получаются модели, которые понимают язык, но только в тех пределах, которые имеют значение.</p> <p>Именно это понимание границ отличает SLM от уменьшенных LLM. Меньшее количество параметров само по себе не делает модель подходящей для корпоративного использования. Важно, чтобы возможности модели соответствовали форме решаемой задачи. В условиях замкнутого мира избыточная обобщающая способность часто работает против точности. У такой модели больше возможностей ошибиться.</p> <p>Недавние тесты наглядно это иллюстрируют.</p> <p>Модели, такие как Phi-3 от Microsoft, демонстрируют, что компактные, специально разработанные системы могут обеспечивать конкурентоспособную, а в некоторых случаях и превосходную производительность в задачах с ограничениями, таких как следование инструкциям, классификация и структурированное рассуждение. В таких тестах, как Massive Multitask Language Understanding (MMLU) и MT-Bench, варианты Phi-3 приближаются к гораздо более крупным моделям или не уступают им, когда пространство задач четко определено. Это показывает, что дополнительные параметры дают все меньшую отдачу в ограниченных средах.</p> <p>Архитектурная эффективность также играет решающую роль.</p> <p>Например, Mistral 7B использует такие методы, как Grouped Query Attention (GQA) и Sliding Window Attention, чтобы снизить затраты на инференс, сохраняя при этом высокую производительность на более длинных входных данных. Эти оптимизации не являются чисто теоретическими. В производственных системах, где задержка, пропускная способность и стоимость являются первостепенными аспектами, они напрямую влияют на развертываемость.</p> <p>Вывод заключается не в том, что большие модели не нужны, а в том, что точность не масштабируется линейно с размером, когда мир ограничен. В таких условиях модели, построенные с учетом ограничений, как правило, показывают лучшие результаты именно потому, что у них меньше степеней свободы.</p> <h3>Доказательства из практики: когда меньшее лучше большего</h3> <p>Преимущества SLM становятся наиболее очевидными, когда они внедряются в реальные корпоративные рабочие процессы. В производственной среде эти системы не отвечают на произвольные вопросы. Они принимают одни и те же типы решений снова и снова в рамках жестко ограниченных процессов.</p> <p>Здравоохранение — хороший пример.</p> <p>Клинические рабочие процессы перенасыщены специфическим языком, сокращениями и неявным контекстом, которые универсальные модели часто интерпретируют неправильно. Решением, <a href="https://innovaccer.com/blogs/introducing-hmcp-a-universal-open-standard-for-ai-in-healthcare">например</a>, может стать внедрение специализированных языковых моделей, обученных на тщательно отобранных клинических данных, а не на открытых веб-ресурсах. Эти системы обеспечивают более высокую точность при выполнении запросов, специфичных для здравоохранения, значительно меньшее количество ошибок и сводки, которые четко интегрируются в последующие системы управления лечением.</p> <p>В распространенных корпоративных задачах обработки естественного языка (NLP), таких как анализ настроений, распознавание именованных сущностей, классификация и структурированное суммирование, эта закономерность повторяется. Бенчмарки и производственные развертывания постоянно показывают, что как только пространство задач ограничено и критерии оценки ясны, добавление параметров приводит к снижению эффективности.</p> <p>В финансовой и юридической сферах наблюдается та же динамика. Контракты, отчеты о рисках и нормативные документы написаны на естественном языке, но они функционируют в жестких семантических рамках. Такие термины, как «net asset value», " open-to-buy", или юридические положения, специфичные для конкретной юрисдикции, имеют точные значения, которые универсальные модели часто размывают.</p> <p>На практике компании развертывают более компактные модели, обученные непосредственно на внутренних документах. <a href="https://arxiv.org/abs/2403.03883">Исследование</a> показывает, что такие системы обеспечивают более согласованную классификацию пунктов контракта, меньшее количество ложных срабатываний при проверках нормативного соответствия и достаточно быстрое время отклика, чтобы напрямую интегрироваться в конвейеры обработки транзакций или проверки. В итоге компактная быстрая, предсказуемая модель, которую можно проверить и воспроизвести, часто оказывается более ценной, чем более мощная, но не поддающаяся проверке.</p> <h3>Экономика замкнутых миров для ИИ</h3> <p>В корпоративных условиях экономика ИИ определяется не столько затратами на обучение, сколько масштабируемым инференсом. После того, как модель внедрена в производственный рабочий процесс для классификации тикетов, извлечения полей или суммирования звонков, она может вызываться тысячи или миллионы раз в день. Поэтому стоимость запроса, задержка и изменчивость имеют большее значение, чем пиковая производительность. На инференс приходится основная часть расходов.</p> <p>Более компактные, специально разработанные модели имеют предсказуемые кривые затрат, поскольку их поведение стабильно, а требования к ресурсам ограничены. Их можно развертывать на фиксированной инфраструктуре, масштабировать горизонтально и позиционировать, как и любой другой производственный сервис.</p> <p>Анализ затрат на инференс LLM показывает, что при стабильной и высокой нагрузке небольшие модели, размещаемые на собственных серверах, могут достичь паритета затрат с большими моделями на основе API гораздо быстрее, чем ожидают многие команды, поскольку затраты на инфраструктуру амортизируются, а предельные затраты на инференс выравниваются. Большие модели оправдывают свою стоимость только тогда, когда необходимы глубокие, открытые рассуждения. Для рутинной классификации, извлечения и суммирования дополнительные параметры редко приводят к улучшению результатов, но всегда приводят к увеличению затрат.</p> <p>В результате стоимость становится симптомом архитектурной согласованности. Когда модель соответствует форме задачи, экономические соображения вытекают естественным образом. Когда нет, никакая оптимизация ценообразования не может полностью компенсировать это.</p> <h3>Как SLM и LLM работают вместе в корпоративных системах</h3> <p>Выбор между SLM и LLM не является бинарным. Наиболее эффективные корпоративные системы рассматривают их как взаимодополняющие компоненты, каждый из которых работает там, где он наиболее уместен. На практике это часто принимает форму каскадной или многоуровневой модели.</p> <p>В каскадной архитектуре большинство запросов сначала обрабатывается небольшой, недорогой моделью, работающей в непосредственной близости от данных. Этот первый этап охватывает бóльшую часть работы: классификацию, извлечение, маршрутизацию, суммирование и проверку в рамках событийно-ориентированных рабочих процессов. Эти задачи имеют большой объем, чувствительны к задержкам и четко определены. Когда входные данные выходят за эти рамки, когда неизбежны более глубокое рассуждение, синтез в разных областях или неоднозначность, запрос передается более крупной и мощной модели.</p> <p>Мы видим ту же самую закономерность в реальных рабочих процессах ИИ. В операционных условиях компании редко начинают критически важный путь с LLM. Вместо этого они используют недорогие, узкоспециализированные модели, такие как модели обнаружения аномалий или прогнозирования, для непрерывного мониторинга потоков и обнаружения изменений. Только после выявления проблемы они задействуют более мощную и дорогостоящую модель, чтобы лучше объяснить, почему это произошло, сопоставить сигналы или помочь человеку в анализе первопричин. Дорогостоящий интеллект используется только в моменты, когда он действительно необходим.</p> <p>Такое разделение труда позволяет получить сразу несколько результатов. Затраты контролируются за счет экономного применения ресурсоемкого инференса. Задержка сокращается, поскольку рутинные решения обрабатываются локально и быстро. Конфиденциальность и управление упрощаются, поскольку конфиденциальные данные остаются в системе. Даже воздействие на окружающую среду улучшается, поскольку наиболее распространенные операции основаны на эффективных моделях.</p> <h3>Почему корпоративному ИИ нужен интеллект, соответствующий его миру</h3> <p>Потребительские системы живут в открытом мире. Они должны быть готовы ко всему, поэтому они полагаются на огромные модели, обученные на бесконечных данных и поддерживаемые максимально возможными вычислительными мощностями. Такой компромисс оправдан, когда целью является широта охвата.</p> <p>Корпоративные системы отличаются. Они работают в рамках заданных границ. Входные данные известны. Выходные данные ограничены. Успех измерим, а неудача имеет свою цену. В этих замкнутых мирах сам по себе масштаб не является преимуществом. Преимуществом является специализация.</p> <p>Вот почему нужны малые языковые модели. Большие модели по-прежнему играют важную роль, особенно на периферии, где проблемы неоднозначны и требуется синтез. Но они не являются вариантом по умолчанию.</p> <p>Будущее корпоративного ИИ — это модели, которые понимают границы, в которых они работают. Как только вы перестанете требовать от моделей понимания всего на свете, они станут намного лучше понимать то, что действительно важно.</p> Как только вы перестанете требовать от моделей искусственного интеллекта понимания всего на свете, они начнут … article https://www.itweek.ru/themes/detail.php?ID=234178 Mon, 19 Jan 2026 17:17:26 +0300 <p>Все последнее десятилетие центральным направлением противостояния США и Китая в сфере технологий были полупроводники и искусственный интеллект (ИИ). Институт статистических исследований и экономики знаний (ИСИЭЗ) НИУ ВШЭ проанализировал, что означает новый, наметившийся с минувшей осени, виток в этом противостоянии.</p> <p>Доступ к критическим технологиям и вычислительным ресурсам является вопросом не только торговли, но и стратегического превосходства. Когда китайский хайтек начал расти ускоренными темпами, особенно в сегменте ИИ, США с 2018 г. стали вводить экспортные ограничения для ряда компаний из Китая (ZTE, Huawei), в 2022 г. ужесточили контроль над поставками графических процессоров и передовых чипов, используемых для обучения больших ИИ-моделей и требующих высокой вычислительной мощности. Несмотря на потерю значительной части рынка для таких компаний, как Nvidia и AMD, данной мерой США утверждали свое конкурентное преимущество и замедляли технологическое продвижение основного конкурента в этой стратегически важной области. Между тем жесткий запрет 2022 г. не остановил технологическое развитие Китая, а, напротив, выступил катализатором для создания собственных чипов.</p> <p>В июле 2025 г. США частично ослабили свои ограничения, открыв экспорт в Китай некоторых моделей ИИ-чипов при условии получения соответствующих лицензий. Разрешив экспорт решений среднего класса производительности, США перешли от тактики полного блокирования к более гибкой стратегии. Целью стало формирование у китайских потребителей ориентации на менее совершенные американские архитектуры, что в перспективе могло бы замедлить темпы внедрения и совершенствования локальных аналогов. Смягчение правил с системой лицензий-пошлин позволило трансформировать экспортный контроль в динамический регуляторный рычаг. Администрация получила возможность не только точечно регулировать потоки технологий, но и использовать перспективу дальнейших ужесточений или послаблений как инструмент переговоров и постоянного давления.</p> <p>Реакция Пекина оказалась не симметричной. Созданное американским смягчением стратегическое окно возможностей Китай предпочел использовать для утверждения курса на внутреннее импортозамещение, а не для восстановления зависимости от западных платформ. Буквально через месяц после смягчения со стороны США экспортных ограничений власти КНР приняли стратегию AI Plus с дорожной картой интеграции ИИ в ключевые секторы экономики, согласно которой к 2027 г. доля проникновения интеллектуальных терминалов и агентов ИИ в китайской экономике должна превысить 70%, а к 2030 г. — 90%. А в сентябре Китай запретил своим компаниям закупать оборудование Nvidia. Появление у этого производителя целой линейки «кастомных» моделей для китайских потребителей усиливало опасения, что зависимость от таких «урезанных» решений будет закладывать основу не только для технологических, но и политических рисков. Введенный в сентябре запрет фактически закрепил курс Китая на построение национальной экосистемы ИИ, в которой роль иностранных поставщиков должна быть минимизирована.</p> <p>Ситуация, сложившаяся вокруг доступа к высокопроизводительным чипам и технологиям ИИ, фиксирует общий глобальный тренд: технологический протекционизм становится структурным элементом международных экономических отношений, а контроль над вычислительными ресурсами фактически рассматривается как составляющая национальной безопасности.</p> <p>Для России данный опыт представляет практическую ценность и позволяет сформулировать несколько ключевых выводов. Во-первых, наиболее обоснованной в текущих условиях выглядит стратегия «гибридного развития», сочетающая точечный импорт доступных зарубежных решений для осуществления оперативных задач с приоритетным развитием отечественных компетенций в стратегически значимых сегментах. Полное импортозамещение передовых вычислительных архитектур в краткосрочной перспективе объективно недостижимо, однако создание устойчивых национальных компетенций в нишевых областях — например, специализированных процессорах или программных экосистемах — является реалистичной и экономически оправданной задачей.</p> <p>Во-вторых, международный опыт показывает, что технологическое развитие ускоряется не только за счет отдельных инициатив или прорывных решений, но прежде всего благодаря наличию целостной, институционально закрепленной стратегической рамки. В условиях растущей фрагментации глобальных технологических цепочек суверенитет определяется способностью одновременно участвовать в международных процессах и минимизировать стратегические уязвимости.</p> Все последнее десятилетие центральным направлением противостояния США и Китая в сфере технологий были полупроводники … message https://www.itweek.ru/themes/detail.php?ID=234177 Mon, 19 Jan 2026 17:13:38 +0300 <p>YADRO объявила о запуске коммерческих продаж VEGMAN R220 G3 — нового поколения универсальных серверов на базе процессоров Intel Xeon <nobr>4-го</nobr> и <nobr>5-го</nobr> поколений для широкого спектра корпораттилаивных задач. Новая версия сервера сочетает повышенную производительность, масштабируемость и надежность, предлагая компаниям новые, более широкие возможности для развития ИТ-инфраструктуры и ускоренного внедрения цифровых сервисов.</p> <p>Рост объемов данных и увеличение нагрузок делают корпоративные ИТ-инфраструктуры более сложными и ресурсоемкими. Это повышает требования к серверным решениям — VEGMAN R220 G3 создан с учетом этих факторов и отвечает всему спектру актуальных потребностей современного бизнеса</p> <p>Новое поколение серверов VEGMAN одинаково эффективно во всех ключевых сценариях: от высокопроизводительных вычислений, хранения и сетевых задач до систем искусственного интеллекта и аналитики данных. Для облачных провайдеров и XaaS-компаний это надежная база для масштабирования сервисов и создания новых бизнес-моделей, для финтеха и телекома — гарантия стабильной работы критических приложений и гибкой виртуализации. В промышленности сервер обеспечивает отказоустойчивые конфигурации для непрерывного управления производством, а в госсекторе — соответствие требованиям сертификации, поддержку отечественных ОС и возможность участия в проектах с обязательной локализацией.</p> <p>Сервер VEGMAN R220 G3 получил поддержку процессоров Intel Xeon 4–5-го поколения, что позволило увеличить вычислительные ресурсы системы — до 128 ядер и 8 ТБ оперативной памяти. Обновлённая архитектура также реализует расширенные функции управления памятью, включая поддержку CXL 1.1, динамическое выделение ресурсов и оптимизацию кэширования.</p> <p>Конфигурация нового поколения сервера включает 11 слотов PCIe 5.0, обеспечивающих гибкость при построении решений. Поддерживается установка различных типов накопителей — до 12 LFF или 24 SFF спереди и до 4 SFF сзади (или 2 SFF и 2 M.2/E1.S) — и графических ускорителей: до 2 полноформатных или 6 малых GPU, что позволяет адаптировать сервер под конкретные задачи. Система управления YADRO СУПРИМ, обновлённая эргономика и гибкое конфигурирование упрощают администрирование и расширяют возможности адаптации под широкий спектр корпоративных сценариев.</p> <p>«VEGMAN R220 G3 создан как стабильная, безопасная и производительная основа для корпоративных ИТ-инфраструктур. В новой версии мы сделали акцент на расширении вычислительных ресурсов, поддержке современных интерфейсов и улучшении систем управления, чтобы заказчики могли уверенно планировать развитие своих инфраструктур и сохранять долгосрочную ценность ИТ-активов. Опыт внедрения VEGMAN в инфраструктурах ведущих компаний подтвердил эффективность решений в критически важных системах. Развитие линейки серверов опирается на этот опыт и отражает актуальные задачи заказчиков, оставаясь готовым к будущим вызовам», — отметил Павел Егоров, директор по продуктам YADRO.</p> <p>Включение VEGMAN R220 G3 в Единый реестр российской радиоэлектронной продукции Минпромторга подтверждает соблюдение требований локализации и обеспечивает заказчикам возможность внедрять сервер в проекты с обязательными условиями импортонезависимости. </p> <p>Подробнее ознакомиться с характеристиками VEGMAN R220 G3, запросить консультацию или оформить заявку на демо или поставку серверов можно на сайте YADRO. </p> YADRO объявила о запуске коммерческих продаж VEGMAN R220 G3 — нового поколения универсальных серверов на базе … message https://www.itweek.ru/themes/detail.php?ID=234175 Mon, 19 Jan 2026 15:31:38 +0300 <p>Сегодня разработка и в целом ИТ-сектор переживают существенный сдвиг в подходах к работе. ИИ-модели зарекомендовали себя на всех циклах создания цифровых продуктов. Они ускоряют написание кода, выявляют дефекты раньше ревью, помогают держать в фокусе сложную архитектуру.</p> <p>Следствием становится новая модель подготовки специалистов. Ценность смещается от знания синтаксиса к умению мыслить системно, формулировать намерение и управлять поведением цифровой среды через диалог с ИИ. Такой навык плохо укладывается в привычные образовательные схемы и опирается на тип мышления, который формируется задолго до осознанного профессионального выбора. Поэтому разговор о будущем ИИ-ассистированной разработки всё чаще выходит за рамки бизнеса и приводит к детскому обучению — к курсам и форматам, которые позволяют начать не просто изучать язык программирования, но и понимать структуру, логику и поведение цифровых систем. Рассмотрим, как развивается обучение вайбкодингу.</p> <h3>От бизнеса к детям</h3> <p>За последние годы компании столкнулись с ростом сложности продуктов и сокращением циклов разработки. В этих условиях результат всё меньше зависит от объёма ручной работы и всё больше — от качества постановки задачи и умения удерживать контекст на протяжении всего цикла. Специалист, который понимает структуру системы и умеет формулировать замысел на уровне смыслов, быстрее входит в проекты и даёт предсказуемый результат. Этот запрос стабилен и будет только усиливаться.</p> <p>Если индустрии нужны люди с таким типом мышления, готовить их имеет смысл заранее. Детский интерес к созданию цифровых продуктов становится естественной точкой входа. Ребёнок описывает идею, получает отклик среды, собирает логику и видит последствия своих решений. По сути, это та же модель, в которой сегодня работают продуктовые команды, перенесённая в более ранний формат.</p> <p>Вайбкодинг здесь выступает не заменой классическому обучению, а его ранним слоем. Он позволяет начать с архитектуры и смысла, оставляя техническую глубину на тот момент, когда она действительно становится нужна. Такой переход делает траекторию развития более цельной и снижает разрыв между детским интересом и реальными требованиями бизнеса.</p> <h3>Нужно ли учить детей вайбкодингу</h3> <p>Вайбкодинг — это формат разработки, в котором человек работает на уровне замысла, структуры и логики, а техническое исполнение берет на себя искусственный интеллект. В центре находится не код как цель, а описание поведения системы: какие сущности существуют, как они связаны, при каких условиях происходят изменения. Такой подход уже используется во многих ИТ-командах, чтобы быстрее проектировать минимально жизнеспособную версию продуктов (MVP).</p> <p>Если именно такая модель работы закрепляется в профессиональной среде, возникает вопрос о раннем входе в разработку. Детский возраст подходит для знакомства с логикой цифровых систем без погружения в синтаксис. Это позволяет выстраивать обучение вокруг идеи и структуры, а не вокруг конкретного языка программирования.</p> <h3>Как сегодня устроено обучение детей разработке</h3> <p>Большинство курсов для детей по-прежнему строятся вокруг инструментов и синтаксиса. Ребёнка знакомят с языком, командами и шаблонами, после чего предлагают повторять готовые решения. Это даёт техническую базу, при этом оставляет за рамками понимание структуры системы и причинно-следственных связей.</p> <p>Интерес к созданию цифровых продуктов появляется раньше, чем готовность разбираться в синтаксисе. Дети хотят собирать игры, сцены и интерактивные объекты, понимая, как они устроены и почему работают именно так. При этом реализация даже простых идей требует длительного погружения в язык и инструменты. Между желанием сделать и возможностью реализовать возникает разрыв, который растягивает обучение на месяцы и годы.</p> <h3>Где в этой модели появляется вайбкодинг</h3> <p>На этапе, когда интерес уже есть, а глубины знаний ещё не хватает для реализации идей, и возникает потребность в промежуточном формате. Большинство задумок требуют понимания логики, структуры и взаимосвязей, к которым ребёнок приходит только после длительного обучения языку и инструментам. Этот путь растягивается во времени и часто откладывает возможность сделать что-то осмысленное своими руками.</p> <p>Вайбкодинг позволяет сократить этот разрыв. Он даёт возможность начинать с идеи и логики проекта, постепенно переходя к деталям реализации по мере роста понимания. Ребёнок описывает замысел, работает со структурой и видит, как изменения в логике отражаются на результате.</p> <p>Такой формат не подменяет классическое обучение программированию, а просто ускоряет выход к осмысленной практике и формирует архитектурное мышление до глубокого погружения в язык и инструменты, создавая более устойчивую точку входа в разработку.</p> <h3>Как ранний опыт влияет на карьеру через <nobr>10-15</nobr> лет</h3> <p>На горизонте ближайших лет разработка окончательно закрепится как совместная работа человека и ИИ-инструментов. Исполнение будет всё в большей степени автоматизироваться, а зона ответственности человека смещаться в сторону архитектуры, постановки задач и управления контекстом. Это меняет требования к специалистам на системном уровне, независимо от конкретных технологий и языков.</p> <p>В такой среде преимущество получают те, кто умеет видеть структуру целиком, понимать связи между компонентами и управлять поведением системы через корректно заданные условия. Навык формулировки задачи и проверки логики становится устойчивее и ценнее, чем знание конкретного синтаксиса, который со временем неизбежно меняется.</p> <p>Именно поэтому ранний опыт работы с логикой и структурой начинает играть долгую роль. Люди, которые ещё в детстве привыкли описывать системы, работать с абстракциями и видеть последствия своих решений, быстрее адаптируются к новым инструментам и рабочим моделям. На входе в бизнес-процессы они тратят меньше времени на перестройку мышления и быстрее начинают приносить осмысленный результат.</p> <p> #IMAGE_234176#</p> Сегодня разработка и в целом ИТ-сектор переживают существенный сдвиг в подходах к работе. ИИ-модели … article Юрий Волошин, директор по продукту «Битрикс24» https://www.itweek.ru/themes/detail.php?ID=234173 Mon, 19 Jan 2026 10:40:35 +0300 <p><em>Если <nobr>2025-й</nobr> стал годом, когда предприятия научились создавать с использованием искусственного интеллекта, то <nobr>2026-й</nobr> станет годом, когда они научатся работать как организации, изначально ориентированные на ИИ (ИИ-нативные). ИИ больше не является просто инструментом, дополняющим человеческий труд, он становится автономным участником бизнес-процессов, со своими собственными требованиями, ожиданиями и сценариями сбоев, пишут на портале </em><em>BigDataWire</em> <em>Уилл Лафорест, технический директор Confluent, и Шон Фалконер, руководитель отдела ИИ Confluent.</em></p> <p>Трансформация требует новых архитектурных моделей, новых дисциплин и переосмысления того, как предприятия взаимодействуют с клиентами и управляют своими технологическими стеками. Компании, которые осознают эти изменения на раннем этапе, будут лидировать на конкурентном рынке в течение следующего десятилетия.</p> <p>Вот ключевые тенденции, которые проявятся в 2026 г.</p> <h3>Машины станут основными клиентами</h3> <p>Транзакции между машинами не являются чем-то новым, но в 2026 г. целые отрасли будут стремиться обеспечить поддержку агентов ИИ в качестве клиентов. Практический пример: если вам нужно купить вантуз по лучшей цене в надежном магазине, то вы можете не тратить часы на поиски, просто создав агента, который сделает это за вас. То же самое относится к страховым полисам, вариантам доставки, покупке шин — все это подходящие задачи для агентов.</p> <p>Но это всего лишь микрорешения. А как насчет агентов, которые оптимизируют цепочки поставок по всем клиентским портфелям, проводят непрерывный анализ закупок или динамически корректируют сервисные контракты?</p> <p>В 2026 г. компаниям придется переосмыслить свои технологические стеки продаж и маркетинга для автоматизированных клиентов. Агенты невероятно эффективны. Они откажутся от транзакций, занимающих секунды. У них нулевая лояльность. Они могут сменить поставщика посреди транзакции ради незначительно лучших условий. Компании, которые не смогут взаимодействовать с агентами и мгновенно реагировать, останутся вне поля зрения. Победители поймут, что агенты — это не просто автоматизированные покупатели, а новый тип клиентов, требующий данных реального времени и оптимизированных для ИИ интерфейсов.</p> <h3>Контекстная инженерия станет отдельной дисциплиной</h3> <p>По мере перехода предприятий на мультиагентные системы основное внимание инженеров будет смещаться с создания промптов на архитектуру контекста. Мультиагентные рабочие процессы быстро расширяют требования благодаря определениям инструментов, истории разговоров и данным из нескольких источников. Это создает две проблемы: контекстные окна быстро заполняются, а модели страдают от «протухания контекста», забывая информацию, скрытую в длинных промптах.</p> <p>К середине 2026 г. контекстная инженерия выделится в отдельную дисциплину со специализированными командами и инфраструктурой, предоставляющей агентам необходимую им минимальную, но полную информацию. Лучшие специалисты по контекстной инженерии будут понимать как ограничения больших языковых моделей (LLM), так и семантическую структуру своей бизнес-области.</p> <h3>Контекстные движки станут следующим прорывом в области ИИ</h3> <p>Если 2024 г. был посвящен RAG (генерация с расширенной выборкой), а <nobr>2025-й —</nobr> агентному ИИ, то в 2026 г. появятся контекстные движки. Даже когда агенты смогут получать доступ к нужным данным, управление контекстом останется узким местом.</p> <p>Как организации смогут вписать сложные взаимодействия в ограниченные контекстные окна? Как они смогут избежать перегрузки LLM и снижения точности? Как они смогут гарантировать, что важная информация не будет потеряна по мере роста контекста?</p> <p>Контекстные движки объединяют предоставление данных, управление метаданными и оптимизацию контекста на нескольких этапах инференса. Это будет не просто более интеллектуальная RAG, это будет новый инфраструктурный уровень, специально разработанный для управления контекстом в масштабе.</p> <h3>Семантический слой станет критически важной инфраструктурой ИИ</h3> <p>Предприятия понимают, что агентам ИИ нужны как данные, так и смысл. Компании, которые годами совершенствовали озера данных, уже обнаруживают, что этих ресурсов недостаточно. ИИ может извлекать данные, но без семантического контекста он не может интерпретировать действия или намерения.</p> <p>Вот почему команды перейдут от векторного поиска к созданию графов знаний, онтологий и карт на основе метаданных, которые научат ИИ, как работает их бизнес. Поле битвы сместится от владения необработанными данными к владению их интерпретацией. Готовые агенты будут испытывать трудности в сложных областях, потому что семантика специфична для каждой области. К концу 2026 г. семантический слой станет для ИИ таким же важным, как база данных для аналитики.</p> <h3>Генеративный ИИ наконец-то откроет путь к модернизации унаследованных систем</h3> <p>В 2026 г. генеративный ИИ поможет решить проблему модернизации унаследованных систем. Преобладающий подход «оставить и наложить» минимизировал риски, но создавал дорогостоящие проблемы, которые со временем усугублялись, оставляя компании заложниками поставщиков с уменьшающимися переговорными возможностями.</p> <p>В то время как LLM все еще испытывают трудности с такими языками, как COBOL, их возможности улучшаются. Благодаря специализированным интеграторам отрасль добилась значительных успехов в расчете соотношения затрат и рисков. В 2025 г. устаревшие JMS-приложения были преобразованы в современные системы, управляемые событиями, и запущены в производство со значительными преимуществами. 2026 г. станет переломным моментом для миграции с унаследованных приложений, и ситуация будет только улучшаться.</p> <p>Теперь ИИ-нативное предприятие выглядит совсем иначе, чем раньше. Оно обслуживает машинных клиентов, рассматривает контекст как критически важную инфраструктуру и имеет инструменты для преодоления копившегося десятилетиями технического долга. Компании, которые примут эти шаблоны, будут не просто использовать ИИ, они будут работать способами, которые до прихода ИИ были невозможны.</p> Если 2025-й стал годом, когда предприятия научились создавать с использованием искусственного интеллекта, то 2026-й … article https://www.itweek.ru/themes/detail.php?ID=234171 Fri, 16 Jan 2026 10:07:23 +0300 <p><em>Что действительно станет решающим для бизнеса в 2026 году: облачная маневренность или полный контроль над данными? В реальности выбор между этими полюсами уже утратил смысл. Российские компании прошли через жесткую трансформацию и в итоге выстроили архитектуру, где гибкость и суверенность работают как единая система координат. Период «панической миграции» остался в прошлом. Сегодня облако перестало быть просто строкой в бюджете. Оно стало сложным капиталом, который либо ускоряет бизнес, либо тянет его вниз. И ключевой вопрос теперь звучит иначе: не «Сколько это стоит?», а «Какую долю выручки приносят сервисы, работающие в облаке?». Рынок переходит в фазу рациональной зрелости, где выигрывают те, кто умеет превращать каждый гигабайт и каждое ядро в понятные и измеримые бизнес-эффекты.</em></p> <p><em>Рассмотрим</em><em> новую операционную реальность, где облако превращается в «цифровое кинетическое ядро» бизнеса. </em><em>Обсудим</em><em>, как формирующиеся суверенные экосистемы задают новые правила игры, почему гибридные архитектуры и «облачные фабрики» становятся не трендом, а технологической неизбежностью, и что означает для компаний переход от управления инфраструктурой к полноценному управлению стратегическими цифровыми активами.</em></p> <h3>Суверенитет: от лозунга к архитектуре</h3> <p>К концу 2025 года российское облако окончательно вышло из стадии «базара виртуалок». На смену набору однотипных ресурсов пришел полноценный технологический слой — арена, где соревнуются экосистемы, а не только мощности. Вес лидеров теперь измеряется не объемом арендованного IaaS, а глубиной платформенных сервисов. Доля PaaS у ключевых <a href="https://apple-hills.com/ru/reports/cloud-study-russia-2025">игроков уверенно превысила 40%</a>, и это точка невозврата: бизнес приходит уже не за «железом», а за готовыми средами разработки, платформами данных и инструментами ИИ. Именно они стали новым двигателем роста и основой кратного увеличения выручки.</p> <p>Уход западных вендоров и ужесточение регуляторики не просто создали турбулентность — они задали новый инженерный стандарт. К 2026 году у российского облака появились четкие контуры суверенной архитектуры: национальная инфраструктура, полностью сертифицированное ПО, прозрачные цепочки доверия. Цифровой суверенитет перестал быть политической метафорой и превратился в инженерную практику.</p> <p>Контроль над данными, защищенные контуры для госсектора и КИИ, встроенные механизмы безопасности — все это стало стандартной конфигурацией. А сертификация ФСТЭК из бюрократической процедуры превратилась в настоящую валюту доверия. Это не «бумажка», а публичный маркер того, что провайдер держит под контролем каждый байт, каждое соединение, каждый слой стека.</p> <p>Изменение логики доверия подтверждается цифрами. Если в 2023 году доля новых проектов, уходивших в российские облака, не превышала 45%, то в <nobr>2025-м</nobr> она уверенно перешла отметку 70% (по данным TAdviser). И дело уже не в необходимости соответствовать требованиям регуляторов — драйвером стала реальная технологическая зрелость локальных экосистем.</p> <p>Суверенное облако прошло собственную эволюцию. Оно выросло из вынужденного решения в осознанный стратегический выбор. Из реакции на вызовы — в фундамент новой цифровой рациональности. Это первый, и уже необратимый шаг к зрелости: когда контроль перестает ограничивать и начинает открывать новые возможности.</p> <h3>Гибридная архитектура как операционная норма</h3> <p>Добившись контроля, бизнес быстро столкнулся с новой развилкой: как удержать его, не потеряв гибкости? Ответ нашелся не в политике и не в финансах, а в архитектуре. Модель «все и сразу в публичное облако» в российской реальности показала себя утопией. Жесткие отраслевые требования закрепили гибридный подход как операционную норму. Для ключевых сегментов это уже не опция, а инженерный императив.</p> <p>Современная облачная архитектура напоминает продуманное зонирование. Критичное ядро — ERP, персональные данные, транзакционные системы — работает под плотным защитным куполом on-premise или частных облаков. А все, что требует скорости, экспериментов и масштабируемости — среды разработки, аналитика, ИИ-модели — уходит в эластичный публичный контур. Такой разрез позволяет одновременно держать регуляторный метроном и не отпускать штурвал инноваций.</p> <p>Логичным продолжением стала мультиоблачность. Более половины крупных компаний уже сознательно работают с несколькими провайдерами. Мотивы сугубо прагматичны: убрать риск вендор-локина, играть на разнице цен и создать по-настоящему отказоустойчивую среду. Отсюда — растущий спрос на кросс-облачные платформы управления и комплексные «облачные фабрики», превращающие разрозненные сервисы в единый воспроизводимый конвейер.</p> <p>Вместе с этим сместился и фокус компетенций. Администрирование «железа» перестало быть центром профессии. На первый план вышло архитектурное оркестрирование и финансовое управление распределенными средами — зрелый FinOps. Главная экспертиза теперь в умении управлять гибридной симфонией, где каждая нота — это точный баланс между безопасностью, гибкостью и стоимостью.</p> <h3>ИИ и облако: симбиоз, меняющий правила</h3> <p>Гибридная модель расчистила дорогу главному потребителю вычислительных мощностей — искусственному интеллекту. ИИ стал не просто трендом, а основным двигательным контуром роста облачного рынка. Спрос на GPU-вычисления в публичных облаках <a href="http://apple-hills.com/ru/reports/cloud-study-russia-2025">увеличивается на 45% в год, а на платформенные AI/ML-сервисы — на 35%</a>.</p> <p>У этого бума уже есть четкое отраслевое лицо. Ритейл требует аналитики в режиме реального времени. Финтех — максимальной скорости и минимальных задержек. Промышленность — предиктивных моделей, работающих с точностью часового механизма. Все сценарии объединяет одно: тотальная зависимость от облака как от единственной «цифровой стройплощадки», которая может дать мгновенный масштаб и эластичность, недоступные классическим ЦОДам.</p> <p>К 2026 году мощная GPU-инфраструктура в российских дата-центрах перестала быть редкостью и стала стандартом. Провайдеры сделали стратегическую ставку не на железо как таковое, а на комплексные <nobr>ML-платформы —</nobr> по сути «фабрики моделей» под ключ, где весь процесс от подготовки данных до развёртывания пайплайнов превращается в воспроизводимую технологию.</p> <p>Однако бурный рост открыл новый парадокс: чем доступнее становятся мощности, тем острее встает вопрос безопасности данных. Это как передать уникальный семейный архив на обработку в публичную библиотеку — инфраструктура масштабируется идеально, но риски возрастают многократно. Поэтому ключевым критерием выбора провайдера сегодня становится не набор GPU, а зрелость подходов к построению защищённых контуров и изоляции данных.</p> <p>На рынке формируется новый стандарт — безопасный, эластичный и практически мгновенный доступ к ИИ-мощностям. Бизнес покупает уже не гигафлопсы, а гарантированную целостность своих данных, уверенность в том, что каждый пакет информации остается под полным контролем.</p> <h3>Безопасность как сервис</h3> <p>Статистика фиксирует однозначный тренд: <a href="https://yandex.cloud/ru/blog/reflected-attacks-h1-2025?utm_referrer=https%3A%2F%2Fwww.google.com%2F">76% кибератак</a> сегодня направлены на облачные хранилища. Это не шум и не случайность, а закономерный эффект масштаба. Чем глубже бизнес уходит в облако, тем дороже обходится любой инцидент. Зависимость стала двусторонней: компании передают в облако критичные данные и процессы, а злоумышленники переносят туда же свой основной вектор атаки. Такой сдвиг заставляет переосмысливать базовые подходы и строить безопасность по принципам Zero Trust.</p> <p>Ответ рынка уже сложился — безопасность эволюционирует в полноценную сервисную модель SECaaS, а защищённые среды становятся обязательной частью архитектуры. Шифрование, контроль внутренних угроз, сегментация доступа — все это превращается не в дополнительные опции, а в норму проектирования. На первый план выходят управляемые сервисы безопасности: Managed SOC становится не просто инструментом мониторинга, а ключевым источником доверия к провайдеру.</p> <p>По сути, мы наблюдаем тихую, но фундаментальную революцию. Безопасность перестала быть «дверью на замке» и превратилась в интеллектуальную систему жизнеобеспечения цифровой экосистемы. Наличие такой системы — первый реальный признак зрелости рынка, где доверие строится не на обещаниях, а на инфраструктуре, которая способна защитить бизнес в любой точке его облачного периметра.</p> <h3>Культура облачного мышления</h3> <p>Если раньше CIO ломал голову над тем, «как бы перетащить этот старый сервер в облако», то сегодня он отвечает на другой вопрос — «как вписать облако в ДНК бизнеса». Это и есть кульминация рационального периода: переход от тактики миграции к стратегии, где облако становится фундаментом бизнес-логики, а не внешним ресурсом.</p> <p>На практике эта культура материализуется в зрелых практиках FinOps. Компании формируют собственные финансово-инженерные команды, которые управляют облачными расходами как инвестиционным портфелем, отсекая до трети избыточных затрат. Но цель здесь далеко не экономия. Главная задача — построить прозрачную систему, которая переводит гигабайты и ядра на язык выручки: стоимость привлечения клиента, маржинальность проекта, скорость вывода нового продукта. В ответ появляются облачные центры компетенций, а ключевой ролью становится cloud-экономист — человек, который переводит архитектурные решения на язык бизнеса и обратно.</p> <p>При этом главный барьер — не технологии, а организационные разрывы. Преимущество получают те компании, которые сумели выстроить мосты между ИТ, финансами и бизнес-подразделениями. Именно они смогут извлекать максимум из облачной эластичности и превращать вычислительную мощь в рыночное превосходство, а данные — в единственную по-настоящему универсальную валюту: способность принимать верные решения быстрее конкурентов.</p> <h3>Формула зрелости</h3> <p>2026 год станет для облаков не временем «панического роста», а эпохой рациональной зрелости. Рынок будет замедляться в темпе, но расти в глубину: укреплять локальные компетенции, развивать отраслевые решения и повышать архитектурную эффективность. Эпоха романтиков закончилась — наступает время архитекторов и экономистов, тех, кто понимает, что облако сегодня это не эмоция, а инженерно-финансовая дисциплина.</p> <p>К этому моменту российское облако окончательно кристаллизовалось как стратегическая платформа национального масштаба. Его формула успеха складывается из четырех ключевых элементов:</p> <ol> <li> Суверенитет как контроль.</li> <li> Гибридность как гибкость.</li> <li> Искусственный интеллект как двигатель.</li> <li> Управляемая безопасность как доверие.</li> </ol> <p>Для бизнеса императив становится очевидным: стратегические инвестиции в облако сегодня — это не вопрос «если», а вопрос «как». Ключ — в построении гибкой мультиоблачной архитектуры, управляемой через призму FinOps и интегрированной в отраслевые процессы так же глубоко, как производственные цепочки или финансовые модули.</p> <p>Устойчивый рост в <nobr>2026-2030</nobr> годах будет зависеть от способности рынка преодолеть системные барьеры: кадровый дефицит и потребность в развитии региональной инфраструктуры. Однако траектория уже определена. Мы движемся от вынужденной адаптации к осознанному архитектурному суверенитету — к модели, где облако становится основой следующего экономического цикла. Точкой, в которой технологии перестают быть вспомогательным инструментом и превращаются в прямой источник бизнеса, результатов и конкурентных преимуществ.</p> <p>#IMAGE_234172#</p> Что действительно станет решающим для бизнеса в 2026 году: облачная маневренность или полный контроль над данными … article Аслан Шингаров, заместитель руководителя отдела продаж ActiveCloud https://www.itweek.ru/themes/detail.php?ID=234170 Fri, 16 Jan 2026 09:57:20 +0300 <p><em>Агентный искусственный интеллект превращает системы планирования ресурсов предприятия (ERP) в интеллектуальную рабочую силу. Привлекайте поставщиков на ранних этапах, продумайте, как люди и агенты будут работать вместе, и создайте систему снижения рисков, советует </em><em>CIO</em> <em>на портале </em><em>InformationWeek</em> <em>независимый ИТ-аналитик Майлз <a name="OLE_LINK1">Суэр</a>.</em></p> <p>ERP-пакеты долгое время лежали в основе глобальных бизнес-операций. Их цель заключалась в кодификации лучших практик, оптимизации бизнес-процессов, улучшении управления данными и поддержке принятия обоснованных решений. Однако агентный ИИ предоставляет возможность переосмыслить то, как внедрение ERP поддерживает основные бизнес-возможности.</p> <p>Встраивание агентного ИИ в системы ERP открывает двери для значимой трансформации бизнеса, позволяя создавать новые, более эффективные операционные модели. Агентный ИИ может изменить то, как работают организации, повысив гибкость, эффективность и оперативность реагирования на потребности клиентов.</p> <p>Для организаций, уже инвестировавших в монолитные ERP и интегрированные финансовые пакеты, готовые агентные возможности предоставляют практичную и доступную точку входа. Фактически, для многих предприятий ERP станет самым ранним и наиболее практичным местом для применения агентного ИИ к реальным бизнес-задачам. В агентной организации небольшие междисциплинарные команды будут управлять «фабриками агентов», которые контролируют целые процессы от начала до конца. Важно отметить, что агентный ИИ будет трансформировать, а не заменять большинство ERP-систем.</p> <p>«Некогда малоразвитая сфера приложений ERP переосмысливается с помощью возможностей агентного ИИ», — объясняет эти изменения Джон Ван Декер, заслуженный аналитик Dresner Advisory Services. Он говорит, что способность агентного ИИ приоритизировать задачи и взаимодействовать с приложениями в финансовых, логистических и кадровых экосистемах, а также постоянно совершенствоваться за счет обратной связи и обучения, превращает ERP «из набора программных инструментов в интеллектуальную рабочую силу».</p> <h3>Сдвиг от пассивных инструментов к проактивным агентам</h3> <p>С момента появления современных предприятий основными бизнес-процессами в сфере финансов, цепочек поставок и производства управляли люди. Теоретик в области управления Гэри Хамель отмечает, что многие процессы, используемые и сегодня, были первоначально разработаны в начале промышленной революции. Теперь многие задачи, которые люди выполняли более века и которые впоследствии были интегрированы в ERP-системы, переходят к агентному ИИ. Агенты будут все чаще брать на себя работу в сферах финансов и планирования, управления цепочками поставок и закупок, производства, управления персоналом и обслуживания клиентов.</p> <p>Агентный ИИ предлагает потенциал для перехода от пассивного к проактивному управлению, обеспечивает самостоятельное выполнение многоэтапных задач и принятие решений. Автономные «цифровые работники» будут управлять и выполнять сложные сквозные бизнес-процессы. Ван Декер выделяет следующие области их воздействия:</p> <ul> <li><strong> Финансы и планирование.</strong> Агенты будут автоматизировать такие функции, как обработка счетов-фактур, отчетность о расходах, формирование финансовой отчетности и проверка соответствия нормативным требованиям. Кроме того, они будут самостоятельно выявлять аномалии и предоставлять прогнозы ликвидности.</li> <li><strong> Управление цепочками поставок и закупки.</strong> Агенты будут отслеживать уровни запасов, в режиме реального времени пересматривать контракты с поставщиками в ответ на колебания цен на сырье, корректировать производственные графики с учетом задержек с поставками материалов и оптимизировать логистические сети.</li> <li><strong> Производство.</strong> Агенты повысят операционную эффективность за счет мониторинга в режиме реального времени, планирования предиктивного обслуживания, автоматизированного контроля качества на основе компьютерного зрения и адаптивной перенастройки производственных процессов для устранения сбоев.</li> <li><strong> Кадровое обеспечение.</strong> Агенты оптимизируют процессы подбора персонала, будут управлять документацией по адаптации новых сотрудников и отвечать на рутинные вопросы по заработной плате и обращения по льготам для сотрудников, позволив специалистам по кадрам сосредоточиться на стратегических инициативах.</li> <li><strong> Обслуживание клиентов.</strong> Агенты будут управлять взаимодействием с клиентами на первом уровне поддержки, проводить анализ настроений, получать доступ к истории заказов, предоставлять персонализированные сообщения и передавать сложные вопросы специалистам с подробным контекстом.</li> </ul> <h3>Стратегия на 2026 г.: приоритеты для CIO и CFO</h3> <p>Учитывая эти возможности, какие действия должны предпринять CIO — и CFO, которых они поддерживают? В повестку дня CIO на 2026 г. следует добавить следующие приоритеты:</p> <ol> <li> Разработать четкий бизнес-план внедрения агентного ИИ, включая его последствия для текущей среды ERP, операционной модели и финансового контроля.</li> <li> Заблаговременно привлечь поставщиков ERP-систем, чтобы понять их планы внедрения агентного ИИ, сроки внедрения, а также операционные, финансовые и связанные с безопасностью риски, которые могут возникнуть в связи с этими возможностями.</li> <li> Определить, как люди и агентные системы будут взаимодействовать, установив четкие роли «человека в контуре управления», права принятия решений и пути эскалации. ИИ — инструмент мощный, но не непогрешимый.</li> <li> Создать комплексную систему снижения рисков, которая учитывает угрозы безопасности (например, инъекции промптов), этические риски (такие как предвзятые решения), проблемы с инфраструктурой и качеством данных, сложности внедрения и организационные барьеры, включая слабое управление или нереалистичные ожидания.</li> <li> Устранить фундаментальные пробелы в готовности, включая незрелые инструменты, непостоянное качество данных, нечеткие процессы и трудности измерения рентабельности инвестиций в инициативы по внедрению агентного ИИ.</li> <li> С самого начала учитывать в каждой инициативе по внедрению агентного ИИ вопросы управления, прозрачности, безопасности и привязки к поставщикам, а не рассматривать их как второстепенные.</li> <li> Запланировать привлечение специализированных кадров, необходимых для проектирования, развертывания и управления агентными системами ИИ, признав, что эффективное внедрение зависит от дефицитных и постоянно развивающихся экспертных знаний.</li> <li> Разработать проактивную стратегию коммуникации и управления изменениями для преодоления культурного сопротивления, опасений сотрудников по поводу сохранения работы и осторожности руководства в отношении рисков и затрат. Четкое понимание намерений и продуманное внедрение будут иметь решающее значение для масштабного применения.</li> </ol> <h3>Оптимизировать или трансформировать: вот в чем вопрос</h3> <p>ERP должно оставаться ключевым элементом повестки дня каждого CIO на 2026 г. Для ведущих организаций главной задачей будет принятие решения, следует ли использовать агентов для оптимизации существующих бизнес-процессов или для осуществления кардинальной трансформации бизнеса. По этой причине CIO, хорошо разбирающиеся в ИИ, будут стремиться найти правильный баланс между постепенным улучшением процессов и сокращением затрат, а также их смелым переосмыслением. Данные исследований показывают, что организации со зрелым, индустриализированным фундаментом данных и процессов уже применяют более широкий, более трансформационный подход к агентному ИИ.</p> Агентный искусственный интеллект превращает системы планирования ресурсов предприятия (ERP) в интеллектуальную рабочую силу … article https://www.itweek.ru/themes/detail.php?ID=234169 Thu, 15 Jan 2026 16:55:59 +0300 <p>Компания «РуБэкап» (входит в «Группу Астра») анонсировала выпуск новой версии системы резервного копирования и восстановления данных RuBackup 2.8.</p> <p>Благодаря обновлению управлять жизненным циклом резервных копий станет проще. Введена новая модель лицензирования по конфигурации, упрощающая планирование и сопровождение меняющейся инфраструктуры. Интерфейс управления стратегиями и глобальным расписанием (RBM) был усовершенствован. Реализовано расширенное журналирование всех изменений в правилах, что дает администраторам максимальный контроль и быстрый инструмент для диагностики. Для оперативных сценариев добавлена возможность принудительного запуска стратегий.</p> <p>Значительная часть релиза посвящена оптимизации операций с данными. Система теперь поддерживает многопоточное копирование и перемещение резервных копий между удаленными файловыми пулами в рамках одной инсталляции, что ускоряет миграцию данных и балансировку нагрузки. </p> <p>Добавлена утилита удаленной настройки серверных и клиентских компонентов по SSH. Эксплуатационная сторона также усилена: появилась ротация директории с системными журналами по квотам, расширено логирование и добавлена возможность фиксации сетевых портов для работы в сегментированных сетях.</p> <p>RuBackup 2.8 существенно расширяет поддержку ключевых платформ. Представлен модуль для резервного копирования Microsoft Active Directory. Добавлен новый элемент для защиты виртуальных машин на платформе Basis DynamiX Standard, а для Proxmox VM реализована возможность создания и восстановления копий без промежуточного хранилища, что экономит дисковое пространство и ускоряет работу. Улучшена совместимость с отечественными гипервизорами (zVirt, «РЕД Виртуализация» и др.) и облачной платформой OpenStack Dalmatian 2024.2.</p> <p>Модули для почтовых систем получили важные доработки: для RuPost добавлена поддержка работы с несколькими пространствами хранения, при резервном копировании VK WorkMail оптимизировано потребление оперативной памяти. Реализовано резервное копирование нескольких экземпляров СУБД PostgreSQL на одном сервере. Упрощена работа с файловыми системами Linux и Windows, включая новые возможности для автоматизации и удаленной репликации.</p> <p>«Надежное резервное копирование — это не „страховка на всякий случай“, а уверенность в непрерывности бизнеса в любой ситуации. В релизе RuBackup 2.8 мы сделали систему ближе к реальным задачам заказчиков: проще управление, шире совместимость, быстрее и гибче сценарии хранения и восстановления. Наша цель неизменна — чтобы данные всегда возвращались вовремя, а ИТ-команды могли сосредоточиться на развитии, а не на борьбе с последствиями сбоев», — прокомментировал Андрей Кузнецов, генеральный директор компании «РуБэкап».</p> Компания «РуБэкап» (входит в «Группу Астра») анонсировала выпуск новой версии системы резервного копирования … message https://www.itweek.ru/themes/detail.php?ID=234167 Thu, 15 Jan 2026 16:52:32 +0300 <p>UserGate, российский разработчик решений по информационной безопасности, объявил о выходе новой версии межсетевого экрана для защиты веб-приложений — UserGate WAF 7.5.0 Beta. Ключевыми особенностями релиза стали: повышение производительности, новые сигнатуры для защиты популярных сервисов, расширение возможностей дашбордов и настройки пользовательских страниц блокировки. Одновременно с выходом новой версии решения заказчикам стала доступна и дополнительная высокопроизводительная аппаратная платформа собственной разработки для UserGate WAF — E3010.</p> <p>Одной из задач продуктовой команды UserGate WAF является оптимизация работы и расширение функциональности встроенного модуля OWASP TOP-10, который содержит правила блокирования эксплуатации уязвимостей веб-приложений и технологий. Но основное направление развития экспертизы по безопасности в UserGate WAF — защита от новых разновидностей атак, в том числе нацеленных на «Битрикс», React Server Components и другие популярные решения и инструменты.</p> <p>«Наши клиенты знают, что UserGate WAF обеспечивает максимальную защиту от всех актуальных угроз и при этом предлагает простое, удобное и эффективное администрирование. Расширение инструментария, который необходим узкому сегменту заказчиков, также является для нас приоритетом в 2026 году. Именно на этом сейчас и сконцентрирована работа команды продукта», — отметил менеджер по развитию UserGate WAF Виталий Абрамович. </p> <p>Благодаря улучшению утилизации ресурсов в UserGate WAF 7.5.0, новая версия демонстрирует заметный прирост производительности решения — по сравнению с 7.4.1 она увеличилась на 31% для 4 ядер и на 23% для 8 ядер. При этом по запросу клиента решение может быть поставлено с еще большими показателями производительности за счет увеличения количества ядер ЦП.</p> <p>UserGate WAF 7.5.0 получил новую реализацию дашбордов, в которых появилось еще больше виджетов, подробная визуализация и возможность ручной настройки их расположения. Помимо ручного обновления, для дашбордов и журнала событий стала доступна настройка скорости их обновления, многоуровневая фильтрация и механизм быстрой навигации в интерфейсе. Обновленные дашборды позволяют администраторам в реальном времени получать больше информации и лучше представлять ее в виде отчетов.</p> <p>Еще одна новация в администрировании решения — реализация взаимодействия UserGate WAF и UserGate Management Center (MC). Она станет доступна клиентам после выхода UserGate MC 7.6.</p> <p>Добавлена востребованная функция, которая позволяет администраторам задавать собственные коды ответа для заблокированных запросов по конкретным правилам или группам правил. Конечно же, присутствует и возможность загрузки пользовательской страницы ответа.</p> <p>Одновременно с выходом нового релиза UserGate протестировал и расширил список аппаратных платформ для UserGate WAF. В список добавлена высокопроизводительная UserGate E3010, которая обладает производительностью до 3000 RPS (Requests Per Second — количество обрабатываемых запросов к веб-приложениям в секунду). Устройство работает на <nobr>24-ядерном</nobr> процессоре, имеет 64 Гб оперативной памяти и накопитель SSD объемом 1 Тб. Платформа UserGate E3010 сертифицирована и включена в реестр Минпромторга России (№ 10600407) и уже доступна заказчикам.</p> <p>Новую версию для тестирования можно скачать в личном кабинете на сайте.</p> UserGate, российский разработчик решений по информационной безопасности, объявил о выходе новой версии межсетевого … message https://www.itweek.ru/themes/detail.php?ID=234166 Thu, 15 Jan 2026 16:50:22 +0300 <p>Компания РЕЛЭКС, разработчик СУБД ЛИНТЕР БАСТИОН, сообщила об обновлении версии под сертификатом ФСТЭК до версии 6.0.20.5.</p> <p>Данный релиз продолжает стратегию развития защищённой СУБД, фокусируясь на усилении встроенных механизмов безопасности, повышении производительности, расширении поддержки современного оборудования и программных экосистем, а также на общей стабилизации платформы.</p> <p>Ключевые улучшения, вошедшие в обновление:</p> <ul> <li>улучшения в части настроек подсистем безопасности: доработана подсистема аудита, внесены изменения в настройки безопасности по умолчанию, расширены настройки дискреционного доступа;</li> <li>улучшения в части настроек производительности по умолчанию;</li> <li>общие доработки по улучшению алгоритмов архивирования баз;</li> <li>доработки для работы СУБД ЛИНТЕР на ОС под управлением процессора Байкал;</li> <li>добавлена поддержка Python версий 3.9 и выше;</li> <li>улучшения в работе подсистем SQL, оптимизации выполнения запросов, процедурного языка;</li> <li>в состав дистрибутива добавлен ряд примеров для различных программных интерфейсов;</li> <li>общие доработки для повышения стабильности работы на различных ОС и платформах;</li> <li>улучшения в установщик.</li> </ul> <p>«Наша стратегия — обеспечивать клиентов не просто сертифицированным, но и технологически современным продуктом. Очередное обновление под сертификатом ФСТЭК подтверждает, что СУБД ЛИНТЕР БАСТИОН остаётся развивающейся надёжной основой для защищённых информационных систем», — отметила Ирина Мягкова, заместитель генерального директора по развитию компании РЕЛЭКС.</p> Компания РЕЛЭКС, разработчик СУБД ЛИНТЕР БАСТИОН, сообщила об обновлении версии под сертификатом ФСТЭК до версии … message https://www.itweek.ru/themes/detail.php?ID=234165 Thu, 15 Jan 2026 16:46:49 +0300 <p>Группа Rubytech представила новую версию Машины баз данных Скала^р МБД.П на основе Postgres Pro Enterprise с возможностью покомпонентного обновления и рекордной производительностью 135 000 транзакций в секунду (в рамках эталонного теста TPC-B). Обновленные характеристики Машины позволяют обеспечить бесперебойную работу систем при высокой нагрузке, что особенно критично для организаций финансового сектора и e-commerce. Автоматизация рутинных операций управления кластером, добавленная в последнюю версию, сокращает время работы инженеров с нескольких часов до десятка минут, что значительно снижает операционные риски, связанные с человеческим фактором, и сопутствующие им финансовые потери.</p> <p>Обновленная Машина обладает повышенной производительностью и сбалансирована для отраслевых решений финансового сектора и ERP предприятий с десятками миллионов клиентов. Поскольку каждая банковская операция представляет собой целый набор действий (списание денег с одного счета, зачисление на другой, запись в журнал операций, обновление балансов, включая различные проверки), то такой уровень производительности обеспечивает необходимый запас мощности для стабильной работы при высоких нагрузках. </p> <p>Машина баз данных Скала^р МБД.П — программно-аппаратный комплекс (ПАК) для обработки и хранения данных, специально предназначен в качестве замены зарубежных ПАК (таких как Oracle Exadata) для транзакционных нагрузок. Машина может использоваться для создания сервисов СУБД частных и гибридных облаков предприятий, построения катастрофоустойчивых инфраструктур, реализации высоконагруженных систем и скоростной обработки транзакций на основе СУБД Postgres Pro.</p> <p>Одно из главных улучшений — новая версия системы управления кластером Скала^р Спектр, которая предоставляет возможность управлять метро- и геокластером.</p> <p>Режим работы метрокластера позволяет перемещать реплику базы данных в другой ЦОД в Машину Скала^р МБД.П. Такая конфигурация возможна при минимальных сетевых задержках между ЦОДами и позволяет в автоматическом режиме переключать работу СУБД в двух и более ЦОДах, гарантируя бесперебойность работы даже при сбое в одном из дата-центров.</p> <p>Режим работы геокластера предназначен для построения катастрофоустойчивых решений между географически удаленными площадками. Он предполагает расположение Машин баз данных на большом отдалении друг от друга с большими сетевыми задержками. В режиме геокластера операции переключения автоматизированы средствами ПО Скала^р Спектр, что позволяет сократить время работы инженера в несколько раз.</p> <p>Возможность использования профиля конфигурации МБД.П под банковские и ERP-системы (включая 1C) гарантирует отказоустойчивость Машин и геокластера на их основе и обеспечивает вычислительную мощность для импортозамещения самых требовательных ИТ-инфраструктур.</p> <p>В представленной версии Машины обновлена система мониторинга. Новое решение включает в себя все прежние функции программной платформы Скала^р Визион и расширяет его функциями восстановления конфигураций мониторинга, новыми панелями мониторинга модуля резервного копирования, расширенными метриками СУБД Postgres Pro и дополнительными оповещениями на граничные триггеры ключевых событий статуса здоровья Машины баз данных МБД.П.</p> <p>«Команда разработки программно-аппаратных комплексов Скала^р из года в год находит технологические решения для роста производительности Машины баз данных Скала^р МБД.П на 30% и более, в зависимости от отрасли применения. Мы не просто обновляем и поставляем новые отечественные решения защищенных баз данных, а предлагаем готовые сценарии для построения сложной, отказоустойчивой инфраструктуры, которая раньше требовала значительных усилий по интеграции», — прокомментировал Александр Бурцев, владелец продукта Машина баз данных Скала^р.</p> <p>Новая версия программно-аппаратного комплекса уже доступна для заказа. Решение полностью совместимо с существующей линейкой продуктов модульной платформы Скала^р, включающей Машины динамической инфраструктуры, больших данных, ИИ, интеллектуального хранения и резервного копирования, и может быть интегрировано в текущую ИТ-инфраструктуру заказчика.</p> Группа Rubytech представила новую версию Машины баз данных Скала^р МБД.П на основе Postgres Pro Enterprise … message https://www.itweek.ru/themes/detail.php?ID=234164 Thu, 15 Jan 2026 16:43:40 +0300 <p>Компания «Индид» представила новую версию Indeed Privileged Access Manager (Indeed PAM) 3.3 — системы для управления доступом привилегированных пользователей. Ключевые обновления продукта призваны повысить безопасность доступа к веб-ресурсам, упростить управление сессиями и обеспечить гибкость при контроле доступа.</p> <p>Наиболее значимые изменения, которые Индид внесла в Indeed PAM, направлены на повышение уровня безопасности доступа привилегированных пользователей. Версия 3.3. была дополнена компонентом Web-Proxy, который предоставляет безопасный доступ к веб-приложениям напрямую через браузер без необходимости использования Microsoft RDS. Новый компонент развертывается на Linux-хостах и обеспечивает изолированную среду для работы с HTTPS-ресурсами. Открыть веб-ресурс пользователь может непосредственно из пользовательского интерфейса (User Console). При этом администратор получает возможность загрузить SSO-шаблон для автоматического заполнения учетных данных на целевом ресурсе. Такой подход обеспечивает удобный доступ без раскрытия пароля пользователю и одновременно поддерживает высокий уровень безопасности.</p> <p>Еще одно нововведение, реализованное в Indeed PAM 3.3, — компонент Web-терминал, позволяющий подключаться к RDP- и SSH-ресурсам напрямую из браузера. Теперь пользователям не требуется устанавливать специализированные клиентские приложения для получения доступа к удаленным рабочим столам и командной оболочке. Сессия через Web-терминал запускается непосредственно из User Console, что существенно упрощает процесс подключения к целевым системам и повышает удобство работы пользователей. Это особенно актуально для сценариев удаленной работы, например, при предоставления доступа подрядчикам.</p> <p>Кроме этого, разработчик добавил в консоль управления Indeed PAM (Management Console) информационную панель (дашборд). Этот инструмент позволяет администраторам отслеживать ключевые показатели работы системы и анализировать активность пользователей в режиме реального времени, оперативно выявляя потенциальные проблемы безопасности. На дашборде представлены виджеты со статистикой по сессиям, разрешениям, учетным записям, неудачным попыткам аутентификации, лицензиям, просмотрам учетных данных и активности пользователей. Каждый виджет позволяет перейти в соответствующий раздел Indeed PAM для более детального анализа.</p> <p>Другие важные обновления продукта Indeed Privileged Access Manager призваны повысить гибкость и удобство при работе с системой. В частности, Индид расширила функциональные возможности модуля доступа SQL. Теперь он поддерживает подключение к Microsoft SQL Server благодаря новому компоненту MSSQL Proxy. Его реализация полностью соответствует функционалу, доступному для PostgreSQL Proxy, что обеспечивает единообразие работы с различными СУБД и упрощает администраторам управление пользовательскими сессиями.</p> <p>В новой версии 3.3 у пользователей Indeed PAM появилась возможность открывать сессию без повторной аутентификации. По скачанному RDP-файлу или скопированной команде пользователь может однократно подключиться к ресурсу без необходимости повторного ввода учетных данных. Эта функциональность оптимизирует время пользователей и одновременно повышает безопасность за счет исключения дополнительных точек ввода конфиденциальной информации.</p> <p>«Мы постоянно развиваем Indeed PAM и совершенствуем его функциональность, чтобы наш продукт отвечал самым высоким требованиям безопасности и эффективно решал наиболее критичные и актуальные задачи заказчиков. В новой версии 3.3 мы расширили возможности системы, добавив поддержку пользовательских веб-сессий через специализированный компонент, возможность подключения к ресурсам напрямую в браузере без установки дополнительных клиентов, а также поддержку доступа к базам данных Microsoft SQL Server. Эти изменения позволяют заказчикам повысить уровень защищенности привилегированного доступа, упростить работу пользователей и обеспечить гибкость при реализации различных сценариев: от удаленной работы сотрудников до безопасного взаимодействия с подрядчиками», — отметил Михаил Елычев, руководитель продукта Indeed PAM в Индид.</p> Компания «Индид» представила новую версию Indeed Privileged Access Manager (Indeed PAM) 3.3 — системы для управления … message https://www.itweek.ru/themes/detail.php?ID=234157 Thu, 15 Jan 2026 12:26:25 +0300 <p><em>Для управления быстрым ростом периферийных узлов в 2026 г. ИТ-руководителям необходимо создать гибридную архитектуру, в которой технические команды и пользователи взаимодействуют на каждом уровне, пишет на портале </em><em>InformationWeek</em> <em>Мэри Шеклет, президент консалтинговой компании Transworld Data.</em></p> <p>Периферийные системы, сети и Интернет вещей быстро расширяются — настолько быстро, что ИТ-команды сталкиваются со значительными проблемами при проектировании общей архитектуры для управления периферийными развертываниями и их интеграции в корпоративную ИТ-структуру. Для построения периферийной архитектуры ИТ-руководителям необходимо найти ответы на три критически важных вопроса:</p> <ul> <li> Каковы элементы зрелой ИТ-архитектуры?</li> <li> Какую роль играют ИТ-службы и конечные пользователи в этой схеме?</li> <li> Как периферийные ИТ взаимодействуют с центральными ИТ?</li> </ul> <h3>Основные элементы зрелой периферийной архитектуры</h3> <p>Зрелая ИТ-архитектура характеризуется хорошо организованными рабочими процессами, которые обеспечивают вычисления на периферии, а также обмен данными между периферией и центральными ИТ-системами. На протяжении всех процессов должна поддерживаться безопасность.</p> <p>Как выглядят периферийные реализации на практике? В идеале, периферийные решения включают мини-центры обработки данных — удаленные серверы, сети и хранилища, размещенные в периферийных локациях и настолько автономные, что удаленный объект может работать без необходимости совместного использования с другими вычислительных ресурсов или ресурсов хранения во время регулярных операций.</p> <p>Необходимая передача данных между удаленными периферийными узлами и центральными ИТ должна тщательно координироваться, и ИТ-служба, скорее всего, установит сети с нулевым доверием, чтобы отслеживать и защищать все действия на периферии.</p> <p>Концептуально, создание ИТ-архитектуры, которая включает в себя как центральные ИТ, так и периферию, звучит просто — но это не так. Архитектурно необходимо достичь синергетического сочетания оборудования, ПО, приложений, безопасности и коммуникаций, которые бесшовно работают вместе, независимо от того, находится ли технология на периферии или в дата-центре.</p> <p>Когда задействовано несколько решений и поставщиков, интеграция этих элементов может быть сложной задачей — но способ, которым ИТ-служба может решить архитектурные конфликты заранее, заключается в предварительном определении протоколов интерфейсов, устройств, а также аппаратных и программных стеков.</p> <h3>Определение ролей ИТ-специалистов и конечных пользователей в гибридной ИТ-среде</h3> <p>В общей корпоративной архитектуре, охватывающей как корпоративные, так и периферийные ИТ-системы, техническая поддержка периферийных ИТ может представлять собой сложную задачу. К счастью, обилие доступного ПО позволяет ИТ-специалистам удаленно устранять неполадки и решать многие технологические проблемы на периферии.</p> <p>К сожалению, однако, не все проблемы периферийных ИТ-систем могут быть решены удаленно. Когда на периферии требуется устранение неполадок на месте, можно разместить ИТ-персонал на основных периферийных узлах, чтобы техническая помощь была всегда под рукой, и некоторые компании так и поступают.</p> <p>Однако более распространенный подход к поддержке ИТ на месте для периферийных вычислений заключается в создании гибридной команды из ИТ-специалистов и технически подкованных пользователей. Пользователи, обученные основам обслуживания ИТ-сетей и активов, могут выполнять базовые ИТ-работы на периферии, имея возможность обратиться за удаленной помощью или физическим визитом к ИТ-специалисту, когда это необходимо.</p> <p>В гибридном подходе «пользователь — ИТ-команда» обычно требуются два типа навыков пользователей:</p> <ul> <li> Эксперты по приложениям: пользователи, хорошо знакомые с периферийными приложениями, работающими на объекте.</li> <li> Оперативная поддержка: технически подкованные пользователи, способные перезагружать маршрутизаторы и серверы, определять персонал, который необходимо добавить или удалить из сети, а также выполнять рутинный мониторинг и настройку сети.</li> </ul> <p>В большинстве команд на периферии есть «суперпользователи», которые знают приложения и могут обучать других пользователей. Что касается основ ИТ, то технически подкованные пользователи могут быть обучены этим навыкам ИТ-специалистами и, как уже отмечалось, получать от них поддержку по мере необходимости.</p> <p>Гибридный подход выгоден для всех. Он дает пользователям чувство автономии и избавляет ИТ-специалистов от частых поездок на удаленные объекты. Ключ ко всему — четко определить роли, которые ИТ-специалисты и конечные пользователи будут играть в поддержке на периферии. Другими словами, за что отвечают занимающиеся технической поддержкой конечные пользователи, и в какой момент вмешиваются ИТ-специалисты?</p> <h3>Периферия-2026: искусственный интеллект и автоматизированная оркестрация</h3> <p>Одним из ключевых факторов повышения автономности периферийных вычислений является использование алгоритмов ИИ, позволяющих осуществлять вычисления на месте без необходимости обращения к ИТ-ресурсам, расположенным вне периферии.</p> <p>Примеры включают:</p> <ul> <li> Автономные датчики, отслеживающие условия окружающей среды для товаров, которые должны храниться при определенных температуре и влажности.</li> <li> ИИ, встроенный в ИТ-приложения на производственной сборочной линии, который сначала проверяет, можно ли хранить и обрабатывать данные, генерируемые в ходе операций, локально на сервере, вместо отправки их в удаленное облако.</li> </ul> <p>Еще одно преимущество ИИ в производстве — это возможность буквально самостоятельно управлять производственными операциями. Промышленные роботы, конвейерные ленты, контроль качества и 3D-производство могут автономно управляться и запускаться ИИ круглосуточно, без необходимости присутствия большого количества работников на линиях или при их полном отсутствии.</p> <p>По мере того, как эти процессы генерируют данные, ИИ с помощью своей модели машинного обучения учится более оперативно выполнять задачи и проводить будущие проверки качества, которые уточняются на основе «обучения» на сбоях и аномалиях продукта.</p> <h3>Синхронизация периферийных систем с центральными ИТ</h3> <p>Автономные периферийные вычисления могут, по сути, круглосуточно «работать сами по себе» благодаря выделенным процессорам, хранилищам и системам, позволяющим выполнять операции на полную мощность. Это снижает затраты на передачу данных, поскольку автономность устраняет необходимость постоянного доступа к удаленным облакам и дата-центрам, что экономит пропускную способность.</p> <p>Эта стратегия автономности периферийных вычислений хорошо подходит для розничных магазинов, удаленных производственных предприятий и полевых офисов, но в конечном итоге все еще остается необходимость в том, чтобы удаленные периферийные узлы координировали свои действия и обменивались данными с удаленными облаками и центральными дата-центрами.</p> <p>Для обеспечения обмена данными, а также для максимизации автономных вычислительных мощностей, большинство периферийных узлов используют подход «хранение и пересылка», при котором данные кэшируются на удаленном периферийном узле во время пиковых нагрузок, а затем загружаются в централизованные системы.</p> <p>Большая часть этой работы по загрузке выполняется ночью, но бывают и случаи, когда другим подразделениям предприятия необходима информация с периферии в течение рабочего дня. Примером может служить система отслеживания логистики, которая должна передавать данные в режиме реального времени всем заинтересованным сторонам, независимо от их местоположения. В других случаях требуется только информация, поступающая в режиме почти реального времени, поэтому данные могут отправляться периодическими порциями в течение дня, когда операции менее активны и полоса пропускания более доступна.</p> <p>Задача ИТ-отдела состоит в том, чтобы организовать эти рабочие процессы и обмен данными в контексте общей ИТ-архитектуры. То, как определен каждый элемент, определит размещение серверов, хранилищ, систем и баз данных.</p> <h3>Аварийное восстановление и обход отказов на периферии</h3> <p>Наконец, зрелая архитектура должна определять аварийное восстановление. Что произойдет, если удаленный периферийный узел выйдет из строя? Зрелая архитектура должна определить, куда будет переключено соединение, чтобы система мог продолжать работу, даже если ее локальный узел выйдет из строя.</p> <p>В таких случаях данные и системы должны быть реплицированы в облаке или в корпоративном дата-центре для обеспечения избыточности, чтобы удаленные площадки могли переключаться на эти ресурсы при обеспечении сквозной безопасности на всех этапах.</p> <h3>Формулирование гибридной стратегии для руководства бизнеса</h3> <p>Зрелая ИТ-архитектура включает в себя как центральные ИТ, так и периферийные ИТ. Она должна как минимум определять распределение ИТ-ресурсов, направления рабочих процессов и даже людей во всей организации (включая периферию), которые будут играть важные ИТ-роли в этой архитектуре.</p> <p>Поскольку будут вовлечены периферийные пользователи, разработка и постоянная поддержка ИТ-архитектуры становится коллективной работой. ИТ-специалисты могут знать лучшие практики для максимизации ИТ-активов, но именно пользователи понимают операционные показатели, которые должны быть соблюдены, и именно они должны вмешиваться локально при возникновении проблем с периферийными ИТ.</p> <p>Это делает необходимым для ИТ-руководства четко сформулировать корпоративную ИТ-архитектуру для высшего руководства, совета директоров, менеджеров пользователей и самого ИТ-отдела — поскольку реализация такой гибридной архитектуры требует участия всех.</p> Для управления быстрым ростом периферийных узлов в 2026 г. ИТ-руководителям необходимо создать гибридную архитектуру … article https://www.itweek.ru/themes/detail.php?ID=234156 Thu, 15 Jan 2026 09:59:25 +0300 <p><em>Компания Vertiv, поставщик инфраструктуры для центров обработки данных и сетей, утверждает, что искусственный интеллект подталкивает дата-центры к новым моделям электропитания, охлаждения и проектирования. Подача тока высокого напряжения, цифровые двойники и жидкостное охлаждение становятся критически важными компонентами для этих объектов, сообщает портал </em><em>BigDataWire</em><em>.</em></p> <p>В своем новом отчете Vertiv Frontiers компания описывает, как операторы адаптируются к более высокой плотности размещения оборудования в стойках и более быстрым срокам строительства кампусов, рассчитанных на масштабирование до гигаваттного диапазона. В нем также указывается на сдвиг в плане того, что планирование и эксплуатация инфраструктуры все больше рассматриваются как интегрированные аспекты.</p> <p>Vertiv выделяет четыре макросилы, которые движут этими изменениями: экстремальная плотность размещения оборудования, быстрое масштабирование до гигаваттного уровня, дата-центр как единица вычислительных ресурсов и диверсификация кремниевых компонентов. Эти силы подчеркивают пять технологических тенденций, которые, по мнению компании, будут определять проектирование и развитие дата-центров в ближайшие годы.</p> <p>«Индустрия дата-центров продолжает стремительно развиваться в плане проектирования, строительства, эксплуатации и обслуживания ЦОДов в ответ на требования к плотности и скорости развертывания, предъявляемые к ИИ-фабрикам», — заявил Скотт Армул, главный директор по продуктам и технологиям компании Vertiv.</p> <p>По его словам, кросс-технологические факторы, включая экстремальную плотность размещения оборудования, стимулируют трансформационные тенденции, такие как силовые архитектуры постоянного тока с более высоким напряжением и передовые системы жидкостного охлаждения, которые необходимы для масштабирования на гигаваттный уровень, критически важный для инноваций в области ИИ. Ожидается, что собственная генерация энергии и технология цифровых двойников также помогут ускорить и расширить масштабы освоения ИИ.</p> <p>Поскольку рабочие нагрузки ИИ требуют более высокой плотности вычислительных ресурсов, системы электропитания, разработанные для дата-центров предыдущих поколений, испытывают давление. Vertiv определяет как ключевой фактор экстремальное увеличение плотности, при котором мощность стойки превышает 25 кВт, а в некоторых случаях приближается к 300 кВт. На этом уровне энергоснабжение переменным током приводит к высоким потерям на нескольких этапах преобразования и создает ограничения по пространству и тепловыделению.</p> <p>Vertiv называет использование постоянного тока более высокого напряжения ответом на эти проблемы. Меньшее количество этапов преобразования повышает эффективность, а более низкий ток поддерживает более высокую плотность. Этот подход основан на опыте телекоммуникационных сетей и микросетей постоянного тока. Он также хорошо согласуется с альтернативными источниками энергии, такими как солнечная энергия и топливные элементы, которые изначально генерируют постоянный ток.</p> <p>Этот переход сопряжен с рядом проблем, включая более строгие требования безопасности, ограниченная доступность квалифицированной рабочей силы и более высокие первоначальные затраты. Чтобы помочь преодолеть эти проблемы, Vertiv рекомендует провести оценку и пилотные развертывания, включая испытания в зонах высокой плотности.</p> <p>Развертывание ИИ становится все более фрагментированным, поскольку организации стремятся сбалансировать производительность и стоимость. Vertiv рассматривает распределенный ИИ как новую модель, в которой рабочие нагрузки инференса развертываются в гипермасштабных и корпоративных средах, а не концентрируется в нескольких централизованных локациях.</p> <p>Согласно отчету, такой подход отражает растущую обеспокоенность по поводу размещения данных и задержек. Отрасли с нормативными ограничениями или ограничениями по конфиденциальности с большей вероятностью будут инвестировать в частную или гибридную инфраструктуру ИИ. Vertiv также указывает на растущее использование федеративных архитектур, которые связывают локальные вычисления с облачными ИИ-сервисами.</p> <p>Все это приводит к значительному усложнению работы операторов. По крайней мере, в теории. Корпоративные дата-центры должны поддерживать более высокую плотность оборудования для ИИ и новые подходы к охлаждению, оставаясь при этом адаптивными. Vertiv отмечает, что темпы изменений в кремниевых ИИ-компонентах увеличивают риск устаревания инфраструктуры. Это делает гибкость ключевым требованием, а не вопросом оптимизации.</p> <p>По мере того, как происходит все более быстрое расширение применения ИИ, доступ к надежному электропитанию больше не гарантируется. Vertiv подчеркивает растущие ограничения в электросетях по мере того, как дата-центры масштабируются до уровней сотен мегаватт и более. Во многих регионах темпы развертывания ИИ опережают возможности энергоснабжающих компаний по обеспечению новых мощностей.</p> <p>Для решения этой проблемы операторы все чаще прибегают к генерации энергии на месте. Сейчас это практическая необходимость, а не долгосрочное решение. Микросети, объединяющие генераторы, накопители энергии и возобновляемые источники, приобретают все большее значение. Они помогают стабилизировать поставки энергии и сократить сроки развертывания. Vertiv ожидает, что инвестиции в собственную генерацию будут продолжаться до тех пор, пока электросетевая инфраструктура не догонит спрос, обусловленный ИИ. Это может произойти нескоро.</p> <p>Еще одна тенденция, отмеченная в отчете, заключается в том, что технология цифровых двойников становится центральным элементом проектирования и эксплуатации дата-центров в масштабах, определяемых ИИ. Вместо того чтобы полагаться исключительно на статические проекты, операторы используют виртуальные модели для симуляции целых объектов. Всего, от электропитания и охлаждения до поведения вычислительных систем.</p> <p>Vertiv ожидает, что такой подход сократит циклы проектирования и поможет валидировать решения по инфраструктуре до начала строительства.</p> <p>Цифровые двойники также распространяются на живые операции, где телеметрические данные используются для мониторинга производительности без нарушения работы производственных систем. Vertiv утверждает, что, поскольку дата-центры теперь рассматриваются как интегрированные системы, цифровые двойники предоставляют способ повышения эффективности и снижения операционных рисков с течением времени.</p> <p>Жидкостное охлаждение будет играть все бóльшую роль по мере увеличения удельной мощности и тепловыделения при обработке рабочих нагрузок ИИ. Согласно отчету, традиционные методы воздушного охлаждения с трудом поддаются эффективному масштабированию, особенно при высокой плотности размещения оборудования в стойках. В то же время системы на основе жидкостного охлаждения предлагают практичный и эффективный путь для внедрения передовых решений в области ИИ.</p> <p>«Жидкостное охлаждение превращается в самооптимизирующуюся систему с использованием ИИ для предиктивного обслуживания с целью поддержания максимальной производительности, отказоустойчивости и эффективности за счет расширенного управления и интеллектуального контроля», — сказал Найджел Гор, вице-президент по системам высокой плотности и жидкостного охлаждения компании Vertiv.</p> <p>В отчете отмечается постепенный прогресс в направлении более отказоустойчивых и адаптивных конструкций систем охлаждения. Ожидается, что встроенные датчики и ПО управления улучшат видимость производительности системы.</p> <p>Хотя будущие технологии, такие как иммерсионное охлаждение, могут расширить возможности, Vertiv подчеркивает, что компаниям нельзя ждать этого. Сегодня существует явная потребность в гибких тепловых архитектурах. В отчете рекомендуется операторам, которые «уже внедрили жидкостное охлаждение, продолжать следить за развитием новых технологий, а также, что немаловажно, за стандартами в таких областях, как жидкости и стойки/архитектуры».</p> Компания Vertiv, поставщик инфраструктуры для центров обработки данных и сетей, утверждает, что искусственный интеллект … article https://www.itweek.ru/themes/detail.php?ID=234155 Wed, 14 Jan 2026 15:09:07 +0300 <p>Обновление «Гарда WAF» снижает риск простоев веб-сервисов, утечек и инцидентов за счет более предсказуемой и управляемой системы сетевой безопасности, которая адаптируется под реальные сценарии работы пользователей. Продукт позволяет поддерживать стабильную работу цифровых сервисов без роста сложности инфраструктуры.</p> <p>Переработанный модуль машинного обучения помогает противостоять сложными комбинированными веб-атаками. Система поставляется с предобученными моделями, которые обучаются в лаборатории «Гарда» на распространенных методах атак. Также обновлены режимы работы: теперь <nobr>ML-модель</nobr> может либо автоматически вносить правки в списки доступа, либо действовать в режиме рекомендаций, при котором итоговое решение принимает оператор. Это дает баланс между автоматизацией и контролем и подходит как для зрелых команд ИБ, так и для тех, кто только выстраивает процессы. </p> <p>Чтобы упростить работу администраторов и снизить количество ошибок при настройках, в «Гарда WAF» расширили возможности личного кабинета. Теперь есть возможность управлять и конфигурировать веб-сервер через новый микросервис WCS (Web Connection Service). Он дает возможность сохранять, скачивать, импортировать и возвращать нужную версию настроек и параметров сервера.</p> <p>Снизить долю вредоносного трафика и нагрузку на приложения без покупки внешних антибот-сервисов и без роста затрат на инфраструктуру позволяет собственная капча в модуле «Антибот». Также администратор может отключать антибот-проверку для отдельных сценариев, чтобы упростить работу легальных пользователей на сервисных или внутренних страницах. Кроме того, реализована возможность авторизации пользователей на уровне WAF для доступа к корпоративным почтовым сервисам OWA (Outlook on the web).</p> <p>Пользователи смогут быстрее находить аномалии и управлять ИБ-инцидентами благодаря новым инструментам мониторинга и блокировок. В интерфейсе «Гарда WAF» появилась активная гистограмма атак, которая наглядно показывает всплески активности по времени. В системе появился сервис, который собирает данные о блокировках по rate limit, F2B и Anti-DDoS. Это упрощает анализ и аудит защитных действий̆.</p> <p>Блокировать вредоносные запросы на раннем этапе позволяет интеграция с «Гарда Anti-DDoS». В интерфейсе добавили персонализацию страниц ошибок 502, 503 и 504, а также страницы списков доступов.</p> <p>«Мы сделали обновление так, чтобы заказчики тратили меньше времени на ручные операции и разбор инцидентов и больше — на развитие веб-сервисов и бизнеса. Защита стала более предсказуемой, управляемой и удобной в эксплуатации, что снижает риск простоев и потерь и упрощает работу команд ИБ и ИТ», — отметил Александр Самохвалов, руководитель продукта «Гарда WAF».</p> Обновление «Гарда WAF» снижает риск простоев веб-сервисов, утечек и инцидентов за счет более предсказуемой … message https://www.itweek.ru/themes/detail.php?ID=234151 Wed, 14 Jan 2026 11:31:56 +0300 <p><em>Рынок финансовых сервисов изменился под влиянием технологий и новых привычек потребителей. Ключевым фактором выбора стал весь путь пользователя, от знакомства с продуктом до транзакции и постподдержки. По данным </em><a href="https://yellowslice.in/bed/fintech-ux-design-trends-you-must-know/"><em>Statista</em></a><em>, 72% пользователей предпочитают сервисы с простым, прозрачным и доверительным опытом. Рассмотрим, почему UX сегодня становится базой для бизнес-устойчивости и чем пользовательский опыт в финтехе отличается от других цифровых отраслей.</em></p> <p>В эпоху цифровизации финансовые сервисы перешли в онлайн, где пользователь взаимодействует не просто с интерфейсом, а с системой, управляющей его капиталом и рисками. Визуальная красота отходит на второй план, в то время как восприятие продукта как надежного и прозрачного инструмента становится фундаментом доверия.</p> <p>В финансовом сервисе цена ошибки крайне высока — даже мелкий сбой или неясность этапов пользовательского сценария провоцируют тревогу и подрывают веру в надежность продукта. К примеру, таймеры с обратным отсчетом или жесткие временные лимиты провоцируют стресс, увеличивая количество отказов от операций. Пользователи, ведомые инстинктивным «страхом потери», стремятся к максимальной прозрачности и предпочитают видеть каждый этап операции, даже если это замедляет конечный процесс. Поэтому главная миссия UX-дизайна выходит за рамки удобства и скорости, смещаясь с крупных элементов интерфейса на детали — визуальные подсказки, микрокопирайтинг, подтверждения действий.</p> <h3>Три кита эффективного UX</h3> <p>В финтехе пользовательский опыт ведет клиента на всех этапах сделки — от знакомства с продуктом до подтверждения операции. Последовательность микрошагов, логически выстроенные переходы и сокращение избыточных действий снижают когнитивную нагрузку и вероятность ошибок. Для неподготовленного пользователя важную роль играют поясняющие блок-схемы, путеводители по функционалу и обучающие материалы, вплоть до видеоразборов операций. Ощущение понятности возникает не только из логичных сценариев, но и из структуры интерфейса. Форма, цвет и размер элементов создают иерархию внимания, помогая ориентироваться. Крупные кнопки и навигация интуитивно воспринимаются как ключевые, задавая ориентиры, в то время как избыточная плотность, перегруженные экраны и хаотичные цвета размывают фокус, снижая впечатление аккуратности и профессионализма.</p> <p>В момент завершения финансовой операции наличие понятных каналов обратной связи, контактных данных и возможности обратиться за поддержкой на любом этапе взаимодействия напрямую влияет на субъективную оценку надежности сервиса. Пользователь инстинктивно ожидает дополнительного подтверждения его корректности. В этом контексте таймер при финализации сделки воспринимается как продуманный встроенный механизм самопроверки, поддерживающий ощущение безопасности, управляемости процесса и уверенности в правильности выбора.</p> <h3>Архитектура пользовательского опыта</h3> <p>В финансовых продуктах UX создается набором инструментов, делающих взаимодействие понятным и персонализированным. Ключевую роль играет микрокопирайтинг, цель которого прописать формулировки интерфейса, которые сокращают уровень тревоги, снимают напряжение, четко объяснив происходящее. Нейтральные, разъясняющие тексты в моменты неопределенности помогают пользователю чувствовать контроль и видеть в системе надежного партнера, а не враждебную или хаотичную среду.</p> <p>Персонализация также играет ключевую роль в клиентском опыте. Адаптация тарифов, предложений и сценариев под поведение клиента и его финансовые параметры убирает лишние шаги, делая путь релевантным задаче. Визуальные маркеры, например, цветовое кодирование, иконки статусов, шаблоны для сложных операций, ускоряют навигацию и упрощают решения.</p> <p>На системном уровне UX все чаще опирается на анализ поведенческих паттернов. Поведение пользователей в финансовой среде не является бесконечно разнообразным: его можно группировать в устойчивые классы, различающиеся по скорости принятия решений, частоте обращений за поддержкой, глубине вовлеченности и предпочтительным сценариям работы с сервисом. Это открывает возможность выстраивать более точные модели взаимодействия, в том числе с использованием аналитических и ИИ-инструментов.</p> <h3>Доверие — основа пользовательского опыта</h3> <p>Финансовые операции встраиваются в нефинансовые продукты и становятся стандартом. Персональные ИИ-ассистенты анализируют расходы и инвестиции, предлагают решения и делают управление деньгами частью повседневности. Эти процессы усиливают слияние финансовых сервисов с повседневной жизнью и закрепляют UX в роли ключевого фактора конкурентоспособности.</p> <p>Однако скорость изменений зависит от доверия к таким инструментам. Неудачные технические реализации, скрытые условия или слабая защита тормозят развитие. В этом контексте особенно остро проявляется противоречие между открытостью и удобством UX и требованиями к безопасности финансовых продуктов. Масштабирование возможно только при балансе, где технологии встречаются с безопасным и понятным пользовательским опытом и подкрепляются прозрачной коммуникацией и убедительными примерами успешного использования.</p> <p>#IMAGE_234152#</p> Рынок финансовых сервисов изменился под влиянием технологий и новых привычек потребителей. Ключевым фактором выбора стал … article Алексей Ратников, менеджер по внедрению Colvir Software Solutions https://www.itweek.ru/themes/detail.php?ID=234150 Wed, 14 Jan 2026 10:15:12 +0300 <p><em>Опрошенные порталом </em><em>BigDataWire</em> <em>эксперты обсуждают, как устранение пробелов в готовности предприятий к работе с данными изменят сферу корпоративных данных в 2026 г.</em></p> <p>К концу 2025 г. большинство предприятий смирились с неприятной правдой: внедрение искусственного интеллекта оказалось не таким простым, как обещали демонстрации. Затормозило ли это прогресс? Не совсем.</p> <p>Предприятия выделяют значительные ресурсы на дальнейшее развитие ИИ, и в некоторых местах ИИ стал частью повседневных рабочих процессов. Однако за этим прогрессом начала формироваться критическая проблема. Это было растущее осознание того, что большая часть данных, поступающих в эти системы, просто не подходит для автономного принятия решений. Именно к этому движется отрасль, но у нее нет всего необходимого для достижения этой цели.</p> <p>Стратегии корпоративных данных часто оптимизированы для их накопления. Больше источников, больше конвейеров, больше хранилищ, больше средств контроля. Такой подход имел смысл, когда основными потребителями были люди. В 2026 г. это предположение больше не актуально. Требования систем, в большей степени управляемым ИИ, значительно отличаются.</p> <p>Именно поэтому давние недостатки данных начинают создавать новые препятствия. Агенты не сглаживают пробелы так, как это делают люди. Они следуют тому, что им предоставляется. Когда контекст скуден или смысл неясен, система не кажется такой умной. Да, некоторые разработчики ИИ могут с этим не согласиться, и, конечно, есть исключения. Однако это фундаментальный недостаток, и он становится очевидным довольно ясно (и быстро), как только агенты начинают принимать решения в рамках рабочих процессов в реальном времени.</p> <p>Анализируя прогнозы на 2026 г., можно выделить пробелы в готовности предприятий к работе с данными. Далее мы рассмотрим, как устранение этих пробелов, вероятно, изменят сферу корпоративных данных в новом году.</p> <h3>Контекстный капитализм</h3> <p>В <nobr>2026-м</nobr> предприятия начнут рассматривать стратегию работы с данными как конкурентную дисциплину, а не как внутреннюю оптимизацию. Это означает, что данные создают преимущество, когда они используют контекст, который конкурентам нелегко воспроизвести. По мере того, как предприятия продолжают совершенствовать свои возможности в области ИИ, дифференциация смещается от доступа к моделям к тому, насколько точно системы понимают свою операционную среду.</p> <p>Общие данные будут все больше терять свою способность к накоплению ценности. Это касается общедоступных наборов данных, собранных с помощью веб-скрейпинга контента и широко доступных корпусов данных. Хотя они остаются полезными, их влияние стабилизируется. Преимущество концентрируется вокруг данных, которые отражают операционные нюансы и ситуационные детали, существующие только внутри конкретных организаций.</p> <p>Это меняет рынок данных. Мы видим, что компании стремятся к приобретениям, которые обеспечивают дифференцированный контекст, а не постепенное увеличение масштаба. Данные ценятся за их влияние на производительность ИИ и качество принятия решений. Мощность инфраструктуры все больше зависит от того, можно ли ее сочетать с данными, которые оправдывают ее экономическую стоимость.</p> <p>«В 2025 г. мы наблюдали несколько громких приобретений игроков рынка данных, поскольку ведущие предприятия стремятся к конкурентному преимуществу. <nobr>2026-й</nobr> еще больше подстегнет консолидацию в индустрии данных, поскольку организации, инвестировавшие в крупные инфраструктурные проекты, стремятся заполнить свои центры обработки данных высококачественными, насыщенными контекстом данными для развития своего ИИ», — говорит Джош Роджерс, генеральный директор Precisely.</p> <p>Ещё одна тема, которая часто встречается в прогнозах, заключается в том, что неструктурированные данные займут центральное место в стратегии предприятий. В 2026 г. организации, которые не смогут использовать эти данные, ограничат глубину анализа своих систем ИИ. Те, кто добьётся успеха, получат такую ​​плотность информации, которой конкурентам будет трудно достичь, даже если модели кажутся сопоставимыми.</p> <p>Ник Берлинг, директор по продуктам Nasuni, ожидает, что неструктурированные данные станут важной составной частью успеха корпоративного ИИ. «В <nobr>2026-м</nobr> неструктурированные данные станут основой инноваций в области ИИ, переопределяя то, как предприятия используют интеллект в своих организациях... Учитывая, что, по оценкам, <nobr>80-90%</nobr> корпоративных данных являются неструктурированными — от документов и электронных писем до изображений, видео и файлов дизайна, — потенциал раскрытия их ценности никогда не был таким большим», — говорит он.</p> <p>Также известен ряд прогнозов о том, что геопространственные данные усилят это преимущество. Информация о местоположении связывает корпоративные данные с физическими условиями и внешними ограничениями. Поскольку системы ИИ влияют на финансовые решения и планирование инфраструктуры, эта связь напрямую сказывается на результатах. Влияние глубины контекста становится очевидным в плане производительности.</p> <p>Эксперты отрасли прогнозируют, что к концу этого года предприятия будут оценивать данные с другой экономической точки зрения. Данные создают ценность, когда они меняют то, как системы понимают условия и принимают решения о дальнейших действиях. Это преимущество сейчас очень востребовано. Владение контекстом становится надежным защитным барьером для предприятий. Это контекстный капитализм на практике.</p> <h3>Слой смысла</h3> <p>Одна из особенностей, которая бросается в глаза во многих прогнозах развития предприятий в 2026 г., заключается в том, что сбои часто объясняются чем-то фундаментальным. Дело не в моделях. Не в графических процессорах. Даже не в качестве данных в традиционном смысле. Дело в смысле.</p> <p>Корпоративные системы не согласуются друг с другом. Они никогда по-настоящему и не согласовывались. Мы это знаем. Один и тот же термин может означать разные вещи в зависимости от команды, системы или момента. Люди ориентируются в этом хаосе инстинктивно. Это часть нашей ДНК. Мы можем задавать уточняющие вопросы, а затем выносить суждения. Однако агенты ИИ делают именно то, что им говорят, используя предоставленную им интерпретацию. Мы наделяем их тем смыслом, который хотим им придать.</p> <p>Когда агенты начинают взаимодействовать с реальными рабочими процессами, этот разрыв быстро проявляется. Система выбирает правильный документ, но применяет неправильное правило. Отсюда неправильный смысл. Она следует политике, но упускает намерение. Опять же, неправильный смысл. Хотя ничего может не сломаться, результат будет некорректным. Это самые сложные для диагностики сбои, и ряд прогнозов указывает на то, что в <nobr>2026-м</nobr> они станут более распространенными. Это означает, что предприятия, желающие успешно управлять данными, должны соответствующим образом реагировать.</p> <p>Именно здесь вступает в игру слой смысла. Не как модное словосочетание, а как ответ на проблему. Предприятия вынуждены делать свою внутреннюю логику явной. Что считается исключением. Как связаны сущности. Какие определения имеют приоритет над другими. Какой контекст важен в каких ситуациях.</p> <p>Многие знакомые инструменты вовлекаются в этот сдвиг. Это включает в себя графы знаний и онтологии. Разница заключается в том, как они используются. Скорее как ограничители, чем справочные материалы. Это меняет то, как агенты понимают ситуации, прежде чем действовать.</p> <p>«В 2026 г. семантика станет самым важным ограничителем при управлении ИИ, — говорит Дейв Шуман, директор по цифровым технологиям Precisely. — Обучение ИИ сродни управлению стажерами с благими намерениями. Модели ИИ могут быть „умными“ и способными, но, как и любой агент — человек или что-либо еще — они все равно требуют четкого руководства, контроля и постоянной оценки. Добавление семантического слоя преобразует сложные данные в удобный для бизнеса формат, который легче усваивается, помогая ИИ интерпретировать и переводить данные в надежный результат».</p> <p>Это также объясняет, почему простые стратегии поиска исчерпывают себя. Найти информацию — это не то же самое, что знать, как ее применить. RAG (генерация с расширенной выборкой) помогает с доступом. Однако она не разрешает разночтения. Это делает смысл.</p> <p>Отраслевые эксперты прогнозируют, что этот слой незаметно станет механизмом управления. Предприятия, которые инвестируют в него, легче доверяют своим системам по мере повышения автономности. Те, кто его пропускает, в итоге дольше, чем планировалось, держат людей в процессе.</p> <h3>Сдвиг в сторону активации данных</h3> <p>Еще одна тема, проходящая через прогнозы по корпоративным данным на 2026 г., — это давление. Не давление в плане сбора большего количества данных, а давление в плане доказательства того, что существующие данные действительно что-то делают. По мере приближения систем ИИ к этапу выполнения, разрыв между пониманием и действием становится все труднее игнорировать.</p> <p>Многие предприятия создали стеки данных, оптимизированные для масштабируемости и гибкости. Они хорошо справляются с перемещением информации. Однако они оказались менее эффективны в замыкании цикла. Исследования показывают, что рабочие процессы, управляемые моделями, быстро выявляют этот недостаток. Системы, работающие непрерывно, не могут ждать, пока люди будут контролировать процесс. Они не могут ждать, когда люди интерпретируют отчеты или согласуют данные на панелях мониторинга.</p> <p>Реакцией является активация. Она отражает сдвиг в сторону данных, тесно связанных с результатами. Вместо того чтобы спрашивать, что показывают данные, предприятия все чаще спрашивают, к чему приводят данные. Это изменение распространяется по архитектуре и всей организации.</p> <p>Прогнозы указывают на рост числа ориентированных на принятие решений продуктов данных, разработанных для конкретных операционных моментов. Эти продукты не предназначены для исследования. Они созданы для использования системами с четкими ожиданиями в отношении надежности и поведения на последующих этапах.</p> <p>Еще одна проблемная точка проявляется в чувствительности ко времени. Пакетные конвейеры, которые когда-то казались достаточными, испытывают трудности в условиях быстро меняющейся обстановки. В условиях, когда предприятия внедряют агентов, которые отслеживают данные и реагируют практически в режиме реального времени, устаревшие данные становятся источником проблем. Это стимулирует интерес к потоковой передаче данных, обработке событий и непрерывным циклам обратной связи.</p> <p>Активация также усиливает контроль за затратами. Данные, которые никогда не влияют на поведение, теперь видятся как накладные расходы. Прогнозы предполагают, что в 2026 г. произойдет более агрессивное сокращение неиспользуемых конвейеров, заброшенных панелей мониторинга и аналитических проектов без четкой стратегии действий. К концу года разница между программами применения описательных и операционных данных станет очевидной.</p> Опрошенные порталом BigDataWire эксперты обсуждают, как устранение пробелов в готовности предприятий к работе … article https://www.itweek.ru/themes/detail.php?ID=234148 Tue, 13 Jan 2026 14:39:02 +0300 <p><nobr>13-й</nobr> Национальный авиационный инфраструктурный салон состоится <nobr>4-5</nobr> февраля в Москве, Крокус Экспо. Традиционно мероприятие является крупнейшей площадкой для обсуждения экспертами инноваций и будущих трендов отрасли, а также создает условия для консолидации усилий профессионального сообщества в решении стратегических задач авиации России и стран СНГ.</p> <p>В этом году на выставке НАИС компания «Integro Technologies» представит аэропортам, хэндлинговым агентам и авиакомпаниям расширенную линейку ИТ-решений для управления производственными процессами. Ключевое звено — ИИ-оптимизатор собственной разработки, который к текущему моменту уже находится в промышленной эксплуатации и показал первые результаты. Поэтому можно подтвердить, что у авиационной отрасли России наконец появились полнофункциональные ИТ-решения для управления ресурсами и производственными процессами, обладающие оптимизационными возможностями мирового уровня.</p> <p>Теперь авиапредприятия смогут:</p> <ul> <li>выполнить требования регуляторов к субъектам КИИ и выстроить ИТ-ландшафт в полностью импортозамещённой среде;</li> <li>повысить производительность наземных служб на <nobr>15-20%,</nobr> увеличив пропускную способность и устойчивость производственных процессов в пиковые периоды;</li> <li>снизить совокупную стоимость эксплуатации ресурсов на <nobr>10-15%</nobr> за счет динамического планирования заданий и сокращения простоев техники и персонала;</li> <li>холдинги — сформировать единый контур управления распределенной инфраструктурой, обеспечивающий прозрачность событий и управляемость на уровне всей группы.</li> </ul> <p>«Мы ежегодно участвуем в выставке и деловой программе НАИС. И рады, что даже сегодня, в период сложных экономических и политических условий, можем предложить авиационной отрасли работающие механизмы, чтобы сохранить устойчивость и управляемость процессов. Будем рады встрече на НАИС-2026», — отметила Анастасия Корниенко.</p> <p>В мероприятии примут участие представители руководства российских и иностранных авиакомпаний и аэропортов, представители Минтранса России, Минпромторга России, провайдеры услуг в области гражданской авиации и другие.</p> <p>Анастасия Корниенко, директор по развитию бизнеса компании «Integro Technologies», расскажет о роли интеллектуальных систем в управлении авиационной инфраструктурой и как оптимизационный искусственный интеллект помогает отрасли в сложных экономических условиях на NAIS 2026.</p> 13-й Национальный авиационный инфраструктурный салон состоится 4-5 февраля в Москве, Крокус Экспо. Традиционно мероприятие … message https://www.itweek.ru/themes/detail.php?ID=234147 Tue, 13 Jan 2026 14:36:16 +0300 <p>Российский производитель серверного и сетевого оборудования «DатаРу Технологии» обновил и расширил свои ключевые продуктовые линейки систем резервного копирования, добавив в них модели «ДатаРу ДД9910(Ф)» и ленточную систему «ДатаРу ТС4300». Решения закрывают задачи как высокопроизводительного бэкапа и быстрого восстановления, так и долгосрочного хранения данных на лентах, что актуально как для малого бизнеса, так и для крупных промышленных заказчиков.</p> <p>Модель «ДатаРу ДД9910(Ф)» позиционируется как один из лидеров на рынке систем резервного копирования и интегрируется со всем популярным программным обеспечением для бэкапа. Решения Ф-серии обеспечивают кратное ускорение процессов резервного копирования и восстановления данных, в том числе за счет поддержки протокола DDboost, который снижает нагрузку на производственные системы. </p> <p>«ДатаРу ДД9910(Ф)» поддерживает глубокую дедупликацию до 50:1, что позволяет существенно оптимизировать использование дискового пространства и сократить затраты на хранение данных. Система также интегрируется с антивирусным программным обеспечением для дополнительной защиты резервных копий. Встроенные механизмы постоянной проверки целостности данных гарантируют сохранность информации на всем жизненном цикле хранения.</p> <p>Решение ориентировано на банковский сектор и розничную торговлю, где риск потери данных в текущих условиях продолжает расти, а непрерывность процессов напрямую влияет на финансовые показатели и репутацию бизнеса. </p> <p>Вторая новинка — «ДатаРу ТС4300» на ленточных носителях — предназначена для бизнеса любого масштаба. Решение ориентировано на задачи долгосрочного хранения, включая хранение персональных данных в соответствии с требованиями регуляторов, а также использование WORM носителей для бухгалтерской и регламентированной отчетностей.</p> <p>Модель «ДатаРу ТС4300» отличается гибкой архитектурой и возможностью масштабирования: система поддерживает установку до 16 FH LTO или до 48 HH LTO ленточных приводов, а также размещение от 40 до 640 ленточных накопителей. Общая конфигурация может включать до 48 ленточных приводов, что позволяет адаптировать решение под растущие объемы данных. Решение отличается удобством управления и совместимостью с отечественным ПО для резервного копирования, что соответствует задачам в рамках процессов импортозамещения.</p> <p>«Мы последовательно развиваем линейки решений для резервного копирования и хранения данных, закрывая весь спектр задач заказчиков — от высокопроизводительного бэкапа до долгосрочного архивного хранения на лентах. Запуск „ДатаРу ДД9910(Ф)“ и „ДатаРу ТС4300“ позволяет компаниям любого масштаба снизить риски потери данных, выполнить требования регуляторов и обеспечить непрерывность бизнеса даже в условиях возрастающих угроз», — прокомментировал Андрей Петров, системный архитектор «DатаРу Технологии».</p> Российский производитель серверного и сетевого оборудования «DатаРу Технологии» обновил и расширил свои ключевые … message https://www.itweek.ru/themes/detail.php?ID=234145 Tue, 13 Jan 2026 11:35:40 +0300 <p><em>Завершаем серию статей про отраслевую специфику и ответственность в области информационной безопасности.</em></p> <p>В этом цикле материалов мы рассмотрели особенности ИБ в <a href="https://www.itweek.ru/security/article/detail.php?ID=230056">здравоохранении</a>, <a href="https://www.itweek.ru/security/article/detail.php?ID=230758">промышленности</a>, <a href="https://www.itweek.ru/security/article/detail.php?ID=231979">связи</a>, <a href="https://www.itweek.ru/security/article/detail.php?ID=231311">финансовом</a> и <a href="https://www.itweek.ru/security/article/detail.php?ID=233397">государственном</a> секторе. С информационной безопасностью в разных отраслях ситуация схожа. Особенно, если речь касается привлечения нарушителя к ответственности. Да, есть отраслевая специфика, особые требования и регуляторы. Но кейсы правонарушений и типовые ИБ-ошибки, из-за которых они происходят, схожи. Это, как правило, халатность, ошибки при построении ИБ и т. д. Поэтому я решил завершить цикл материалов обобщающей статьей. Ниже расскажу о тех, кто не дошел до суда и не смог доказать свою позицию, а также из-за каких ошибок возникают типовые правонарушения в ИБ.</p> <h3>Как не споткнуться и дойти до суда?</h3> <p>В суды попадают или дела, в которых потерпевшая сторона смогла собрать достаточно сведений о преступлении и доказательства вины нарушителя, или случаи, получившие огласку. Поскольку в контексте ИБ правонарушения происходят с использованием ИТ-систем, то для сбора таких данных нужны технические средства. Например, DLP-система. Именно она предоставляет наиболее полную и достоверную картину действий сотрудников на рабочих местах.</p> <p>Но даже если отчет DLP, как вам кажется, на 100% доказывает вину и причастность нарушителя, то это не значит, что дело «в шляпе». Чтобы сведения из DLP могли быть доказательствами для суда или правоохранительных органов, должны быть соблюдены три условия:</p> <ol> <li><strong>Сведения должны быть достоверны</strong>. Это значит, что обстоятельства должны быть отражены так, как они сложились в реальности. То есть содержание отчетов ИБ-средств не должны подвергаться дальнейшей обработке и допускать двусмысленную интерпретацию. Сами материалы должны быть представлены в хорошем качестве, позволяющем их подробно изучить.</li> <li><strong>Сведения должны быть относимы</strong>. Это значит, что собранная информация должна проливать свет на события и факты, относящиеся к делу. Например, сотрудник продал вашу коммерческую тайну, и вы хотите взыскать с него ущерб. В таком случае в суд нужно предоставить скриншоты, которые подтверждают факт выгрузки такой информации или переписку с «заказчиком» слива. Все остальное, например, опоздания, конфликты на рабочем месте, нарушения дисциплины факт инцидента и вину нарушителя не доказывают.</li> <li><strong>Сведения должны быть получены законным способом</strong>. В первую очередь это значит, что DLP или любые другие средства получения информации должны применяться на законных основаниях. Например, законы о персональных данных и коммерческой тайне позволяют компании применять технические средства для защиты информации. Эти полномочия должны быть зафиксированы в локальных актах организации, например, в положении о коммерческой тайне, политике обработки персональных данных, правилах защиты информации и иных. Все сотрудники должны подтвердить подписями ознакомление с этими документами. Кроме того, если речь идет про DLP или другие средства для контроля активности сотрудников, рекомендую ввести их в эксплуатацию приказом. Так удастся избежать множества вопросов о легитимности использования системы. В приказе нужно прописать цели и пределы использования таких решений, кто имеет к ним доступ, назначить ответственного за их использование и отразить, где они будут установлены.</li> </ol> <h3>Какие ошибки компании допускают до инцидента?</h3> <p>Анализ судебной практики показал, что в целом компании допускают одинаковые или схожие ошибки, которые позволяют злоумышленнику совершить правонарушение. Среди них:</p> <ol> <li><strong>Отсутствие контроля и мониторинга действий пользователей</strong>. Большинство ИБ-инцидентов не состоялось бы, не будь у рядовых сотрудников возможности переносить конфиденциальную информацию на флешки, сохранять в личные облака или пересылать в мессенджерах вне регламентов компании. Такие действия не нужны в ежедневных бизнес-процессах, поэтому их можно гибко ограничить. Например, запретить пересылку только определенного контента: персональных или финансовых данных.</li> <li><strong>Работа по «методичке».</strong> ИБ-специалисты часто настраивают средства защиты на типовые сценарии. Например, на блокировку веб-версий мессенджеров. Столкнувшись с ограничением, сотрудник скорее всего попытается его обойти и, например, использует другой канал связи или откроет мессенджер во встроенной утилите браузера. При разработке ИБ-стратегии важно учитывать не только основные, но и потенциальные сценарии инцидента, попытки обхода защитных ограничений.</li> <li> <strong>Нет работы с группами риска</strong>. Потенциальные нарушители есть в любом коллективе. Контролировать опасные действия с информацией с их стороны — одна из задач отдела безопасности. Подробнее о том, как выявлять и работать с такими сотрудниками мы рассказывали в соответствующей <a href="https://searchinform.ru/uploads/sites/1/2020/11/gruppy-riska-v-kollektive.pdf">памятке</a>.</li> <li><strong>Игнорирование обучения сотрудников</strong>. Случается, что нарушители вовлекают коллег в незаконные схемы. Еще чаще рядовые пользователи «ведутся» на манипуляции профессиональных преступников. Например, под выдуманными предлогами или от имени руководства сотрудников просят прислать закрытые корпоративные данные по почте или в мессенджере. Найти реального злоумышленника и доказать его вину в таких случаях намного сложнее. Обучение вопросам ИБ-позволит показать сотрудникам как нужно работать и обрабатывать определенные виды информации и что с ними можно делать.</li> </ol> <h3>Заключение</h3> <p>По данным нашего <a href="https://searchinform.ru/survey/judge-infosec-2025/">исследования</a> уголовных дел в ИБ, в 86% случаях суды выносят нарушителям обвинительные приговоры.</p> <p>Однако есть и обратная сторона — ряд дел просто не доходит до суда, потому что компании понимают слабость своей позиции и не готовы обращаться в суды или правоохранительные органы. Часто недостаток доказательств вскрывается уже после того, как компании заявляют о нарушениях. О количестве таких случаев можно только догадываться, официальной статистики нет. Именно понимание процессов расследования преступлений и рассмотрения дел в судах позволяет довести дело до конца. Этот вопрос шире используемых продуктов или технологий.</p> <p>Это коллективная задача, которая порой выходит за рамки ИБ, требует тесного взаимодействия служб общей и информационной безопасности, юридических и кадровых подразделений, выстраивания соответствующих бизнес-процессов. Решать эту задачу необходимо уже сейчас, поскольку это — фактически требование закона. С вступлением в силу поправок в КоАП об «оборотных штрафах» за утечки персональных данных, рассмотрение дел о таких нарушениях передано в арбитражные суды. Представлять интересы компаний там могут только дипломированные юристы. Поэтому, даже если вы не планируете добиваться возбуждения уголовных дел в отношении нарушителей, необходимо налаживать сотрудничество подразделений бизнеса в случае инцидентов. Иначе бизнес остается без возможностей к правовой защите своих интересов.</p> <p>#IMAGE_234146#</p> Завершаем серию статей про отраслевую специфику и ответственность в области информационной безопасности. В этом … article Алексей Парфентьев, заместитель генерального директора по инновационной деятельности “СёрчИнформ» https://www.itweek.ru/themes/detail.php?ID=234144 Tue, 13 Jan 2026 11:25:20 +0300 <p><em>Разрыв между лидерами и последователями в области корпоративного применения искусственного интеллекта будет зависеть от того, переосмысливаете ли вы способы выполнения работы или просто ищете способы автоматизации старых методов, пишет на портале </em><em>The</em> <em>New</em> <em>Stack</em> <em>Мишель Гилл, старший директор по инжинирингу компании GitLab.</em></p> <p>Большинство организаций завершили 2025 г. с ощутимыми достижениями в области ИИ. Разработчики быстрее выпускают код, снижаются затраты, а руководство в восторге от того, что все внедряют ИИ.</p> <p>Поздравляем! Однако вам предстоит столкнуться с совершенно новым набором проблем. Решения, которые вы примете относительно масштабирования, управления и стратегической интеграции ИИ в 2026 г., окажут решающее влияние на то, как ваша организация будет работать в ближайшие годы.</p> <p>Сделаете все правильно, и достижения, которых вы добились в прошлом году, будут приумножаться. Сделаете все неправильно, и ваш рост остановится, или станет еще хуже.</p> <p>Давайте рассмотрим три тенденции, позволяющие организациям использовать ИИ для устойчивого роста и трансформации бизнеса в 2026 г.: управление ИИ, сквозные агентные системы и контекст данных.</p> <h3>Загадка теневого ИИ</h3> <p>В какой-то момент в наступившем году ваш финансовый директор, вероятно, спросит, почему ваши затраты на облачные сервисы резко выросли, и вы обнаружите, что три разные команды разработали конкурирующие решения на основе агентного ИИ для решения одной и той же проблемы.</p> <p>Парадокс заключается в том, что именно этот дух экспериментирования стимулирует внедрение ИИ и поиск успешных решений. Но в условиях, когда команды создают импровизированные решения из инструментов разработки, облачных платформ и других бесчисленных источников, отсутствие централизованного контроля становится проблемой, которую нельзя игнорировать. Все эти агенты увеличивают затраты на облачные и вычислительные ресурсы.</p> <p>Организациям необходимо усовершенствовать способы измерения ROI, чтобы понять, насколько эффективно работают их инвестиции в ИИ. Им потребуется внедрить платформы управления, которые отслеживают, какие агенты работают, какие ресурсы они потребляют, какую бизнес-ценность они предоставляют и как они взаимодействуют друг с другом и с критически важными системами.</p> <p>Управление всегда представляет собой компромисс. Разработчикам по-прежнему необходима возможность экспериментировать с новыми инструментами ИИ. Но наиболее успешные организации найдут правильный баланс между ИИ-инновациями и управлением.</p> <h3>Переход к корпоративным агентам</h3> <p>Организации, которые выиграют следующий этап гонки за ИИ, — это те, кто в течение нынешнего года будет заниматься созданием агентов ИИ для поддержки сложных многоэтапных процессов, а не только для решения ситуативных задач.</p> <p>Например, многие компании обнаружили, что кодирование с помощью ИИ повысило производительность их разработчиков в 10 раз. Если это про вас, поздравляем! Но также оглянитесь вокруг: ваши команды по безопасности и комплаенсу, вероятно, сталкиваются с огромным количеством невыполненных проверок всего этого кода. А ваши отделы продаж и финансов, возможно, все еще ждут неделями юридической проверки контрактов, которые агентная система ИИ могла бы провести в первый же день.</p> <p>В 2026 г. организациям следует начать внедрение агентных систем, которые управляют сквозными процессами, такими как контроль цикла B2B-продаж или координация доставки товаров со склада до двери.</p> <p>Крайне важно, чтобы эти агенты служили связующим звеном между командами, выполняя административную работу и оптимизируя циклы проверки, которые могут создавать узкие места.</p> <h3>Контекст данных — это всё</h3> <p>Ваш ИИ настолько «умён», насколько «умны» данные, к которым он имеет доступ. Сейчас критически важный контекст разбросан по разным системам, которые не взаимодействуют друг с другом. ИИ может писать безупречный код на Python, но если он не может получить доступ к проектным решениям, зафиксированным в вики, требованиям комплаенса, скрытым в ветках Slack, и модели клиентских данных, которая существует только в решении компании по управлению взаимоотношениями с клиентами (CRM), этот код может быть технически правильным, но стратегически бесполезным.</p> <p>Проблема в том, что бизнес-данные обычно хранятся в бесчисленных разрозненных системах, что делает их в значительной степени недоступными. Этот фрагментированный ландшафт данных является основным препятствием, мешающим компаниям раскрыть весь потенциал ИИ. Для решения этой проблемы компаниям необходимо создавать архитектуры данных, которые смогут поддерживать инвестиции в ИИ, которые они уже делают.</p> <p>Если вы отдадите приоритет созданию унифицированных фреймворков данных и контекста, вы получите выгоду от более быстрого развертывания систем ИИ и агентных систем и снижения рисков безопасности. А контекст даст вам возможность использовать организационные знания во всем вашем технологическом стеке.</p> <h3>Переосмысление? Или просто автоматизация?</h3> <p>Разрыв между лидерами и последователями в области ИИ в 2026 г. сводится к вопросу: переосмысливаете ли вы способы выполнения работы или просто ищете способы автоматизации старых методов?</p> <p>Стратегическое преимущество в области ИИ достигается за счет систематической интеграции возможностей агентов в основные бизнес-операции, а не за счет того, что разрозненные команды бессистемно решают отдельные задачи.</p> <p>Организации, которые вырвутся вперед в следующем году, будут теми, кто заложит надлежащий фундамент. Внедрите систему управления, которая позволяет проводить эксперименты. Создавайте агентов, которые объединяют команды, а не просто автоматизируют задачи. Унифицируйте свою архитектуру данных. Достигните этих трех целей, и вы превратите свои достижения 2025 г. в устойчивое конкурентное преимущество.</p> Разрыв между лидерами и последователями в области корпоративного применения искусственного интеллекта будет зависеть … article https://www.itweek.ru/themes/detail.php?ID=234141 Mon, 12 Jan 2026 00:00:00 +0300 <p><em>Нерешительность — главный риск для </em><em>CIO</em> <em>в 2026 г. Примите пять изменений — от периферийных вычислений до переквалификации — чтобы руководить эффективно, пишет на портале </em><em>InformationWeek</em> <em>Анураг Синха, старший вице-президент Cognizant.</em></p> <p>После многих лет миграции в облако и постоянной модернизации технологический сектор находится на новом поворотном этапе. Если раньше дискуссии часто сосредоточивались на создании более крупных платформ или добавлении большего количества инструментов, то теперь мы переходим в фазу, определяемую автономностью, контекстом и интеллектом, заложенными непосредственно в основу отрасли. Относительно ПО, устройств, полупроводников и сервисов гиперскейлеров один и тот же посыл: <nobr>2026-й —</nobr> это год, когда искусственный интеллект должен перейти от пилотных проектов к производству.</p> <p>Технологическим лидерам необходимо действовать сейчас, чтобы выйти из «паралича пилотного проекта», инвестировать в базовые навыки и создать динамичные экосистемы.</p> <h3>Когда нерешительность становится самым большим риском</h3> <p>Предприятия годами модернизировали облачные инфраструктуры и перестраивали унаследованные системы, но инвестиции в облачные технологии достигли плато, поскольку руководители перенаправляют ресурсы на агентные и автономные системы, способные действовать в режиме реального времени.</p> <p>Возможности огромны, но и барьеры тоже. Устаревшие системы, фрагментированные данные, нормативные требования, ограничения на рынке труда и растущий дефицит квалифицированных кадров продолжают замедлять прогресс. А геополитические сдвиги меняют то, как отрасль создает и защищает свою продукцию.</p> <p>Унаследованные методы не помогут компаниям перейти в новую эру. Организации, которые останутся в пилотном режиме или недостаточно инвестируют в базовые возможности, потеряют позиции по сравнению с теми, кто решительно модернизируется.</p> <p>Ниже приведены пять сдвигов, которые определят 2026 г.:</p> <ol> <li> <p><strong> Периферийные вычисления становятся двигателем роста технологического сектора.</strong> В 2026 г. интеллектуальная обработка на периферии сети выйдет из стадии эксперимента и превратится в основной двигатель роста. По мере того, как все больше вычислительных ресурсов встраивается непосредственно в устройства, транспортные средства и системы ИИ-инференса на уровне микросхем, компании получают возможность принимать автономные решения в режиме реального времени, не полагаясь на централизованную инфраструктуру.</p> <p>Это будет стимулировать инновации в устройствах и Интернете вещей, поддерживая персонализированные интерфейсы, адаптивный опыт и встроенный интеллект, мгновенно реагирующий на контекст. Это также ускорит спрос на полупроводники следующего поколения, оптимизированные для инференса и созданные для энергоэффективной обработки с низкой задержкой. Эта тенденция очевидно проявляется в разговорах с производителями устройств, гиперскейлерами и технологическими лидерами, которые рассматривают периферийные вычисления и как технический апгрейд, и как источник дохода.</p> </li> <li> <p><strong> Волоконно-оптические и спутниковые сети открывают следующую волну цифровых сервисов.</strong> Сейчас происходит перестройка инфраструктуры связи, которая определит, насколько далеко и как быстро сможет развиться ИИ. Поскольку рабочие нагрузки ИИ становятся все более тяжелыми и распределенными, лидеры понимают, что одних лишь сетей 5G недостаточно для обеспечения надежности или пропускной способности, необходимых для передовых цифровых сервисов.</p> <p>Развитие волоконно-оптических сетей обеспечит стабильную производительность с низкой задержкой, необходимую для ИИ реального времени, иммерсивных медиа и других ресурсоемких рабочих нагрузок. В то же время спутниковые сети, благодаря растущим инвестициям, обеспечат высокоскоростной доступ в регионах, которые долгое время оставались обделенными вниманием. Это откроет новые рынки для облачных сервисов, платформ SaaS и цифровых решений. Этот сдвиг устранит барьеры для внедрения и создаст основу для более совершенных, надежных и контекстно-ориентированных продуктов. Следующая волна инноваций в области ИИ будет работать на основе инфраструктуры связи, созданной для его поддержки.</p> </li> <li> <p><strong> Политика и внутреннее производство меняют рынок технологий.</strong> Геополитические и внутриполитические сдвиги станут одними из самых сильных сил, которые определят масштабирование ИИ технологическими компаниями в 2026 г. Национальные инвестиции в широкополосную связь, инфраструктуру данных и внутренние мощности по производству чипов будут направлены на создание более устойчивой основы для гиперскейлеров и платформ ИИ, которые сейчас являются опорой отрасли. Эти усилия также обеспечат местные центры обработки данных землей, энергией и водными ресурсами, необходимыми для удовлетворения быстро растущих вычислительных потребностей. По мере того, как эти политические изменения будут набирать обороты, технологическим компаниям потребуются более надежные системы управления в отношении суверенитета данных, безопасности ИИ и соблюдения трудового законодательства, с переходом от ситуативных мер контроля к системам, контролирующим развертывание ИИ в масштабах всего предприятия. Руководители, которые быстро адаптируются, будут рассматривать политический фактор как ускоритель, а не как препятствие.</p> </li> <li> <p><strong> Партнерства и экосистемы заменяют трансформацию по принципу «сделай сам».</strong> Идея действовать в одиночку больше не работает. Поскольку системы ИИ становятся все более сложными, охватывая агентные архитектуры, мультиагентную оркестрацию, защищенные конвейеры моделей и контекстную аналитику реального времени, ни одна компания не может создавать или поддерживать все возможности собственными силами.</p> <p>Успех будет зависеть от многоуровневых партнерств с гиперскейлерами, провайдерами с богатым опытом в предметных областях, стартапами и межотраслевыми партнерами. Мы уже видим, как руководители SaaS-компаний и производителей устройств совместно разрабатывают возможности ИИ с гиперскейлерами. Кроме того, полупроводниковые компании будут сотрудничать с облачными провайдерами для оптимизации производительности chip-to-cloud (интеграция облачного подключения в аппаратное обеспечение устройств). Монетизация платформ, данных и контента все больше требует тесного сотрудничества, а не поэтапных внутренних апгрейдов.</p> <p>Компании, которые инвестируют в повышение квалификации и работают с партнерами, понимающими как технологию, так и ее контекст, будут двигаться быстрее, чем те, кто пытается действовать по принципу «сделай сам».</p> </li> <li> <p><strong> Переквалификация рабочей силы становится решающим фактором дифференциации.</strong> В условиях масштабирования автоматизации и автономности по всей технологической инфраструктуре наиболее ценными работниками станут те, кто сочетает экспертные знания в предметной области с контекстным интеллектом. Согласно последним данным, к 2030 г. 59% работников будут нуждаться в переквалификации, а для технологического сектора эта необходимость наступит гораздо раньше.</p> <p>Компании, которые уделяют приоритетное внимание навыкам в области инженерии данных, контекстных вычислений и платформенной интеграции, будут двигаться быстрее, чем те, кто полагается на устаревшие роли или разрозненные команды. Компании, которые инвестируют в переквалификацию на раннем этапе, будут иметь возможность превратить автономные технологии в реальную бизнес-ценность в 2026 г.</p> </li> </ol> <p>Прекращение «паралича пилотных проектов» — это сдвиг, который выделит организации, готовые к масштабному внедрению ИИ, на фоне тех, кто все еще ждет «идеального» момента для начала преобразований. Компании, которые возьмут на себя такие обязательства сейчас, определят направление развития всей технологической отрасли в 2026 г.</p> Нерешительность — главный риск для CIO в 2026 г. Примите пять изменений — от периферийных вычислений … article https://www.itweek.ru/themes/detail.php?ID=234088 Tue, 30 Dec 2025 16:33:33 +0300 <p>Уважаемые читатели itWeek, поздравляем вас с Новым годом!</p> <p> Пусть он принесет вам много новых впечатлений, приятных событий, удачных свершений и желанных перемен. И главное — здоровья! </p> <p> Оставайтесь с нами. Мы возобновим публикацию материалов и интернет-рассылки itWeek Express с 12 января 2026 г. </p> <em>Редакция itWeek</em> Уважаемые читатели itWeek, поздравляем вас с Новым годом! Пусть он принесет вам много новых впечатлений, приятных … message https://www.itweek.ru/themes/detail.php?ID=234083 Tue, 30 Dec 2025 10:32:12 +0300 <p><em>Успех применения искусственного интеллекта зависит не от самой большой модели, а от готовности данных. Риккардо Диблазио, старший вице-президент NetApp, рассказывает на портале </em><em>The</em> <em>New</em> <em>Stack</em> <em>о том, насколько важна будет интеллектуальная инфраструктура данных в новом году.</em></p> <p>За последний год я встречался с клиентами и партнерами во всех основных отраслях, от здравоохранения и государственного сектора до производства и финансов. Независимо от вертикали, закономерность одна и та же: путь к реальной ценности ИИ лежит прямо через вашу инфраструктуру данных.</p> <p>Не через самую большую модель. Не через новую директиву по облачным технологиям. А через качество, управление и доступность данных, лежащих в основе ИИ.</p> <p>Вот почему 2026 г. обещает стать определяющим не только для ИИ, но и для интеллектуальной инфраструктуры данных. Она меняет то, как организации используют данные, обеспечивают их безопасность и масштабируют в гибридных мультиоблачных средах.</p> <p>Ниже представлены четыре изменения, к которым должно готовиться каждое предприятие.</p> <h3>ИИ переходит от «проб» к «масштабированию», если данные готовы</h3> <p>Большинство предприятий сдерживает не производительность моделей, а готовность данных. В 2026 г. одновременно ускорятся три тенденции в области ИИ:</p> <ul> <li><strong> ИИ переходит от пилотных проектов к производству.</strong> Отличительной чертой будет не размер набора данных, а то, насколько данные унифицированы, управляемы и доступны в разных средах.</li> <li><strong> Агентный ИИ становится реальностью.</strong> Эти системы полагаются на быстрый и надежный доступ к корпоративным данным, независимо от того, где они находятся.</li> <li><strong> ИИ работает везде, где есть данные.</strong> Унифицированные гибридные мультиоблачные данные позволяют организациям запускать ИИ на любом гипермасштабируемом сервисе, не перемещая огромные наборы данных и не нарушая нормативные требования.</li> </ul> <p>Компании, которые добьются успеха, будут не просто создавать ИИ; они создадут фундамент данных, который сделает ИИ надежным, безопасным и масштабируемым.</p> <h3>Облачная стратегия определяется рабочими нагрузками и интеллектом</h3> <p>Старые дебаты об облачных технологиях («облако прежде всего», «только облако») уходят в прошлое. В 2026 г. облачная стратегия должна определяться потребностями рабочей нагрузки, а не тем, где она, по мнению руководства, должна работать. Это означает:</p> <ul> <li> Рабочие нагрузки размещаются там, где они обеспечивают наилучшие результаты: производительность, управление и эффективность.</li> <li> Суверенитет данных становится обязательным требованием в условиях ужесточения регулирования.</li> <li> Ценность облака измеряется не столько экономией затрат, сколько отдачей от интеллектуальных решений, то есть тем, насколько хорошо облачные среды генерируют инсайты и оказывают влияние на бизнес.</li> </ul> <p>И еще одно изменение, которое часто недооценивается: партнеры будут играть более важную роль в принятии гибридных облачных решений. От суверенных архитектур до мультиоблачного дизайна данных, партнеры становятся важными консультантами, помогающими предприятиям справляться со сложностью и быстрее модернизироваться.</p> <h3>Киберустойчивость должна обеспечиваться в реальном времени и быть основана на целостности</h3> <p>Команды безопасности теперь работают в совершенно другом мире: многоступенчатые нарушения безопасности, автоматизация угроз на основе ИИ и перемещение данных между бóльшим количеством персон и автоматизированных агентов, чем когда-либо. В 2026 г. предприятия сосредоточатся на:</p> <ul> <li> Быстром обнаружении нарушений и чистом восстановлении как новом эталоне устойчивости.</li> <li> Широком внедрении ИИ-нативных средств обнаружения и расследования, особенно в условиях того, что системы ИИ защищают другие системы ИИ.</li> <li> Целостности данных как основном, а не дополнительном требовании.</li> </ul> <p>Последний пункт имеет первостепенное значение: целостность данных становится важнейшим условием для надежного ИИ. В условиях, когда объем контента растет и ИИ обрабатывает все большее количество критически важных данных, организации должны иметь возможность доказать, что данные являются точными, неизмененными и безопасными для использования. Киберустойчивость — это уже не просто управление ИТ-рисками. Это непрерывность бизнеса, доверие клиентов и конкурентоспособность.</p> <h3>Модернизация измеряется не количеством построенного, а скоростью перехода и масштабирования</h3> <p>Раньше модернизация означала «строить больше», масштабные циклы обновления и планы крупных капитальных вложений. В 2026 г. это означает нечто совершенно иное:</p> <ul> <li><strong> Дезагрегация становится распространенной практикой.</strong> Организации независимо масштабируют производительность и мощности для удовлетворения потребностей ИИ и аналитики, не выделяя избыточных ресурсов.</li> <li><strong> Интеллектуальные миграции без копирования данных ускоряют модернизацию.</strong> Инструменты миграции сокращают затраты и время, обеспечивая более быстрое переключение между средами.</li> <li><strong> Предприятия внедряют унифицированный доступ к данным через единое пространство имен.</strong> Наборы данных просто слишком велики для одной среды. Компаниям необходим бесшовный и бесперебойный доступ как в локальной, так и в мультиоблачной среде.</li> </ul> <p>Модернизация теперь измеряется не тем, сколько вы строите, а тем, насколько быстро вы меняетесь и масштабируетесь.</p> <h3>Что это значит для руководителей бизнеса</h3> <p>Независимо от того, что для вас важнее — доход, эффективность, инновации или качество обслуживания клиентов, эти изменения указывают на общую истину: интеллектуальная инфраструктура данных становится новым конкурентным преимуществом предприятия. Не потому, что это новый маркетинговый термин, а потому, что это единственный способ масштабно внедрять операционные решения, защищаться от постоянно меняющихся угроз, соответствовать меняющимся нормативным требованиям и модернизировать массивы данных достаточно быстро, чтобы успевать за ростом объема данных.</p> <p>Если ИИ — это двигатель, то инфраструктура данных — это операционная система. Она определяет, как быстро может развиваться бизнес — и как далеко он может продвинуться.</p> Успех применения искусственного интеллекта зависит не от самой большой модели, а от готовности данных … article https://www.itweek.ru/themes/detail.php?ID=234081 Tue, 30 Dec 2025 10:13:25 +0300 <p><em>По </em><em><a href="https://tass.ru/ekonomika/25993085">данным </a></em><em>Finexpertiza, в 2024 году суммарные затраты крупных и средних организаций на внедрение и использование технологий искусственного интеллекта составили 90,3 млрд. рублей, причем вс</em><em>ё</em><em> большую популярность среди ИИ-решений набирают ИИ-агенты. Высшая школа бизнеса НИУ ВШЭ </em><em><a href="https://www.vedomosti.ru/technologies/trendsrub/articles/2025/11/05/1150466-it-trendi-dlya-rossii">включила</a></em><em> их в список трендов на 2026 год для российских компаний. </em><em>Рассмотрим, как</em><em> ИИ-агенты уже сейчас внедряются в работу компаний и что мешает сделать их эффективным</em><em>и</em><em> помощник</em><em>а</em><em>м</em><em>и.</em></p> <h3>ИИ-агенты — это прямая эволюция сервисов с LLM</h3> <p>На сегодняшний день ИИ-агент — это не модель или чат-бот, а комплекс инструментов, сервисов и алгоритмов, которые в совокупности воспроизводят работу человека по решению конкретной задачи. Он способен анализировать данные, принимать решения, выполнять действия и адаптироваться к результатам — всё это в рамках чётко заданных правил и ограничений.</p> <p>Все классические системы автоматизации работают по точным алгоритмам, где есть один возможный ответ, и он всегда одинаковый. В таких системах не хватает гибкости и нет возможности адаптировать результат под небольшие изменения в постановке задачи. ИИ-агенты с этим легко справляются, они сами подстраиваются под контекст, используя все вышеописанные компоненты. В основе этих решений лежат нейронные сети, которые являются статистическими и вероятностными алгоритмами, которые обучаются не по жестким правилам, а по закономерностям, найденным в данных. Они способны обобщать опыт и делать выводы даже в новых непредусмотренных сценариях. Благодаря этому ИИ-агенты могут принимать решения в условиях неопределенности, адаптироваться к изменению задач и сами предлагать решения.</p> <p>Если рассмотреть упрощённый пример архитектуры, то в её основе лежит LLM, запущенная в своей собственной изолированной среде. Эта модель выступает в роли «интеллектуального ядра» — она обрабатывает контекст, формулирует решения и определяет последовательность действий. Однако у неё нет прямого доступа к внешним системам или данным.</p> <p>Для взаимодействия с реальной средой используется прокси-контейнер — MCP. Это своего рода «контролирующий посредник», который принимает запросы от LLM, проверяет их на допустимость, валидирует параметры и только после этого вызывает разрешённые функции или инструменты. MCP отвечает за логирование, аутентификацию, контроль прав доступа и соблюдение политик безопасности.</p> <p>Наконец, существует третий контейнер — изолированное окружение, где непосредственно происходят вычисления, обработка данных или выполнение команд. Именно здесь располагаются прикладные инструменты, скрипты, API и зависимости, необходимые агенту для работы. Доступ к этому окружению осуществляется исключительно через MCP, по чётко определённым API-контрактам и с учётом ролевой модели безопасности. LLM не имеет возможности напрямую вмешиваться в процессы, файловую систему или сетевые ресурсы.</p> <p>Однако в более сложных сценариях архитектура может включать несколько различных LLM, каждая из которых выполняет свою специализированную роль в рамках единого агентского контура:</p> <ul> <li> Исполнитель — отвечает за анализ задачи и выработку конкретных действий, формирует пошаговый план выполнения.</li> <li> Проверяющий или контролёр — оценивает корректность решений исполнителя, проверяет соответствие действий политике безопасности и корпоративным правилам.</li> <li> Координатор — распределяет задачи между другими агентами, управляет приоритетами и следит за целостностью контекста.</li> </ul> <p>Такой разделённый интеллект повышает надёжность и устойчивость системы: решения одного агента проходят дополнительную валидацию другим, а доступ к ресурсам остаётся под управлением MCP и ролевых политик безопасности.</p> <h3>Способы внедрения ИИ-агентов в бизнес</h3> <p>Аналитики McKinsey <a href="https://www.mckinsey.com/capabilities/tech-and-ai/our-insights/superagency-in-the-workplace-empowering-people-to-unlock-ais-full-potential-at-work">прогнозируют</a>, что ИИ-агенты смогут забрать на себя до 30% рутинных операций в компании, дав возможность специалистам заниматься более сложными задачами. Согласно <a href="https://www.grandviewresearch.com/industry-analysis/ai-agents-market-report">исследованию</a> Grand View Research, объем мирового рынка ИИ-агентов будет расти на 45% до 2030 года и достигнет 70,5 млрд. долл.</p> <p>Однако важно понимать — для достижения необходимого эффекта нужно подготовить инфраструктуру компании для внедрения ИИ-агентов. Компании часто начинают с конца — пытаются внедрить готовых агентов или интегрировать <nobr>LLM-модули</nobr> «поверх» существующих процессов, не имея подготовленной базы.</p> <p>Первая и самая частая ошибка — отсутствие этапности и цифровой зрелости данных. Чтобы ИИ-агенты действительно приносили пользу, необходимо пройти последовательные шаги:</p> <ol> <li> Провести полную оцифровку источников данных — аудио, видео, тексты, транзакции, метаданные. Без этого у агента просто нет «глаз и ушей».</li> <li> Создать единое хранилище и стандартизировать форматы, чтобы данные могли быть взаимосвязаны и доступны для моделей.</li> <li> Обучить и подготовить модели для анализа всех модальностей — речь, текст, изображение, действия, сенсорика.</li> <li> Создать управляющий уровень, который обеспечивает безопасность, маршрутизацию и контроль доступа.</li> <li> Только после переходить к внедрению ИИ-агентов как интерфейсов, которые взаимодействуют с системой, пользователями и внешними процессами.</li> </ol> <p>Среди других распространенных ошибок можно выделить:</p> <ul> <li> Отсутствие единой платформы: ИИ-агенты разворачиваются как разрозненные решения — в отделе продаж, ИТ, аналитике. Нет общей инфраструктуры, единого API, доступа к данным и сквозной безопасности. В результате системы не взаимодействуют между собой и не могут обмениваться знаниями.</li> <li> Игнорирование вопросов безопасности и изоляции: многие компании дают агентам избыточные права или подключают их к корпоративным системам напрямую. Это нарушает принципы Zero Trust и создаёт риски утечек данных или неконтролируемых действий.</li> <li> Ожидание мгновенного эффекта: ИИ-агенты — не «волшебная кнопка». Без переосмысления процессов и подготовки данных их внедрение редко даёт результат. Необходима адаптация бизнес-процессов под новый формат работы.</li> <li> Недостаток обучения персонала: сотрудники не понимают, как правильно взаимодействовать с агентами, как формулировать задачи и интерпретировать результаты. Из-за этого агент воспринимается как «чёрный ящик», а не как инструмент совместной работы.</li> </ul> <p>Отсутствие системного подхода к цифровой трансформации — распространенная ошибка компаний, которые стремятся быстрее внедрить новую технологию. Именно это влечет за собой неправильную работу всей системы — вместо ускорения процессов появляется разочарование в эффективности решения, компании терпят убытки. При грамотной интеграции ИИ-агентов в инфраструктуру в долгосрочной перспективе они способны стать полноценными участниками рабочих процессов.</p> <p> #IMAGE_234082#</p> По данным Finexpertiza, в 2024 году суммарные затраты крупных и средних организаций на внедрение … article Кирилл Смеловец, главный архитектор сервисов искусственного интеллекта и машинного обучения Cloud X https://www.itweek.ru/themes/detail.php?ID=234080 Mon, 29 Dec 2025 16:40:38 +0300 <p>Разработчик единой платформы корпоративных коммуникаций CommuniGate Pro выпустил обновление своего программного продукта. В версии 6.5.4 значительно улучшен веб-интерфейс, повышена стабильность работы в крупных инсталляциях и усилена информационная безопасность решения.</p> <p>Одним из ключевых направлений доработок стало обновление веб-интерфейса, включающего в себя разделы «Контакты», «Почта» и «Настройки». В новой версии перестроена логика взаимодействия пользователей с почтой: появилась возможность редактировать цитируемый текст в письмах, настраивать автоответы и импортировать контакты в пустые папки. Внедрена опция, которая позволяет не удалять письмо из корзины сразу, а сначала помечать его как стертое.</p> <p>Большое внимание разработчики уделили производительности и работе с данными. Календари теперь открываются еще быстрее; реализован ряд улучшений, повышающих стабильность и скорость работы в крупных инсталляциях. В автоответчик добавлена поддержка HTML-тегов для оформления уведомлений, оптимизирована работа с большими вложениями. Обновление также получил универсальный MAPI-коннектор, в первую очередь предназначенный для возможности работы с десктопным клиентом Microsoft Outlook. </p> <p>Разработчики платформы регулярно работают над исправлением ошибок. Новый релиз включает в себя исправление более 50 функциональных проблем различной степени критичности. Среди них — устранение сбоев сервера при работе с делегированными папками и календарями, корректная обработка повторяющихся событий, пересылки и автоматических подтверждений участия без потери вложений. Исправлены ошибки, влиявшие на корректность серверных почтовых правил для всех доменов.</p> <p>Отдельный блок изменений касается информационной безопасности и контроля доступа к корпоративной почте. Теперь пароли полностью скрыты в журналах системы, а процедура авторизации усиливается за счёт изменения порядка проверок. Также при принудительном завершении пользовательских сессий одновременно прерываются активные сессии тех, кому был делегирован доступ к почтовому ящику. Кроме того, в интерфейсах Pronto, WEBADMIN и командной строке появилась возможность просматривать активные WebAuth-сессии. Это повышает прозрачность и контроль над работой пользователей.</p> <p>«В этом обновлении мы сосредоточились на самых востребованных запросах корпоративных клиентов и партнёров, поступавших к нам весь 2025 год, упростили повседневные операции при работе с системой и значительно улучшили стабильность работы продукта. В итоге платформа стала ещё более удобной и безопасной как для пользователей, так и для системных администраторов крупных инсталляций. Мы продолжим уделять пристальное внимание обратной связи от рынка и развивать свой продукт», — прокомментировал Борис Моисеев, директор по разработке CommuniGate Pro.</p> Разработчик единой платформы корпоративных коммуникаций CommuniGate Pro выпустил обновление своего программного продукта … message https://www.itweek.ru/themes/detail.php?ID=234079 Mon, 29 Dec 2025 13:08:49 +0300 <p>Компания Hybrid Metaverse, входящая в состав AdTech-экосистемы Hybrid, подвела итоги развития российского рынка метавселенных в 2025 году и определила ключевые тренды, которые будут формировать его в 2026.</p> <p>Основным контекстом станет жизнь в пост-Roblox реальности, что заставит бренды перераспределять бюджеты с концентрации на одной платформе на тестовый портфель в таких средах, как Fortnite, Minecraft, Telegram Mini Apps, «Яндекс Игры», VK Play и web-решения. Риск повторной блокировки даже в случае потенциального возвращения Roblox делает стратегию диверсификации по нескольким платформам новой нормой для крупных бюджетов.</p> <p>Дефицит трафика от молодежи в возрасте до 18 лет превратит гейминг в премиальный инвентарь, где ценность сместится с показов на время контакта и удержание пользователя, а платформы с возможностью клика вне игры станут золотым стандартом для медиапланирования. Одновременно Telegram укрепит позиции супер-экосистемы для этой аудитории, объединяя в одном пространстве контент, общение и гейминг через Mini Apps, чему способствует миграция пользователей после ограничений других платформ. Параллельно ожидается рост programmatic-закупок неигрового трафика внутри виртуальных миров, таких как баннеры и видео, с идентификацией через Stable ID для атрибуции переходов пользователей между разными цифровыми средами, что может привести к появлению специализированных SSP.</p> <p>Важным направлением станет стандартизация измерений: после введения в 2025 году стандарта видимого показа в виртуальных мирах, в 2026 году продолжится формализация метрик для рекламы в российском гейминге. Бренды перейдут от разрозненных активностей к построению системных экосистем, связывая игры, виртуальные миры, Telegram-активации, офлайн и retail media в единую архитектуру со сквозными сценариями. Стык онлайн- и офлайн-опыта станет стандартом, превращая фиджитал-механики, такие как QR-коды, мерч и промокоды, в измеримые медианосители. </p> <p>Адаптируясь к ограничению маркетинговых бюджетов, компании сегмента малого и среднего бизнеса (SMB) будут активнее формировать партнерские коллаборации. Объединение ресурсов и аудиторий через кросс-офферы, совместные призовые фонды и партнерские игровые мероприятия позволит им не только оптимизировать расходы, но и эффективно увеличивать охват, используя синергию сообществ. Данная модель станет практической антикризисной стратегией, направленной на достижение большего результата при сокращении индивидуальных затрат.</p> <p>Ключевым конкурентным преимуществом в 2026 году станет легальность и работа с регуляторами: вопросы маркировки, возрастных ограничений, модерации и прозрачной экономики будут напрямую влиять на распределение бюджетов в условиях усиления глобального тренда на compliance и brand safety.</p> <p>Таким образом, российский рынок метавселенных в 2026 году ожидает фаза зрелости и перераспределения сил. Компаниям необходимо адаптироваться к новой реальности, где отсутствует доминирующая платформа, а ценность смещается в сторону измеримых метрик внимания, глубокой интеграции онлайн- и офлайн-каналов, а также построения долгосрочных и легальных экосистем. Стратегическими шагами станут диверсификация платформенных инвестиций, фокус на качественные метрики вовлеченности, а также приоритет решений, обеспечивающих безопасность бренда и соответствие регуляторным требованиям.</p> <p>«Несмотря на блокировку Roblox, рынок метавселенных в России продолжит развиваться по новому пути — пути диверсификации, зрелости и интеграции. Это путь от зависимости от одной платформы к портфельному подходу, от точечных кампаний к построению целостных brand-экосистем и от вала показов к измеримому вниманию и реальному бизнес-эффекту в гибридной цифрово-физической среде», — прокомментировал операционный директор Hybrid Metaverse Владимир Ланцов.</p> Компания Hybrid Metaverse, входящая в состав AdTech-экосистемы Hybrid, подвела итоги развития российского рынка … message https://www.itweek.ru/themes/detail.php?ID=234078 Mon, 29 Dec 2025 13:08:05 +0300 <p>Группа Arenadata выпустила новую версию системы Arenadata Harmony MDM (AD.MDM) 3.0 — российское self-service решение для управления мастер-данными и корпоративной нормативно-справочной информацией (НСИ). Обновление позволит бизнесу повысить эффективность выполнения задач консолидации, нормализации и интеграции данных.</p> <p>Новая версия стала результатом двухлетнего опыта внедрения и эксплуатации системы в корпоративных ИТ-ландшафтах и нацелена на повышение качества данных, производительности и интеграционных возможностей.</p> <p>Ключевым обновлением версии 3.0 стал иерархический классификатор материалов, обеспечивающий более глубокую и масштабируемую классификацию с поддержкой признаков и характеристик. Новый классификатор ориентирован на работу с большими объёмами номенклатуры и востребован в производственных, логистических и закупочных контурах. Дополнительно в системе реализован AI-агент, который помогает пользователям классифицировать материалы и формировать параметрические описания.</p> <p>В новой версии изменён подход к работе с качеством данных. Обнаруженные дубликаты и ошибки валидации больше не блокируют бизнес-процессы. Записи помечаются и проходят по процессу, а команды управления данными получают детальную информацию для последующей корректировки. Такой механизм позволяет сохранить непрерывность операций и повысить прозрачность контроля качества.</p> <p>Arenadata Harmony MDM 3.0 также расширяет интеграционные возможности платформы за счёт поддержки Arenadata Streaming Platform и Kafka, что позволяет организовать потоковый обмен данными с внешними системами и сократить время доставки данных в корпоративных процессах.</p> <p>Для повышения производительности платформа перешла с ElasticSearch на OpenSearch. Это улучшило скорость и стабильность полнотекстового поиска при работе с большими объёмами данных. Дополнительно реализованы массовый загрузчик PostgreSQL для быстрой миграции и обновления справочников, а также параллельное согласование записей, ускоряющее процессы утверждения данных.</p> <p>Версия Arenadata Harmony MDM 3.0 делает управление мастер-данными более предсказуемым, масштабируемым и адаптированным к требованиям крупных корпоративных ИТ-ландшафтов.</p> <p>«Новая версия системы собрала в себе наш опыт за последние два года. Система позволяет выстроить полноценную работу с доменом материалов, вести неограниченное количество иерархических классификаторов. Улучшенный модуль согласования позволяет различным подразделениям в компании одновременно работать со сложными карточками Контрагентов, Материалов, Сотрудников и других справочников. Новые функции системы уже активно используются нашими заказчиками и позволяют значительно повысить эффективность и скорость обработки мастер-данных, — прокомментировал Евгений Обелов, технический директор Arenadata Harmony MDM. — Интеграция на базе Arenadata Streaming Platform гарантирует пользователям стабильное и масштабируемое взаимодействие с внешними системами и повышает общую надежность ИТ-инфраструктуры».</p> <p>Arenadata Harmony MDM (входит в состав Группы Arenadata) — российское решение для управления мастер-данными и НСИ с более чем <nobr>10-летней</nobr> историей внедрений. Система позволяет бизнесу консолидировать информацию из разрозненных источников в едином пространстве, обеспечивая согласованность и достоверность данных. </p> <p>AD. MDM обладает открытой архитектурой для интеграции с корпоративным ИТ-ландшафтом и внешними источниками, такими как ЕФРСБ, ФИАС, ЕГРЮЛ, НРД. Кроме того, решение разработано по модели low-code, что делает его доступным для бизнес-пользователей, не имеющих продвинутых навыков программирования.</p> Группа Arenadata выпустила новую версию системы Arenadata Harmony MDM (AD.MDM) 3.0 — российское self-service решение для … message https://www.itweek.ru/themes/detail.php?ID=234077 Mon, 29 Dec 2025 13:07:01 +0300 <p>Институт статистических исследований и экономики знаний НИУ ВШЭ проанализировал тенденции развития сектора ИКТ и его сегментов (ИТ-отрасли, телекоммуникаций, производства ИКТ-оборудования, оптовой торговли ИКТ-товарами) по итогам девяти месяцев 2025 года.</p> <p>Объем реализации собственных товаров, работ, услуг сектора ИКТ за январь — сентябрь 2025 г. вырос по сравнению с аналогичным периодом 2024 г. на 13,8% (по экономике в целом — +2,7%). Вклад сектора ИКТ в общую реализацию увеличился с 4,6 до 5,1%.</p> <p>Во всех сегментах сектора ИКТ наблюдается положительная годовая динамика реализации за девять месяцев 2025 г., в том числе за III кв. 2025 г. Значимый темп прироста сохраняется в таких крупных сегментах, как ИТ-отрасль (+16,3% к девяти месяцам <nobr>2024-го)</nobr> и производство ИКТ (+17,8%).</p> <p>Среднесписочная численность работников сектора ИКТ достигла 1,7 млн человек; за III кв. показатель увеличился на 13,9 тыс. человек (+0,8%), за год — на рекордные 148,1 тыс. человек (+9,6%), в основном за счет ИТ-отрасли. Выросла и дополнительная потребность в кадрах: на конец III кв. 2025 г. было открыто 79 тыс. вакансий, что на 2,3 тыс. (+3%) больше, чем в предыдущем квартале.</p> <p>Инвестиции сектора ИКТ в 2025 г. увеличивались от квартала к кварталу, а в целом по итогам девяти месяцев 2025 г. — сохранились на уровне аналогичного периода 2024 г.</p> <p>Cектор ИКТ наращивает реализацию товаров, работ, услуг кратно быстрее, чем экономика в целом (как по итогам девяти месяцев, так и в III кв. 2025 г.). За счет ИТ-отрасли достигнут максимальный годовой прирост численности работников сектора.</p> Институт статистических исследований и экономики знаний НИУ ВШЭ проанализировал тенденции развития сектора ИКТ и его … message https://www.itweek.ru/themes/detail.php?ID=234070 Mon, 29 Dec 2025 00:00:00 +0300 <p>В 2026 году кадровый дефицит в ИТ-индустрии сохранится, но примет более точечный характер. На рынке станет меньше массового найма «любой ценой», зато обострится конкуренция за специалистов, которые закрывают критические компетенции: архитектура, кибербезопасность, инженерия данных, DevOps/SRE, внедрение и эксплуатация ИИ-решений.</p> <p>К такому выводу HR-агентство A2 пришло на основе опроса 150+ руководителей ИТ-компаний и digital-подразделений (CEO/CTO/CPO/HRD), а также путем сопоставления полученных в ходе опроса данных с публичными трендами по вакансиям и спросу.</p> <p>#IMAGE_234075#</p> <p>#IMAGE_234074#</p> <p>Дефицит кадров в 2026 году будет рассматриваться не через призму «нет людей», а через «нет нужных навыков». По оценкам Минцифры, дефицит разработчиков в России ранее оценивался в <nobr>500-700 тыс.</nobr> человек — это весомая величина, которая определяет серьезный масштаб проблемы для всей российской экономики. При этом динамика найма стала более неоднородной. Например, в 2024 году спрос на ИТ-специалистов в РФ уверенно рос (hh.ru по запросу ТАСС фиксировал +8% год к году), а в 2025 году часть сегментов столкнулась с охлаждением и снижением числа вакансий. И это главный сдвиг в развитии кадрового рынка. В <nobr>2026-м</nobr> компании будут говорить не столько о «кадровом голоде вообще», сколько о дефиците навыков. Соискателей может стать больше, но закрывать ключевые вакансии будет по-прежнему сложно.</p> <p>Мы выделяем шесть трендов, которые определят ситуацию на кадровом рынке в 2026 году (на основе ответов топ-менеджмента российских компаний).</p> <h3>1.Охлаждение объема запросов на соискателей не означает упрощение требований к компетенциям</h3> <p>42% респондентов сообщили, что в 2026 году будут нанимать меньше, чем в <nobr>2024-2025 годах,</nobr> но 66% отметили, что time-to-hire по критическим ролям (архитекторы, data, security, DevOps) не сокращается. Это коррелирует с общерыночными сигналами о снижении вакансий в ряде сегментов при сохранении конкуренции за квалификацию.</p> <p>#IMAGE_234072#</p> <h3>2. Спрос смещается к AI- и data-компетенциям</h3> <p>Рынок готов чаще «покупать» способность внедрять AI, а не только писать код. К такому же выводу пришел hh.ru, аналитики отметили дефицит навыков и рост значимости AI-компетенций у соискателей. На глобальном горизонте это подтверждается выводами World Economic Forum: к числу быстрорастущих направлений устойчиво относятся AI & Big Data, а также network/cybersecurity как ответ на технологические и геоэкономические риски.</p> <h3>3. Рост киберрисков создаст дополнительный дефицит внутри корпоративных ИТ-отделов</h3> <p>В 2026 году «узкое горлышко» по безопасности будет дальше усиливаться. По данным SuperJob, на фоне общей коррекции в ИТ-вакансиях число ИБ-вакансий растёт. В мировом масштабе разрыв ещё заметнее: ISC2 оценивает глобальный дефицит специалистов по кибербезопасности на уровне миллионов и указывает на устойчивый workforce gap.</p> <h3>4. Изменится структура запроса к соискателям</h3> <p>Структура спроса тяготеет к middle/senior, а вход в профессию усложняется, что будет снижать приток «свежей крови» и подпитывать дефицит опытных специалистов.</p> <p>В ходе нашего опроса 31% руководителей признались, что сокращают найм junior-уровня и перераспределяют бюджеты на рост/удержание middle+.</p> <h3>5. Зарплаты продолжат рост, но не равномерно</h3> <p>Скорее всего, рынок продолжит движение к умеренной индексации и более жёсткой привязке компенсации к влиянию на продукт/выручку. Это встраивается в общие ожидания компаний по HR-бюджетам на 2026 год.</p> <h3>6. На нарастание дефицита кадров компании отреагируют предложением дополнительного профессионального обучения</h3> <p>В 2026 году выиграют те, кто умеет быстро доращивать людей: внутренние академии, апскиллинг под реальные задачи, карьерные треки для переходов между ролями (dev — data/MLOps, QA — automation, sysadmin — SRE) — все это становится серьезным конкурентным преимуществом на рынке труда. </p> <p>#IMAGE_234073#</p> <p>Можно предположить, что государство также будет расширять образовательный контур по ИТ-специальностям, увеличивая поток студентов и бюджетных мест, правда эффект от этих инициатив проявится не так скоро.</p> <p>#IMAGE_234071#</p> В 2026 году кадровый дефицит в ИТ-индустрии сохранится, но примет более точечный характер. На рынке станет … article Алексей Чихачев, управляющий партнёр HR-агентства А2 https://www.itweek.ru/themes/detail.php?ID=234069 Mon, 29 Dec 2025 00:00:00 +0300 <p><em>То, что десятилетия назад начиналось как оцифровка документов и автоматизация простых процессов, превратилось в крупномасштабные системы на основе искусственного интеллекта, которые интегрируют данные, принятие решений и операции от начала до конца, пишет на портале </em><em>BigDATAwire</em> <em>Скотт Фрэнсис, евангелист технологий компании PFU.</em></p> <p>На протяжении десятилетий важной составляющей цифровой трансформации было сканирование документов, перевод бумажных документов в онлайн-формат и автоматизация ручных процессов. Однако сегодня предприятия переходят к следующему этапу цифровой трансформации, определяемому корпоративными рабочими процессами на основе ИИ, которые выходят далеко за рамки базовой цифровизации.</p> <p>Следующий этап этой эволюции гораздо амбициознее. Предприятия сейчас создают рабочие процессы на основе ИИ, которые не просто оцифровывают информацию, но и преобразуют ее в действенную аналитику. Эра таких процессов наступила, и она меняет то, как организации управляют данными, принимают решения и работают в масштабе.</p> <h3>От цифровизации к интеллектуальной автоматизации</h3> <p>Ранняя цифровизация была направлена ​​на повышение эффективности — преобразование «бумаги» и документов, включая квитанции, счета-фактуры, контракты и бланки, хранящиеся в шкафах, в пиксели. Эти системы снижали трение, но оставались в значительной степени статичными. Для современной быстро меняющейся корпоративной среды, управляемой ИИ, это больше не подходит. Организации объединяют ранее разрозненные системы в интеллектуальные рабочие процессы, которые интегрируют сбор данных, анализ и принятие решений. Каждый документ — будь то счет-фактура, контракт или бланк клиента — становится частью динамической экосистемы, которая учится и адаптируется в режиме реального времени.</p> <p>Используя правильное сочетание современных сканеров изображений, ПО для ввода документов и ИИ, компании могут легко преобразовывать неструктурированные бумажные файлы в структурированные, доступные для поиска и контекстуальные данные. Счета-фактуры, заказы на покупку и контракты не просто хранятся, они становятся активами данных, которые питают аналитические системы, формируют прогнозы и запускают автоматизированные действия. Благодаря автоматизации, комплаенсу и анализу данных, встроенным в каждое сканирование, бумажные счета-фактуры, контракты, клиентские записи и многое другое превращаются в полезную аналитическую информацию, которая позволяет создавать рабочие процессы на основе ИИ, обеспечивающие реальные бизнес-результаты, одновременно гарантируя соответствие нормативным требованиям и устойчивость.</p> <p>В экономике ИИ цифровизация играет еще одну важную роль — преобразование бумажных документов в данные, пригодные для движков больших языковых моделей (LLM). Это будет становиться все более важным, поскольку все больше сайтов ограничивают работу краулеров или требуют лицензирования, что сокращает доступный объем данных. В <a href="https://epoch.ai/blog/will-we-run-out-of-data-limits-of-llm-scaling-based-on-human-generated-data">отчете</a> некоммерческой организации Epoch AI за 2024 г. прогнозируется, что уже в 2026 г. у LLM могут закончиться свежие, созданные людьми обучающие данные.</p> <p>Компании, которые для непрерывного масштабирования полагаются исключительно на общедоступные данные, собираемые краулерами, вероятно, столкнутся с уменьшением отдачи. Чтобы избежать надвигающегося дефицита общедоступных данных, предприятиям необходимо будет использовать свои оцифрованные документы и корпоративные данные для тонкой настройки моделей для задач, специфичных для своей предметной области, а не полагаться только на общие веб-данные.</p> <p>Интеллектуальные технологии захвата теперь могут распознавать типы документов, извлекать ключевые сущности и автоматически проверять информацию. После оцифровки эти данные напрямую поступают в корпоративные системы, где модели ИИ могут выявлять закономерности или прогнозировать результаты.</p> <h3>Внедрение комплаенса и отказоустойчивости в рабочий процесс</h3> <p>По мере того, как рабочие процессы с использованием ИИ становятся все более распространенными, вопрос соответствия требованиям продолжает оставаться актуальным. В регулируемых отраслях, таких как финансы и здравоохранение, автоматическая маркировка метаданных, контроль доступа и политики хранения гарантируют безопасное управление каждым документом от момента его захвата до архивирования.</p> <p>Однако отказоустойчивость также является приоритетной задачей. Рабочие процессы корпоративного уровня должны выдерживать сбои в работе системы, удовлетворять сложным требованиям комплаенса и соответствовать глобальному масштабу. Нативно-облачные архитектуры, резервные системы и обнаружение аномалий на основе ИИ могут обеспечить бесперебойную работу рабочих процессов даже при изменении условий. Встроенное управление позволяет организациям внедрять инновации с уверенностью в том, что автоматизация не поставит контроль под угрозу.</p> <h3>Разработка дорожной карты рабочих процессов на основе ИИ</h3> <p>Для руководителей, управляющих цифровой стратегией, переход к рабочим процессам корпоративного уровня на основе ИИ открывает как новые возможности, так и требует срочных решений. Однако преимущества перевешивают проблемы. До внедрения ИИ глобальные производители обрабатывали десятки тысяч счетов-фактур каждую неделю, что требовало ручного ввода данных, проверки и утверждения каждого документа. Нетрудно видеть разительный контраст с современными рабочими процессами на основе ИИ: каждый счет-фактура захватывается документ-сканером, классифицируется, проверяется на соответствие заказам на покупку и автоматически направляется на утверждение, а аномалии помечаются для проверки. Это приводит к сокращению циклов обработки, уменьшению количества ошибок, более надежному аудиторскому следу и более чистым данным, которые напрямую поступают в системы прогнозирования и финансового планирования.</p> <p>Сосредоточение внимания на следующих четырех приоритетах поможет ускорить переход к рабочим процессам корпоративного уровня на основе ИИ и оптимизировать их:</p> <ul> <li><strong> Интеграция разрозненных систем:</strong> устранение разрозненности данных путем подключения ПО для захвата документов к системам ERP, CRM и аналитическим инструментам.</li> <li><strong> Внедрение интеллектуального захвата:</strong> устаревшие сканеры и инструменты оптического распознавания символов не справляются с современными требованиями к данным. Инвестируйте в решения, которые автоматически классифицируют, извлекают и проверяют данные.</li> <li><strong> Операционализация данных для ИИ:</strong> рассматривайте каждый отсканированный документ как потенциальный источник данных. Вводите структурированные данные в модели ИИ, чтобы выявлять закономерности в денежных потоках, поведении клиентов, производительности цепочки поставок и многом другом.</li> <li><strong> Внедрение комплаенса с самого начала:</strong> проектируйте включение управления непосредственно в рабочие процессы, а не добавляйте его позже. Автоматизированные журналы аудита и политики хранения данных укрепляют доверие и снижают регуляторные риски.</li> </ul> <h3>Конкурентное преимущество интеллекта</h3> <p>В экономике, где скорость, соответствие нормативным требованиям и инсайты определяют лидерство на рынке, корпоративные рабочие процессы на основе ИИ предлагают решающее преимущество. Автоматизация — это не просто делать больше с меньшими затратами; это обучение на каждом действии. Каждое сканирование, транзакция или решение укрепляют обратную связь, которая делает корпоративные системы ИИ сильнее. Организации, которые осознают этот сдвиг на раннем этапе, опередят конкурентов, которые все еще рассматривают сбор данных как функцию бэк-офиса. Успеха добьются те, кто превратит «последнюю милю» цифровизации в первый этап интеллектуального развития.</p> То, что десятилетия назад начиналось как оцифровка документов и автоматизация простых процессов, превратилось … article https://www.itweek.ru/themes/detail.php?ID=234068 Mon, 29 Dec 2025 00:00:00 +0300 <p><em>Агенты искусственного интеллекта — ваши новые пользователи, и они требуют нового подхода к инфраструктуре данных. Макс Лю, соучредитель и генеральный директор TiDB, приводит на портале </em><em>The</em> <em>New</em> <em>Stack</em> <em>контрольный список для оценки вашей готовности.</em></p> <p>Команды данных, преуспевшие в последней волне масштабирования платформ «ПО как услуга» (SaaS), не гнались за ажиотажем. Они приняли несколько разумных решений: внедрили облачные операции, сделали видимыми затраты и ресурсы, а также выбрали архитектуры, которые могли быстро адаптироваться к меняющимся условиям.</p> <p>Как оказалось, именно эти методы требуются в эпоху агентных систем.</p> <p>Если вы посмотрите, как команды данных управляют переходом на ИИ, вырисовывается четкая закономерность: тем, у кого был жесткий контроль над производительностью и расходами, оказалось проще всего поддерживать агентов. Они уже практиковали изоляцию арендаторов. Они уже вносили оперативные изменения в рабочее время. Они уже использовали восстановление на основе объектного хранилища. Все, что агенты от них потребовали, они уже делали. Они просто применили те же принципы, которые уже использовали, к новому типу пользователей.</p> <p>Начнем с этой предпосылки: агенты — ваши новые пользователи. Мы рассмотрим, чем они отличаются от других пользователей и как лучше всего их поддерживать. Попутно мы обсудим четыре архитектурных фактора, влияющих на возможность работы в масштабе. И завершим контрольным списком, который вы можете использовать для оценки пригодности вашей текущей платформы для рабочих нагрузок, управляемых агентами.</p> <h2>Агенты — ваши новые «пользователи»</h2> <p>Большинство платформ данных были созданы для людей и сервисов с относительно стабильными, предсказуемыми потребностями. Агентные системы совершенно другие. Они запускают приложения с коротким сроком жизни, проводят эксперименты, запускают миграции, создают новые наборы данных и все это удаляют — часто параллельно и непредсказуемо.</p> <p>Это можно видеть на примере компаний, которые предлагают универсальные платформы агентного ИИ, чьи рои агентов для «широких исследований» ежедневно запускают тысячи кратковременных рабочих нагрузок. Речь идёт уже не об управлении единой монолитной базой данных, а об организации за кулисами миллионов крошечных, временных, похожих на ветви сред.</p> <p>В масштабе агентам нужна не монолитная, постоянно растущая база данных. По сути, нужны миллионы крошечных, изолированных баз данных или ветвей, появляющихся и исчезающих. Как только вы принимаете эту предпосылку, естественным образом вытекают четыре требования к агентным архитектурам:</p> <ul> <li><strong> Изоляция по умолчанию.</strong> Границы для каждого арендатора или агента предотвращают превращение экспериментов в проблему для всех.</li> <li><strong> Оперативные изменения в рабочее время.</strong> Схемы и индексы должны быть настраиваемыми в пределах задержек p95/p99 в рамках целевых показателей уровня обслуживания (SLO).</li> <li><strong> Размещение и квоты.</strong> Горячие данные должны храниться рядом с вычислительными ресурсами с низкой задержкой; холодные данные могут размещаться в недорогом хранилище; а «шумные» арендаторы должны быть изолированы.</li> <li><strong> Автоматизация жизненного цикла.</strong> Необходима возможность создавать и удалять среды за считанные секунды с гигиеной чистоты метаданных и распределением затрат.</li> </ul> <p>Вот четыре архитектурных решения, которые поддерживают потребности ваших агентов:</p> <h3>1. Два важных аспекта масштабируемости</h3> <p>Агенты могут быстро потреблять общие ресурсы. Чтобы этого не происходило, разделите вычисления и хранение, чтобы вы могли добавлять мощности без перемещения данных. Затем разделите вычислительные ресурсы, чтобы выделить для оперативной обработки транзакций (OLTP), аналитики и обслуживания отдельные каналы и SLO.</p> <ul> <li><strong>Разделение вычислений и хранения. </strong>Подключение SQL/вычислительных механизмов без сохранения состояния к надежному общему объектному хранилищу позволяет:</li> <li><strong> Масштабироваться эластично:</strong> добавление и удаление мощностей без необходимости высокоскоростного копирования данных или миграции в выходные дни.</li> <li><strong> Восстанавливаться предсказуемо:</strong> новые узлы могут получать состояние из хранилища и «теплых» кэшей и начинать обслуживание, не перегружая другие узлы.</li> <li><strong> Быстро клонировать:</strong> ветви с копированием при записи могут быть быстро созданы из метаданных, а не из полных физических копий.</li> </ul> <p>Что нужно проверить:</p> <ul> <li> Можно ли добавлять вычислительные узлы за считанные минуты без перебалансировки данных?</li> <li> Используют ли новые узлы объектное хранилище, а не другие узлы?</li> <li> Являются ли клонирование и ветвление инкрементальными и эффективными с точки зрения использования пространства?</li> </ul> <p><strong>Разделение вычислений. </strong>Когда тысячи агентов одновременно разветвляют данные, создают индексы и отправляют запросы, SQL-интерфейсы, аналитические средства чтения, фоновое обслуживание (компактирование, обратная заливка), резервное копирование/восстановление и плоскости управления должны масштабироваться и управляться независимо, чтобы обеспечить их бесперебойную работу.</p> <p>Что нужно проверить:</p> <ul> <li> Можно ли ограничивать скорость обратной заливки независимо от трафика OLTP?</li> <li> Имеют ли аналитические сканирования собственные ресурсы и ограничения?</li> <li> Можно ли выполнить обновление версий для одной плоскости без использования окна для другой?</li> </ul> <h3>2. Сделайте затраты видимыми (и действенными)</h3> <p>Традиционные платформы данных часто недогружают ЦП на <nobr>20-25%,</nobr> сохраняя при этом запас мощности «на всякий случай». Это терпимо для пользователей-людей; это неприемлемо в среде, где агенты запускают тысячи кратковременных рабочих нагрузок. Решение состоит в том, чтобы сделать стоимость каждого запроса видимой — например, с помощью учета единиц запросов (request-unit, RU) — в той же панели, которую уже отслеживают инженеры.</p> <p>Таким образом, инженеры будут знать, какие запросы нужно оптимизировать и какой экономии ожидать. Отделы разработки продуктов и финансов могут устанавливать бюджеты и лимиты, соответствующие реальной работе, а платформенные команды могут рекомендовать улучшения, основываясь на фактических затратах, а не на интуиции.</p> <p>Что нужно проверить:</p> <ul> <li> Можете ли вы относить затраты к арендаторам, приложениям и дайджестам запросов?</li> <li> Можете ли вы автоматически обеспечивать соблюдение бюджетов и лимитов?</li> <li> Есть ли у вас цикл «Top Five Digests», связанный с регрессионными тестами задержки и стоимости?</li> </ul> <h3>3. Используйте объектное хранилище в качестве основы</h3> <p>Для агентных архитектур использование объектного хранилища (S3/Google Cloud Storage/Azure Blob и т. п.) в качестве основы данных является обязательным. Это обеспечивает масштабирование с учетом контекста за счет извлечения данных из общего объектного хранилища и локального кэширования горячих данных для обеспечения сверхнизкой задержки, гарантируя, что база данных всегда будет нужного размера в данный момент. Во время масштабирования или восстановления новые вычислительные ресурсы должны извлекать состояние из надежного хранилища, а не копировать его с других узлов. Там же должны храниться и резервные копии и долгосрочные снимки.</p> <p>Преимущества:</p> <ul> <li><strong> Предсказуемое масштабирование и восстановление:</strong> меньше межузловых сбоев во время роста или обработки отказа.</li> <li><strong> Многоуровневая экономика:</strong> можно продумать и заложить в бюджет пути горячих/теплых/холодных ресурсов.</li> <li><strong> Быстрое ветвление базы данных:</strong> клонирование базы данных становится операцией с указателями плюс семантика объектного хранилища.</li> </ul> <p>Что нужно проверить:</p> <ul> <li> Хранятся ли резервные копии, снимки и метаданные ветвлений в объектном хранилище по умолчанию?</li> <li> Сколько времени требуется новому узлу для начала обработки трафика после сбоя?</li> <li> Можно ли автоматически удалять ненужные ветви и объекты с помощью сборщика мусора?</li> </ul> <h3>4. Рассматривайте оперативные изменения как первостепенную возможность</h3> <p>Когда вашими пользователями являются агенты, изменения происходят постоянно. Эволюция схемы, индексирование, перемещение данных и обновления должны происходить в режиме онлайн, с четкой видимостью происходящего.</p> <p>Вот как это выглядит на практике:</p> <ul> <li> Изменения трехфазной схемы (подготовка → реорганизация → фиксация) с многоверсионным управлением параллелизмом, чтобы чтение-запись продолжались во время выполнения обратной заливки.</li> <li> Обслуживание с ограничением скорости, учитывающее бюджеты p95/p99.</li> <li> Поэтапные обновления с автоматическим выбором лидера и без перерывов на обслуживание.</li> </ul> <p>Что нужно проверить:</p> <ul> <li> Можно ли добавить индекс к горячей таблице в пиковый период и удерживать p95/p99 в рамках SLO?</li> <li> Являются ли блокировки метаданных короткими и предсказуемыми?</li> <li> Встроены ли в конвейер предварительные проверки, пороговые значения для прерывания и план отката?</li> </ul> <h2>Антипаттерны, которых следует избегать</h2> <p>Выше речь шла о том, чего вам следует постараться добиться. А вот чего следует избегать:</p> <ul> <li><strong> Сложность сегментирования: </strong>сегментирование на уровне приложения выглядит простым до тех пор, пока вам не приходится самостоятельно выполнять маршрутизацию, перебалансировку, обработку отказа и перекрестные объединения сегментов.</li> <li><strong> Один большой пул: </strong>если рассматривать все вычисления как взаимозаменяемые, это приведет к возникновению инцидентов с шумными соседями и резкому увеличению задержки.</li> <li><strong> Невидимые затраты: </strong>выставление счетов на уровне экземпляра скрывает потери, связанные с каждым запросом; помните, что вы не можете управлять тем, чего не видите.</li> <li><strong> Зависимость от однорангового копирования: </strong>процессы восстановления и масштабирования, зависящие от загруженных соседей, могут рухнуть под давлением.</li> </ul> <h2>Контрольный список для оценки минимальной готовности</h2> <p>Используйте следующий контрольный список для сравнения платформ для агентных рабочих нагрузок:</p> <ol> <li><strong> Подготовка баз данных.</strong> Сколько изолированных баз данных, схем и ветвей вы можете создать в минуту? Как они отслеживаются и выводятся из эксплуатации?</li> <li><strong> Два уровня разделения.</strong> Проверка независимости вычислений и хранения, а также независимости вычислений друг от друга при реальной нагрузке.</li> <li><strong> Модель затрат.</strong> Насколько хорошо инженеры могут отслеживать стоимость каждого запроса для каждого арендатора/приложения? Какие существуют ограничения и как они обеспечиваются?</li> <li><strong> Объектное хранилище.</strong> Демонстрация подключения и восстановления узлов с использованием объектного хранилища. Измерение времени обслуживания.</li> <li><strong> Оперативные изменения.</strong> Тестирование возможности добавления индекса в пиковые нагрузки; проверка p95/p99, частоты ошибок и пороговых значений прерывания.</li> <li><strong> Тренировка на случай сбоя.</strong> Отключение лидера или зоны доступности (AZ); наблюдение за выборами, повторными попытками клиентов и задержкой завершения.</li> <li><strong> Чистота метаданных.</strong> Доказательство того, что заброшенные ветви и объекты удаляются сборщиком мусора без ручного создания тикетов.</li> </ol> <p>Агентные системы не требуют совершенно нового подхода к инфраструктуре. Правильная архитектура для агентов — это правильная архитектура для любого крупномасштабного современного сценария использования. Новизна в том, что агенты являются движущей силой.</p> <p>Команды данных не могут позволить себе роскошь придерживаться монолитных платформ, которые медленно масштабируются и сложны в управлении. Агенты поставят эти старые архитектуры на колени. Но, как показали самые успешные команды данных, если проектировать с учетом гибкости, прозрачности и производительности, используя описанные выше методы, вы будете выпускать продукты быстрее и с меньшим количеством экстренных ситуаций по выходным, даже когда число ваших «пользователей» исчисляется миллионами — и большинство из них не люди.</p> Агенты искусственного интеллекта — ваши новые пользователи, и они требуют нового подхода к инфраструктуре данных … article https://www.itweek.ru/themes/detail.php?ID=234065 Fri, 26 Dec 2025 11:01:35 +0300 <p>Российский рынок ИИ растет, и вместе с ним растет спрос на инфраструктуру для его обработки. По оценкам аналитиков, объем ИИ-рынка РФ к концу 2025 года достигнет 58 млрд. рублей, а инфраструктурные услуги — важный драйвер этого роста. </p> <p>В этих условиях ИТ-директора сталкиваются с важнейшим вопросом приобретения вычислительных ресурсов: покупать ли собственные GPU-серверы или использовать арендованные мощности — публичные облака, выделенные частные контуры или гибридные модели? От этого выбора зависят и экономическая эффективность, и способность масштабировать ИИ-сервисы под изменяющиеся бизнес-нагрузки.</p> <p>Рассмотрим, в каких случаях покупка GPU-оборудования несет дополнительные риски и когда сервисная модель оказывается эффективнее.</p> <h3>Стоимость владения vs. аренда: базовая экономика</h3> <p>Ключевой фактор для ИТ-директоров — экономика владения (TCO). Исследования показывают: аренда GPU-ресурсов предоставляет гибкую модель Pay-as-You-Go (оплата по факту использования), тогда как покупка оборудования предполагает крупные капитальные траты с риском низкой утилизации.</p> <p>Покупка GPU-оборудования требует значительных первоначальных вложений. Так, один графический ускоритель уровня NVIDIA H100 (80 GB) в конце 2025 года стоит в среднем от 1,9 до 3,1 млн. рублей за штуку в пересчете по курсу ЦБ РФ (≈78—79 руб. за доллар). Полноценный сервер с восемью такими GPU обходится в <nobr>15-25 млн.</nobr> рублей и выше, без учета стоимости процессоров, памяти, сетевого оборудования, охлаждения и эксплуатации.</p> <p>Аренда облачных GPU позволяет избежать крупных капитальных затрат и оплачивать ресурсы по факту использования. В декабре 2025 года почасовая стоимость аренды NVIDIA H100 у различных провайдеров составляет примерно <nobr>150-500</nobr> рублей за GPU-час — в зависимости от конфигурации, объема VRAM и условий размещения.</p> <p>Это фундаментальное различие между CAPEX — разовыми капитальными затратами на покупку оборудования и OPEX — регулярными расходами на аренду и использование инфраструктуры. Для переменных и экспериментальных нагрузок модель аренды снижает риски, тогда как при устойчивой, предсказуемой загрузке капитальные вложения могут дать экономию в долгосрочной перспективе. Для ИТ-директоров и финансовых команд лизинг может стать компромиссным решением: он снижает разовую нагрузку на бюджет и при этом позволяет учитывать расходы аналогично капитальным вложениям.</p> <h3>Проблема устаревания и циклы обновления</h3> <p>GPU-оборудование морально устаревает быстрее, чем традиционные серверы. Новые архитектуры выходят регулярно, и без аренды компании вынуждены планировать дорогостоящие обновления, если хотят оставаться конкурентоспособными. Арендная модель позволяет получать доступ к актуальным GPU-платформам без необходимости обновлять парк собственных серверов каждые несколько лет.</p> <h3>Практические сценарии использования</h3> <p>На практике выбор между покупкой, арендой или гибридной моделью редко бывает идеологическим. Для ИТ-директора это прежде всего управленческое решение, зависящее от характера нагрузки, требований к безопасности и горизонта планирования ИИ-проектов. Чтобы определить оптимальную модель, имеет смысл последовательно ответить на несколько ключевых вопросов.</p> <ol> <li><strong>Какова предсказуемость нагрузки? </strong> <p>Арендная модель оправдана в случаях, когда нагрузку сложно точно спрогнозировать и пиковые значения существенно превышают средние. Модель Pay-as-You-Go позволяет оплачивать ресурсы только в периоды их фактической загрузки. </p> </li> <li><strong>Есть ли требования к безопасности и локализации данных? </strong> <p>При повышенных требованиях к информационной безопасности и размещению данных компании чаще выбирают частные или гибридные архитектуры, где арендованное оборудование разворачивается в контролируемом контуре. В ряде сценариев компании рассматривают промежуточную модель между покупкой и классической арендой в облаке — аренду или лизинг оборудования с размещением на собственной площадке или в ЦОДе заказчика. В этом случае серверы, СХД или сетевое оборудование предоставляются как сервис, но физически находятся в контролируемом контуре компании, что упрощает выполнение требований по безопасности и локализации данных.</p> </li> <li><strong>Каковы срок и масштаб ИИ-проектов? </strong> <p>Для проектов с постоянной высокой загрузкой может быть оправдано сочетание собственной инфраструктуры и аренды ресурсов для пиковых нагрузок. Гибридные модели чаще используются в компаниях с развитыми ИИ-сценариями и долгосрочными планами масштабирования.</p> </li> </ol> <h3>Утилизация и эффективность затрат</h3> <p>Один из скрытых факторов — утилизация ресурсов. Низкая загрузка собственного оборудования снижает его экономическую эффективность: капзатраты уже понесены, а ресурсы простаивают. Аренда переводит затраты в операционные и делает их пропорциональными фактической нагрузке. </p> <p>Кроме того, аналитики отмечают, что в некоторых случаях аренда облачного GPU может обойтись дешевле, чем содержание собственных серверов с учетом всех непрямых затрат на обслуживание, электричество, место в ЦОДе и инженерную поддержку.</p> <h3>Покупка или аренда GPU: ключевые различия</h3> <p>Чтобы упростить выбор модели инфраструктуры, ИТ-директорам полезно рассматривать покупку и аренду GPU-серверов не как взаимоисключающие подходы, а как инструменты для разных сценариев. Ниже — краткое сравнение двух моделей по ключевым параметрам, которые напрямую влияют на экономику, управляемость и масштабируемость ИИ-проектов.</p> <table> <tbody> <tr> <th> Критерий</th> <th> Покупка GPU-серверов</th> <th> Аренда GPU-ресурсов</th> </tr> <tr> <td><strong> Тип затрат</strong></td> <td> CAPEX — разовые капитальные вложения</td> <td> OPEX — регулярные операционные расходы</td> </tr> <tr> <td><strong> Первоначальные инвестиции</strong></td> <td> Высокие: закупка оборудования, <br/> ввод в эксплуатацию </td> <td> Минимальные: оплата <br/> по факту использования </td> </tr> <tr> <td><strong> Гибкость масштабирования</strong></td> <td> Ограниченная, требует новых закупок</td> <td> Высокая, ресурсы можно быстро увеличивать <br/> или сокращать </td> </tr> <tr> <td><strong> Предсказуемость затрат</strong></td> <td> Высокая при стабильной нагрузке</td> <td> Зависит от фактического потребления ресурсов</td> </tr> <tr> <td><strong> Риск низкой утилизации</strong></td> <td> Высокий при ошибках <br/> в прогнозировании нагрузки </td> <td> Минимальный: оплачиваются только используемые мощности</td> </tr> <tr> <td><strong> Цикл обновления оборудования</strong></td> <td> Требует планирования <br/> и дополнительных инвестиций </td> <td> Обновление лежит <br/> на стороне провайдера </td> </tr> <tr> <td><strong> Скорость запуска проектов</strong></td> <td> Долгий цикл закупки <br/> и внедрения </td> <td> Быстрый старт, ресурсы доступны сразу</td> </tr> <tr> <td><strong> Требования к безопасности</strong></td> <td> Полный физический контроль инфраструктуры</td> <td> Возможны частные <br/> и гибридные модели <br/> в контролируемом контуре </td> </tr> <tr> <td><strong> Подходящие сценарии</strong></td> <td> Постоянная высокая загрузка, долгосрочные ИИ-платформы</td> <td> Эксперименты, пилоты, переменные и пиковые нагрузки</td> </tr> </tbody> </table> <h3>Итог: ориентир на управляемость и экономику</h3> <p>К концу 2025 года выбор между покупкой и арендой GPU-инфраструктуры перестал быть бинарным. Для ИТ-директора это вопрос управления рисками, затратами и скоростью изменений, а не приверженности конкретной модели.</p> <p>Оптимальной стратегией становится гибридный подход: собственная инфраструктура — для стабильных и предсказуемых нагрузок, арендованные ресурсы — для экспериментов, масштабирования и пиковых сценариев. Такой подход снижает риски избыточных инвестиций и позволяет быстрее адаптироваться к изменениям в бизнесе и технологиях.</p> <p>Ключевыми инструментами управления ИИ-инфраструктурой становятся расчет полной стоимости владения (TCO), прозрачность утилизации ресурсов и регулярный пересмотр архитектуры. Именно они позволяют ИТ-директору говорить с бизнесом на языке экономики и выстраивать инфраструктуру как управляемый сервис, а не как статичный актив.</p> <p>#IMAGE_234066#</p> Российский рынок ИИ растет, и вместе с ним растет спрос на инфраструктуру для его обработки. По оценкам … article Андрей Серпецкий, руководитель отдела продаж Рег.облака https://www.itweek.ru/themes/detail.php?ID=234063 Fri, 26 Dec 2025 10:42:19 +0300 <p>Представьте себе гипотетический тихий, но массовый бунт. Сотрудники, от разработки до юриспруденции, стремясь справиться с рутиной, в личном порядке нашли мощный инструмент — публичные нейросети. Они генерируют код, анализируют документы, готовят презентации. Десятки, сотни запросов в день. Со стороны кажется, что команды стали шустрее. Но на уровне компании прироста эффективности как не было, так и нет. Высвобожденное время сотрудников часто растворяется в личных делах. ИТ-отдел при этом теряет контроль, а корпоративные секреты через простые промпты могут оказаться в публичных облаках.</p> <p>Это и есть главная дилемма современного ИТ-лидера: как соблюсти баланс между экономикой безопасности и экономикой эффективности. Полный запрет отбросит команды в каменный век и убьет инициативу. Полное игнорирование — это игра в русскую рулетку с репутацией и регуляторами. Значит, нужен третий путь — осознанное стратегическое соучастие.</p> <h2>Три стратегии: от пассивности к управлению</h2> <p>Опираясь на практику, можно увидеть три четких вектора, каждый из которых имеет свою цену и свои последствия.</p> <ul> <li><strong>Нейтралитет, или тактика страуса.</strong> Это капитуляция ИТ-департамента. Сотрудники используют что хотят и как хотят. Путь минимального сопротивления и максимального риска. Это может быть временной паузой, но не стратегией.</li> <li><strong>Полное управление, или централизованная диктатура.</strong> Идеал с точки зрения контроля. Введение роли CAIO, разработка корпоративной стратегии ИИ, внедрение единой платформы и жестких регламентов. Но это путь долгий, дорогой и требующий огромных ресурсов и зрелости процессов. Для многих компаний это задача на перспективу, а не на завтра.</li> <li><strong>Соучастие, или прагматичный альянс.</strong> Именно этот вариант становится для большинства единственно разумным компромиссом. Его суть — не запрещать или игнорировать, а структурировать и взять под защитный контроль. Это признание спроса сотрудников и его легализация в безопасном формате. Такая модель позволяет относительно быстро снизить ключевые риски и начать копить внутреннюю экспертизу, не замораживая жизнь и налаженные процессы.</li> </ul> <h2>Практические шаги к модели соучастия: строительство «гибридного шлюза»</h2> <p>Представьте этот шлюз не как запретительный КПП, а как «умный» распределительный щит и одновременно исследовательский центр. Его задача не глушить импульс к эффективности, а направлять его в безопасное русло, параллельно изучая. Переход к соучастию начинается с создания этой корпоративной инфраструктуры-прослойки, которая работает на три фронта.</p> <h3>1. Единый вход: от хаоса к управляемому потоку</h3> <p>Вместо того чтобы сотни сотрудников тайком прокладывали тропинки к разным публичным сервисам (часто с непредсказуемыми юридическими и санкционными рисками), можно построить для них одну центральную «дверь». Это внутренний портал или плагин, знакомый и удобный интерфейс, но «под капотом» интеллектуальный маршрутизатор. Он принимает решение по безопасному маршруту: перенаправить запрос в разрешенную отечественную нейросеть, во внутреннюю, развернутую внутри компании модель или, если запрос нарушает политику безопасности, просто его заблокировать. Первый и главный практический результат — появляется единый лог всех обращений. Из слепой зоны мы попадаем в зону видимости.</p> <h3>2. Защита и анализ: интеграция с DLP и учетными системами</h3> <p>Сам по себе шлюз лишь «труба». Его ценность проявляется при интеграции с «нервной системой» компании. Подключение к DLP становится иммунитетом. Система в реальном времени сканирует запросы, отсекая попытки «скормить» ИИ фрагменты базы клиентов, финансовые отчеты или исходный код. Это не слежка, а базовый гигиенический контроль.</p> <p>Параллельно интеграция с системами учета отвечает на вопросы «кто?» и «сколько?». Буквально вы начинаете видеть не абстрактную активность, а конкретные профили: отдел разработки генерирует код, юридический — анализирует договоры, маркетинг пишет тексты. Это не тотальный контроль, а сбор бизнес-аналитики.</p> <h3>3. От логов к инсайтам: запросы как сырье для стратегии</h3> <p>Здесь скрыта главная ценность — логи запросов. Это прямая, неискаженная трансляция боли и потребностей ваших команд. Систематический анализ позволяет задать правильные вопросы. Например, почему юристы каждый день просят формировать краткие выжимки из договоров? Не пора ли создать внутренний шаблон? Почему аналитики строят запросы к данным вручную? Возможно, здесь нужен отдельный микросервис?</p> <p>Этот этап превращает «соучастие» из оборонительной тактики в стратегический задел. Накопленная статистика становится фундаментом для перехода к управлению: точечной разработки или закупки решений под конкретные роли. Вы перестаете догонять тренд и начинаете им осмысленно управлять, исходя из внутренней, а не внешней повестки.</p> <h2>Экономика гибридного подхода</h2> <p>В условиях, когда привычные облачные LLM могут оказаться за санкционным барьером, а отечественные решения требуют длительной доводки и адаптации, гибридный шлюз не просто удобен, а стратегически необходим. Он становится тем самым буфером, который позволяет:</p> <ul> <li> немедленно снять остроту рисков, поставив барьер на пути утечек через публичные сервисы;</li> <li> получить живые данные для обоснования будущих, уже точечных инвестиций в ИИ-инфраструктуру;</li> <li> поэкспериментировать «под капотом», тестируя разные модели (облачные, локальные, отечественные), не сбивая с толку конечного пользователя;</li> <li> сохранить хрупкий баланс, дав сотрудникам легальный и безопасный инструмент для роста личной эффективности, а компании — рычаги контроля и понимания.</li> </ul> <p>Запрещать генеративный ИИ сегодня бессмысленно, потому что спрос никуда не денется, а игнорировать — самоубийственно. Стратегическое соучастие через архитектуру гибридного шлюза — способ вернуть себе управление ситуацией, превратив стихийное явление в управляемый ресурс. Шаг от реакции к стратегии.</p> <p>#IMAGE_234064#</p> Представьте себе гипотетический тихий, но массовый бунт. Сотрудники, от разработки до юриспруденции, стремясь … article Сергей Путятинский, вице-президент по операционной деятельности и ИТ ФГ БКС https://www.itweek.ru/themes/detail.php?ID=234062 Fri, 26 Dec 2025 10:33:37 +0300 <p><em>API-менеджмент эволюционирует от уровня подключения к стратегической, интеллектуальной плоскости управления, необходимой для обеспечения работы современного корпоративного искусственного интеллекта, пишет на портале </em><em>The</em> <em>New</em> <em>Stack</em> <em>Рагхурам Тадипатри, вице-президент IBM по инжинирингу.</em></p> <p>В течение многих лет API комфортно располагались в категории «подключение» корпоративной архитектуры. Команды фокусировались на создании, предоставлении доступа и обеспечении безопасности API, чтобы мобильные приложения, партнерские экосистемы и бэкэнд-системы могли обмениваться информацией предсказуемым образом. API контролировали правила трафика. Порталы для разработчиков управляли потреблением. Инструменты мониторинга проверяли задержку и время безотказной работы.</p> <p>Но развитие корпоративного ИИ — особенно мультимодальных базовых моделей, агентных систем и рабочих процессов с расширенным поиском — радикально изменило ландшафт API. API больше не просто соединяют системы; они обеспечивают топливо, контекст и этапы оркестровки, которые заставляют ИИ работать. В эту новую эпоху управление API для всей организации должно эволюционировать от уровня технической интеграции к стратегическому интеллектуальному уровню.</p> <p>По мере того, как компании внедряют ИИ в масштабах предприятия, успех все больше зависит не только от сложности моделей, но и от интеллекта, управляемости и надежности API, которые их обеспечивают. Новая платформа API — это не просто шлюз. Это платформа для данных, сервисов и автономных рабочих процессов.</p> <h3>API — это новая цепочка поставок ИИ</h3> <p>Сегодня предприятия создают системы ИИ, которые анализируют корпоративные данные, работают в распределенных приложениях и взаимодействуют с пользователями и партнерами в режиме реального времени. Все это зависит от доступа к управляемой, заслуживающей доверия информации через API.</p> <p>API — это новая цепочка поставок ИИ, потому что они выступают в качестве основных коннекторов, позволяющих системам ИИ получать доступ к данным, инструментам и сервисам, необходимым для их функционирования. Подобно тому, как традиционная цепочка поставок перемещает физические товары, цепочка поставок ИИ использует API для перемещения информации и соединения разрозненных систем, обеспечивая доступ к данным в режиме реального времени, безопасный обмен и оркестрацию сложных рабочих процессов, управляемых ИИ.</p> <p>Рассмотрим типичную архитектуру. Базовая модель получает спецификации продукта через один набор API, историю клиента через другой, правила политики из третьего и логику ценообразования из еще одного микросервиса. Способность модели генерировать точные ответы на эти API-запросы имеет решающее значение.</p> <p>Если API политики с подробным описанием добавляет новые поля, если API ценообразования становится нестабильным или если конечная точка данных клиента возвращает неструктурированный контент, точность модели может снизиться, даже если сама модель не изменилась.</p> <p>Именно поэтому дальновидные предприятия рассматривают API как компоненты цепочки поставок ИИ, а не как технические утилиты. Фокус смещается от базовой доступности к семантической предсказуемости, строгому управлению конфиденциальным контентом, происхождению данных, согласованности схемы, читаемости модели и ориентированному на регулирование раскрытию корпоративных знаний.</p> <p>API должны создаваться для машин как минимум в той же мере, что и для людей.</p> <h3>Внедрение интеллекта на периферии API</h3> <p>Традиционные шлюзы были оптимизированы для обработки запросов с высокой пропускной способностью. Однако, по мере распространения рабочих процессов с поддержкой ИИ, организации все шире внедряют легковесный инференс на периферии API для применения адаптивного интеллекта до того, как запросы достигнут бэкэнд-систем.</p> <p>Благодаря этому предприятия уже развертывают такие возможности ИИ, как поведенческий контроль доступа (для анализа шаблонов запросов на предмет аномалий), обнаружение мошенничества для API с большим объемом транзакций, обогащение полезной нагрузки (например, добавление метаданных или нормализация форматов для использования моделью), контекстно-зависимая маршрутизация (выбор оптимальной бэкэнд-службы на основе намерений пользователя в реальном времени) и семантическая фильтрация, которая предназначена для защиты от передачи нежелательного контента в модель.</p> <p>Эта эволюция отражает то, что уже происходит в области наблюдаемости и кибербезопасности: конвейеры на основе правил заменяются адаптивными каналами, дополненными ИИ. Интеллект на периферии помогает снизить риски, повысить точность и устранить необходимость дублирования логики в десятках бэкэнд-систем.</p> <h3>Управление автономными и ИИ-нативными рабочими процессами</h3> <p>Управление API на основе ИИ резко отличается от традиционной практики. Классические области управления (например, аутентификация, квоты, версионирование, жизненный цикл) по-прежнему имеют важное значение. Но предприятия теперь сталкиваются с совершенно новыми категориями рисков. Примеры:</p> <ul> <li> Могут ли автономные агенты вызывать данный API? В каких пределах?</li> <li> Предоставляет ли API данные, которые модель может использовать в соответствии с регулированием?</li> <li> Приведет ли ответ к предвзятому, вредному или неожиданному поведению модели?</li> <li> Как мы можем проверять использование API моделями в многоэтапных задачах?</li> </ul> <p>Автоматизированное обнаружение и классификация могут помочь командам выявлять конфиденциальные API, отмечать рискованные схемы раскрытия информации и автоматически применять политики на основе типа данных или нормативного профиля. Управление не должно полагаться на ручную проверку; оно требует непрерывной проверки с помощью ИИ.</p> <p>Проблема управления еще больше усугубляется агентным ИИ — системами, которые могут целенаправленно вызывать API для выполнения задач. Предприятиям необходимо управление, определяющее, когда и как агенты могут действовать, какие ограничения применяются и какие журналы аудита они должны создавать. Управление и автоматизация политик становятся столь же важными, как и безопасность конечных точек.</p> <h3>Улучшенная наблюдаемость для взаимодействий, управляемых ИИ</h3> <p>Традиционная наблюдаемость API измеряет пропускную способность, частоту ошибок, задержку и использование квот. Эти показатели по-прежнему важны, но системы, управляемые ИИ, вводят совершенно новый уровень телеметрии.</p> <p>Предприятиям необходима видимость того, как ответы API влияют на рассуждения модели, вызывают ли модели или агенты API в ожидаемой последовательности и коррелирует ли изменение API с ухудшением производительности модели. Они также могут захотеть проверить отклонения в поведении API, влияющие на детерминированные выходные данные моделей, в дополнение к неожиданным шаблонам трафика, вызванным автономными агентами.</p> <p>Некоторые предприятия используют инструменты для унификации трассировок в распределенных микросервисах, конвейерах данных и компонентах приложений. В сочетании с новыми возможностями наблюдаемости ИИ организации могут отслеживать не только то, что произошло при вызове API, но и почему это произошло. Это позволяет связать воедино промпты модели, полученные данные, действия агентов и результаты работы системы.</p> <p>В этом новом мире наблюдаемость становится задачей поведенческой аналитики, а не простой функцией отслеживания времени безотказной работы.</p> <h3>Создание жизненного цикла API, готового к ИИ</h3> <p>Переход от подключения к интеллекту требует новой операционной модели для разработки и управления API. Вот несколько практик, которые я рекомендую для создания жизненного цикла API, готового к ИИ:</p> <ul> <li><strong> Рассматривайте API как активы, ориентированные в первую очередь на машину.</strong> Разрабатывайте схемы и полезные нагрузки, которые предвосхищают потребление моделями и агентами. Избегайте неоднозначности. Обеспечьте строгую семантическую структуру.</li> <li><strong> Автоматизируйте классификацию и управление.</strong> Используйте ИИ для классификации API по степени конфиденциальности, поведению и риску использования. Автоматизируйте прикрепление политик с помощью инструментов.</li> <li><strong> Выведите интеллект на периферию.</strong> Развертывайте политики, основанные на инференсе — такие как обнаружение аномалий, контекстная маршрутизация и семантическая фильтрация — непосредственно в шлюзах.</li> <li><strong> Объедините наблюдаемость API и ИИ.</strong> Объедините телеметрию API с трассировками рассуждений модели, используя соответствующие инструменты и фреймворки мониторинга ИИ.</li> <li><strong> Создавайте политики для автономных систем.</strong> Определяйте, какие API могут вызывать агенты, при каких условиях и с каким контролем.</li> <li><strong> Обеспечьте интеграцию в гибридных и мультиоблачных средах.</strong> Объедините управление API, потоковую передачу событий, обмен сообщениями и автоматизацию в рамках единой системы управления и среды выполнения.</li> </ul> <h3>Будущее: интеллектуальная плоскость управления API</h3> <p>Долгосрочная траектория ясна: управление API будет развиваться в интеллектуальную плоскость управления. API станут шлюзами, через которые модели будут получать доступ к знаниям, выполнять рассуждения, действовать и взаимодействовать.</p> <p>Интеллектуальная плоскость управления для корпоративного ИИ — это центральный координационный слой, который использует ИИ и машинное обучение для управления, оркестрации и обеспечения безопасности систем ИИ и инфраструктуры, на которой они работают, в масштабах всей организации. Она действует как «мозг» или «командный центр», который автоматизирует сложные задачи, обеспечивает управление и предоставляет единую видимость всего жизненного цикла ИИ.</p> <p>По моему опыту, быстро развивающиеся организации почти всегда имеют надежную систему управления API, правильную структуру управления, надежный подход к разработке платформы ИИ и хорошо спроектированную гибридную облачную основу. ИИ требует подключенности, но одного этого недостаточно. Предприятиям необходима интеллектуальная подключенность, платформа, которая не только предоставляет доступ к API, но и понимает, управляет и оптимизирует взаимодействие систем ИИ с ними.</p> <p>Предприятия, которые это примут, смогут гораздо надежнее операционализировать ИИ. Те, кто этого не сделает, рискуют столкнуться с хрупким, неуправляемым, непредсказуемым поведением ИИ, который никогда не выйдет за рамки стадии проверки концепции.</p> API-менеджмент эволюционирует от уровня подключения к стратегической, интеллектуальной плоскости управления … article https://www.itweek.ru/themes/detail.php?ID=234061 Thu, 25 Dec 2025 16:24:27 +0300 <p>Отечественный производитель компьютерной техники iRU расширил линейку офисных устройств Tactio, представив первые в этой серии ноутбуки с диагональю 16 дюймов: iRU Tactio 16ALB и iRU Tactio 16ARB.</p> <p>Ключевой особенностью моделей стал экран с разрешением FHD+ (1920×1200 пикселей) и соотношением сторон 16:10, обеспечивающий больше полезного пространства по вертикали. Такой формат упрощает работу с документами, таблицами и другими офисными приложениями без необходимости постоянной прокрутки и повышает удобство повседневной работы без усложнения аппаратной конфигурации.</p> <p>Производительность ноутбуков обеспечивают актуальные процессорные платформы. Модель iRU Tactio 16ALB оснащается процессорами Intel Core i3 и i5 <nobr>12-го</nobr> поколения, а iRU Tactio 16ARB построена на базе AMD Ryzen 5 5500U.</p> <p>Оба устройства комплектуются SSD-накопителями формата M.2 PCIe Gen3 объемом до 1 Тб. Объем оперативной памяти составляет 16 ГБ DDR4 с частотой 3200 МГц и может быть расширен до 32 Гб, что соответствует требованиям большинства офисных сценариев.</p> <p>Для подключения периферийных устройств и сетевой инфраструктуры предусмотрен расширенный набор интерфейсов: USB 2.0 Type-A, два порта USB 3.2 Gen 1 Type-A, USB 3.2 Gen 1 Type-C, HDMI 1.4, комбинированный аудиоразъем 3,5 мм и кардридер.</p> <p>Поддержка передачи данных, видео и быстрой зарядки через Type-C позволяет использовать один кабель для подключения и питания устройства, что особенно актуально при работе вне стационарного рабочего места.</p> <p>Обе модели оснащены аккумулятором емкостью 4830 mAh, рассчитанным на полный рабочий день. Для защиты информации и соответствия корпоративным требованиям безопасности ноутбуки оборудованы камерой с механической шторкой, а также разъемом Kensington Lock для физической защиты устройства.</p> <p>Ноутбуки поставляются как без предустановленной операционной системы, так и с Windows 11 Pro, что дает возможность адаптировать устройства под существующие ИТ-политики заказчиков.</p> <p>Новые модели дополняют линейку Tactio и ориентированы на компании, которым требуется универсальное офисное устройство с увеличенным рабочим пространством, предсказуемой конфигурацией и возможностью стандартизации парка ноутбуков в рамках одной серии.</p> <p>Устройства доступны для заказа у дистрибьютора и партнёров iRU.</p> Отечественный производитель компьютерной техники iRU расширил линейку офисных устройств Tactio, представив первые в этой … message https://www.itweek.ru/themes/detail.php?ID=234060 Thu, 25 Dec 2025 16:22:57 +0300 <p>«Группа Астра» представила обновленную версию своего флагманского продукта — Astra Linux 1.8.4. Релиз сфокусирован на повышении удобства администрирования корпоративных инфраструктур, усилении безопасности и расширении возможностей виртуализации.</p> <p>В новой версии реализована поддержка проверки ключей GPG при подключении репозиториев. Это гарантирует подлинность устанавливаемых пакетов и позволяет администраторам безопасно подключать собственные или сторонние репозитории в соответствии с корпоративными политиками безопасности.</p> <p>Процесс установки стал интеллектуальнее: система автоматически оценивает объем оперативной памяти и при необходимости переключается в консольный режим, а также показывает точный размер требуемого дискового пространства с учетом выбранного набора приложений. Это ускоряет массовое развертывание ОС и снижает трудозатраты ИТ-специалистов.</p> <p>Менеджер виртуальных машин virt-manager получил функцию автоматической ротации резервных копий и возможность их сохранения в S3-хранилище с защитным преобразованием данных. Добавлена поддержка виртуальных мультитач-устройств, что позволяет тестировать приложения с сенсорным вводом в виртуализированной среде.</p> <p>Система контейнеризации обновлена до Podman 5.6.2 c новыми командами, обновленными библиотеками и исправлениями ошибок. Отдельно реализовано автоматическое отслеживание всех каталогов, используемых Podman, что гарантирует соблюдение требований ФСТЭК России и постоянную проверку образов независимо от их расположения. Для предприятий это означает упрощение аудита безопасности и снижение рисков при работе с контейнеризированными приложениями.</p> <p>Удаленный доступ через xfreerdp получил поддержку аутентификации Kerberos с Network Level Authentication, что защищает от атак типа MITM («человек посередине») и соответствует современным корпоративным стандартам безопасности. Реализована поддержка относительных координат мыши в xrdp для корректной работы 3D-приложений, CAD/CAE-систем и программ виртуализации. Это особенно важно для инженерных и проектных организаций, внедряющих модели удаленной работы.</p> <p>Работа с несколькими мониторами стала удобнее: значки рабочего стола можно закреплять за конкретным монитором, а система автоматически восстанавливает привычную конфигурацию при повторном подключении. Это повышает продуктивность сотрудников, использующих несколько мониторов.</p> <p>Добавлены системные уведомления об истечении срока действия пароля, что позволяет пользователям заблаговременно запланировать его смену и избежать блокировки доступа. Модуль управления драйверами теперь сохраняет результаты тестирования производительности видеокарты для сравнения разных версий драйверов.</p> <p>Подсистема регистрации событий дополнена возможностью отправки повторных уведомлений о критических ситуациях: недостатке оперативной памяти, дискового пространства или исчерпании дисковой квоты. Администраторы могут запретить пользователям сканирование сети в поисках принтеров, что усиливает контроль над использованием средств печати в корпоративной среде.</p> <p>«Каждое оперативное обновление — это лишь следующий шаг из многих, которые мы делаем вместе с нашими заказчиками, чтобы обеспечить их надежной платформой для построения современной инфраструктуры, необходимой для роста их бизнеса. В релизе 1.8.4 мы уделили особое внимание задачам, с которыми ежедневно сталкиваются системные администраторы и пользователи: от упрощения управления виртуальными машинами и контейнерами до повышения безопасности удаленного доступа. Мы призываем заказчиков применять актуальное обновление как для поддержания инфраструктуры в безопасности, так и для повышения уровня комфорта и эффективности при решении повседневных задач», — отметил Дмитрий Чубанов, менеджер продукта Astra Linux Desktop «Группы Астра».</p> «Группа Астра» представила обновленную версию своего флагманского продукта — Astra Linux 1.8.4. Релиз сфокусирован … message https://www.itweek.ru/themes/detail.php?ID=234059 Thu, 25 Dec 2025 15:30:41 +0300 <p>Российский ИТ-бренд Nerpa обновил линейку серверного оборудования Nord, расширив портфель высокопроизводительных и универсальных решений. Обновление отвечает растущему спросу рынка на доступные и производительные платформы.</p> <p>Гибкая архитектура Nerpa Nord позволяет заказчику подобрать необходимую конфигурацию с учётом технических требований и задач. Интегрированные технологии удалённого управления (IPMI/BMC) помогают круглосуточно проводить диагностику, контролировать и обслуживать платформы, снижая операционные затраты. Серверы Nord созданы на базе процессоров Intel Xeon Scalable <nobr>3-го,</nobr> <nobr>4-го</nobr> и <nobr>5-го</nobr> поколений и обеспечивают высокую совместимость с ПО и ИТ-инфраструктурой. Топовые модели поддерживают память DDR5 с частотой до 5600 МГц и до 12 слотов PCIe 5.0, обеспечивая большую вычислительную мощность и устойчивость к рабочим нагрузкам.</p> <p>В обновлённую линейку серверов Nord стандартного уровня входит семь обновлённых моделей: D5810 LFF G3, D5810 SFF G3, D5820 LFF G3, D5820 SFF G3, D5810 SFF G4, D5820 LFF G4, D5820 SFF G4. Оборудование закрывает различные потребности организаций малого, среднего и крупного сегмента: от развёртывания облачного хранилища до высокопроизводительных вычислений и виртуализации.</p> <p>Серверы этого уровня построены на единой отказоустойчивой архитектуре и объединяют гибкую конфигурацию, высокую производительность, масштабируемость и простоту управления. Например, модели с LFF (3.5″) и SFF (2.5«) накопителями поддерживают горячую замену и позволяют сбалансировать объём хранения — до 25 дисков — и производительность для работы с NVMe. В то же время модульная архитектура решений минимизирует время простоя систем.</p> <p>Высокопроизводительные модели Nord представлены двумя конфигурациями: D4840 SFF G4 и D4840 SFF G3. Серверы спроектированы для непрерывной работы и оснащены продвинутой системой охлаждения, модульной конфигурацией основных компонентов и интеллектуальным управлением. Решения заинтересуют заказчиков, которые взаимодействуют с большим количеством информации, научными исследованиями и сложной видеоаналитикой: предприятия тяжёлой промышленности и машиностроения, энергетики и металлургии, нефтегазового сектора и ИТ.</p> <p>«Обновлённый модельный ряд серверов Nord расширяет присутствие Nerpa в сегментах высокопроизводительных и универсальных решений. Рынку важна не только цена, но и доступность технологий в принципе. Поэтому мы стараемся сделать стоимость оборудования демократичной, сохраняя гибкость конфигураций, надёжность, совместимость и длинный жизненный цикл. Прямая связь с заказчиком позволяет оперативно решать все технические вопросы и оказывать поддержку на всех этапах: от пресейла и старта проекта до инсталляции и обслуживания на объекте. Это помогает не только эффективно решать задачи рынка, но и снижать совокупную стоимость владения (ТСО)», — отметил Олег Авилов, руководитель отдела продаж Nerpa.</p> <p>Всё серверное оборудование Nerpa Nord сопровождается технической документацией на русском языке. На решения предоставляется стандартная гарантия сроком 1 год с возможностью расширения до 3 лет. Сервисные центры бренда расположены в более чем 100 городах России. Продвижением обновлённых серверов Nord займётся официальный дистрибьютор бренда — компания OCS.</p> Российский ИТ-бренд Nerpa обновил линейку серверного оборудования Nord, расширив портфель высокопроизводительных … message https://www.itweek.ru/themes/detail.php?ID=234056 Thu, 25 Dec 2025 15:03:42 +0300 <p>Блокчейн и смарт-контракты могут изменить финансовую сферу, и не только ее, до неузнаваемости уже в ближайшие годы. Пока идет стадия экспериментов, но уже скоро начнется промышленное использование технологии и разработок на ее основе.</p> <p>К 2026 году ажиотаж вокруг блокчейна в значительной степени схлынул, а сама технология стала более зрелой и пригодной для практического применения. Сейчас основная тема при обсуждении вопроса «нужен ли блокчейн» заключается в том, решает ли он конкретную задачу лучше, чем традиционная база данных. Рассмотрим проблемы и перспективы применения этой технологии на примере банковской отрасли.</p> <h3>Децентрализация как высшая стадия централизации</h3> <p>Классический банк — это «закрытость», централизация, многоуровневая защита информации техническими и организационными средствами.</p> <p>Классический блокчейн (дословно — «цепочка блоков») — это распределенный реестр, который одновременно хранится на множестве компьютеров. В него записываются данные и выстраиваются в цепь из связанных блоков. Система децентрализованная и прозрачная для всех ее участников. Это делает записи практически неподделываемыми, что обеспечивает высокий уровень доверия к их содержимому.</p> <p>Доверие в финансовом секторе — ключевое понятие. И довольно быстро банки и национальные регуляторы от неприятия блокчейна перешли к его использованию. Блокчейн и смарт-контракты («самоисполняющиеся» цифровые соглашения, записанные в виде кода, которые автоматически выполняют условия договора при наступлении заданных критериев, что устраняет необходимость в посредниках) дают следующие преимущества:</p> <ul> <li> <strong>Сокращение издержек.</strong> Устранение посредников и автоматизация снижают операционные расходы. Масштаб экономии оценивается по-разному, от 30 до 70%, но с тем, что экономия будет значительной, согласны все.</li> <li><strong>Ускорение платежей.</strong> Традиционные межбанковские платежи, особенно международные, могут занимать несколько дней. Блокчейн позволяет круглосуточно проводить транзакции в режиме реального времени.</li> <li><strong>Повышение безопасности.</strong> Неизменяемость реестра и его криптографическая защита значительно усложняют возможность мошенничества и кибератак. Прозрачность каждой операции упрощает аудит и соблюдение регуляторных требований.</li> <li><strong>Выход на новые рынки.</strong> Банки могут осваивать принципиально новые направления, такие как токенизация активов (преобразование прав на реальные активы, такие как недвижимость или акции, в цифровые токены). Это открывает возможности для дробного инвестирования и повышения ликвидности.</li> <li> <strong>Радикальное уменьшение значимости человеческого фактора.</strong> Внедрение технических средств контроля и подходов к организации процессов не могут полностью ликвидировать вероятность ошибок или недобросовестности персонала. Математические алгоритмы, лежащие в основе блокчейна, сводят эти факторы к минимуму.</li> </ul> <p>Интерес к блокчейну со стороны банков вывел связанные с ним технологии и бизнес-практики на новый уровень. На конференции в октябре 2025 года аналитики Gartner <a href="https://www.gartner.com/en/newsroom/press-releases/2025-10-21-gartner-unveils-top-predictions-for-it-organizations-and-users-in-2026-and-beyond">заявили</a>, что уже в 2030 году 20% денежных транзакций будут программируемыми, то есть основанными на алгоритмах (например на блокчейне и смарт-контрактах). Их использование даст возможность работать с ИИ-агентами, клиентами-машинами, осуществлять межмашинную торговлю без участия людей. Это должно радикально преобразить финансовую отрасль. «В результате стейблкоины, депозитные токены и токенизированные реальные активы превратятся в основные финансовые инструменты для корпоративного использования», — прогнозируют в Gartner.</p> <p>Возможно, Gartner несколько оптимистична: программируемые деньги, которые аналитики компании <a href="https://www.itweek.ru/digitalization/article/detail.php?ID=233359">отметили</a> в ряду самых перспективных технологий (наряду с ИИ-агентами и клиентами-машинами) только взбираются по «кривой хайпа». До выхода на плато продуктивности им еще <nobr>5-10 лет,</nobr> и за это время они должны будут пройти «впадину разочарования», что удается далеко не всем перспективным технологиям. Gartner считает, что сдерживать рост и мешать автономным клиентам действовать как полноценные экономические субъекты будут «разрозненность стандартов, отсутствие взаимодействия между платформами программируемых денег и инфраструктурами блокчейнов». Отмечают они и уязвимости безопасности в системах хранения, контроля доступа и целостности транзакций. Для решения этих проблем необходимы не только технические средства, но и новые нормативные акты от регуляторов.</p> <p>При этом, если верить <a href="https://visaonchainanalytics.com/transactions">статистике Visa</a>, платежи в стейблкоинах на основе публичных блокчейнов стремительно растут, устанавливая с апреля новые и новые рекорды. В октябре их объем достиг рекордных 1,5 трлн. долл., в ноябре немного упал. Всего за неполный 2025 год объем платежей составил 11,1 трлн. долл., за весь <nobr>2024-й —</nobr> 4,99 трлн.</p> <p>#IMAGE_234058#</p> <p>Из последних громких новостей — в ноябре 2025 года швейцарский банк UBS и инфраструктурный провайдер Chainlink <a href="https://xrp-buy.ru/iso-20022/ubs-i-chainlink-zapustili-most-na-100-trillionov-kak-tokenizacija-fondov-menjaet-globalnye-finansy/">объявили</a> о начале внедрении решения, которое позволит фондам и финансовым институтам осуществлять подписки и выкуп токенизированных паев. Проект предназначен для глобальных фондовых инструментов, этот рынок оценивается более чем в 100 трлн. долл.</p> <p>В ходе пилотного проекта UBS работал через привычный SWIFT, при этом мог использовать блокчейн для выпуска или выкупа долей фонда. Ключевой результат тестового запуска: финансовым институтам не потребуется полностью менять инфраструктуру для работы с блокчейном, поскольку решение UBS встраивается в существующий процесс расчетов и обработки сообщений.</p> <h3>Блокчейн с отечественной спецификой</h3> <p>В России работы по внедрению блокчейна и смарт-контрактов ведутся давно. Так, в феврале 2025 года СОГАЗ <a href="https://www.sogaz.ru/sogaz/pressroom/release/860677/">заключил</a> смарт-контракт с ГУП «Московский метрополитен» на страхование первого в России беспилотного трамвая модели «Львенок-Москва», который курсирует по трассе маршрута № 10 в тестовом режиме. Смарт-контракт заключен с использованием программного комплекса Банка ВТБ. При наступлении страхового случая расчет ущерба производится онлайн, а выплата страхователю направляется в течение одного дня. Контракт также предусматривает возможность в дальнейшем осуществлять расчеты в цифровых рублях.</p> <p>В сентябре 2025 года Сбер и Северсталь <a href="https://severstal.com/rus/media/archive/sber-i-severstal-otsifrovali-finansirovanie-postavok/">запустили</a> сервис управления дебиторской задолженностью на базе платформы «Цифровые активы Сбера». Он построен на технологии цифровых финансовых активов и смарт-контрактов. Это позволяет поставщикам продукции «Северстали» напрямую получать финансирование под уступку дебиторской задолженности, минуя посредников. В результате стоимость услуг снижается, а сам процесс становится значительно быстрее и удобнее.</p> <p>В октябре 2025 года компания YADRO <a href="https://yadro.com/yadro-zaklyuchila-pervyj-na-rynke-smart-kontrakt-na-postavku-oborudovaniya">приняла участие</a> в первом выпуске цифровых активов на платформе «ВТБ Капитал Трейдинг», обеспеченном встречными обязательствами по поставке серверов YADRO и оплате со стороны ИТ-холдинга Т1. Объем сделки — свыше 1 млрд. руб. В рамках сделки YADRO выпустила гибридные цифровые права, при погашении выпуска которых покупатель имеет возможность выбрать поставку оборудования или возврат средств. Одновременно с этим ИТ-холдинг Т1 выпустил цифровые финансовые активы как обязательство оплаты заказа. Встречный выпуск активов позволяет реализовать автоматическое выполнение условий в случае нарушения сроков поставки или оплаты.</p> <p>Также в октябре 2025 года Газпромбанк <a href="https://www.gazprombank.ru/press/7984729/">продемонстрировал</a> прототипы смарт-контрактов в цифровых рублях. В рамках пилотного проекта клиенты банка могли в мобильном приложении создать смарт-контракт для осуществления взноса на капитальный ремонт. Второй проект касался автоматического пополнения счета цифрового рубля: по заданным условиям деньги автоматически могут переводиться с текущего счета на счет цифрового рубля клиента.</p> <p>Главный регулятор финансового рынка, Центробанк, еще в 2024 году выпустил фундаментальный аналитический <a href="https://www.cbr.ru/Content/Document/File/161600/analytical_report_20240605.pdf">доклад</a> «Цифровизация платежей и внедрение инноваций на платежном рынке». Из него видно, что в банке всерьез задумываются о том, как внедрить новейшие технологии в отечественную банковскую сферу. А в октябре 2025 года стало известно, что ЦБ совместно с другими банками <a href="https://www.finam.ru/publications/item/tsb-razrabatyvaet-mekhanizm-v-ramkakh-kotorogo-banki-smogut-zarabatyvat-na-tsifrovom-ruble-20251011-2050/">изучает</a> возможность запуска платформы для заключения коммерческих смарт-контрактов в экосистеме цифрового рубля.</p> <p>С технологической точки зрения у нас уже все неплохо. Свои платформы есть у многих крупных банков, Ассоциацией ФинТех совместно с Банком России создана платформа <a href="https://www.masterchain.ru/">«Мастерчейн</a><strong>»,</strong> основанная на протоколе Ethereum, доработанном с учетом требований российского законодательства к криптографии и процессу идентификации пользователей. Среди отличий российского подхода от мирового можно выделить то, что у нас основные усилия сосредоточены на обеспечении взаимодействия участников рынка, а не на развитии рынка криптовалюты.</p> <h3>Место интегратора в блокчейн-цепочке</h3> <p>Помимо крупных участников рынка в последнее время к блокчейну проявляют интерес и банки среднего размера. Они смотрят на технологию как на инструмент для снижения операционных расходов, ускорения процессов, создания новых продуктов.</p> <p>При реализации таких проектов банки сталкиваются с рядом сложностей: с необходимостью больших первоначальных инвестиций и поддержки платформы, проблемами с масштабируемостью блокчейн-решений и, как следствие, с интеграцией блокчейна и уже имеющихся ИТ-систем.</p> <p>Для оптимизации издержек при внедрении блокчейн-платформ средние банки вступают в консорциумы, фокусируются на конкретных бизнес-задачах. И привлекают профильных интеграторов, способных встроить блокчейн в имеющийся корпоративный ИТ-ландшафт, наладить его работу, передать документированный проект для поддержки обученной внутренней команде.</p> <h3>Что в итоге</h3> <p>Блокчейн пережил период хайпа и понемногу становится привычным рабочим инструментом.</p> <p>В России разработаны собственные блокчейн-платформы, основанные на известных мировых протоколах, но учитывающие требования регулятора в области безопасности и работы с персональными данными.</p> <p>Особенность «российского блокчейна» — его ориентация на решении реальных бизнес-задач.</p> <p>В следующем году можно ожидать роста количества внедрений блокчейна и смарт-контрактов в финансовой сфере. Как всегда, важно, с одной стороны, не опоздать с внедрением прорывной технологии, с другой — не податься соблазну «внедрения ради внедрения», сформировать четкое понимание, для решения каких задач нужен блокчейн, как и с чьей помощью его внедрять и развивать.</p> <p>#IMAGE_234057#</p> Блокчейн и смарт-контракты могут изменить финансовую сферу, и не только ее, до неузнаваемости уже … article Елена Лисовская, начальник отдела по работе с финансовым сектором FERRUM IT Group https://www.itweek.ru/themes/detail.php?ID=234054 Thu, 25 Dec 2025 10:07:35 +0300 <p><em>Компании, работающие в гибридных и распределенных форматах, всё чаще переходят к собственным коммуникационным платформам: массовые ВКС, защищённые чаты, единое пространство взаимодействия. Но чтобы такая система выдерживала сотни и тысячи подключений, её нужно изначально проектировать как инфраструктурный сервис — с предсказуемой производительностью, контролируемым хранением данных и интеграцией в корпоративный контур.</em></p> <p><em>Рассмотрим, какие сценарии требуют высоконагруженной коммуникационной платформы, как формировать технические требования, с чего начинать пилот и как закладывать масштабируемость архитектуры. Также разберем ключевые метрики под нагрузкой, особенности мониторинга и дадим рекомендации тем, кто начинает строить собственный сервис чатов и ВКС.</em></p> <p>Когда мы говорим о том, как сегодня меняются требования к коммуникационной инфраструктуре, важно учитывать контекст последних лет. Массовое использование ВКС как рабочего инструмента началось во время пандемии, когда компании одномоментно перешли на удаленный формат и возникла необходимость быстро обеспечить сотрудников простыми и доступными средствами связи. Первую волну спроса закрыли, главным образом, зарубежные облачные сервисы вроде Zoom и Microsoft Teams. В 2022 году ситуация резко изменилась: часть провайдеров покинула российский рынок, у других появились ограничения, и использование внешних сервисов стало непредсказуемым. Это стало отправной точкой для пересмотра подхода к коммуникационной инфраструктуре. Компании начали всё чаще задумываться о снижении зависимости от иностранных платформ и о внедрении российских решений, работающих внутри корпоративного контура и обеспечивающих предсказуемость, безопасность и контроль. Именно эти факторы стали драйвером<a href="https://telecomdaily.ru/news/2025/06/30/iaa-telecomdaily-rossiyskie-servisy-vks-kontroliruyut-bolee-90-korporativnogo-segmenta-rynka"> роста спроса на отечественные коммуникационные системы </a>и подтолкнули рынок к развитию в сторону автономных платформ.</p> <p>На этом фоне стал очевиден и другой тренд: потребность в сервисах, способных выдерживать сотни и тысячи одновременных подключений. В первую очередь это касается компаний с удалённой или гибридной моделью работы, где сотрудники не находятся в одном офисе и должны регулярно синхронизироваться в ходе рабочих процессов. Особенно остро эта потребность проявляется в географически распределённых организациях — с филиалами, командами и проектными группами в разных регионах и часовых поясах. Там высокая нагрузка на коммуникационные инструменты становится нормой. Изменение модели работы усилило этот эффект. Если еще <nobr>10-15</nobr> лет назад удалёнка была точечным экспериментом, то пандемия показала, что такой формат может быть массовым и эффективным. В результате цифровые коммуникации стали ключевым рабочим инструментом для компаний разных масштабов, и именно это сформировало устойчивый спрос на инфраструктуру, способную обеспечивать стабильное качество связи при больших масштабах подключений.</p> <h3>Когда стандартных ВКС уже недостаточно</h3> <p>Переход к собственному ВКС-решению обычно начинается не с технических ограничений, а с функциональных и организационных требований. Компании в первую очередь оценивают, насколько стандартный сервис закрывает их реальные задачи и соответствует внутренним правилам безопасности. И именно в этот момент становится ясно, подходит ли типовое решение или требуется собственная платформа, работающая внутри корпоративного контура.</p> <p>Ключевым фактором здесь остаётся информационная безопасность. Записи встреч, транскрибированные материалы, рабочие документы и история коммуникаций должны храниться в контролируемой среде. То же касается и авторизации: компания должна быть уверена, что к совещаниям подключаются только сотрудники или уполномоченные участники, особенно если речь идет о крупных или стратегически важных мероприятиях. Когда данные выходят за пределы инфраструктуры, риски резко возрастают.</p> <p>Следующим шагом становится запрос на создание единого коммуникационного пространства. Современному бизнесу нужен не отдельный инструмент в виде ВКС-сессии, а интегрированная среда, где чат, звонки и видеоконференции работают как единый механизм. Типичная ситуация: обсуждение идёт в рабочем чате, возникает необходимость быстро собрать всех в голосовую конференцию — без перехода между приложениями, с сохранением контекста переписки и гарантией, что данные остаются внутри защищенного корпоративного контура.</p> <h3>Ключевые параметры при формировании требований</h3> <p>Когда возникает необходимость в такой платформе, компании, как правило, опираются на четыре базовых параметра: производительность, безопасность, интеграции и отказоустойчивость. Эти характеристики не существуют по отдельности — они определяют, насколько система будет стабильной, безопасной и удобной в эксплуатации.</p> <ol> <li> <strong>Производительность.</strong> От неё напрямую зависит способность платформы работать под реальными нагрузками. Если инфраструктура рассчитана на 500 пользователей, а фактически ею пользуются 5000, негативные последствия неизбежны: падение качества звука и видео, задержки доставки сообщений, нестабильная работа конференций. Поэтому корректный сайзинг и расчёт целевой нагрузки — фундамент проектирования.</li> <li><strong> Безопасность.</strong> Именно требования ИБ чаще всего становятся причиной перехода на собственную систему. Речь идет о контроле над хранением записей, управлении доступами, работе с персональными и корпоративными данными. Безопасность определяется не только политиками компании, но и тем, насколько платформа способна функционировать в защищённом периметре без передачи трафика во внешние сервисы.</li> <li> <strong>Интеграции.</strong> По сути, это продолжение темы безопасности и управляемости. Платформа должна взаимодействовать с корпоративными каталогами, обеспечивая авторизацию по существующим правилам. Важны интеграции с DLP-системами, антивирусами, SIEM-решениями — они минимизируют риски утечек и угроз. Но есть и пользовательская сторона: связка с календарями упрощает планирование встреч, интеграции с почтой и рабочими сервисами позволяют быстро переключаться между каналами коммуникаций. Это делает систему частью повседневного процесса, а не ярлыком на рабочем столе.</li> <li><strong> Отказоустойчивость и SLA</strong><strong>. </strong>SLA — это не просто формальная договоренность о доступности сервиса. Оно отражает требования к архитектуре. Ещё на старте необходимо определить, нужна ли компании геораспределённая отказоустойчивость, доступны ли резервные площадки и сколько ЦОДов можно задействовать. От этого напрямую зависит выбор технических решений.</li> </ol> <h3>Как правильно начинать пилот проекта</h3> <p>Отправная точка любого пилота — не инфраструктура или нагрузка, а чёткое понимание того, что именно необходимо проверить. Если цели не определены заранее, пилот теряет практическую ценность: невозможно оценить результат и понять, подходит ли решение для дальнейшего внедрения. Когда задачи зафиксированы, становится ясно, какой формат пилота оптимален. Если заказчику важно проверить функциональность и пользовательские сценарии, достаточно короткого облачного пилота: вендор предоставляет готовую среду, и заказчик оперативно оценивает ключевые возможности. Если же требуется увидеть, как система работает внутри корпоративного контура, провести интеграции с каталогами, DLP или другими внутренними сервисами, и при этом нет возможности увидеть работу таких интеграций в рамках готовых стендов или референсов других заказчиков, — выбирают формат on-premise. Он позволяет протестировать взаимодействие с реальной инфраструктурой, что невозможно в облаке.</p> <p>При этом пилот не предназначен для проверки предельных нагрузок. Смоделировать целевой масштаб на небольшой группе невозможно, поэтому пилот — это оценка применимости решения, а не нагрузочных характеристик. Инфраструктурные вопросы в on-prem-сценариях обычно сводятся к настройкам: открытию портов, корректной маршрутизации, разрешению нужных типов трафика. Эти моменты решаются по мере прохождения пилота. В итоге успешный пилот всегда строится по одному принципу: сначала определяется набор сценариев для проверки, а уже под них выбирается формат и объём тестирования.</p> <h3>Как понять, достаточно ли ресурсов для корректного пилота</h3> <p>Оценка достаточности ресурсов во время пилота проводится по тем же принципам, что и в промышленной эксплуатации. На старте формируются требования к инфраструктуре, исходя из размера пилотной группы и предполагаемых сценариев. Далее в процессе тестирования отслеживаются ключевые метрики: загрузка процессора, потребление памяти, работа сети и поведение отдельных компонентов. Если показатели остаются в допустимых пределах, ресурсов достаточно. Если возникают превышения, корректируются мощности или настройки. Профиль использования системы и, соответственно, её нагрузки у каждой компании уникален, поэтому окончательные выводы делаются по фактическим данным, собранным в ходе пилота.</p> <p>На этом этапе чаще всего возникают два типа ошибок:</p> <ol> <li> <strong>Организационные.</strong> Когда нет чётко сформулированных целей, когда заранее не определено, что именно нужно проверить, пилот начинает «расползаться». Появляются дополнительные пожелания, меняются приоритеты, усложняется итоговая оценка.</li> <li><strong> Технические.</strong> Как правило, это не сбои платформы, а особенности инфраструктуры заказчика: необходимость открыть порты, настроить DNS, установить сертификаты, разрешить отдельные типы трафика. В on-prem-пилотах такие задачи встречаются почти всегда и решаются в рабочем порядке. Разница только в масштабе — при полном внедрении объём подготовительных работ выше.</li> </ol> <h3>Как заложить масштабируемость архитектуры с самого начала</h3> <p>Основой масштабируемой архитектуры является понимание того, как система будет развиваться. Часто компании начинают с небольшого числа пользователей, например 500, но заранее ожидают рост — до нескольких тысяч. Поэтому на старте важно зафиксировать разницу между текущими и целевыми требованиями. Эти данные определяют архитектурный подход. На первом этапе система действительно может быть развернута в минимальной конфигурации, но ее компоненты должны быть распределены так, чтобы масштабирование происходило без пересборки структуры. Проще говоря, роли и сервисы закладываются таким образом, чтобы добавление узлов, увеличение пропускной способности или перераспределение нагрузки стало штатным процессом.</p> <p>Следующий важный аспект — требования к отказоустойчивости. Часто заказчики не нуждаются в резервировании на старте, но планируют его позже. Это влияет на архитектуру так же, как и прогнозируемый рост нагрузки: мы заранее определяем, какие элементы должны быть масштабируемыми сразу, какие можно добавить позже и как они будут интегрированы в существующую схему. В итоге формируется архитектура, продуманная наперёд. Она не «максимальная», а «эволюционная»: покрывает текущие потребности, но имеет заранее спроектированный путь расширения — и по нагрузке, и по устойчивости.</p> <h3>Где чаще всего возникают узкие места при росте нагрузки</h3> <p>Когда число подключений увеличивается, первым ограничением почти всегда становится производительность. Однако в реальности это не один «узкий участок», а несколько уровней, на которых система может начать приближаться к своим пределам. Чтобы заметить это своевременно, важно отслеживать метрики как на уровне инфраструктуры, так и на уровне платформы.</p> <ul> <li> Первый уровень — базовые вычислительные ресурсы: загрузка процессора, потребление памяти и состояние сетевых интерфейсов. Эти показатели отражают способность подсистемы обрабатывать текущие конференции, звонки и активность пользователей. Если метрики подходят к верхней границе, это ранний сигнал, что конфигурация требует перераспределения ресурсов.</li> <li> Второй уровень — поведенческие метрики самой платформы: количество активных конференций, длительность подключений, интенсивность медиа-трафика, реакция системы на пики нагрузки. Они показывают, насколько фактический профиль использования совпадает с расчетными сценариями, заложенными при первоначальном сайзинге.</li> </ul> <p>Ключевой момент в том, что универсального профиля нагрузки не существует. Стандартный сайзинг задаёт лишь исходную точку, но каждая компания использует коммуникации по-своему: где-то преобладают длительные видеосессии, где-то — короткие групповые звонки, а где-то активность растет скачками по расписанию. Поэтому важнее не предсказать каждый сценарий, а выстроить процесс наблюдения. Здесь есть два подхода. Первый — закладывать ресурсы под «худший случай». Он надежен, но экономически избыточен. Второй — стартовать с конфигурации, оптимальной для среднего сценария, и по мере эксплуатации отслеживать, какой компонент приближается к своему пределу. В этот момент и выполняется масштабирование: добавляются узлы, меняется распределение ролей, увеличивается пропускная способность.</p> <h3>Как избежать проблем при переходе от пилота к промышленной эксплуатации</h3> <p>Основные сложности перехода почти никогда не связаны с самой платформой — они возникают из-за изменения нагрузки на инфраструктуру заказчика. На пилоте работает небольшая группа технически подкованных сотрудников, а после запуска в промышленную эксплуатацию в систему входит весь штат. Это увеличивает объём обращений и существенно меняет профиль использования.</p> <p>Чтобы пройти этап без рисков, перед вводом в промышленную эксплуатацию необходимо подготовить базовый комплект материалов и обучить работе с обращениями техническую поддержку заказчика: инструкции по ключевым операциям, список типовых ошибок и порядок их обработки, правила маршрутизации обращений в поддержку. Параллельно проверяется готовность внутренних сервисов: корректность интеграции с каталогом, настройки авторизации, DNS, сертификатов. Если эти элементы выстроены заранее, нагрузка перераспределяется плавно.</p> <p>Под высокой нагрузкой критичными становятся метрики, показывающие способность системы обрабатывать медиа-трафик. В первую очередь это загрузка CPU на узлах, отвечающих за обработку аудио и видео. Второй блок — сетевые показатели: пропускная способность, задержки, работа балансировщиков, фильтрующих прокси и инспектирующих систем, которые могут ограничивать поток. Конкретный набор параметров зависит от архитектуры: в горизонтально масштабируемых системах рост компенсируется добавлением узлов, в вертикальных — предел достигается быстрее, и ограничения возникают из-за физического ресурса. Определить, что инфраструктура подходит к своему пределу, можно только по данным мониторинга.</p> <h3>Как организовать мониторинг производительности</h3> <p>Для оперативного контроля производительности используются инструменты, которые позволяют собирать и анализировать технические метрики по отдельным компонентам системы. Конкретный стек системы мониторинга не принципиален — важно, чтобы он давал разрез метрик по сервисам и узлам и позволял видеть отклонения на ранних этапах. На практике чаще всего применяется связка Prometheus и Grafana: Prometheus агрегирует показатели по CPU, памяти, сетевым задержкам, количеству активных сессий и работе вспомогательных сервисов, а Grafana предоставляет удобную визуализацию и позволяет отслеживать динамику.</p> <p>С точки зрения снижения нагрузки основной фактор — структура медиа-потоков. Именно обработка видео и аудио потребляет большую часть вычислительных ресурсов. Чем больше участников с активными камерами и микрофонами, тем выше нагрузка: одна конференция с двадцатью включенными видеопотоками принципиально отличается от встречи, где передаётся только голос одного спикера. Профиль трафика напрямую определяет, сколько CPU потребуется на конкретных ролях системы.</p> <h3>Рекомендации командам, которые начинают строить собственную коммуникационную платформу</h3> <p>При проектировании коммуникационной платформы главное не перечень функций, а корректно определенные рамки: какие задачи должна решать система и в каких условиях работать. Первым шагом стоит определить модель коммуникаций: будет ли платформа объединять чаты, ВКС и звонки в единое пространство или компания допускает использование отдельных инструментов. Это решение определяет архитектуру, требования к интеграциям и потребность в инфраструктурных ресурсах.</p> <p>Второй ключевой аспект — информационная безопасность. Важно заранее понять, какие данные будут проходить через систему: материалы совещаний, конфиденциальные переговоры, документы или рабочая переписка. От уровня чувствительности зависит выбор контура размещения, требования к хранению, необходимость интеграции с корпоративным каталогом, DLP, антивирусной защитой и сервисом журналирования событий.</p> <p>Третий блок — компетенции. Если внутри компании есть команда, способная сопровождать платформу, обеспечивать обновления, мониторинг и реагирование на инциденты, можно рассматривать собственную инфраструктуру. При недостатке компетенций стоит рассматривать гибридные модели или полностью облачный вариант, где эксплуатационные задачи остаются на стороне поставщика.</p> <p>Наконец, необходимо определить контур взаимодействия. Если система создается исключительно для внутреннего использования, внешние коммуникации могут уйти в сторонние сервисы. Если же требуется обмен с партнерами и контрагентами, платформа должна поддерживать федеративный протокол коммуникации, который обеспечит безопасное взаимодействие между организациями без использования публичных решений. На практике у заказчиков чаще возникает потребность именно во втором сценарии.</p> <p>В итоге все рекомендации сводятся к одному: прежде чем выбирать технологии, необходимо четко зафиксировать требования к безопасности, структуру коммуникаций, компетенции по сопровождению и ожидаемый контур взаимодействия. Всё остальное — производительность, масштабирование, отказоустойчивость — проектируется уже под эти исходные вводные.</p> <p>#IMAGE_234055#</p> Компании, работающие в гибридных и распределенных форматах, всё чаще переходят к собственным коммуникационным … article Игорь Малышев, директор по сервисам eXpress https://www.itweek.ru/themes/detail.php?ID=234053 Thu, 25 Dec 2025 09:52:46 +0300 <p><em>Во всех отраслях организации тонут в неструктурированных данных: файлах, видео, изображениях, логах чатов, проектной документации и другом цифровом мусоре, который сложно классифицировать. Аналитики подсчитали, что на неструктурированные данные приходится до 80% корпоративной информации, однако большинство организаций практически не имеют представления о том, что в них содержится, кому они принадлежат и насколько конфиденциальными они могут быть. Это невежество не безобидно; оно дорогостоящее, рискованное и тормозит прогресс в области искусственного интеллекта и аналитики, пишет на портале </em><em>BigDATAwire</em> <em>Кришна Субраманиан, соучредитель, президент и главный операционный директор Komprise.</em></p> <p>Недавнее исследование Komprise «The State of Unstructured Data Management 2026» подчеркивает этот пробел. Почти 60% ИТ-руководителей предприятий называют классификацию неструктурированных данных основным техническим барьером для масштабирования ИИ. Что касается бизнеса, 62% говорят, что их главная проблема с неструктурированными данными — это снижение создаваемых ИИ рисков, связанных с данными. Обе проблемы указывают на одну и ту же основную причину: без эффективной классификации данных организации не могут безопасно и эффективно использовать то, что у них уже есть.</p> <p>Классификация, процесс маркировки, категоризации и присвоения меток данным на основе содержания, организационного контекста, конфиденциальности или назначения, звучит как простая административная задача. На практике же это основополагающая возможность, определяющая, насколько хорошо организация может использовать свой самый ценный цифровой актив. Это сложнее сделать с неструктурированными данными, которые по своей природе плохо понятны, не организованы или не обладают присущим им контекстом, как структурированные данные. Кроме того, большинство организаций сегодня управляют более чем 5 Пб неструктурированных данных, что, согласно исследованию Komprise, может легко составлять более 5 млрд. файлов. Это делает ручные подходы неприемлемыми в больших масштабах.</p> <h3>Почему классификация — это важно</h3> <p>По своей сути, классификация преодолевает разрыв между ИТ-контролем и бизнес-ценностью. Для ИТ-команд она означает курирование, оптимизацию и защиту. Для бизнес-руководителей — доверие, скорость, рентабельность инвестиций в ИИ и инсайты. Вот что имеется в виду:</p> <ul> <li><strong>Курирование данных для ИИ и аналитики.</strong> Качество моделей ИИ зависит от качества исходных данных. Если организации не могут отделить релевантные, высококачественные данные от шума, точность модели снижается. Качество неструктурированных данных зависит не только от содержимого файла. На него существенно влияет «шум», то есть избыточные, нерелевантные, дублирующиеся и часто противоречащие друг другу версии одних и тех же артефактов. Классификация помогает отбирать «правильные» данные, помечая контент, полезный для конкретных сценариев использования ИИ, и отфильтровывая устаревший, неавторитетный или нерелевантный материал. Это не только повышает производительность ИИ, но и ускоряет развертывание.</li> <li><strong>Оптимизация хранения и контроль затрат.</strong> Понимание разницы между «горячими» данными (часто используемыми, имеющими высокую бизнес-ценность) и «холодными» данными (редко используемыми, архивными) имеет решающее значение для эффективного управления хранением. Классификация обеспечивает интеллектуальное многоуровневое хранение данных на разных платформах, перемещая редко используемые данные на более дешевые уровни хранения и сохраняя при этом мгновенный доступ к критически важным данным. Для глобальных предприятий, управляющих петабайтами данных в локальных и облачных системах, это может означать миллионы долларов ежегодной экономии. Учитывая, что большинство предприятий (74%, согласно опросу Komprise) хранят более 5 Пб неструктурированных данных, это становится обязательной стратегией.</li> <li><strong>Защита конфиденциальных данных, находящихся в неположенном месте.</strong> Конфиденциальные данные, такие как персональные данные, медицинская информация и интеллектуальная собственность, часто скрываются в неожиданных местах. Без классификации эти файлы остаются скрытыми, неконтролируемыми и уязвимыми для утечки. Классификация необходима для автоматического обнаружения и изоляции конфиденциальных данных, что обеспечивает соответствие законам о конфиденциальности и уменьшение масштабов потенциальных утечек.</li> </ul> <h3>Почему классификация неструктурированных данных — это сложно</h3> <p>Несмотря на очевидные преимущества, классификация неструктурированных данных остается сложной проблемой. Виновником является архитектурная фрагментация.</p> <p>Большинство предприятий используют две или более платформы хранения данных в своих дата-центрах (сетевые хранилища, объектные хранилища, системы резервного копирования) плюс один или несколько облачных сервисов. Каждая платформа может «видеть» только те данные, которые она хранит. Индексирование, обогащение и тегирование метаданных происходит в изолированных системах, а поиск или действия на основе политик (например, шифрование или карантин конфиденциальных файлов) редко распространяются на разные среды.</p> <p>В результате получаются лоскутное одеяло видимости, неполные метаданные и непоследовательное применение политик. Эти фрагментированные процессы не масштабируются в соответствии с темпами роста данных или скоростью изменений в бизнесе. Поскольку объемы данных удваиваются каждые несколько лет, ручное тегирование и изолированные инструменты просто не справляются.</p> <p>ИТ-организациям необходимы единая видимость и кроссплатформенный слой метаданных, который индексирует и обогащает информацию независимо от того, где она хранится. Только тогда они смогут применять согласованную логику классификации, автоматизировать тегирование и обеспечивать соблюдение политик в масштабе.</p> <h3>Управление неструктурированными данными: от хаоса к контролю</h3> <p>Эффективное управление неструктурированными данными — это не увеличение объема хранилища, а повышение интеллекта. Классификация превращает необработанные данные в управляемые, действенные активы. Но для достижения этого требуются как технические, так и культурные изменения. Вот как это сделать:</p> <ul> <li><strong> Инвестируйте в унифицированные инструменты видимости.</strong> Единый индекс метаданных для всех платформ хранения — это первый шаг к устранению разрозненности.</li> <li><strong> Автоматизируйте везде, где это возможно.</strong> Модели машинного обучения могут классифицировать контент в масштабе на основе типа файла, шаблонов контента и критериев конфиденциальности.</li> <li><strong> Согласуйте цели ИТ и бизнеса.</strong> Классификация должна не только соответствовать нормативным требованиям; она должна обеспечивать более быстрые инсайты, лучшие результаты ИИ и принятие решений на основе данных.</li> <li><strong> Постоянно совершенствуйте.</strong> Данные развиваются, и схема классификации также должна развиваться. Регулярные проверки и обратная связь поддерживают точность и актуальность категорий.</li> </ul> <h3>Итог</h3> <p>Объем неструктурированных данных растет быстрее, чем организации могут обеспечивать их хранение или понимание. Без классификации предприятия действуют вслепую, тратят ресурсы впустую, подвергают себя риску и упускают возможности для инноваций с помощью ИИ.</p> <p>Путь вперед ясен: сделать классификацию первоклассной дисциплиной. Это не просто техническое упражнение, а бизнес-императив, определяющий, насколько хорошо организация может защищать, оптимизировать и извлекать ценность из своей информации.</p> <p>В экономике, основанной на данных, компании, которые освоят классификацию неструктурированных данных в больших масштабах, превратят неструктурированный хаос в конкурентное преимущество.</p> Во всех отраслях организации тонут в неструктурированных данных: файлах, видео, изображениях, логах чатов, проектной … article https://www.itweek.ru/themes/detail.php?ID=234052 Wed, 24 Dec 2025 15:16:29 +0300 <p><span>Solar </span><span>представила обновленную версию Solar SIEM</span> <span>— 2025.2. </span><span>В</span> <span>этом рели</span><span>зе компания ра</span><span>сширила возможности AI-ассистента, внедрила интеллектуальную фильтрацию данных на</span> <span>этапе сбора логов и</span> <span>автоматизировала аналитику. В</span> <span>результате клиенты, использующие Solar SIEM, могут снизить нагрузку на</span> <span>аналитиков SOC и</span> <span>совокупную стоимость владения (TCO) на</span> <span>40% за</span> <span>счет объединения технологий SIEM и</span> <span>SOAR в</span> <span>одном продукте.</span></p> <p>По данным аналитического центра «Солара», рынок в сегменте анализа и выявления инцидентов вырастет к 2027 году до 14,1 млрд руб. Развитие спроса в этом сегменте в первую очередь обеспечивают организации, которые чаще всего сталкиваются с киберугрозами. Так, в первом полугодии 2025 года 36% всех расследований инцидентов приходилось на госсектор, 20% — на промышленность, по 12% — на IT-индустрию, здравоохранение и энергетику и 8% — на ритейл. При этом доля атак год к году на госорганизации выросла на 5%, а на промышленные предприятия — на 11%. Наряду с этим бизнес и госсектор также формирует запрос на автоматизацию работы в SOC, чтобы снизить нагрузку на аналитиков и снизить остроту кадрового дефицита.</p> <p>Поэтому при развитии собственного SIEM-решения «Солар» делает ставку на высокую автоматизацию и расширение возможностей AI-ассистента. В новой версии AI-ассистент теперь обрабатывает дополнительную информацию для расширения контекста инцидента. Он уже способен анализировать события на уровне аналитика <nobr>1-линии:</nobr> берет на себя до 90% рутинных операций по сбору и первичной верификации данных, формируя более точную оценку и позволяя ИБ-специалистам сосредоточиться на сложных угрозах.</p> <p>Вторым важным нововведением стала функция фильтрации. Она позволяет пользователям определять критерии для сбора только релевантной информации, существенно уменьшая поток событий, поступающих в систему. Такой подход оптимизирует стоимость лицензии, которая зависит от объема обрабатываемых данных (EPS), и снижает требования к аппаратным ресурсам для хранения логов.</p> <p>«По результатам опроса 25 партнеров рынка ИБ, которые изучили функциональные возможности Solar SIEM, концепция двух технологий SIEM и SOAR „в одной коробке“ отвечает актуальным запросам рынка. Мы уже ведем более 30 пилотных внедрений продукта в компаниях горнодобывающей промышленности, ИТ-компаниях, банковской, телеком, и оперативно интегрируем их обратную связь и практику реагирования на инциденты в возможности решения», — подчеркнул Александр Ненахов, менеджер продукта Solar SIEM ГК «Солар».</p> <p>В рамках развития Solar SIEM добавили сбор информации об активах, статистике запускаемых файлов и инвентаризации, которая используется для обогащения данных при расследовании инцидентов. Это сокращает общее время реагирования (Time-to-Response).</p> <p>Также в продукте реализована функция «Quick Actions» — быстрые действия для оптимизации часто используемых действий аналитика через дополнительные контекстные операции. Это высвобождает время аналитика и позволяет сфокусироваться на стратегических задачах.</p> <p>Выпуск версии 2025.2 является частью последовательной стратегии «Солара» по созданию единой платформы мониторинга, обработки и реагирования на инциденты. Такой подход, объединяющий функционал SIEM и SOAR, позволяет компаниям закрывать весь жизненный цикл инцидента в одном окне и сэкономить на внедрении двух технологий до 40%. В планах на начало 2026 года — внедрение поддержки мультитенантности, механизма автоматического обновления контента от экспертов Solar JSOC и дальнейшее развитие AI-агента до уровня senior, способного анализировать большой поток информации и закрывать рутинные задачи.</p> <p>Solar SIEM — программный комплекс, объединяющий технологии SIEM (Security Information and Event Management) и SOAR (Security Orchestration, Automation, and Response). Решение предназначено для централизованного мониторинга, анализа и автоматизированного реагирования на инциденты информационной безопасности, позволяя выстраивать эффективную работу ситуационных центров (SOC). SIEM-платформа «Солара» внесена в Единый реестр отечественного ПО (№ 21682 от 07.03.2024).</p> Solar представила обновленную версию Solar SIEM — 2025.2. В этом релизе компания расширила возможности AI-ассистента … message https://www.itweek.ru/themes/detail.php?ID=234051 Wed, 24 Dec 2025 15:14:51 +0300 <p>Компания «Тантор Лабс» объявила о выпуске обновленной версии Платформы Tantor 6.2 для управления, администрирования и мониторинга любых баз данных на основе PostgreSQL. В релизе уделено большое внимание инструментам безопасности, средствам выявлению уязвимостей, расширению возможностей по управлению доступом, а также упрощению работы с кластерами.</p> <p>В обновлении реализована поддержка автоматического обнаружения уязвимостей в наблюдаемых СУБД. Платформа Tantor самостоятельно выявляет потенциальные проблемы безопасности и оценивает их критичность по стандарту Common Vulnerability Scoring System (CVSS). Для каждой обнаруженной уязвимости администратор получает рекомендации по ее устранению, что позволяет существенно снизить эксплуатационные риски. В версии 6.2 база уязвимостей обновляется вместе с самой платформой, обеспечивая актуальность данных без дополнительных действий со стороны пользователей.</p> <p>В интерфейсе Платформы Tantor появилась интерактивная диаграмма топологии, которая наглядно отображает структуру кластера и состояние всех его нод на одной странице. Такой формат упрощает анализ архитектуры, помогает быстрее ориентироваться в конфигурации и облегчает сопровождение распределенных и отказоустойчивых систем.</p> <p>Также расширены возможности управления параметрами кластеров. Реализована возможность привязки группы параметров к кластеру и при необходимости переопределения отдельных значений с помощью модификаторов без изменений в базовой группе параметров. Также теперь платформа позволяет экспортировать и импортировать конфигурацию кластера в файлы стандартных форматов .json или .conf, а кроме того, появилась возможность изменять параметры для конкретных экземпляров кластера и при необходимости откатывать изменения, что делает управление настройками более гибким и безопасным.</p> <p>Был реализован с нуля раздел правил доступа. Теперь на одной странице собрана полная информация о пользователях БД, их параметрах и системных ролях, а также данные из файлов pg_ident. Администратор БД может видеть права пользователей, лимиты подключений и сроки действия доступа, включая учетные записи с истекающими или уже истекшими правами. Это упрощает контроль доступа и повышает прозрачность администрирования СУБД.</p> <p>Помимо функциональных изменений, в релизе уделено внимание стабильности и качеству работы платформы. Исправлены ошибки в разделах аудита, управления задачами, конфигураций и журналов событий, а также выполнена оптимизация производительности в ряде сценариев.</p> <p>«Мы стремимся в каждом релизе делать Платформу Tantor еще более удобным инструментом для администрирования СУБД в корпоративных средах, где важны безопасность, предсказуемость и прозрачность управления сложной инфраструктурой. В новом релизе мы внедрили систему проактивного сканирования уязвимостей, которая не только выявляет риски, но и сразу предлагает способы их устранения, что обеспечивает переход от ручного контроля к автоматизации безопасности. Одновременно упрощается взаимодействие с инфраструктурой: интерактивная карта кластера даёт мгновенное понимание его состояния, а гибкая система управления параметрами с возможностью отката делает настройки безопасными. Всё это улучшает целостную среду, которая значительно снижает операционные риски», — прокомментировал выход новой версии Платформы генеральный директор «Тантор Лабс» Вадим Яценко. </p> Компания «Тантор Лабс» объявила о выпуске обновленной версии Платформы Tantor 6.2 для управления, администрирования … message https://www.itweek.ru/themes/detail.php?ID=234043 Wed, 24 Dec 2025 11:01:47 +0300 <p><em>Рынок тестирования меняется быстрее, чем когда-либо. Скачок ИИ-технологий, рост </em><em>DevSecOps</em><em>, нагрузки от </em><em>LLM</em><em>-сервисов и переход на </em><em>no</em><em>-</em><em>code</em><em>-автоматизацию формируют новую реальность. Что нужно знать, чтобы команда оставалась эффективной и востребованной? Разбираем пять мировых трендов, которые нельзя упустить из виду в новом году.</em></p> <h2>1. Интеграция искусственного интеллекта</h2> <p>Крупнейший сдвиг за последние десятилетия: искусственный интеллект перестает быть эксперимента́льной технологией и становится обязательным элементом QA-процессов.</p> <ul> <li> <a href="https://dreamix.eu/insights/generative-ai-in-software-testing-2025/">Согласно</a> Fortune Business Insights, мировой рынок ИИ-тестирования в 2024 году оценивался примерно в 857 млн. долл. и будет расти со среднегодовым темпом 20,9% до 2032 года.</li> <li> Согласно <a href="https://www.gartner.com/en/documents/5194063">отчету Gartner</a>, к 2027 году 80% вендоров внедрят ИИ-функционал в свои инструменты.</li> <li> По <a href="https://www.capgemini.com/insights/research-library/gen-ai-in-software/">данным Capgemini</a>, 63% инженеров используют неавторизованные ИИ-инструменты — а значит, подвергают контуры множественным рискам: утечки данных и кода, функциональные дефекты, проблемы с законом, проблемы интеллектуального права.</li> <li> При этом компании <a href="https://shftrs.com/articles/10-critical-trends-and-insights-about-ai-in-quality-assurance-2024">отмечают</a> сокращение расходов до 30% в результате внедрения ИИ в процессы тестирования.</li> <li> 68% респондентов отчета World Quality Report уже прошли фазу экспериментов и активно работают с ИИ-платформами, чтобы ускорить Time-to-Market.</li> </ul> <p><strong>Почему стало трендом и где используется:</strong></p> <p><strong>Генерация тест-кейсов и сценариев. </strong>Современные ИИ-платформы вроде Testsigma, ACCELQ, BrowserStack, TestGrid и др. уже позволяют получать тест-кейсы из пользовательских историй и Jira-тикетов, требований в свободном тексте, прототипов и Figma-макетов, а в продвинутых реализациях — даже из логов реальных пользовательских сессий.</p> <p>Тестировщики фактически переходят от ручного написания сценариев к модели «требования → тесты», где ИИ самостоятельно формирует структуру кейса, шаги, тестовые данные и ожидаемые результаты.</p> <p>Вендоры <a href="https://smartdev.com/how-ai-assisted-qa-reduces-testing-time-by-50-percents/">заявляют</a>, что за счет мгновенной автогенерации можно сократить время на подготовку тестов до 80%, а значит — существенно ускорить регрессы и повысить плотность покрытия.</p> <p><strong>ИИ-ассистенты для тестировщиков. </strong>Помогают инженерам анализировать дефекты, формулировать баг-репорты, писать тесты — включая автотесты на популярных фреймворках. По <a href="https://smartdev.com/how-ai-assisted-qa-reduces-testing-time-by-50-percents/">данным</a> SmartDev (одной из топ-100 быстрорастущих компаний мира), использование их ИИ-ассистента позволяет сократить время тестирования до 50%, причем качество останется на прежнем уровне.</p> <p>Однако не все профессионалы в отрасли смотрят на эту эволюцию одинаково оптимистично.</p> <blockquote> <p>«<em>Эти агенты часто действуют без полного контекста системы, которым обладаем мы, люди, и обеспечить их этим контекстом крайне сложно. Сейчас мы можем дать им лишь отдельные части пазла, но всем известно, что настоящая ценность возникает из человеческих взаимодействий внутри команды, где эти части соединяются. <br/> <...> В лучшем случае такие агенты — как энергичные джуниоры: способные, быстрые и любознательные. Они могут служить указателями, сигнализирующими: „посмотри сюда, возможно, здесь что-то интересное“. Они вряд ли заменят тестировщика-исследователя или даже классическую автоматизацию в ближайшее время, но вполне могут стать частью инструментария».</em> </p> <p>— <a href="https://www.qt.io/quality-assurance/blog/where-does-ai-fit-in-the-future-of-software-testing">Ричард Брэдшоу</a>, QA-архитектор и инфлюенсер, ex-CEO Ministry of Testing</p> </blockquote> <p><strong>Автоматический анализ логов и метрик для поиска аномалий. </strong>Современные ИИ-инструменты умеют в реальном времени просматривать логи и находить в них нетипичное поведение — всё то, что может указывать на падение производительности или скрытые дефекты. Модели анализируют десятки сигналов сразу и выхватывают закономерности, которые человек вряд ли заметил бы. Для этого используются классические <nobr>ML-алгоритмы,</nobr> нейросети и, всё чаще, LLM (large language models), которые могут «читать» логи почти как текст.</p> <p>Исследователи <a href="https://journalwjarr.com/sites/default/files/fulltext_pdf/WJARR-2025-1521.pdf">отмечают</a>: из-за перехода на распределенные и облачные сервисы, ручной анализа огромного объема телеметрии стал практически невозможным. ИИ помогает справиться с этим шумом: он учится понимать, что для приложения является нормой, а что — отклонением, и дает командам ранние сигналы о проблемах.</p> <p><strong>Самовосстанавливающиеся автотесты. </strong>Self-healing — одна из самых прикладных и понятных QA-командам функций ИИ. Она помогает бороться с главной болью UI-автотестов: нестабильностью и постоянным «падением» из-за изменений в интерфейсе. Когда кнопка переехала, локатор поменялся или верстка слегка изменилась, ИИ подстраивает тест автоматически, без ручной правки инженера.</p> <p>Пользовательские кейсы подтверждают эффект: например, у Testim «умные» локаторы <a href="https://www.testdevlab.com/blog/top-ai-driven-test-automation-tools-2025">адаптируются </a>к изменениям в DOM и позволяют сократить поддержку тестов более чем на 50%. Для команд это означает меньше рутины и нестабильности.</p> <p>При этом в реальных кейсах <a href="https://www.ministryoftesting.com/articles/creating-self-healing-automated-tests-with-ai-and-playwright">видно</a>: ИИ-решения не снимают с команды ответственность. Если тест падает из-за настоящего дефекта в приложении, это всё равно придется расследовать вручную. На практике если LLM за <nobr>2-3</nobr> попытки не может «починить» тест — вмешательство человека обязательно.</p> <p><strong>Что важно для специалиста:</strong></p> <p><strong>Понимать ограничения ИИ. </strong>Например, галлюцинации — когда модель выдает неверный или бессмысленный результат — остаются одним из ключевых рисков. Исследования показывают, что даже новейшие LLM <a href="https://arxiv.org/abs/2501.08292">могут галлюцинировать</a> в 86% случаев, конкретный процент зависит от модели, промпта и домена. В контексте QA-задач (например, генерация тест-кейсов по Jira-тикету) вероятность галлюцинаций может быть значительно ниже.<br/> Снизить процент галлюцинаций можно за счет: </p> <ul> <li> качественных и чистых обучающих данных;</li> <li> контекстно-ориентированных промптов, которые уменьшают вероятность галлюцинаций;</li> <li> RAG-подхода (Retrieval Augmented Generation), который подгружает фактические данные и снижает ошибки в задачах анализа логов и требований;</li> <li> сервисов верификации (model-in-the-loop), которые повторно обращаются к модели для самопроверки.</li> </ul> <p><strong>Уметь формулировать промпты и превращать ИИ-выводы в реальные тестовые артефакты. </strong>Сегодня 62% QA-команд (по данным World Quality Report) используют ИИ для создания тестовой документации, но качество результата напрямую зависит от навыка инженера.</p> <p>Практически это означает: уметь давать модели структурированные промпты с контекстом требований; проверять корректность логики шагов и ожидаемых результатов и дорабатывать генерацию так, чтобы тесты были воспроизводимыми и соответствовали стандартам команды.</p> <p><strong>Осваивать инструменты </strong><strong>Cursor</strong><strong>, </strong><strong>GitHub</strong> <strong>Copilot</strong><strong>, ИИ-функции в </strong><strong>IDE</strong><strong>, ИИ-модули в тестовых фреймворках и платформах. </strong>Еще в 2023 году исследования фокус-групп <a href="https://arxiv.org/pdf/2302.06590">показывали</a>, что использование GitHub Copilot снижает время на рутинные задачи разработчиков и QA до 55%. Сегодня набирают популярность ИИ-надстройки в Cypress, Playwright, Selenium, которые позволяют автоматически исправлять локаторы или генерировать тест-код. В платформах ACCELQ, Testim, Tricentis и Testsigma ИИ-инструменты уже встроены «по умолчанию» — генерация тестов, self-healing, анализ нестабильности.</p> <p><strong>Понимать новую зону ответственности — тестирование самих моделей. </strong>ИИ глубже внедряется в продукты, и вместе с этим появляется новая задача для команд — проверять не только код, но и поведение самих моделей. Одновременно развивается направление MLOps — практики, которые помогают отслеживать дрейф моделей, проверять данные и вовремя замечать сбои.</p> <h2>2. Объединение QA и DevOps — QAOps</h2> <p>QAOps — подход, при котором качество становится встроенной частью DevOps-процессов, а не отдельным этапом в конце разработки. То есть тестирование перестаёт быть «блоком после сборки» и превращается в непрерывный поток проверки качества, встроенный в CI/CD-пайплайн.</p> <p>Проще говоря, <br/> <strong>раньше:</strong> Dev → Test → Release,<br/> <strong>теперь:</strong> качество проверяется на каждом шаге, автоматически и постоянно. </p> <p>Согласно <a href="https://www.mordorintelligence.com/industry-reports/software-testing-market">исследованию</a> Mordor Intelligence, DevOps — крупнейший драйвер роста рынка тестирования. Его внедрение увеличивает темпы роста на 3,2% в годовом выражении (CAGR), а эффект от внедрения ожидается в течение <nobr>2-4 лет.</nobr></p> <p>При этом компании, которые внедряют quality gates на каждом изменении кода, отмечают ускорение релизного цикла на 40% — плюс заметный рост метрик удовлетворенности пользователей. Спрос на QAOps особенно высок в финансовой сфере и сфере здравоохранения, где регуляторы тщательно проверяют каждое обновление.</p> <p><strong>Почему стало трендом:</strong></p> <p><strong>Компании переходят на микросервисные и облачные архитектуры.</strong> Это делает систему слишком распределенной, динамичной и изменчивой — без CI/CD + автоматизированных и встроенных QA-процессов (то есть QAOps) обеспечить стабильность, скорость и надёжность невозможно.</p> <p><strong>Интеграция ИИ позволяет ускорять внедрение </strong><strong>QAOps</strong><strong>. </strong>Как показывают <a href="https://www.researchgate.net/publication/392049846_Automation_Testing_in_Microservices_and_Cloud-Native_Applications_Strategies_and_Innovations">исследования</a>, это помогает справиться со сложностью микросервисов: ИИ автоматически выявляет аномалии и определяет, способен обнаруживать незаметные отклонения от нормы, незаметные традиционными средствами.</p> <p><strong>Высокие требования к стабильности и скорости релизов. </strong>Компании перешли от редких (например, квартальных) выпусков к частым — недельным, ежедневным или даже почасовым развертываниям. Бизнес начинает понимать реальную стоимость дефектов — так, по последним подсчетам Консорциума по качеству информации и программного обеспечения (CISQ), последствия низкого качества ПО в США в этом году стоили бизнесу 2,41 трлн. долл.</p> <h2>3. Усиление роли тестирования производительности и стабильности</h2> <ul> <li> Тесты производительности (performance) показывают скорость отклика, пропускную способность и способность системы масштабироваться, помогая выявлять «узкие места» ещё до релиза.</li> <li> Тестирование стабильности проверяет, выдерживает ли приложение длительную работу без деградации и обнаруживает утечки памяти, зависания и сбои, которые не видны при коротких прогонах.</li> </ul> <p>Глобальный рынок тестирования производительности оценивался в 1,52 млрд. долл. к концу 2024 года. <a href="https://www.businessresearchinsights.com/market-reports/performance-testing-market-120703">По прогнозу,</a> в 2033 году он достигнет 3,64 млрд. долл., показав среднегодовой темп роста (CAGR) 10,19% в <nobr>2025-2033 гг.</nobr></p> <p><strong>Почему стало трендом:</strong></p> <p><strong>Пользовательские ожидания выросли — любая задержка становится проблемой. </strong>47% пользователей ожидают, что сайт загрузится за 2 секунды или меньше — это давно принятый в индустрии бенчмарк. По <a href="https://www.hostinger.com/ca/tutorials/website-load-time-statistics">статистике</a> 2025 года, каждая секунда задержки уменьшает конверсию на 7%.Если сайт загружается свыше 3 секунд, 56% пользователей <a href="https://www.hostinger.com/ca/tutorials/website-load-time-statistics">покинут его</a>, а метрика удовлетворенности бизнесом в целом упадет на 16%. Порог терпимости пользователей стал очень низким — даже задержки в несколько секунд (или меньше) могут приводить к потере клиентов.</p> <p><strong>Компании внедрили </strong><strong>observability</strong> <strong>и научились измерять деградации. </strong>До <nobr>2020-2022</nobr> годов у большинства компаний не было налаженного логирования, трейсинга, метрик и алертов. Сегодня прозрачность — абсолютный стандарт. Согласно <a href="https://www.dynatrace.com/news/blog/state-of-observability-2025-ai-trust-roi/">отчету The State of Observability 2025</a>, 70% организаций увеличили бюджеты на observability в этом году, и 75% планируют повысить их снова в следующем.</p> <p><strong>Performance</strong><strong>-инструменты стали значительно дешевле и доступнее. </strong>В <nobr>2010-2018</nobr> годах нагрузочное тестирование было дорогим: высокие затраты на инфраструктуру, платные решения уровня HP LoadRunner, малая доступность облаков. В последние два года ситуация изменилась радикально: k6, Gatling, Locust, JMeter стали стандартом и почти бесплатными, а тестирование в облаке позволяют воспроизводить нагрузку за гораздо меньшую стоимость.</p> <p><strong>Агрессивный рост ИИ-систем увеличил требования к инфраструктуре. </strong>ИИ-нагрузки <nobr>(LLM-инференс,</nobr> обработка больших данных, рекомендации в реальном времени) значительно тяжелее классических запросов.</p> <h2>4. Усиление роли тестирования безопасности/DevSecOps</h2> <p>Dev + Sec + Ops — подход, в котором безопасность («Sec») интегрируется в каждый этап жизненного цикла разработки и поставки ПО. Это расширение подхода DevOps.</p> <ul> <li> Рынок DevSecOps <a href="https://www.businessresearchinsights.com/market-reports/devsecops-market-119971">оценивается</a> в 8,33 млрд. долл. в 2025 году и по прогнозам вырастет до 36,39 млрд. долл. к 2035 году.</li> <li> Команды DevOps <a href="https://www.strongdm.com/blog/devsecops-statistics">запускают</a> больше проверок безопасности, чем когда-либо: более половины выполняют SAST-сканирования, 44% — DAST, и около 50% проверяют контейнеры и зависимости.</li> <li> 70% сотрудников команд безопасности <a href="https://www.strongdm.com/blog/devsecops-statistics">утверждают</a>, что безопасность сместилась «влево» (на ранние этапы разработки).</li> </ul> <p><strong>Почему стало трендом:</strong></p> <p><strong>Увеличение числа атак и давления на безопасность</strong>. Киберугрозы — <a href="https://www.businessresearchinsights.com/market-reports/devsecops-market-119971">главный драйвер </a>внедрения DevSecOps в 65% корпораций по всему миру. В целом в 2025 году число атак по всему миру <a href="https://newsletter.radensa.ru/archives/9385">выросло</a> на 44%. Согласно отчету IBM Cost of a Data Breach, средняя мировая стоимость одной утечки данных для организации достигла рекордного значения в 4,88 млн. долл.</p> <p><strong>Частые релизы, быстрая поставка, </strong><strong>CI</strong><strong>/</strong><strong>CD</strong><strong>.</strong> В старой модели, когда security-проверки выполнялись в финале разработки, либо безопасность становилась узким местом, либо релизы теряли скорость. DevSecOps ломает это: безопасность становится автоматической, встроенной и непрерывной.</p> <p><strong>Рост регуляторных и комплаенс-требований, особенно для облачных компаний, финтеха, </strong><strong>SaaS</strong><strong>, </strong><strong>enterprise</strong><strong>. </strong>В разных странах (ЕС, Великобритания, США, Азия) постоянно обновляются регуляции по защите персональных данных. Кроме того, компании переходят на облачные решения, то есть данные и бизнес-логи находятся вне локальных дата-центров. Это увеличивает требования к безопасности: необходимо гарантировать шифрование, контроль доступа, аудиты, соответствие стандартам.</p> <p><strong>Развитие инструментов: автоматизированные сканеры, </strong><strong>IaC</strong><strong>-сканинг, </strong><strong>API</strong><strong>-</strong><strong>security</strong><strong>, контейнерная безопасность. </strong>SAST анализирует код еще до запуска приложения, а DAST — поведение работающего сервиса, IaC-сканеры (Checkov, Terrascan, Trivy) находят риски на этапе планирования инфраструктуры. API-сканеры проверяют авторизацию и токены, rate-limits, уязвимости в передаваемых данных, небезопасные endpoint’ы. Сканеры контейнеров (Trivy, Clair, Anchore) могут обнаружить уязвимые версии пакетов, secrets внутри образов, нарушенные политики безопасности. Эти инструменты <a href="https://www.cloudtruth.com/blog/gitlab-state-of-devops-report">сокращают</a> объём ручных задач примерно на 60%.</p> <h2>5. Low-code/No-code-тестирование</h2> <p>Подход, при котором автоматизация тестов осуществляется не через ручное написание кода, а с помощью визуальных интерфейсов. Это позволяет снизить порог входа: тестировщику не требуется глубокое знание языков программирования, фреймворков и сложных программных зависимостей.</p> <ul> <li> Рынок low-code-платформ растет кратно: по <a href="https://www.mordorintelligence.com/industry-reports/low-code-development-platform-market">оценке</a> Mordor Intelligence — с 26,3 млрд. долл. в <nobr>2025-м</nobr> до 67,1 млрд. к <nobr>2030-му,</nobr> по <a href="https://www.businessresearchinsights.com/market-reports/low-code-development-platform-market-117245">данным</a> Business Research Insights — до 200+ млрд. долл. к 2035 году.</li> <li> Реальные проекты подтверждают тенденцию: в публичном кейсе Testsigma переход на no-code тестовую платформу <a href="https://testsigma.com/customers/finland-based-AI-technology-company">позволил</a> увеличить количество тест-кейсов на 47,82% за 6 месяцев (с 1481 до 2189).</li> <li> No-code-платформы в своих кейсах <a href="https://qavi.tech/no-code-low-code-test-automation-in-2025-a-complete-guide-for-manual-testers">обещают</a> снижение прямых затрат на тестирование на <nobr>30-45%</nobr> и <nobr>60-70%</nobr> экономии времени на тест-дизайне и прогоне регрессионных тестов.</li> <li> 56% компаний в мире уже <a href="https://radixweb.com/blog/low-code-statistics">внедрили</a> low-code-решения, а 84% из них используют low-code, чтобы снизить нагрузку на ИТ, ускорить time-to-market и вовлечь бизнес в создание цифровых решений.</li> </ul> <p><strong>Популярные инструменты low-code/no-code-тестирования:</strong></p> <p><strong>Enterprise</strong> <strong>и масштабируемые платформы. </strong>ACCELQ — облачная no-code-платформа для веб-, мобильных и API-тестов, часто фигурирует в Gartner и Forrester, Katalon Platform — одно из самых массовых решений low-code-автоматизации.</p> <p><strong>ИИ-усиленные </strong><strong>low</strong><strong>-</strong><strong>code</strong><strong>-платформы.</strong> Testim (Tricentis) — известна смарт-локаторами, которые адаптируются к изменениям DOM, Testsigma — создание тестов на естественном языке (English-like steps), популярна в SaaS и digital.</p> <p><strong>Надстройки к </strong><strong>RPA</strong> <strong>и </strong><strong>enterprise</strong><strong>-экосистемам. </strong>UIPath Test Suite — активно применяется в банках и страховании, позволяет нетехническим пользователям составлять сложные сценарии.</p> <p><strong>Инструменты для мобильного и кросс-браузерного тестирования.</strong> Perfecto Scriptless — визуальная автоматизация тестов на реальных устройствах, BrowserStack Test Recorder — запись пользовательских действий с автоматической генерацией тестов.</p> <p><strong>Встроенные </strong><strong>low</strong><strong>-</strong><strong>code</strong><strong>-слои над популярными фреймворками. </strong>Selenium IDE — классический record-and-playback, Playwright Codegen/Cypress Recorder — генерация тестов на основе записанных действий.</p> <p><strong>Почему стало трендом:</strong></p> <p><strong>Популярность приложений с частыми изменениями интерфейса.</strong> Еще в 2023 году <a href="https://cd.foundation/wp-content/uploads/sites/35/2023/04/State-of-CD-Report-2023.pdf">статистика</a> была такой: 9% команд вносят изменения реже раза в месяц, 40% — от одного раза в неделю до нескольких раз в день. Чем чаще релизы — тем чаще изменяются пользовательские сценарии, поток взаимодействий и порядок элементов. Это создаёт растущую нагрузку на регрессию и делает традиционную кодовую автоматизацию более дорогой и трудоемкой.</p> <p><strong>Дефицит разработчиков и давление на </strong><strong>time</strong><strong>-</strong><strong>to</strong><strong>-</strong><strong>market</strong><strong>. </strong>В опросе Reveal 2023 более трети компаний (37,5%) <a href="https://appdevelopermagazine.com/software-developer-shortage-remains-top-challenge-in-2023/">признавали</a>, что испытывают сложности с наймом разработчиков, а 76,8% уже тогда использовали low-code/no-code-подходы, чтобы компенсировать нехватку квалифицированных кадров и экономить деньги. Нехватка кадров бьет и по тестированию: не хватает автоматизаторов, релизы становятся чаще, регрессия — тяжелее. Внедрение low-code/no-code платформ уже <a href="https://datahorizzonresearch.com/test-automation-software-market-50036">увеличило</a> участие нетехнических специалистов в тестировании на 45% — за счет упрощения инструментов и снижения технического порога.</p> <h2>Заключение: QA в <nobr>2025-2026</nobr> годах — не про инструменты, а про ценность</h2> <p>Тестирование больше не ограничивается поиском дефектов или написанием автотестов. В условиях стремительной цифровой трансформации QA становится стратегической функцией, напрямую влияющей на скорость бизнеса, стабильность продукта и доверие пользователей.</p> <p>ИИ не заменит тестировщика, но сформирует нового — гибридного специалиста, который умеет управлять ИИ-агентами, формулировать точные промпты, верифицировать результаты и фокусироваться на исследовательском тестировании и сложных сценариях.</p> <p>QAOps и DevSecOps делают качество встроенным свойством каждого релиза, а не финальной проверкой. Это требует от QA-команд глубокого понимания архитектуры, observability и принципов безопасной разработки. А low-code и no-code подходы — не «упрощение», а демократизация автоматизации, позволяющая вовлекать в процесс тестирования аналитиков, продукт-менеджеров и даже заказчиков.</p> <p><strong>Что ждет нас в ближайшие <nobr>12–18 месяцев:</nobr></strong></p> <ul> <li> QA-инженеры будут всё чаще выступать как «качественные архитекторы», формирующие стратегию покрытия, наблюдаемости и устойчивости.</li> <li> Тестирование ИИ-моделей и <nobr>LLM-сервисов</nobr> станет отдельной, востребованной компетенцией.</li> <li> Без понимания безопасности, производительности и CI/CD-практик будет невозможно эффективно работать даже в «ручном» тестировании.</li> </ul> <p>Главный вывод прост: будущее QA — не за теми, кто пишет больше тестов, а за теми, кто делает продукт надежнее, быстрее и безопаснее через каждое свое действие. Команды, которые начнут развиваться в этом направлении уже сегодня, получат решающее преимущество завтра.</p> <p>#IMAGE_234044#</p> Рынок тестирования меняется быстрее, чем когда-либо. Скачок ИИ-технологий, рост DevSecOps, нагрузки от LLM-сервисов … article Александр Канатов, директор департамента функционального тестирования “Перфоманс Лаб” https://www.itweek.ru/themes/detail.php?ID=234042 Wed, 24 Dec 2025 10:28:13 +0300 <p><em>Достижение реальной окупаемости ИИ-инвестиций в </em><em>SaaS</em><em>-бизнес означает использование ИИ-пилотов, внутренних агентов, унифицированной интеграции и четкого управления, пишет на портале </em><em>The</em> <em>New</em> <em>Stack</em> <em>Лео Гольдфарб, партнер компании Albato Embedded.</em></p> <p>В разговорах с основателями, руководителями продуктов и техническими директорами SaaS-бизнеса я до сих пор слышу много скептицизма в отношении искусственного интеллекта. Проблемы доверия, сложности и соответствия нормативным требованиям продолжают замедлять внедрение ИИ в этой сфере. <nobr>2026-й,</nobr> безусловно, станет годом, когда отрасль перейдет от ажиотажа в отношении к ИИ к прагматичному подходу к ИИ, ориентированному на окупаемость инвестиций.</p> <p>От основателей и руководителей SaaS-продуктов рост глубокой автоматизации и ИИ требует стратегического поворота, направленного на приоритизацию универсальных интеграций, ускорение автоматизации, внедрение ИИ-помощников и обеспечение четкого управления использованием ИИ.</p> <p>Это изменение не является опциональным. По <a href="https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai">данным</a> McKinsey, поскольку почти 88% организаций уже используют ИИ, этот сдвиг представляет собой новую основу для отрасли. Чтобы оставаться впереди и уменьшить операционные трудности, SaaS-компаниям следует охватить пять ключевых тенденций и преуспеть в них:</p> <h3>1. «Вторые пилоты» с ИИ, работающие с клиентами</h3> <p>Новая тенденция для SaaS-компаний — оснащение клиентов «вторым пилотом» с ИИ. Он действует как сверхэффективный помощник, встроенный непосредственно в продукт и готовый оказать мгновенную помощь.</p> <p>Используя «вторые пилоты», компании достигают двух основных целей:</p> <ul> <li><strong> Способствуют успеху клиентов:</strong> устраняют барьеры внедрения, повышая удержание и пожизненную ценность.</li> <li><strong> Сокращают внутренние расходы:</strong> значительно уменьшают рабочую нагрузку на группы поддержки клиентов. ИИ обрабатывает общие запросы, освобождая персонал для выполнения сложных и важных задач.</li> </ul> <p>Эффект уже можно измерить. Исследования внутренних инструментов, таких как Microsoft Copilot, показывают, что их помощь приводит к сокращению на 31% времени, затрачиваемого на управление электронной почтой, и сокращению продолжительности совещаний на 16%. Эта эффективность подтверждается <a href="https://www.bcg.com/publications/2025/ai-at-work-momentum-builds-but-gaps-remain">опросом</a> BCG, в котором 92% руководителей отделов кадров сообщили, что видят их преимущества, а более 10% добились повышения производительности, превышающего 30%.</p> <h3>2. Внутренние агенты ИИ</h3> <p>В то время как «вторые пилоты» помогают клиентам, внутренние агенты ИИ помогают компании работать более эффективно. Отрасль выходит за рамки чат-ботов, которые ищут информацию в базах знаний и отвечают на вопросы. Новый стандарт предполагает, что агенты ИИ станут полноценными автономными сотрудниками, которые смогут управлять всеми рабочими процессами бизнеса.</p> <p>Компании уже внедряют этих агентов в свои подразделения:</p> <ul> <li><strong> Аналитика продукта:</strong> для выявления узких мест пользовательского опыта (UX).</li> <li><strong> Инжиниринг:</strong> для более быстрого написания и проверки кода.</li> <li><strong> Маркетинг и продажи:</strong> чтобы квалифицировать и набирать потенциальных клиентов.</li> <li><strong> Человеческие ресурсы:</strong> для автономной обработки запросов сотрудников.</li> </ul> <p>Например, торговый агент может автономно находить новых потенциальных клиентов, проверяя их активность в сети, размер их компании и ее историю, и решать, стоит ли обращаться к этому лиду.</p> <h3>3. Унифицированные уровни интеграции и встроенный iPaaS</h3> <p>Сложность подключения множества разнообразных инструментов к SaaS затрудняет масштабирование. Фрагментированные коннекторы и пользовательские API создают операционные проблемы и узкие места. Интеграции больше не являются чем-то дополнительным; они являются основной частью UX. Фактически, рыночные данные показывают, что интеграция в настоящее время является основным требованием крупных клиентов и встречается в 60% всех сделок по продаже SaaS.</p> <p>Чтобы решить эту проблему, платформы SaaS отходят от разрозненных заказных уровней API и внедряют универсальные интеграционные решения, в частности встроенную платформу интеграции как сервис (iPaaS).</p> <p>Такой подход делает высокоценную интеграцию полностью нативной частью UX, а не неуклюжим дополнением. Используя встроенный iPaaS, компании могут быстро предлагать сотни надежных соединений, избавляя от огромной сложности управления API, чтобы их инженерные команды могли сосредоточиться на создании основного продукта.</p> <h3>4. Интеграция A2A (агент-агент)</h3> <p>Роль агентов ИИ быстро выходит за рамки помощи пользователям одного продукта. Ключевым требованием к современным агентам является способность беспрепятственно взаимодействовать с другими агентами ИИ и с широким набором внешних API.</p> <p>Чтобы обеспечить такую ​​взаимосвязь, SaaS-компании должны развернуть надежную инфраструктуру, в частности экосистему Model Context Protocol (MCP) в сочетании со встроенными iPaaS-решениями.</p> <p>Эти технологии образуют соединительную ткань новой интегрированной экосистемы AI-SaaS. Они обеспечивают безопасный и надежный обмен данными между независимыми агентами и внешними API, предотвращая перегрузку отдельного агента или большой языковой модели (LLM) фрагментированными системами и ограниченными контекстными окнами. Эта мультиагентная основа позволяет агентам всех продуктов работать синхронно, максимально эффективно используя разнообразные LLM и принося максимальную пользу клиентам.</p> <h3>5. Управление ИИ и защитные ограничения</h3> <p>Поскольку ИИ становится центральным элементом SaaS-бизнеса, выступая одновременно в качестве внутреннего агента (например, одного из ваших сотрудников) и «второго пилота», работающего с клиентами, самой большой проблемой становится поддержание контроля и завоевание доверия пользователей.</p> <p>Речь идет не только о соблюдении нормативных требований (таких как SOC 2 или GDPR); речь идет о фундаментальной прозрачности. Компании должны разработать четкую внутреннюю политику, касающуюся:</p> <ul> <li> этичного использования ИИ;</li> <li> выбора совместимого стека LLM с лучшими возможностями рассуждений;</li> <li> доступа агентов к внутренним данным и данным клиентов;</li> <li> отслеживания каждого решения, принимаемого агентами (особенно, если агент не только генерирует ответы, но и выполняет действия и управляет данными);</li> <li> предотвращения «галлюцинаций» (когда ИИ выдумывает факты).</li> </ul> <p>В конечном счете, успех строится на доверии. Компании, которые не смогут внедрить надежные ограничения работы ИИ и надлежащее управление им, рискуют потерять доверие клиентов и потенциально столкнуться с крупными штрафами. И наоборот, те, кто успешно реализует эту внутреннюю политику и обеспечит прозрачность, получат важное стратегическое преимущество: они смогут масштабировать свои функции ИИ без регулятивного риска и без потери доверия пользователей. Создание этой надежной основы защитит бренд и позволит легко его масштабировать.</p> <h3>Заключительные соображения</h3> <p>К сожалению, большинство SaaS-компаний, особенно крупных, до сих пор не перешли на агентов и не создали измеримую ИИ-экосистему, основанную на рентабельности инвестиций. Недавнее исследование Массачусетского технологического института <a href="https://www.itweek.ru/themes/detail.php?ID=233019">показало</a>, что 95% пилотных проектов GenAI потерпели неудачу. Несмотря на <nobr>30-40 млрд.</nobr> долл. корпоративных инвестиций, большинство компаний видят нулевую отдачу.</p> <p>Внедрение терпит неудачу, когда ИИ не учится, не интегрируется и не совершенствуется. Пользователи SaaS не будут использовать ИИ только потому, что это ИИ. Им нужны интуитивно понятные и полезные инструменты, встроенные в их реальные рабочие процессы. Речь идет не о добавлении еще одного яркого ИИ-помощника. Для платформ SaaS речь идет о разработке функций ИИ, которые предлагают четкую, немедленную ценность и адаптируются с течением времени.</p> <p>Поэтому, чтобы изменить направление развития в области ИИ в 2026 г., перестаньте измерять только внедрение ИИ и начните отслеживать реальные результаты бизнеса. Создайте мультиагентную контекстно-ориентированную среду, в которой каждый агент фокусируется на узкой задаче и имеет доступ к соответствующему контексту и инструментам API. Чтобы обеспечить это, разверните надежный уровень API/MCP, который можно обрабатывать с помощью таких инструментов, как встроенный iPaaS. Разработайте защитные меры обеспечения прозрачности и контроля ИИ, чтобы укрепить доверие к ИИ. И не забывайте отслеживать и оптимизировать затраты, связанные с ИИ.</p> Достижение реальной окупаемости ИИ-инвестиций в SaaS-бизнес означает использование ИИ-пилотов, внутренних агентов … article https://www.itweek.ru/themes/detail.php?ID=234041 Tue, 23 Dec 2025 14:41:36 +0300 <p>«МойОфис», российская продуктовая ИТ-компания, представила обновление своей экосистемы, призванное сделать цифровую среду для бизнеса эффективнее и безопаснее. В фокусе нового релиза — корпоративный мессенджер Squadus, его расширенная версия Squadus PRO и редакторы «МойОфис Документы Онлайн».</p> <p>В Squadus реализована анонсированная ранее функция транскрибации и суммаризации в ВКС (Beta). Теперь аудио- и видеозаписи в Squadus можно быстро преобразовать в текст. Система автоматически расставит пунктуацию, разделит реплики по спикерам и сформирует удобную для чтения и восприятия расшифровку. А с помощью «МоиСлова» — нового встроенного модуля на основе AI — пользователи смогут получить краткое содержание встречи (суммаризацию). Этот инструмент проанализирует запись и выделит ключевые тезисы, договоренности и поставленные задачи. Нововведения избавят команды от ручного ведения протоколов и позволят быстро понять контекст встречи даже тем, кто не присутствовал на обсуждении.</p> <p>Также в Squadus появился новый раздел — «Команды», созданный в результате анализа процесса коммуникации и взаимодействия командной работы. Это не просто редизайн интерфейса, а полноценное цифровое рабочее пространство для команд. В нем все логично и просто устроено: гибкое управление по ролям (владелец, модератор, участник), каналы для обсуждений и система управления коммуникациями. Новый раздел позволяет выстроить рабочий процесс так, чтобы взаимодействие было быстрым и прозрачным.</p> <p>Еще одним важным обновлением, направленным на безопасность коммуникаций клиентов, стала возможность ограничить доступ гостей на вебинар. Организаторы встреч теперь могут использовать опцию «Блокировать подключение гостей», которая гарантирует, что к закрытому корпоративному мероприятию не смогут присоединиться неавторизованные или внешние участники.</p> <p>У пользователей расширенной версии Squadus PRO появилась возможность превратить видеозвонок в сессию продуктивной совместной работы. С новым релизом прямо во время конференции в приложении «МояДоска» стала доступна интерактивная доска — можно открыть новую или заранее созданную. Это общее рабочее пространство позволяет фиксировать идеи мозгового штурма, рисовать схемы и планировать задачи, не переключаясь между окнами. Все правки синхронизируются в реальном времени, а после встречи доска сохраняется как готовый рабочий документ.</p> <p>Обновление коснулось и решения «МойОфис Документы Онлайн» — теперь пользователям стала доступна функция предоставления массового доступа к файлу по одной ссылке. Нововведение позволяет быстро открывать доски, документы, таблицы или презентации для просмотра или редактирования сразу целой группе коллег, отделу или всем авторизованным пользователям системы. Функция значительно упрощает организацию совместной работы и позволяет ускорить процесс выдачи прав к файлу.</p> <p>«Наше обновление — это прямой ответ на боль многих российских компаний: потерянные договоренности и „мертвые“ протоколы совещаний теперь в прошлом. Мы сделали шаг к тому, чтобы встречи стали более структурированными, а их результаты — немедленно зафиксированными и доступными. Это освобождает время сотрудников для главного: анализа и решений», — отметил директор по продуктам «МойОфис» Евгений Бабаев.</p> <p>Все описанные функции уже доступны клиентам. Новый релиз «МойОфис» помогает компаниям экономить время на рутине, структурировать коммуникации и проводить встречи продуктивнее, не меняя привычную экосистему и не жертвуя безопасностью данных.</p> «МойОфис», российская продуктовая ИТ-компания, представила обновление своей экосистемы, призванное сделать цифровую среду для … message https://www.itweek.ru/themes/detail.php?ID=234040 Tue, 23 Dec 2025 14:39:52 +0300 <p>В Directum Lite появились корпоративные услуги в формате ESM. В системе для среднего и малого бизнеса сотрудники теперь могут заказывать услуги в цифровом формате по принципу «единого окна».</p> <p>ESM улучшает качество обслуживания сотрудников компании по различным запросам. Пользователи выбирают услуги компании в каталоге, и обращения уходят в сервисные службы. С помощью решения можно запросить подготовку справки <nobr>2-НДФЛ,</nobr> новый монитор взамен сломанного, услуги отдела закупок, финансов, маркетингового отдела и пр.</p> <p>Типы и статусы обращений и услуг, правила SLA, а также процессы и карточки заявки для каждого типа обращения настраиваются в справочниках системы. Все запросы поступают в единый канал — не нужно собирать их в бумажном виде или копировать из мессенджера и заносить в систему. Руководитель видит отчеты о статусе обращений, сроках в виде диаграмм.</p> <p>Решение «Корпоративные услуги ESM» доступно в облачном и локальном вариантах поставки и поддерживает no-code-настройку.</p> <p>«„ITSM“ — это устоявшийся подход и набор практик, направленных на эффективное управление, организацию и предоставление ИТ-услуг. ESM — Enterprise Service Management, более широкая концепция, которая распространяет принципы ITSM за пределы ИТ-отдела и применяет их ко всей организации: HR, АХО, бухгалтерия и др. При ESM-подходе все корпоративные сервисы можно заказать в режиме „единого окна“, без переключений между интерфейсами. Централизованное управление корпоративными услугами — важный элемент цифровой трансформации бизнеса», — прокомментировала Алина Рожина, руководитель проектов развития бизнеса компании Directum.</p> В Directum Lite появились корпоративные услуги в формате ESM. В системе для среднего и малого бизнеса … message https://www.itweek.ru/themes/detail.php?ID=234039 Tue, 23 Dec 2025 10:50:20 +0300 <p><em>Сравнение новых стандартов для пользовательских интерфейсов агентов искусственного интеллекта обнаруживает ключевые различия между ориентированным на нативные решения A2UI от Google и веб-ориентированным </em><em>MCP</em> <em>Apps</em><em>, который предпочитает OpenAI, сообщает портал </em><em>The</em> <em>New</em> <em>Stack</em><em>.</em></p> <p>Google только что <a href="https://developers.googleblog.com/introducing-a2ui-an-open-project-for-agent-driven-interfaces/">запустила</a> Open Source-проект A2UI, призванный помочь разработчикам создавать «агентные пользовательские интерфейсы». Это новый шаг в уже ставшем регулярном цикле выпуска новых стандартов и протоколов для создания пользовательского интерфейса для ИИ-агентов и чат-ботов.</p> <p>Сначала появился MCP-UI, проект экосистемы Model Context Protocol (MCP), тесно связанный с Anthropic и используемый Shopify (среди прочих). Вскоре после этого OpenAI запустила Apps SDK, а также AgentKit и другие UI-инструменты. Затем, всего месяц назад, был анонсирован MCP Apps — предлагаемый открытый стандарт «для интерактивных пользовательских интерфейсов в MCP», который поддерживается как Anthropic, так и OpenAI.</p> <h3>Что такое A2UI? Кроссплатформенный подход, ориентированный на нативные решения</h3> <p>Итак, что же Google предлагает в A2UI такого, чего нет в множестве других проектов, использующих агентные интерфейсы? Компания заявляет, что «A2UI был разработан для решения конкретных задач, связанных с совместимыми, кроссплатформенными, генеративными или основанными на шаблонах ответами пользовательского интерфейса агентов».</p> <p>Термин «кроссплатформенный» — важная подсказка: это не веб-ориентированный подход, который в основном использовали MCP-UI и OpenAI, полагаясь на изолированные iframes. Вместо этого A2UI использует подход, который Минко Гечев из Google называет «ориентированным на нативные решения». Он описал его как «декларативный, а не исполняемый», добавив, что агенты ИИ «отправляют описание компонентов UI, а не код».</p> <p>В настоящее время A2UI имеет клиентские библиотеки для Flutter, Web Components и Angular. Но со временем, вероятно, охват будет расширен и на другие библиотеки. Идея заключается в том, чтобы агент заявлял, как должен выглядеть пользовательский интерфейс в принимающем приложении (например, чат-боте), а для его генерации будут использоваться нативные библиотеки. «A2UI отделяет структуру UI от его реализации. Агент отправляет описание дерева компонентов и связанной с ним модели данных. Ваше клиентское приложение отвечает за сопоставление этих абстрактных описаний со своими нативными виджетами — будь то веб-компоненты, виджеты Flutter, компоненты React, представления SwiftUI или что-то совершенно другое», — говорится в сообщении о запуске A2UI.</p> <p>Гечев также объяснил, что A2UI создан для потоковой передачи. «Используя формат на основе JSONL, A2UI обеспечивает прогрессивный ренедеринг, поэтому пользователи видят результаты мгновенно, как только агент „придумает“», — написал он.</p> <h3>Веб-ориентированная стратегия пользовательского интерфейса OpenAI</h3> <p>В новой области «агентной разработки» идет борьба за позиции. OpenAI, в частности, затронула множество направлений (вспомните шутку о шестипалых изображениях, сгенерированных ИИ). В настоящее время компания прилагает бóльшую часть усилий для превращения ChatGPT в платформу для приложений, где приложения будут представлять собой веб-виджеты, отображаемые в изолированных средах (обычно iframes). Только что OpenAI объявила, что разработчики теперь могут отправлять приложения в ChatGPT.</p> <p>Однако компания также недавно вышла на рынок веб-браузеров со своим Atlas. И вполне возможно, что в какой-то момент она еще займется бизнесом смартфонов — или каких-либо других аппаратных устройств. «У меня есть предчувствие, что способ, которым мы создаем приложения ChatGPT сегодня, разделяет некоторые основные идеи и структуру с потенциальной платформой для смартфонов, которую, по слухам, OpenAI собирается запустить в будущем», — рассказал Адам Ши, директор по инжинирингу компании TELUS Digital.</p> <p>Хотя OpenAI, похоже, пытается охватить все на свете, она сосредоточена на веб-технологиях в своем Apps SDK и (очевидно) в Atlas. Это отличает ее подход от Google, которая стремится к кроссплатформенному охвату с A2UI.</p> <h3>MCP Apps vs. A2UI: объяснение ключевых различий</h3> <p>Также стоит отметить, что OpenAI является участником проекта MCP Apps, который происходит как от проекта MCP-UI (созданного Идо Саломоном и Лиадом Йосефом, которые сейчас работают в Monday.com), так и от OpenAI Apps SDK. Компания Anthropic, породившая MCP, также активно участвует в этом проекте.</p> <p>Расширение MCP Apps Extension (SEP-1865), если приводить его полное название, было <a href="https://blog.modelcontextprotocol.io/posts/2025-11-21-mcp-apps/">запущено</a> в прошлом месяце в официальном блоге MCP. Его цель — «стандартизировать поддержку интерактивных пользовательских интерфейсов в Model Context Protocol».</p> <p>В настоящее время MCP Apps использует явно веб-ориентированный подход, применяя песочницу iframe, которую поддерживают как MCP-UI, так и Apps SDK. Как говорится в сообщении о запуске, «весь UI-контент выполняется в изолированных iframes с ограниченными правами доступа».</p> <p>В своем сообщении о запуске A2UI Google подчеркнула, что ее подход «native-first» отличается от подхода MCP Apps. «Вместо извлечения непрозрачной полезной нагрузки для отображения в песочнице, агент A2UI отправляет шаблон нативных компонентов», — пояснила компания. Ключевой момент здесь заключается в том, что «шаблон», отправленный через A2UI, может использоваться для генерации веб-кода, нативного мобильного UI или компонентов настольных приложений.</p> <h3>Развивающиеся фреймворки для разработки агентов</h3> <p>В этом году было выпущено множество различных компонентов, помогающих разработчикам создавать агентов или подключать свои приложения к агентам. Google упомянула об этом в своем сообщении о запуске A2UI, отметив, что помимо создания пользовательского интерфейса, «вы также можете использовать фреймворки AG UI, Vercel AI SDK, GenUI SDK для Flutter, который уже использует A2UI в качестве основы, для обработки „каналов“».</p> <p>Помимо обилия аббревиатур, иногда возникает путаница в том, кто что создает. Оказывается, AG UI (Agent-User Interaction) — это протокол взаимодействия от компании CopilotKit из Сиэтла, которая предоставляет инструменты для реализации AG UI. Теперь он также поддерживает A2UI.</p> <p>И это еще без упоминания протокола Agent2Agent (A2A) от Google, который работает на уровне координации между агентами, а не на уровне пользовательского интерфейса.</p> <p>Суть в том, что разработчикам придется разобраться во множестве различных технологий, прежде чем они поймут, как создавать и подключать агентов. Возможно, в 2026 г. все это станет яснее.</p> <p>Но, по крайней мере, для пользовательского интерфейса сейчас есть два довольно понятных подхода: создать мини-веб-приложение (подход, предпочитаемый OpenAI и Anthropic, и теперь поддерживаемый MCP Apps) или использовать нативно-ориентированный подход с A2UI от Google.</p> Сравнение новых стандартов для пользовательских интерфейсов агентов искусственного интеллекта обнаруживает ключевые различия … article