itWeek 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 itWeek https://www.itweek.ru Вышел Space VDI 6.3.0 https://www.itweek.ru/themes/detail.php?ID=235988 Fri, 20 Nov 2026 16:38:44 +0300 <p>Компания «ДАКОМ М» (бренд Space) выпустила Space VDI 6.3.0. В новой версии TLS-сертификаты можно обновлять централизованно в кластере, а специалисты техподдержки могут подключаться к сессии пользователя.</p> <p>В Space VDI 6.3.0 предусмотрена доступность платформы при смене ролей основного и резервного контроллеров SpaceVM (Master—Slave). Подключение к сессии пользователя для технической поддержки реализовано в Space Client 3.8.3 для Linux.</p> <p>В Space Dispatcher добавлено централизованное управление TLS-сертификатами в кластере через web-интерфейс. Также оптимизирована работа с SSL-сертификатами.</p> <p>Вместе с релизом опубликованы две статьи в формате «лучшие практики» по построению доменной инфраструктуры и настройке аутентификации виртуальных машин с Astra Linux SE в Active Directory. Первая описывает создание Active Directory с двухуровневой иерархией PKI, вторая — подготовку виртуальных машин с Astra Linux SE 1.8.4 и 1.8.6 ко входу в Active Directory по JaCarta.</p> <p>Из web-интерфейса Space Dispatcher теперь можно перезапускать основные службы физических машин с использованием Space Agent PC.</p> <p>«Новые возможности Space VDI 6.3.0 помогают сократить время на решение повседневных эксплуатационных задач. Централизованное управление сертификатами упрощает их обновление сразу в кластере, подключение к пользовательской сессии позволяет техническим специалистам быстрее разбираться с проблемами непосредственно на рабочем месте, а перезапуск служб физических машин из web-интерфейса избавляет от необходимости выполнять эти операции отдельно на каждой машине. В совокупности это снижает трудозатраты ИТ-служб и ускоряет обслуживание инфраструктуры виртуальных рабочих мест», — отметил Руслан Белов, директор по продукту Space VDI компании «ДАКОМ М».</p> <p>В состав релиза вошли Space Dispatcher 6.3.0, Space Client 3.8.3 для Linux и Space Agent VDI <nobr>2.8.0-190.</nobr> В web-интерфейсе Space Dispatcher статус репликации теперь отображается в окне с информацией о контроллере, а версии установленных компонентов Space Agent VDI — в окнах подробного просмотра виртуальных и физических машин. Space Agent VDI доступен на Astra Linux SE 1.8.6; его также можно устанавливать с локального сервера.</p> <p>Перед запуском расширения пула теперь проверяется доступность шаблона. Для пулов, виртуальных и физических машин, использующих протокол GLINT, добавлен выбор HID-драйвера: DRIVER или XTest. Модернизирована синхронизация открытых портов на шлюзе и их отображение в web-интерфейсе. Из web-интерфейса убрана возможность ручного назначения адресов подключения по протоколам к виртуальным машинам. Доступ к встроенной учётной записи администратора теперь можно восстановить через терминал.</p> <p>В Space Client 3.8.3 для Linux обновлены компоненты локального сервера обновлений и добавлен механизм уведомлений о релизах Space Client Live (PXE). В Space Agent VDI 2.8.0.190 добавлена валидация подключения компонента space-agent-pc. В лог-файле glint-server теперь фиксируется событие подключения модератора. Обновлены версии компонентов glint launcher, glint-server и space-agent-pc.</p> <p>Порядок обновления Space Dispatcher до версии 6.3.0 зависит от используемой платформы. Перед построением инфраструктуры и проведением обновления необходимо ознакомиться со статьёй «Особенности обновления Space Disp».</p> Компания «ДАКОМ М» (бренд Space) выпустила Space VDI 6.3.0. В новой версии TLS-сертификаты можно обновлять … message ИСИЭЗ НИУ ВШЭ: перспективы развития прорывных технологий в сфере ИКТ https://www.itweek.ru/themes/detail.php?ID=235987 Fri, 20 Nov 2026 13:55:01 +0300 <p>Институт статистических исследований и экономики знаний (ИСИЭЗ) НИУ ВШЭ проанализировал перспективы развития прорывных технологий в сфере ИКТ, сопоставив оценки экспертов из науки и бизнеса с текущей динамикой разработок в мире и России.</p> <p>Эмпирической базой для анализа послужили результаты экспертного опроса, проведенного ИСИЭЗ НИУ ВШЭ среди более 180 ведущих ученых и экспертов, чьи публикации входят в топ-20% наиболее цитируемых в Scopus. Респонденты определили для каждой технологии ключевой показатель технологической готовности и указали его текущее (на уровне мировых лидеров) и целевое значения. Также эксперты оценили уровень отечественных исследований и разработок в сравнении с мировым, сроки выхода на целевые значения в мире и России на горизонте до 2035 г. Перечень технологий для экспертной оценки сформирован с помощью системы интеллектуального анализа больших данных iFORA и валидирован в ходе серии глубинных интервью с ведущими учеными и отраслевыми специалистами. Рассмотренные технологии сгруппированы по пяти тематическим блокам: передача информации и сетевые технологии, квантовые технологии и новые методы вычислений, искусственный интеллект (ИИ), автономные системы и производственные технологии, цифровые технологии в медицине.</p> <p>Рост объемов данных и вычислительной нагрузки повышает требования к пропускной способности каналов связи и к снижению задержки передачи сигнала на всех уровнях: от соединений между микросхемами до магистральных линий. Одно из решений — полое оптоволокно, в котором свет проходит по заполненной воздухом сердцевине, благодаря чему задержка распространения сигнала примерно на 30% ниже, чем в стандартном кварцевом волокне, а нелинейные искажения слабее. Снижение затухания сигнала на длине волны 1550 нм с нынешних примерно 2 до целевых 0,1 дБ/км позволит использовать полое волокно на магистральных линиях и для связи между центрами обработки данных без увеличения числа усилителей.</p> <p>Для беспроводной связи 6G ключевыми показателями являются пиковая скорость передачи данных и задержка сигнала: первую предполагается увеличить с 20 Гбит/с до 1 Тбит/с, вторую — снизить с 4 до 1 мс. Первые спецификации 6G, разрабатываемые в рамках <nobr>21-го</nobr> релиза международного проекта 3GPP по стандартизации мобильной связи, должны появиться к концу 2028 г., а коммерческое развертывание ожидается к 2030 г. Стандарт предусматривает совмещение функций связи и зондирования: сеть сможет определять положение и движение объектов без отдельных датчиков. Это создает основу для беспроводного управления промышленными роботами и транспортом в реальном времени, создания цифровых двойников инфраструктуры и иммерсивных сервисов.</p> <p>По мере роста скорости передачи данных энергопотребление и тепловыделение электрических соединений между процессорами становятся ограничивающими факторами. Кремниевая фотоника позволяет разместить оптический приемопередатчик в одном корпусе с процессором. Это откроет путь к масштабированию вычислительных кластеров до сотен тысяч ускорителей без увеличения доли энергии, расходуемой на связь между ними. Для этого пропускная способность соединений между ресурсоемкими микросхемами должна вырасти с 12,8 до 60 Тбит/с; достижения целевого значения ожидают в мире к 2029 г. При этом энергозатраты на передачу данных кратно снизятся.</p> <p>Для задач, недоступных классическим вычислениям, предназначены высокопроизводительные квантовые процессоры, которые могут моделировать материалы и молекулы, в том числе лекарственные соединения, оптимизировать логистические и финансовые системы и проводить криптоанализ. Ключевой показатель технологической готовности — число физических кубитов, из которых с помощью коррекции ошибок формируют логические. Именно количество логических кубитов лучше отражает практические возможности системы и становится основным ориентиром в отраслевых дорожных картах. IBM планирует к 2029 г. ввести в эксплуатацию систему Starling с 200 логическими кубитами, способную выполнять около 100 млн операций.</p> <p>Еще одно направление квантовых вычислений — процессоры на основе спиновых кубитов в кремнии, для которых важен изотопный состав материала. Ядерные спины Si-29 ограничивают время когерентности, поэтому долю этого изотопа в кремнии предполагается снизить с 0,0002% до 0,00001% к 2033 г. В обогащенном кремнии-28 время когерентности достигает нескольких секунд. Россия обладает компетенциями в получении обогащенного кремния-28.</p> <p>Как ответ на угрозу перехвата и накопления данных для их последующей расшифровки на квантовом компьютере рассматривается квантовая криптография, которая обеспечивает защищенное распределение ключей шифрования на основе физических принципов: попытка перехвата меняет состояние передаваемых фотонов. Сейчас максимальная длина одного квантового канала составляет 421 км; к 2029 г. в мире рассчитывают достичь 2000 км, в России — к 2042 г. Это откроет возможность создавать магистрали континентального масштаба и соединять наземные и спутниковые сегменты. По оценкам экспертов, именно в квантовых коммуникациях российские разработки ближе всего к мировому уровню.</p> <p>Практическое применение квантовых устройств сдерживает необходимость охлаждения: вычислители на основе сверхпроводников работают примерно при 1 К, а материалы для сенсоров сохраняют сверхпроводящие свойства до 9,7 К. Приближение к комнатной температуре позволит отказаться от криостатов с жидким гелием и применять сенсоры вне лабораторий — например, для навигации без спутников, геологоразведки и медицинской диагностики. Выход на целевые значения ожидается в мире к <nobr>2039–2040 гг.</nobr></p> <p>Отдельный путь к энергоэффективным вычислениям — нейроморфные процессоры. Они совмещают хранение и обработку данных и реагируют на события, а не работают по тактам. Это делает их перспективными для автономных устройств — от беспилотников до промышленных датчиков. Пиковая производительность таких процессоров, по оценкам экспертов, вырастет с 48 до 1024 TOPS к 2034 г. в мире и к 2038 г. в России.</p> <p>Большие языковые модели помогают искать информацию, готовить документы и принимать решения. Однако в областях с высокой ценой ошибки, например в медицине, их применение сдерживает склонность моделей к правдоподобным, но ложным утверждениям. Решение проблемы зависит не только от наращивания вычислительных мощностей, но и от пересмотра метрик оценки моделей: текущие поощряют угадывание, а не признание неопределенности. Целевого уровня достоверности без галлюцинаций модели достигнут в мире к 2039 г., в России — к 2041 г. По оценкам экспертов, отечественные большие языковые модели входят в число направлений ИКТ, наиболее близких к мировому уровню. Разрабатываются и модели, которые учатся не только на тексте. Обучаясь на видео реального мира, мультимодальный ИИ формирует представление о движении и взаимодействии объектов. Эти «модели мира» нужны для робототехники, автономного транспорта и подготовки данных для обучения других систем. Достижение целевого значения показателя для таких моделей ожидается в мире к 2035 г.</p> <p>Еще один рубеж — автоматизация программирования. Системы уже позволяют задавать программу на естественном языке; ориентир — полная функциональная замена программиста при выполнении технического задания. Эксперты называют срок 2043 г., но ряд оценок указывают на возможность более быстрого прогресса: продолжительность задач, которые модели выполняют с вероятностью успеха 50%, удваивается примерно каждые семь месяцев. При сохранении этого темпа модели смогут выполнять задачи на месяц работы специалиста уже между концом 2028 г. и началом 2031 г. Наиболее дальний горизонт в этом блоке — появление ИИ, способного к самомодификации и самостоятельной оценке своей работы. Такие системы могут стать основой автономных исследовательских агентов; их появление ожидается к 2045 г.</p> <p>Аддитивные технологии все чаще применяют для серийного производства, однако скорость печати при сохранении точности остается ограничением: сейчас она составляет около 500 мм/с при точности 0,1 мм. Десятикратное ускорение (в мире его ожидают достичь к 2038 г., в России — к 2039 г.) сделает стоимость печатных изделий сопоставимой с литьем и механообработкой, сохранив преимущества аддитивного производства — отсутствие оснастки, свободу формы и изготовление по запросу.</p> <p>Для работы автономного транспорта в любых климатических условиях нужны всепогодные системы позиционирования и анализа пространства. Они объединяют данные лидаров, радаров и камер, сохраняя точность при дожде, снеге и тумане. Создание таких систем ожидается в мире к 2029 г. Внедрение позволит снизить аварийность и стоимость перевозок, а также организовать круглосуточную логистику.</p> <p>Сделать роботизацию доступнее для мелкосерийного производства могут коботы (коллаборативные роботы), которые работают рядом с человеком без защитных ограждений и быстро переналаживаются на новые операции. Ключевым показателем для этого направления выбрано создание полностью автоматизированных производственных линий в станкостроении (ожидается в мире к 2036 г.). Их внедрение позволит сократить производственный цикл, снизить потребность в персонале на монотонных операциях и обеспечить стабильное качество изделий.</p> <p>Диагностические системы на основе ИИ анализируют медицинские изображения, лабораторные и генетические данные, анамнез и помогают выявлять болезни до появления симптомов. Это особенно важно в онкологии: раннее выявление повышает эффективность лечения и снижает его стоимость. Целевые показатели заданы на примере рака легких: в мире к 2031 г. точность его обнаружения на ранних стадиях должна вырасти с 65 до 98%, а точность диагностики на первой стадии — превысить 90%. В России достижения этих уровней ожидают к 2038 и 2042 гг. соответственно.</p> <p>Проверить действие и сочетание препаратов до их назначения, выявить побочные эффекты позволит цифровой двойник пациента, который будет учитывать биохимические, генетические, физиологические и прочие параметры. С его созданием (ожидается в мире к 2038 г.) существенно сократятся испытания на животных и добровольцах.</p> <p>Хирургическая робототехника развивается от дистанционного управления к автономному выполнению отдельных этапов операций — прежде всего трудоемких и предсказуемых процедур: наложения швов, соединения сосудов, восстановления тканей. Регулярное проведение полностью автономных микрохирургических операций ожидается в мире к 2040 г.; это позволит повысить точность, сократить длительность вмешательств и расширить доступ к сложной хирургии в регионах без профильных специалистов.</p> <p>К середине столетия разработка лекарства до начала клинических испытаний может сократиться с пяти лет до трех месяцев — это наиболее отдаленный горизонт в обзоре. ИИ сокращает доклиническую стадию, но не сроки клинических испытаний и регуляторных процедур. Удешевление разработки может сделать экономически оправданным создание препаратов для редких заболеваний и персонализированной терапии.</p> <p>По оценкам экспертов, в мире большинство описанных технологий достигнет целевых значений до 2040 г. Более отдаленный горизонт связывают с полной автоматизацией программирования, появлением ИИ, способного к самомодификации, и сокращением сроков разработки лекарств с помощью ИИ. Отечественные разработки, по оценкам респондентов, наиболее близки к мировому уровню в квантовых коммуникациях, больших языковых моделях, интеллектуальной диагностике и аддитивных технологиях. Эти направления составляют основу для формирования собственных технологических решений.</p> Институт статистических исследований и экономики знаний (ИСИЭЗ) НИУ ВШЭ проанализировал перспективы развития прорывных … message Aladdin LiveTSM обеспечивает доверенную загрузку ОС Linux, Windows для оборудования на базе процессоров x86-64 с UEFI https://www.itweek.ru/themes/detail.php?ID=235986 Fri, 20 Nov 2026 13:50:58 +0300 <p>Компания «Аладдин» объявила о выводе на рынок Aladdin LiveTSM — средства доверенной загрузки для рабочих станций, серверов и КИИ, которое гарантирует запуск только доверенной операционной системы, исключая подмену загрузчика и ядра. Решение не требует модификации прошивки платформы, что снижает риски внедрения и позволяет сохранить штатные процедуры технического обслуживания. Aladdin LiveTSM сертифицировано ФСТЭК России (№ 5124) по 4 уровню доверия (УД4).</p> <p>Для доверенного запуска Aladdin LiveTSM использует механизм UEFI Secure Boot с настройкой ключей в режиме Custom. Модуль последовательно проверяет собственное состояние, пользователя, аппаратный профиль платформы и заданные объекты загрузки — и только после успешных проверок передаёт управление разрешённой ОС. При нарушении политики загрузка блокируется, а событие регистрируется в журнале. Благодаря реализованному контролю целостности на предзагрузочном уровне Aladdin LiveTSM помогает реализовать меры защиты до запуска ОС в системах с высокими требованиями: ГИС и АСУ ТП <nobr>1-ого</nobr> класса защищённости, ИСПДн <nobr>1-ого</nobr> уровня защищённости и в значимых объектах КИИ <nobr>1-ой</nobr> категории значимости.</p> <p>Для загрузки ОС Windows 10/11 Aladdin LiveTSM передает управление непосредственно на оригинальный загрузчик ОС, после проверки его целостности.</p> <p>Для загрузки Linux-систем предусмотрены два режима. При прямой загрузке Aladdin LiveTSM проверяет ядро, начальную файловую систему и параметры командной строки, после чего передаёт управление ядру. Поддерживается загрузка Unified Kernel Image — единого образа, объединяющего взаимосвязанные компоненты загрузки Linux. Это сокращает доверенную цепочку загрузки и упрощает контроль загрузочной конфигурации.</p> <p>При выборе режима максимальной совместимости Aladdin LiveTSM проверяет штатный загрузчик ОС и передаёт ему управление. Дальнейший путь загрузки определяется конфигурацией загрузчика, что позволяет сохранить стандартные механизмы установки, обновления и восстановления ОС.</p> <p>Все модели Aladdin LiveTSM используют интерфейс USB. Выбор модели зависит от режима загрузки и способа установки.</p> <ul> <li>TSMX-T110 — для межсетевых экранов, серверов, банкоматов и другого специализированного оборудования, которое работает без локального пользователя. Модуль устанавливается внутри корпуса и обеспечивает автоматическую загрузку;</li> <li>TSMX-E110 — встраиваемый модуль для стационарных рабочих станций, где при загрузке требуется аутентификация пользователя;</li> <li>TSMX-C110 — внешнее устройство в корпусе JaCarta XL для ноутбуков, мобильных рабочих мест и настольных ПК. Подключается к внешнему порту USB Type-A и обеспечивает загрузку с аутентификацией пользователя. Может использоваться совместно со средствами защиты данных.</li> </ul> <p>Для TSMX-T110 и TSMX-E110 предусмотрены два варианта внутренней установки. Модуль в корпусе JaCarta XL подключается через переходник к внутреннему разъёму USB на материнской плате. Плата M.2 2230 с ключами A+E устанавливается в совместимый разъём M.2 с поддержкой USB 2.0.</p> <p>Совместимость Aladdin LiveTSM подтверждена с операционными системами Astra Linux 1.8, РЕД ОС 8, Альт 8 СП, РОСА «Хром», а также Windows 10 и 11. В дальнейшем перечень совместимых ОС и аппаратных платформ будет расширен.</p> <p>«Aladdin LiveTSM адресован двум ключевым группам заказчиков. Производители компьютерного оборудования, многофункциональных межсетевых экранов и специализированных платформ получают сертифицированное средство доверенной загрузки, не требующее модификации прошивки защищаемой платформы. ИТ- и ИБ-подразделения организаций могут использовать Aladdin LiveTSM для дооснащения парка рабочих станций и серверов, чтобы привести его в соответствие с нормами информационной безопасности и подготовиться к аттестации. Производителям это сокращает объём доработок платформы и сроки вывода совместимого решения, а конечным заказчикам — упрощает дооснащение существующей инфраструктуры», — отметил Игорь Светоч, руководитель отдела развития доверенной платформы, «Аладдин».</p> Компания «Аладдин» объявила о выводе на рынок Aladdin LiveTSM — средства доверенной загрузки для рабочих станций … message Почему замена сотрудников ИИ не приносит ожидаемой отдачи: пять ловушек и как их обойти https://www.itweek.ru/themes/detail.php?ID=235984 Fri, 20 Nov 2026 10:14:15 +0300 <p><em>Организации возлагают на ИИ большие надежды, особенно когда речь идет о сокращении затрат на персонал. Однако разрыв между ожиданиями от инвестиций и реальной отдачей остается существенным. Рассмотрим пять ключевых причин, почему стратегия «заменить человека ИИ» буксует, и что помогает этого избежать.</em></p> <h3>Ловушка 1. ИИ заменяет задачи, а не должности — и порождает новую работу</h3> <p>Распространенное заблуждение — думать, что ИИ целиком ликвидирует роли. На практике он автоматизирует отдельные задачи, но при этом генерирует новый объем работы, которая по-прежнему требует человеческого надзора, суждений и координации.</p> <p>Этот тезис наглядно подтверждает кейс Klarna. Финтех-компания приостановила наем, сократила штат с 5500 до 3400 человек и заявила, что ИИ-чат-бот выполняет работу 700 операторов поддержки. Однако уже через полгода удовлетворенность клиентов резко упала, а качество обслуживания стало нестабильным. Компании пришлось просить инженеров, дизайнеров и маркетологов помогать отвечать на запросы клиентов. В итоге Klarna перешла к гибридной модели: ИИ обрабатывает простые запросы, а люди — сложные случаи, требующие эмпатии и суждений. Для банков и финансовых компаний этот разрыв особенно ощутим.</p> <h3>Ловушка 2. ИИ «прикручивают» к старым процессам без сквозного редизайна</h3> <p>Автоматизация отдельных задач в вакууме порождает «скорость без ценности»: активности становится больше, но затраты, качество и бизнес-результаты не улучшаются.</p> <p>Показательный пример — Ford. Компания была вынуждена вернуть около 350 опытных инженеров, часть из которых — бывшие сотрудники, после того как ИИ-системы не оправдали ожиданий. Компания ошибочно полагала, будто ИИ, усваивающий проектные требования, автоматически обеспечит высокое качество продукта. Но без перепроектирования инженерных процессов и сохранения экспертизы технология не дала ожидаемого эффекта.</p> <h3>Ловушка 3. Поспешные сокращения ради «финансирования ИИ» ведут к дорогому повторному найму</h3> <p>Компании режут штат, чтобы оплатить амбиции в сфере ИИ, еще до того, как технология созреет для отдачи. История Ford — прямое подтверждение этого риска: возврат 350 инженеров означает не только прямые затраты на повторный наем, может занять <nobr>6-12</nobr> месяцев и стоить в <nobr>1,5-2</nobr> раза дороже первоначальной зарплаты, но и потерю времени и компетенций. К этому прибавляется репутационный ущерб для оставшихся сотрудников и привлекательности для внешних кандидатов.</p> <h3>Ловушка 4. Разрыв внедрения: технология развернута ≠ поведение изменилось</h3> <p>В банках это выглядит так: кредитные инспекторы или комплаенс-аналитики продолжают обходить ИИ-системы, вручную вводя данные, или возвращаются к старым процессам в пиковые нагрузки. Корни проблемы — общее разовое обучение, противоречивые сигналы от руководства и отсутствие психологической безопасности для экспериментов.</p> <p>Контрастом служит подход CommBank, который с 2015 года использует машинное обучение через собственную систему Customer Engagement Engine. В первом полугодии <nobr>2026-го</nobr> он сократил потери клиентов от мошенничества более чем на 20% по сравнению с аналогичным периодом прошлого года.</p> <h3>Ловушка 5. Операционные и управленческие пробелы ограничивают практический эффект</h3> <p>Даже зрелые внедрения ИИ тормозят:</p> <ul> <li> проблемы качества данных и интеграции с устаревшими системами;</li> <li> слабые модели управления и размытая ответственность за решения «человек-ИИ» (риск неконтролируемого теневого AI);</li> <li> неспособность непрерывно перепроектировать процессы по мере развития возможностей ИИ.</li> </ul> <p>Организации, не встроившие корпоративную регламентацию с самого начала, в итоге несут дорогие и разрушительные расходы на ретроспективный комплаенс.</p> <p>Так, Klarna слишком быстро масштабировала ИИ в поддержке, не выстроив процессы эскалации сложных случаев к людям и не обеспечив должный контроль качества. В Ford автоматизация без обучения моделей на экспертизе самых опытных инженеров привела к необходимости возвращать этих специалистов. А CommBank, напротив, не гонится за сокращением штата, а использует ИИ там, где он дает измеримый эффект, и параллельно инвестирует в доверие и обучение.</p> <h3>Путь вперед: от замены к редизайну</h3> <p>Организации, которые реально получают отдачу от ИИ, фокусируются не на простой замене задач, а на непрерывном, динамичном редизайне работы. Это означает:</p> <ul> <li> Интегрировать три элемента — цели создания ценности, редизайн рабочих процессов и кадровые решения — как единую систему, а не оптимизировать их по отдельности.</li> <li> Измерять соотношение затрат «ИИ к труду», чтобы понимать эволюционирующую смесь работы между алгоритмами и людьми, вместо одержимости сокращением штата.</li> <li> Планировать трансформацию персонала на <nobr>18-36 месяцев,</nobr> а не на кварталы: балансировать меньшее число линейных сотрудников с новыми ролями и реинвестированием в развитие компетенций.</li> <li> Стимулировать психологическую безопасность и ролевую ИИ-грамотность для устойчивого внедрения, а не просто формального согласия.</li> <li> Заключать контракты с вендорами на результаты внедрения, а не на этапы поставки, чтобы закрыть разрыв между развернутой технологией и реальной ценностью.</li> </ul> <p>Для ИТ-директора это переводится в конкретное действие: строить трехлетнюю дорожную карту, объединяющую ИИ, редизайн процессов и трансформацию персонала, а не <nobr>90-дневный</nobr> мандат на сокращение затрат. Такой подход требует большей дисциплины на старте, но приносит предсказуемую и устойчивую отдачу.</p> <p>#IMAGE_235985#</p> Организации возлагают на ИИ большие надежды, особенно когда речь идет о сокращении затрат на персонал. Однако … article Саян Доржиев, эксперт по корпоративным технологиям, ИИ и стратегической трансформации бизнеса (ex-Gartner) Сбои ИИ угрожают управлению инцидентами: четыре способа их избежать https://www.itweek.ru/themes/detail.php?ID=235983 Fri, 20 Nov 2026 10:06:10 +0300 <p><em>Автономный искусственный интеллект вносит новые режимы сбоев в цифровые операции. Жоао Фрейтас, директор по ИИ компании PagerDuty, рассказывает на портале </em><em>The</em> <em>New</em> <em>Stack</em> <em>о четырех способах внедрения защитных механизмов, мониторинга агентов и укрепления доверия.</em></p> <p>ИИ все больше вплетается в ткань цифровых операций и управления инцидентами. С одной стороны, ИИ может быстрее обнаруживать, сортировать и устранять инциденты, улучшать координацию между командами, предотвращать повторные инциденты и способствовать перепроектированию процессов. В некоторых организациях ИИ уже выходит за рамки помощи командам и действует от их имени, поскольку агенты прокладывают путь для автономных цифровых операций.</p> <p>С другой стороны, бóльшая автономность также влечет за собой больший риск. В отличие от традиционных программных систем, инструменты управления инцидентами и агенты на основе ИИ дают сбои, к которым традиционные команды ITOps и DevOps не привыкли — они менее предсказуемы и их сложнее обнаружить. У ИИ есть специфические режимы сбоев, включая галлюцинации, проблемы с обоснованностью, дрейф модели, нарушения защитных механизмов или неправильный выбор инструмента. Когда происходят подобные инциденты, часто не бывает масштабных сбоев, способных вызвать тревогу. Вместо этого ошибки распространяются по всем сервисам, приводя к серьезным проблемам, особенно в мультиагентных системах.</p> <p>Хорошая новость заключается в том, что организации могут снизить эти риски, сосредоточившись на четырех ключевых областях.</p> <h3>1. Внедрение защитных механизмов</h3> <p>В разных организациях нет одинакового уровня зрелости в отношении интеграции ИИ. Некоторые находятся на этапе начального внедрения и экспериментирования, в то время как другие создают сверхсложные рабочие процессы с целыми сетями специализированных агентов. Чем больше автономии у агента, тем дальше может распространиться одно неверное решение, прежде чем кто-либо это заметит.</p> <p>В условиях расширения использования ИИ в организациях необходимы защитные механизмы для обеспечения соблюдения политики и ограничения рисков. Это включает в себя внедрение средств контроля, гарантирующих, что агенты остановятся, сообщат о проблеме или передадут управление человеку, когда начнут отклоняться от запланированного поведения. Тогда команды ИТ-операций и инженеров смогут вмешаться до того, как небольшие проблемы превратятся в серьезные. Эти средства контроля должны сдерживать риски, не создавая ненужных препятствий для инженерных команд.</p> <h3>2. Использование агентов ИИ для мониторинга и реагирования</h3> <p>По мере того, как организации развертывают все большее число агентов, мониторинг их поведения становится слишком сложным для одних только людей. Это создает потребность в новом уровне контроля в виде агентов, предназначенных для мониторинга других систем ИИ. Оценивая сигналы, генерируемые системами ИИ, агенты мониторинга могут выявлять аномальное поведение и определять, когда проблему необходимо передать специалисту по реагированию. В агентных системах этим специалистом по реагированию может быть не человек-оператор, а другой агент ИИ, предназначенный для смягчения последствий инцидентов. Почти 70% инцидентов связаны с изменениями, поэтому когда ИИ вносит изменения со скоростью машины, организациям необходимо реагировать с той же скоростью.</p> <p>Рассмотрим агент Site Reliability Engineering (SRE), предназначенный для расследования сразу после обнаружения системной аномалии. К тому времени, как дежурный инженер получит уведомление, агент SRE уже может проводить расследование, сортировку и диагностику. Подключение агента к коду, телеметрии, инфраструктуре и инструментам для совместной работы делает эти расследования более точными. В случае повторного инцидента агент также может запустить предварительно утвержденные рабочие процессы по устранению неполадок. Это открывает путь к управлению инцидентами с помощью ИИ и, в конечном итоге, к самовосстанавливающимся агентным системам.</p> <h3>3. Определение метрик</h3> <p>Чтобы понять, работают ли агенты так, как задумано, инженерным группам необходимы эффективные способы измерения производительности. Релевантность каждой метрики будет зависеть от агента ИИ и связанной с ним работы. Однако в целом важными метриками являются успешность выполнения задачи (выполнил ли агент то, что должен был сделать?), обоснованность (подтверждаются ли ответы агента предоставленной ему информацией или он галлюцинирует), задержка, выбор инструмента, частота тайм-аутов, частота ошибок, частота повторных попыток, эффективность шагов, стоимость, нарушения безопасности и этики, частота эскалации с привлечением человека и многие другие. Один из вариантов оценки производительности агентов ИИ — создание эталонного набора вариантов ожидаемого поведения (например, набора вопросов и ответов) и обеспечение того, чтобы агент работал так, как задумано, в случаях, охватываемых эталонным набором.</p> <h3>4. Внедрение постоянной оценки</h3> <p>Производительность агентов не является фиксированной. Поведение может меняться при обновлении модели, лежащей в основе агента, и может дрейфовать даже при сохранении работоспособности базовой инфраструктуры. Любое снижение производительности следует рассматривать как операционную проблему, и оповещения должны направляться в соответствующую команду до того, как проблема перерастет в эскалацию.</p> <p>Оценка должна проводиться в два этапа: выявление проблем в режиме, близком к реальному времени, и анализ поведения агентов постфактум. Анализ инцидентов после их возникновения рассматривает не только то, что пошло не так, но и то, как агенты вели себя в ответ. Правильно ли они эскалировали проблему? Были ли выбраны правильные инструменты? Требовалось ли вмешательство человека, когда оно было необходимо? По мере того, как системы становятся все более автономными, оценка агентов должна стать постоянной дисциплиной.</p> <h3>Начните с малого</h3> <p>ИИ способен кардинально изменить процесс управления инцидентами, однако организации смогут воспользоваться этим потенциалом лишь тогда, когда научатся доверять своим ИИ-агентам. Формирование такого доверия стоит начать с задач с низким уровнем риска — например, с первичной сортировки и диагностики, — постепенно расширяя автоматизацию на другие этапы жизненного цикла инцидента.</p> <p>Доверие также укрепляется благодаря внедрению надлежащих механизмов контроля, мониторинга и оценки. И хотя при разрешении сложных инцидентов участие человека останется необходимым, долгосрочная перспектива очевидна: инженеры и ИИ-агенты будут всё чаще работать сообща для устранения возникающих проблем.</p> Автономный искусственный интеллект вносит новые режимы сбоев в цифровые операции. Жоао Фрейтас, директор по ИИ компании … article ИБ как управленческая ответственность: что должен знать заместитель руководителя, отвечающий за защиту https://www.itweek.ru/themes/detail.php?ID=235981 Fri, 20 Nov 2026 09:57:36 +0300 <p><em>Подрядчику открывают доступ к кадровой базе, на предприятии внедряют искусственный интеллект в технологический процесс. За каждым таким решением стоят вопросы, выходящие за рамки технической настройки: кто отвечает за данные, как изменения повлияют на работу подразделений и какие риски готова принять организация? Здесь информационная безопасность становится частью управленческой повестки.</em> <em>Р</em><em>азб</em><em>ерем</em><em>, какую роль играет заместитель руководителя по ИБ, и где проходит граница его ответственности и ответственности первого лица.</em></p> <h3>ИБ не заканчивается на ИТ-инфраструктуре</h3> <p>На практике задачи информационной безопасности часто возлагают на ИТ-службу. Это объяснимо: ее специалисты отвечают за инфраструктуру, обеспечивают работу систем, устанавливают средства защиты, проводят проверки и участвуют в реагировании на инциденты. Вместе с тем решения в этой области затрагивают доступ к данным, работу подразделений и технологические процессы. При их принятии приходится учитывать не только технические требования, но и риски для организации в целом, а также последствия изменений для разных подразделений.</p> <p>Эту работу координирует заместитель руководителя по ИБ. Он оценивает риски для критичных систем и процессов, разбирается в технических аспектах защиты и понимает, как выбранные решения влияют на деятельность организации. Это помогает определить, где требуется усилить защиту, какие изменения нужны и на что направить ресурсы.</p> <p>У заместителя по ИБ есть своя зона ответственности и в коммуникации с первым лицом. Руководитель организации отвечает за ее деятельность в целом и принимает решения, связанные с существенными рисками и распределением ресурсов. Заместитель оценивает ситуацию, объясняет возможные последствия и предлагает меры. Например, невыполнение требований ИБ грозит нарушением законодательства. В других случаях приходится искать баланс между безопасностью и потребностями подразделений. Если риск сохраняется, руководитель организации решает, готова ли организация его принять или целесообразно выделить ресурсы на его снижение.</p> <p>Для такой работы заместителю нужны не только знания, но и реальные полномочия. Их закрепляют официально: определяют, какие указания он вправе давать в пределах своей компетенции и какие вопросы выносить на уровень первого лица. Иначе взаимодействие с подразделениями во многом зависит от личных договоренностей. У каждого свои задачи и сроки, и требования ИБ рискуют отойти на второй план.</p> <p>Это особенно заметно, когда меры безопасности затрагивают повседневную работу сотрудников. Например, подрядчику требуется доступ к кадровой базе. Одного согласования со стороны ИТ и службы ИБ здесь недостаточно: владелец данных и кадровая служба участвуют в обсуждении, понимают цель предоставления доступа и связанные с ним последствия. Похожая ситуация возникает при внедрении искусственного интеллекта в технологический процесс предприятия. Если меняется порядок доступа к данным, содержащим коммерческую тайну, владелец процесса подключается к обсуждению требований безопасности. Так он понимает, какие ограничения вводятся и как они отражаются на работе подразделения.</p> <h3>Технических знаний недостаточно: что еще нужно руководителю по ИБ</h3> <p>Заместителю руководителя по ИБ нужна техническая подготовка: она помогает разбираться в работе средств защиты, оценивать предложения специалистов и понимать последствия принимаемых решений. При этом его работа не сводится к настройке оборудования или выполнению задач профильных сотрудников, значительная часть его функций связана с организацией работы команды и оценкой ее результатов.</p> <p>Одна из основных компетенций — умение работать с рисками. Для этого нужно представлять, какие потери понесет организация, если произойдет то или иное событие, и какие меры помогут снизить вероятность такого события или его последствия. При оценке учитываются не только технические обстоятельства, но и экономика, особенности деятельности организации, человеческий фактор.</p> <p>Не менее полезно разбираться в законодательстве и нормативных требованиях. Заместителю важно понимать, что именно предписывают нормативные документы и как организация выполняет эти требования. В этой работе можно опираться на юридических консультантов, сохраняя за собой понимание специфики информационной безопасности и ее влияния на управленческие решения.</p> <p>Еще одна важная компетенция — управление людьми, особенно во время кризиса. При инциденте не всегда есть время на долгие обсуждения. Нужно быстро оценить ситуацию, принять решение, распределить задачи и организовать работу команды, в которой каждый участник понимает свою роль и отвечает за конкретный результат.</p> <h3>Как понять реальное состояние ИБ, а не отчетов о ней</h3> <p>При смене руководителя или назначении нового заместителя по ИБ одна из первых задач — разобраться в состоянии защиты организации. Какие системы и процессы наиболее важны? Насколько они защищены? Что уже сделано и где остаются проблемы? Хорошей отправной точкой становится независимый аудит. Он позволяет получить внешнюю оценку, не опираясь только на отчеты сотрудников или информацию, которую передают при смене руководства. Проверка показывает недостатки системы защиты и помогает определить, что требует исправления.</p> <p>Работу стоит начать с инвентаризации: определить, какие процессы наиболее критичны для организации и остановка каких из них сильнее всего повлияет на ее деятельность. Затем к оценке подключают специалистов смежных подразделений, чтобы проверить, все ли учтено и не упущены ли важные зависимости. Для оценки критичности систем используют стандартные методики, в том числе подходы, которые применяются при категорировании.</p> <p>Провести аудит удается не всегда: это требует времени и денег, а внутри организации могут возникнуть возражения. В таком случае рабочей альтернативой становятся группы с участием сотрудников разных подразделений. Вместе они разбирают основные процессы, определяют задействованные в них системы и оценивают последствия возможных сбоев.</p> <h3>Какие риски нельзя откладывать</h3> <p>После оценки состояния защиты становится понятнее, какие проблемы требуют первоочередного внимания. Для государственных организаций и субъектов критической информационной инфраструктуры один из главных ориентиров — требования регуляторов. Заместителю по ИБ не обязательно разбираться в каждом техническом требовании. Ему важно понимать, какие меры предстоит реализовать, в какие сроки и к каким последствиям приведет их невыполнение.</p> <p>Требования различаются по срочности. Одни предполагают безотлагательное исполнение и требуют особого внимания руководства. Другие можно реализовать в установленный срок, контролируя ход работ. Есть и рекомендательные меры: решение об их внедрении принимают с учетом потребностей организации и рисков, связанных с отказом от рекомендаций.</p> <p>Сам перечень требований стоит перевести в конкретную задачу: определить срок, ожидаемый результат и показатели выполнения, указать систему, объект или процесс, к которому относится мера, назначить ответственного. Формулировка «обеспечить выполнение требований безопасности» не объясняет исполнителю, что именно нужно сделать. Конкретная постановка задач помогает отслеживать ход работ, замечать задержки и понимать, где понадобятся дополнительные ресурсы.</p> <p>На практике служба ИБ нередко предлагает сразу несколько проектов, а денег, специалистов и времени на все не хватает. Заместителю руководителя приходится объяснять, какие меры требуют первоочередного внимания, а какие можно реализовать позже. При расстановке приоритетов учитывают требования законодательства, возможные риски и уже произошедшие инциденты.</p> <p>Невыполнение обязательных требований грозит лишением лицензии или значительным штрафом. Такие задачи обычно выходят на первый план. Однако не все существенные риски связаны с прямыми требованиями законодательства. Отказ от конкретной меры тоже оборачивается потерями для организации. В этом случае заместитель по ИБ оценивает риск, объясняет возможные последствия и предлагает способы его снизить.</p> <p>Решение о том, принять риск или выделить ресурсы на его снижение, остается за руководителем организации. Заместитель готовит для этого необходимую информацию и обосновывает предлагаемые меры. При выборе приоритетов учитывают и опыт уже произошедших инцидентов — как в самой организации, так и в других. Например, если в другой организации из-за отсутствия резервных копий восстановление после инцидента заняло месяц, это повод пересмотреть приоритетность резервного копирования у себя.</p> <h3>Почему количество проверок не показывает уровень защиты</h3> <p>Даже хорошо сформулированная задача не всегда выполняется в срок. Работа службы ИБ часто зависит от других подразделений, и эти связи приходится учитывать заранее. Например, заместитель поручает развернуть систему контроля действий пользователей, но сервер, на котором она должна работать, появится только через год. Служба ИБ со своей стороны выполняет необходимые действия, однако завершить проект раньше не получится: сроки зависят от ИТ-подразделения.</p> <p>При планировании стоит заранее выяснить, что потребуется для выполнения задачи, кто участвует в работе и укладываются ли сроки смежных подразделений в общий график. Зависимость результата от изменений в ИТ-инфраструктуре, технологических процессах или работе с данными лучше учитывать с самого начала. Это помогает разобраться и в причинах задержек: связаны ли они с работой службы ИБ или с тем, что другие подразделения не обеспечили необходимые условия.</p> <p>Отдельный вопрос — оценка результатов работы службы ИБ. Отчетность показывает, сколько мероприятий проведено, однако руководителю нужно видеть и изменения в защищенности основных процессов организации. Набор показателей зависит от специфики деятельности и ключевых процессов. Для каждой меры защиты заранее определяют признаки, по которым можно оценить ее эффективность.</p> <p>Например, если организация повышает осведомленность сотрудников, можно отслеживать, какая доля работников прошла обучение и участвовала в киберучениях. Такие показатели используют и для оценки анализа защищенности, тестирования на проникновение, приемки мер защиты и развертывания средств информационной безопасности. Они отражают ход работы, а для оценки ее результата нужно понимать, какие риски для организации удалось снизить.</p> <p>Показатели различаются и по отраслям. Для банка это время простоя, скорость реагирования и восстановления, ущерб от остановки конкретных операций. Для технологического предприятия — непрерывность производственных процессов, продолжительность простоя и его последствия для смежных участков. Для субъекта КИИ — сроки реагирования, оповещения и выполнения операций, предусмотренных требованиями в области информационной безопасности. Для телеком-оператора одним из показателей становится корректность работы биллинга и фиксации состояния оказываемых услуг.</p> <h3>Когда инцидент должен дойти до первого лица</h3> <p>Во время инцидента быстро становится понятно, насколько в организации налажено взаимодействие между подразделениями, и кто за что отвечает. Если порядок действий не определен заранее, сотрудники тратят время на согласование: кто координирует реагирование, кого нужно уведомить, кто принимает решения о дальнейших действиях, поэтому распределение ролей и полномочий лучше продумать до того, как произойдет серьезное происшествие.</p> <p>Обычно проблему замечает служба ИБ, ИТ- или технологическое подразделение, владелец бизнес-процесса или команда мониторинга. Тот, кто первым обнаружил угрозу, сообщает о ней в установленном порядке. Дальнейшие действия координирует руководитель группы реагирования — им может быть заместитель руководителя по ИБ или начальник профильной службы. Он организует работу участников и следит за тем, чтобы меры принимались согласованно.</p> <p>Для распространенных типов инцидентов заранее разрабатывают сценарии. В них фиксируют, как определить масштаб происшествия, какие меры принять для его локализации, кого подключить и кому направить информацию. Обычно такую работу ведет служба ИБ или подразделение мониторинга и реагирования. Руководителю важно убедиться, что сценарии согласованы с теми, кто будет в них участвовать, и учитывают реальные процессы организации.</p> <p>Отдельный порядок нужен для ситуаций, когда характер происшествия пока неясен. Не всегда удается сразу определить, что именно произошло и какие системы затронуты. В таких случаях реагирование не откладывают до завершения расследования: сначала принимают меры, позволяющие сдержать развитие инцидента и ограничить возможный ущерб, а затем уточняют его причины и масштаб.</p> <p>Заранее распределяют и задачи, которые выходят за рамки технического реагирования. Например, PR-служба должна понимать, какую информацию и в каких случаях можно передавать внешним аудиториям. Отдельно закрепляют порядок уведомления регуляторов, в том числе НКЦКИ, других контролирующих организаций, если такое уведомление требуется. В регламенте указывают, кто готовит и направляет информацию, в какие сроки и кто подписывает документы. Эти договоренности стоит проверять на тренировках: формально описанный порядок еще не означает, что все участники смогут применить его в реальной ситуации.</p> <p>Также нужно определить, при каких обстоятельствах к реагированию подключается первое лицо. Один из критериев — масштаб последствий, например, инцидент угрожает остановкой работы регионального подразделения банка и требует ограничить операции в другом подразделении. Решение такого уровня выходит за пределы полномочий профильной команды. Другой критерий — объем ресурсов, необходимых для восстановления. Если для этого приходится существенно перераспределять ресурсы организации, вопрос также переходит на уровень руководителя.</p> <h3>Вывод</h3> <p>Информационная безопасность становится частью общего управления организацией, когда решения по защите учитывают реальные бизнес-процессы, риски и возможные последствия для деятельности. Заместитель руководителя по ИБ связывает техническую экспертизу с задачами подразделений, помогает расставлять приоритеты и координирует работу профильных команд. Первое лицо, в свою очередь, принимает решения по существенным рискам и распределению ресурсов. Четкое разграничение этих ролей позволяет выстроить систему, в которой безопасность не ограничивается выполнением требований и отчетностью, а действительно поддерживает устойчивую работу организации.</p> <p>#IMAGE_235982#</p> Подрядчику открывают доступ к кадровой базе, на предприятии внедряют искусственный интеллект в технологический … article Вячеслав Золотарев, преподаватель программы Secure MBA CISO Академии АйТи В конкурсе STAQ на лучший сценарий автоматизации приняли участие представители разных профессий https://www.itweek.ru/themes/detail.php?ID=235979 Thu, 19 Nov 2026 16:15:56 +0300 <p>С 15 октября по 15 ноября 2026 года компания STAQ принимала работы на всероссийский конкурс сценариев «Автоматизация на каждый день». Команда организовала конкурс, чтобы показать, как автоматизация помогает экономить время и сокращать число ошибок в работе и повседневной жизни.</p> <p>Конкурс был рассчитан на менеджеров, ИТ-специалистов, предпринимателей и других деловых людей. Участникам предложили описать знакомую задачу и придумать, как ее автоматизировать. В заявке нужно было указать, что запускает процесс, какие действия выполняются автоматически и какой результат это даст. Для участия было достаточно описания сценария.</p> <p>Свои работы прислали участники из Москвы, Санкт-Петербурга и других регионов России. Среди авторов — технические специалисты, предприниматели и представители других профессий.</p> <p>Жюри выберет четырех победителей с учетом практической пользы предложенных сценариев. Итоги конкурса объявят 25 ноября 2026 года. Авторы трех лучших работ получат подписку на тариф «Про» на 12, 6 и 3 месяца соответственно и смогут реализовать свои сценарии вместе с командой STAQ. За четвертое место предусмотрен подарочный сертификат.</p> <p>По данным STAQ, 65% работ были посвящены автоматизации бизнес-процессов, а 35% — повседневным задачам. В сценариях для бизнеса участники предлагали автоматизировать рутинные операции, сбор данных из разных источников и контроль сроков. Среди повседневных задач были организация учебы и онлайн-покупки с учетом личных предпочтений.</p> <p>Staqflow — облачная платформа, которая позволяет объединять действия разных сервисов в одном сценарии. Она поддерживает более 2800 интеграций. Сценарии можно собирать с помощью ИИ, описывая задачу своими словами, или в визуальном редакторе, запускать вручную, по событию или расписанию — как удобно пользователю.</p> <p>Платформа позволяет обрабатывать данные с помощью ИИ, передавать их между системами и отправлять уведомления. Участники, которые хотели проверить свою идею на практике, могли собрать прототип на бесплатном тарифе «Старт» с визуальным редактором, публичными коннекторами и вебхуками.</p> <p>«Нам очень приятно, что идея провести конкурс заинтересовала людей разных профессий из разных регионов России. Такие соревнования дают участникам возможность предложить собственные идеи по автоматизации задач, с которыми они сталкиваются каждый день. С помощью подобных конкурсов мы хотим внести вклад в повышение компетенций технических специалистов и предпринимателей в России, а также в развитие технологической сферы страны», — отметил Евгений Гусев, генеральный директор STAQ.</p> С 15 октября по 15 ноября 2026 года компания STAQ принимала работы на всероссийский конкурс сценариев … message Вышла новая версия Luxms Data Boring 12.2 https://www.itweek.ru/themes/detail.php?ID=235978 Thu, 19 Nov 2026 16:00:34 +0300 <p>ГК Luxms представила новую версию Luxms Data Boring 12.2, встроенного ETL-инструмента платформы бизнес-аналитики Luxms BI. В обновлении появился раздел «Волны», который объединяет мониторинг ETL-потоков, диагностику ошибок и инструменты управления их выполнением.</p> <p>Раздел «Волны» совмещает в себе мониторинг выполнения потоков и все взаимодействия ИИ-агента с внутренними и внешними сервисами, например LLM. Для пользователей ИИ-помощника это позволяет более подробно посмотреть действия ИИ-агента при обработке промпта: запрос пользователя, действия агента, историю и результат, а также количество потраченных токенов.</p> <p>Новый раздел позволяет отслеживать состояние ETL-потоков и историю их запусков в едином интерфейсе. На одном экране отображаются количество запусков, их результаты, текущие статусы и средняя задержка выполнения. Доступна информация об активных, приостановленных и удаленных потоках. Это позволяет оценивать состояние процессов обработки данных и выявлять сбои без необходимости искать информацию среди общих данных мониторинга системы.</p> <p>Для каждого потока доступна история запусков с информацией о времени начала, продолжительности и результате. Если процесс завершился с ошибкой, можно перейти к конкретному запуску и изучить его выполнение.</p> <p>Информацию можно посмотреть на графе потока с детализацией по отдельным узлам, а также на таймлайне, который показывает последовательность и продолжительность выполнение операций. Из раздела мониторинга можно сразу перейти к нужному потоку или узлу для дальнейшего анализа.</p> <p>Новый функционал упрощает диагностику ошибок, помогает специалистам быстрее находить проблемные участки и разбираться в причинах сбоев. Для бизнеса это означает более прозрачный контроль над процессами подготовки данных, от которых зависит актуальность управленческой отчетности, а также ускорение работы команды.</p> <p>В новой версии также расширены возможности управления ETL-процессами непосредственно из раздела мониторинга. Теперь можно остановить волну (работу потока) или заблокировать поток.</p> <p>Ранее для остановки выполнения требовалось использовать механизм развертывания, а теперь это доступно непосредственно в интерфейсе «Волн» и предусмотрена отдельная функция.</p> <p>Теперь пользователи могут отслеживать состояние запущенных потоков, анализировать ошибки и отменять их выполнение в одном рабочем пространстве, без перехода в другие экраны.</p> <p>В версии 12.2 также существенно переработан интерфейс Luxms Data Boring. Изменено визуальное оформление системы, а новый раздел «Волны» размещен на первой вкладке, чтобы информация о состоянии потоков была доступна сразу при переходе к мониторингу.</p> <p>Дополнена и техническая документация. В Книге рецептов появился материал по обработке пакетированных данных SQL-источника, а в руководстве пользователя — инструкция по развертыванию ETL-потоков.</p> ГК Luxms представила новую версию Luxms Data Boring 12.2, встроенного ETL-инструмента платформы бизнес-аналитики Luxms … message RUVDS выявил основные векторы атак на облачную инфраструктуру https://www.itweek.ru/themes/detail.php?ID=235977 Thu, 19 Nov 2026 15:59:28 +0300 <p>Хостинг-провайдер RUVDS, проанализировав данные системы мониторинга за <nobr>2024–2026 годы,</nobr> выявил ключевые тенденции в атаках на облачную инфраструктуру. Доминирующим вектором остаётся SYN-флуд или сетевые DoS- или DDoS-атаки, при которых злоумышленник перегружает сервер запросами на установление соединения. На эту категорию пришлось 77% всех зафиксированных эпизодов. При этом общее число SYN-флуд инцидентов за год снизилось почти на 60%.</p> <p>Массив же объёмных атак, которые направлены на пропускную способность канала, вырос почти в два раза, а их доля в суммарном числе зафиксированных эпизодов увеличилась с 6% до 20%. Повысить точность фиксирования аномалий трафика помогла разработанная компанией адаптивная модель детектирования, отделяющая попытки взлома от легитимных всплесков активности.</p> <p>«Новая адаптивная модель детектирования аномалий трафика — важный шаг в сторону точности данных, который позволяет делать конкретные выводы об изменении характера угроз в облаке. Сегодня на смену классическому SYN-флуду приходят „тяжёлые“ объёмные атаки, связанные с вовлечением скомпрометированных машин в DDoS, массовые рассылки и проксирование — использование промежуточных серверов для перенаправления трафика между злоумышленником и целью атаки. Растёт и доля легитимной дата-интенсивной нагрузки, которая всё чаще приближается к порогам, ранее считавшимся аномальными», — отметил генеральный директор RUVDS Никита Цаплин.</p> <p>Основываясь на выявленных трендах, компания рекомендует бизнесу контролировать не только входящий, но и исходящий трафик, а также поддерживать ПО и учётные данные в актуальном состоянии.</p> <p>В отличие от классических средств защиты, реагирующих на входящие атаки, адаптивная модель RUVDS отслеживает аномалии, источником которых выступают виртуальные машины клиентов, блокируя их до нанесения ущерба внешним ресурсам. Научные результаты, положенные в основу системы, были опубликованы в научных журналах, а программная реализация зарегистрирована в Роспатенте. </p> Хостинг-провайдер RUVDS, проанализировав данные системы мониторинга за 2024–2026 годы, выявил ключевые тенденции … message Axenix: российские финансовые организации потратят до 20 млрд рублей на ИИ-агентов в 2026 году https://www.itweek.ru/themes/detail.php?ID=235976 Thu, 19 Nov 2026 15:58:44 +0300 <p>Компания Axenix выпустила исследование «Мультиагентные системы в финансовом секторе: от изолированных пилотов к промышленной автономности операций». По оценке аналитиков, финансовые организации России потратят <nobr>10-20</nobr> млрд руб. на внедрение ИИ-агентов в 2026 году. При этом переход к наиболее зрелым мультиагентным системам ожидается уже в <nobr>2028–2029</nobr> годах — сначала в неплатежных процессах. В платежных операциях такие решения могут появиться не раньше 2030 года.</p> <p>В исследовании эксперты Axenix оценили текущее состояние внедрения ИИ в финансовом секторе, перспективы развития мультиагентных систем и экономику таких проектов. Также аналитики определили основные барьеры масштабирования и сформулировали рекомендации по архитектуре, управлению рисками и подготовке данных. </p> <p>При расчете расходов на ИИ-агентов аналитики Axenix исходили из объема рынка генеративного ИИ в банковском и страховом секторах, который в 2025 году составил 12 млрд рублей. С учетом прогнозируемого роста на <nobr>20-60%</nobr> в 2026 году он может достичь <nobr>14,4-19,2</nobr> млрд рублей. На закупку агентных решений у вендоров придется <nobr>25-35%</nobr> этого объема, или <nobr>3,6-6,7</nobr> млрд рублей. При этом затраты на внутреннюю разработку таких решений оцениваются примерно вдвое выше — в <nobr>7,2-13,4</nobr> млрд рублей. Таким образом, совокупные расходы финансовых организаций на ИИ-агентов в 2026 году могут составить <nobr>10-20</nobr> млрд рублей. Важно отметить, что оценка не включает инвестиции Сбера в развитие собственной платформы генеративного ИИ, на базе которой создаются ИИ-агенты.</p> <p>Axenix выделяет три уровня зрелости агентных систем. На первом уровне — одиночный агент решает одну узкую задачу. На втором — оркестратор управляет специализированными агентами в рамках сквозного процесса. На третьем — агенты динамически распределяют задачи между собой в границах заданных бизнес-правил, состав участников процесса заранее не фиксирован. Крупнейшие российские финансовые организации находятся на этапе перехода от первого уровня ко второму. </p> <p>Мультиагентные системы второго уровня зрелости в настоящее время пилотируют <nobr>2-3</nobr> системно значимых банка из перечня Банка России. К концу 2027 года число финансовых организаций, тестирующих мультиагентные решения, вырастет до <nobr>7-9.</nobr> При этом <nobr>3-4</nobr> банка перейдут к их полноценному промышленному использованию хотя бы на одном сквозном процессе. Третий уровень, по оценке Axenix, появится в российском финансовом секторе в <nobr>2028-2029</nobr> годах — сначала в комплаенс-расследованиях и договорной работе, в платежных процессах — не раньше 2030 года.</p> <p>Первый пилотный контур выходит в продуктив за <nobr>6-9</nobr> месяцев и обходится в <nobr>50-100</nobr> млн руб., отмечается в исследовании. В эту сумму входят затраты на команду из <nobr>7-8 специалистов,</nobr> вычислительные ресурсы, лицензии <nobr>LLM-платформы</nobr> и другие расходы без учета капитальных вложений в саму платформу. Доля операций, выполняемых системой автономно, составляет <nobr>40-60%.</nobr></p> <p>Крупные зарубежные финансовые организации уже используют агентов в реальных бизнес-процессах. Nubank — самый большой в мире цифровой банк (необанк) — обрабатывает около 8,5 млн обращений в месяц, 60% из них первыми обрабатывают языковые модели; Capital One (один из крупнейших банков США) построил собственный мультиагентный контур для клиентских и операционных задач. В России пионерами направления стали Сбер и Т-Банк: они внедрили мультиагентные решения в кибербезопасность, поддержку и внутреннюю разработку. Сбер за 2025 год внедрил более 900 ИИ-агентов. Остальные банки в России ограничиваются локальными задачами: помощь разработчикам, автоматизация рутины, чат-боты первого поколения.</p> <p>Разрыв между передовыми компаниями и массовым сегментом определяется не столько доступом к моделям, сколько готовностью данных, зрелостью архитектуры и наличием команд, способных интегрировать технологии в бизнес-процессы.</p> <p>Для успешного внедрения ИИ в финансовом секторе Axenix выделяет три условия. Первое — семантический фундамент: агенты не могут договариваться без общей модели смысла, при этом она строится под конкретный процесс и в объеме словаря, централизованная программа унификации предприятия для этого не нужна. Второе — спроектированная архитектура: выбор паттерна оркестрации задаёт прозрачность системы, её управляемость и экономику в промышленном масштабе. Третье — управление рисками как компетенция: каскадные ошибки, стоимость вычислений и возможный юридический статус автономных действий влияют на бизнес-модель напрямую.</p> <p>«Гонка за агентную архитектуру в финансовом секторе началась. Модели у всех одни и те же, поэтому исход решает то, что вокруг них: согласованная семантика данных, архитектура под профиль рисков и люди, способные связать одно с другим. Компании, которые к концу 2027 года выстроят промышленный мультиагентный контур с подготовленными данными и урегулированным правовым статусом автономных операций, получат структурное преимущество», — отметил Антон Пащенко, директор департамента «Финансовые организации» Axenix.</p> Компания Axenix выпустила исследование «Мультиагентные системы в финансовом секторе: от изолированных пилотов … message Внезапный переезд: что нужно сделать по персональным данным при смене облачного провайдера https://www.itweek.ru/themes/detail.php?ID=235972 Thu, 19 Nov 2026 11:05:22 +0300 <p>С 8 по 11 октября 2026 года была остановлена работа трех ключевых дата-центров «Яндекса». Yandex Cloud перешла в аварийный режим, и компании, которые держали в ней сайты, CRM и клиентские базы, начали срочно переносить инфраструктуру к другим провайдерам или поднимать резерв.</p> <p>Когда компания срочно переезжает в новое облако, основные силы уходят на технику: перенести базы, восстановить сервисы, проверить бэкапы. Юридическая часть остаётся «на потом» и часто так и не доходит до исполнения. Для Роскомнадзора это не формальность: переезд меняет схему обработки персональных данных, и документы должны ей соответствовать.</p> <p>В этой статье я разберу шаги, которые стоит пройти бизнесу после смены провайдера, и другие важные моменты для соблюдения требований <nobr>152-ФЗ.</nobr></p> <h3>Шаг 1. Проверить наличие поручения на обработку ПДн новому хостинг-провайдеру</h3> <p>При переносе сайтов, приложений и баз данных персональные данные клиентов и сотрудников попадают на серверы хостинг-провайдера. С этого момента провайдер становится участником обработки персональных данных и приобретает статус обработчика. Обработчик — это лицо, которое обрабатывает персональные данные по поручению оператора. Поручение в этом случае — не простое указание, а обязанность оператора заключить с такими третьими лицами соглашение о поручении на обработку ПДн. В нем определяются действия с данными, цели обработки и обязанность провайдера соблюдать конфиденциальность и обеспечивать защиту данных по ст. 19 <nobr>152-ФЗ.</nobr></p> <p>Обязанности провайдера, закрепленные в поручении, очень важны для оператора, поскольку именно он остается ответственным перед субъектами и Роскомнадзором за обработку, даже за действия третьих лиц. Эту позицию закрепил Верховный суд. Судебная практика исходит из того, что оператор несет ответственность за выбор исполнителя и контроль за ним, поэтому утечка на стороне подрядчика не освобождает его от штрафа.</p> <p>Таким образом, хотя поручение и не переносит ответственность на провайдера, оно позволяет компенсировать потери. Если нарушение, повлекшее штраф, допущено по вине провайдера, оператор вправе предъявить к нему регрессное требование и включить сумму штрафа в состав убытков.</p> <p>При срочном переезде стандартную оферту хостинга часто принимают без анализа. Однако условия о поручении есть не во всех офертах, а некоторые возлагают всю ответственность за размещенные данные на клиента. Если поручения в оферте нет, его следует оформить отдельным соглашением. Без него оператор не только остаётся без защиты перед регулятором и субъектами, но и фактически теряет возможность взыскать убытки с провайдера.</p> <h3>Шаг 2. Обновить документы по обработке ПДн на сайте оператора</h3> <p>При замене провайдера в цепочке обработки появляется третье лицо, и субъекты персональных данных должны об этом знать. Для этого оператору необходимо обновить документы на сайте и отразить в них наименование и адрес нового провайдера.</p> <p>В согласии на обработку персональных данных указывается лицо, которому поручена обработка. В политике — раздел о третьих лицах, в адрес которых осуществляется передача данных. Если перечень третьих лиц размещен на отдельной странице сайта, добавьте в него нового провайдера.</p> <h3>Шаг 3. Подать в Роскомнадзор уведомление об изменении сведений до 15 числа</h3> <p>В уведомлении об обработке персональных данных указывается местонахождение базы данных, содержащей персональные данные граждан РФ. Переезд к новому провайдеру означает появление нового ЦОДа и необходимость подать уведомление об изменении сведений в реестр операторов. Для этого уточните у провайдера точные адреса ЦОДов, на которых будут размещены ваши данные, и подготовьте уведомление.</p> <p>Оператор обязан сообщить об изменениях не позднее <nobr>15-го</nobr> числа месяца, следующего за месяцем, в котором они произошли. Для компаний, сменивших провайдера в октябре, срок истекает 15 ноября. Подготовку лучше начать заранее: точный адрес нового ЦОДа часто приходится отдельно запрашивать у провайдера.</p> <h3>К чему быть готовым перед переездом на зарубежные серверы?</h3> <p>На фоне сбоев у российских провайдеров перенос инфраструктуры за рубеж может выглядеть разумной мерой. Однако формирование первичной базы ПДн с использованием зарубежных серверов запрещено законом. В соответствии с ч. 5 ст. 18 <nobr>152-ФЗ</nobr> запись, систематизация, накопление, хранение, уточнение и извлечение персональных данных граждан РФ с использованием баз данных, находящихся за пределами территории Российской Федерации, не допускаются. За нарушение требования о локализации юридическому лицу грозит штраф от 1 до 6 млн. рублей, за повторное нарушение — от 6 до 18 млн. рублей.</p> <p>Резервная копия за рубежом допустима только как дополнение к основной базе в России и по правилам трансграничной передачи. До начала передачи оператор уведомляет Роскомнадзор и получает от принимающей стороны сведения о принимаемых мерах защиты. Эти требования распространяются на любые зарубежные площадки, включая страны, обеспечивающие адекватную защиту.</p> <p>Поэтому первичный сбор персональных данных необходимо обеспечить на российских серверах.</p> <h3>Как быть при поступлении запроса от субъекта персональных данных во время сбоя?</h3> <p>Недоступность базы данных не приостанавливает сроки ответа на запросы субъектов. На ответ отводится 10 рабочих дней. Срок может быть продлен еще на 5 рабочих дней при направлении субъекту мотивированного уведомления. Поэтому план аварийного восстановления должен предусматривать не только возобновление работы сервисов, но и доступ к данным для ответов на запросы.</p> <p>Смена провайдера — это не только техническая, но и юридическая задача. Документы должны соответствовать фактической схеме обработки персональных данных, иначе быстрый переезд может обернуться рисками несоблюдения требований <nobr>152-ФЗ.</nobr></p> <p>#IMAGE_235973#</p> С 8 по 11 октября 2026 года была остановлена работа трех ключевых дата-центров «Яндекса». Yandex Cloud … article Камила Мухамеджанова, менеджер по развитию продукта ”1ОПД” Forrester: начинается новый этап трансформации сферы CPaaS https://www.itweek.ru/themes/detail.php?ID=235971 Thu, 19 Nov 2026 10:29:03 +0300 <p><em>Платформы коммуникаций как сервиса (</em><em>communications</em><em>-</em><em>platform</em><em>-</em><em>as</em><em>-</em><em>a</em><em>-</em><em>service</em><em>, </em><em>CPaaS</em><em>) давно переросли свои истоки — когда они представляла собой лишь набор API, позволяющих разработчикам встраивать в приложения функции обмена сообщениями, голосовой связи, видео и другие виды коммуникаций, пишет в корпоративном блоге Октавио Гарсия Гранадос, старший аналитик </em><em>Forrester</em><em>. </em></p> <p>Инструменты low-code, омниканальное взаимодействие, работа с данными клиентов, разговорный искусственный интеллект, аутентификация и оркестрация — всё это уже стало привычными элементами данной категории. Однако сейчас меняется то, как эти возможности объединяются, начиная по-новому определять роль CPaaS в технологическом стеке предприятия.</p> <p>Можно выделить три ключевых аспекта:</p> <ul> <li> <p><strong>Первый этап эволюции CPaaS уже позади, и начинается следующий. </strong>API для коммуникаций по-прежнему остаются фундаментом, но ведущие платформы активно внедряют инструменты low-code, рабочие процессы взаимодействия, работу с данными, ИИ, системы идентификации, безопасности и оркестрации. Следующая фаза идет еще дальше: с базовыми коммуникационными возможностями начинают интегрироваться ИИ-агенты, механизмы сохранения контекста взаимодействия, аналитика диалогов и клиентского пути, инструменты борьбы с мошенничеством, а также программируемые сетевые функции.</p> <p> Поставщики подходят к этой задаче по-разному: одни — со стороны коммуникационной инфраструктуры, другие — через инструменты взаимодействия с клиентами, облачные технологии, решения для контакт-центров или телекоммуникационные сети. Вопрос уже не в том, поднимется ли CPaaS на более высокие уровни технологического стека — это уже произошло. Теперь главный вопрос заключается в том, чем именно станет CPaaS в результате слияния этих уровней.</p> </li> <li> <p><strong>Параллельно с этим расширяется и использование CPaaS в корпоративном секторе.</strong> Встраивание сообщений или телефонных звонков в приложения по-прежнему важно, но сегодня это лишь малая часть открывающихся возможностей. Предприятия все чаще применяют CPaaS для взаимодействия, инициированного бизнес-событиями, вовлечения клиентов на протяжении всего жизненного цикла, сложных диалогов об обслуживании, предотвращения потери доверия и мошенничества, привлечения и конверсии, оркестрации рабочих процессов, коммерции и новых взаимодействий, в которых агенты ИИ общаются и действуют. В результате CPaaS приобретает все большее значение для заинтересованных сторон в сферах бизнеса и технологий, выходя далеко за рамки разработчиков, которые помогли определить эту категорию.</p> </li> <li> <p><strong>Возможности, отличающие CPaaS, меняются. </strong>Широта каналов и глобальный охват коммуникаций по-прежнему важны, но все чаще этого недостаточно. Предприятиям следует уделять больше внимания тому, как поставщики поддерживают контекст взаимодействия, оркестрируют каналы и рабочие процессы, интегрируют корпоративные и клиентские данные, применяют ИИ к диалогам и сценариям взаимодействия, аутентифицируют пользователей и коммуникации, борются с мошенничеством, раскрывают сетевую аналитику и отслеживают эффективность коммуникаций. Вопрос конкуренции смещается от простого «Какие каналы поддерживает платформа?» к «Насколько интеллектуально, безопасно и надежно платформа может управлять взаимодействием от начала до конца?».</p> </li> </ul> <p>Сейчас для CPaaS настали захватывающие времена, потому эта сфера не отказывается от своих коммуникационных корней, а строит над ними новый уровень. На заре своего развития рынок CPaaS сделал коммуникации программируемыми. На следующем этапе он будет все больше делать коммуникации контекстными, интеллектуальными, надежными, скоординированными и автономными. Эта трансформация только начинается.</p> Платформы коммуникаций как сервиса (communications-platform-as-a-service, CPaaS) давно переросли свои истоки — когда они … article Прототип работает. Что дальше? https://www.itweek.ru/themes/detail.php?ID=235969 Thu, 19 Nov 2026 09:44:53 +0300 <p>С помощью ИИ можно быстро создать приложение, которое выглядит законченным и успешно проходит демонстрацию. Но работающий прототип еще не готовый продукт. Пока разработчик проверяет несколько сценариев на собственном компьютере, многие проблемы остаются незаметными. Они обнаруживаются, когда приложением начинают пользоваться другие люди, возникают ошибки и меняются условия работы.</p> <p>В университетах эта проблема особенно заметна: студенческие проекты могут выглядеть готовыми к внедрению, хотя их удобство и пригодность для повседневного использования еще не проверены. За работающим интерфейсом не всегда стоит решение, которое легко поддерживать без постоянного участия автора. Чем проще становится создание прототипов, тем важнее оценивать не только их функциональность, но и готовность к реальному использованию.</p> <p>Представим защиту учебного проекта. Студент показывает сервис для записи на консультации: преподаватель указывает свободное время, студент выбирает удобный слот и получает подтверждение. Все работает. Преподаватель оживляется: «Отлично. Давайте со следующей недели запустим для всех».</p> <p>Именно в этот момент учебный проект получает обязательства, к которым команда может быть не подготовлена.</p> <p>До демонстрации у приложения был автор и несколько проверенных сценариев. После запуска появятся пользователи, реальные данные и ожидание, что сервис будет доступен в нужный момент. Удачный показ не говорит о том, насколько команда и приложение готовы к работе.</p> <p>Когда интерфейс возникает быстро и выглядит почти законченным, трудно оценить объем того, что еще предстоит сделать. Видимая готовность начинает <a href="https://www.veracode.com/blog/spring-2026-genai-code-security">подменять</a> техническую и организационную.</p> <p>Но что произойдет, если два студента одновременно выберут одно время? Получат ли записавшиеся уведомление, если преподаватель отменит консультацию? Кто сможет изменить чужую запись? И кто исправит сбой перед сессией, когда автор проекта уже защитил диплом и устроился на работу?</p> <h3>После защиты сервису все еще нужен хозяин</h3> <p>Последний вопрос часто оказывается сложнее остальных. Жизненный цикл программного продукта не заканчивается защитой дипломного проекта. Для его дальнейшего использования необходимо <a href="https://csrc.nist.gov/pubs/sp/800/218/final">определить</a> ответственных за сопровождение, обеспечить техническую поддержку и установить порядок обновления. В некоторых образовательных программах, в частности на магистерских направлениях естественно-научного цикла, внедрение разработки становится одним из критериев оценки.</p> <p>Между демонстрацией готового решения и его практическим внедрением нужен промежуточный этап. На нем команда вместе с будущими пользователями проверяет работоспособность и удобство продукта, выявляет недостатки и определяет, как будет организована его дальнейшая поддержка и развитие.</p> <p>Для начала стоит разобраться в базовых вопросах: какие данные обрабатывает приложение, кто имеет к ним доступ, как восстановить работу после сбоя и кому поступают сообщения об ошибках. Затем можно запустить пилотное внедрение, предусмотрев возможность вернуться к предыдущему этапу, если возникнут проблемы.</p> <p>Ошибки становятся важной частью профессионального становления. Их последствия больше не ограничиваются оценкой в ведомости: неверные решения могут затрагивать интересы реальных пользователей. Поэтому студенту важно научиться смотреть на систему глазами человека, который не знает ее автора и не обязан разбираться в особенностях ее устройства.</p> <h3>Где участие ИТ-компании особенно полезно</h3> <p>Хакатон помогает оценить, насколько быстро команда может создать работающий прототип. Но подготовка к эксплуатации требует других навыков: нужно проверить права доступа, выбрать способ развертывания, продумать обработку ошибок и оценить затраты на техническую поддержку.</p> <p>В этом могут помочь специалисты ИТ-компаний. Они способны выступить наставниками и показать, какие требования необходимо учесть перед запуском. Университету, в свою очередь, нужно организовать апробацию решения, привлечь будущих пользователей и определить, кто будет отвечать за дальнейшую поддержку. Без этого даже качественный с технической точки зрения продукт рискует остаться учебным проектом, которым никто не воспользуется.</p> <h3>Проверка начинается после удачной демонстрации</h3> <p>Нужно менять и саму защиту. После красивой демонстрации комиссия может попросить восстановить случайно удаленные данные, объяснить, как устроены права доступа, или показать, что произойдет при недоступности внешнего сервиса. Тогда оценивать будут не только результат, но и готовность проекта к реальному использованию.</p> <p>Это не означает, что каждый учебный прототип обязан сразу превращаться в промышленный продукт. Команда может честно обозначить границы: что проверено, что пока неизвестно и что необходимо сделать до запуска. Такое заключение тоже свидетельствует о квалификации.</p> <p>Проблема возникает, когда работающий прототип принимают за готовый продукт, а автор не может объяснить, как устроена система, исправить ошибку или обеспечить её дальнейшее развитие.</p> <p>Использование ИИ само по себе не должно становиться ни преимуществом, ни недостатком на защите. Важнее, насколько студент способен управлять результатом. Если он не писал весь код самостоятельно, это не мешает ему продемонстрировать понимание архитектуры, безопасность решения и умение дорабатывать его под новые требования. А понимающей комиссии — шагнуть вместе с выпускником в этап следующей технологической революции.</p> <p>#IMAGE_235970#</p> С помощью ИИ можно быстро создать приложение, которое выглядит законченным и успешно проходит демонстрацию … article Наталья Шушарина, кандидат педагогических наук, руководитель направления по работе с вузами “1С-Битрикс” YADRO запустила серийное производство и продажи кампусных коммутаторов KORNFELD SE C3000 https://www.itweek.ru/themes/detail.php?ID=235967 Wed, 18 Nov 2026 18:58:59 +0300 <p>Технологическая компания YADRO (входит в ИКС Холдинг) объявила о начале серийного производства и старте продаж кампусных коммутаторов KORNFELD SE C3000. Оборудование предназначено для построения корпоративных сетей доступа в офисах, филиалах и на распределенных площадках. Первые поставки уже состоялись, компания выполняет действующие заказы.</p> <p>С выходом KORNFELD SE C3000 YADRO расширяет сетевое направление, дополняя ранее представленные коммутаторы KORNFELD DC для центров обработки данных решениями для корпоративных кампусных сетей. Расширение портфеля предоставляет предприятиям дополнительный выбор российского сетевого оборудования и возможность использовать продукцию одного производителя на разных уровнях ИТ-инфраструктуры. YADRO самостоятельно разрабатывает аппаратную и программную платформы, развивает их функциональность и обеспечивает сервисное сопровождение в России.</p> <p>Коммутаторы C3000 обеспечивают подключение рабочих мест, беспроводных сетей, систем видеонаблюдения, контроля доступа и другой корпоративной периферии. Модели с поддержкой PoE++ передают электропитание подключенным устройствам непосредственно по сетевому кабелю, в том числе до 90 Вт на отдельных портах, что позволяет использовать единую сетевую инфраструктуру для передачи данных и питания оборудования без прокладки отдельных линий электропитания к каждому устройству.</p> <p>Отдельный сценарий коммерческого применения C3000 связан с построением выделенных сетей управления ИТ-инфраструктурой (OOB). Коммутатор формирует изолированный управляющий контур, к которому подключаются серверы VEGMAN, системы хранения данных TATLIN и сетевое оборудование KORNFELD DC. Выделенная сеть обеспечивает административный доступ к оборудованию даже при сбоях основной сети передачи данных, что особенно востребовано при эксплуатации критически важных ИТ-систем. Совместное использование оборудования YADRO упрощает проектирование и интеграцию в существующую инфраструктуру, а также взаимодействие с производителем при ее дальнейшем развитии и сопровождении.</p> <p>Коммутаторы работают под управлением Kornfeld SE OS — сетевой операционной системы собственной разработки YADRO. В последние месяцы развитие программной платформы было сосредоточено на функциях стекирования, сетевой безопасности и аутентификации. Выпуск обновлений операционной системы предусмотрен ежеквартально для расширения функциональности и своевременной поддержки актуальных требований корпоративных сетей. Собственная разработка системного ПО, регулярный цикл обновлений и техническая поддержка в России формируют основу для долгосрочной эксплуатации оборудования.</p> <p>YADRO совместно с корпоративными заказчиками и сетевыми интеграторами проводит прикладные испытания KORNFELD SE C3000 в различных сетевых конфигурациях. Их цель — оценить работу оборудования в реальных сценариях эксплуатации и подтвердить его заявленные возможности. Результаты будут представлены в технических отчетах, которые помогут заказчикам и партнерам при выборе оборудования для своих проектов.</p> <p>«Мы намерены занять сильные позиции на российском рынке корпоративных сетей. У YADRO есть для этого собственные технологии, производственная база и опыт создания инфраструктуры для крупнейших предприятий. Выход KORNFELD SE на коммерческий рынок открывает новый этап развития нашего сетевого бизнеса, который мы будем последовательно масштабировать», — отметил Егор Литвинов, директор сетевого направления YADRO.</p> <p>В настоящее время проводится процедура включения KORNFELD SE C3000 в реестр российской промышленной продукции Минпромторга России. Получение реестровой записи ожидается в декабре 2026 года. Дальнейшее развитие аппаратной платформы предполагает более широкое использование отечественной электронной компонентной базы и развитие механизмов резервирования электропитания для повышения надежности эксплуатации.</p> <p>Следующим этапом развития линейки кампусных коммутаторов KORNFELD SE станет вывод на рынок серий C2000, C4000 и C4034F. Они дополнят портфель решениями для массового подключения пользователей и периферии, высокопроизводительного доступа, агрегации и ядра кампусной сети. Расширение линейки позволит YADRO предлагать заказчикам оборудование для всех основных уровней корпоративной кампусной инфраструктуры, а вместе с KORNFELD DC — последовательно развивать единый сетевой портфель для корпоративных площадок и центров обработки данных.</p> Технологическая компания YADRO (входит в ИКС Холдинг) объявила о начале серийного производства и старте продаж … message ИИ-агенты научились собирать рабочие процессы на SimpleOne по описанию в чате https://www.itweek.ru/themes/detail.php?ID=235966 Wed, 18 Nov 2026 18:57:36 +0300 <p>SimpleOne (направление прикладных бизнес-систем корпорации ITG) выпустила обновление SimpleGen — инструмента для разработки с помощью искусственного интеллекта. Теперь ИИ-агент создает на платформе рабочие процессы (workflow) по описанию задачи. Разработчику больше не нужно собирать их вручную в конструкторе из блоков, согласований и скриптов. Инструмент может работать в ультрарежиме, который позволяет разработчику запустить весь путь от требований до готового решения на тестовом стенде одной командой.</p> <p>Ключевая особенность новой версии — управление рабочими процессами: SimpleGen обеспечивает создание новых, изменение существующих и удаление неактуальных операций. Разработчик формулирует в чате нужный сценарий — к примеру, что происходит после создания сервис-запроса: отправка на согласование, формирование дополнительных требований, запуск скрипта. Остальное выполняет агент и немедленно выкладывает результат на стенд. Правила, по которым агент создает процессы, поставляются вместе с инструментом, поэтому знание блоков и скриптов не требуется. Поддерживать готовый процесс можно через интерфейс платформы или через код в репозитории.</p> <p>Не менее важное изменение — ультрарежим, в котором одна команда запускает весь цикл разработки. Если раньше каждый этап приходилось запускать, согласовывать и проверять по отдельности, то теперь ИТ-специалист формулирует требования и критерии в свободной форме и отвечает на уточняющие вопросы ИИ, а дальше подключается только на проверку. Агент сам готовит спецификацию и план, создает решение, размещает его на стенде, проходит тесты и готовит демонстрационный сценарий. Разработчику остается лишь принять результат.</p> <p>Тестовый стенд, на котором SimpleGen разворачивает результат, готовится за <nobr>2–3</nobr> минуты вместо <nobr>15–20 на</nobr> большом стенде — в среднем в семь раз быстрее. Кроме того, упростился процесс получения данных из системы. Достаточно написать агенту в чате: «Какие запросы назначены на меня?» — и он сам найдет ответ без ввода специальных команд. Дополнительно была обновлена документация инструмента, в ней собраны актуальные команды, ответы на частые вопросы и схема работы ультрарежима.</p> <p>«ИИ в корпоративной разработке оценят не по скорости написания кода, а по тому, какую часть работы он берет на себя. Поэтому мы строим SimpleGen так, чтобы он охватывал все этапы, которые человек проходит при разработке на платформе SimpleOne. Со временем агент будет работать со всеми сущностями платформы, чтобы команда получала от ИИ рабочее решение, а не заготовку», — сказал Илья Радченко, директор по платформенным продуктам SimpleOne, корпорация ITG.</p> <p>В будущем в SimpleGen появятся тестирование и создание макетов, улучшится подготовка текстов, локализации и документации. Еще одно направление развития — модуль самообучения: чем чаще разработчик взаимодействует с агентом, тем лучше ИИ подстраивается под его приемы работы и применяет их. </p> SimpleOne (направление прикладных бизнес-систем корпорации ITG) выпустила обновление SimpleGen — инструмента для разработки … message Перестаньте пытаться объять необъятное: четыре ключевых элемента стратегии GTM https://www.itweek.ru/themes/detail.php?ID=235965 Wed, 18 Nov 2026 10:12:22 +0300 <p><em>В моей профессиональной деятельности осень знаменует период разработки стратегий выхода на рынок (go-to-market, GTM), а также планирование и составление бюджета на следующий календарный год, пишет в корпоративном блоге Кэти Фабишак, вице-президент, главный аналитик </em><em>Forrester</em><em>.</em></p> <p>Последние восемь недель я провела в разъездах, работая со множеством B2B-организаций над их GTM-стратегиями. И одна проблема стала настолько очевидной, что игнорировать ее больше невозможно: слишком много компаний по-прежнему пытаются сделать всё и сразу.</p> <p>Поддерживать каждый продукт, гнаться за каждой возможностью, охватывать каждый регион, угождать каждому заинтересованному лицу — то, что поначалу кажется амбициозностью, быстро превращается в «раздутую» GTM-стратегию. Ресурсы распыляются, количество программ растет, отделы продаж едва справляются с нагрузкой, а сотрудники, отвечающие за реализацию, чувствуют разочарование и истощение.</p> <h3>Инновации и подход, ориентированный на продукт, усугубляют «раздутость» GTM-стратегии</h3> <p>Признаем неприятный факт: дело вовсе не в проблемах с реализациоей — дело в неспособности сделать правильный выбор. И ситуация будет только ухудшаться. Развитие искусственного интеллекта ускорило появление продуктовых инноваций, что привело к увеличению числа запусков и предложений в и без того перегруженных портфелях компаний.</p> <p>В то же время многие организации продолжают упорно придерживаться продуктоориентированного подхода. Команды по-прежнему выстраивают свою работу вокруг конкретных продуктов, а не вокруг потребностей аудитории и желаемых результатов. Каждый продукт требует внимания, а каждый запуск — отдельной поддержки, в итоге отделы маркетинга, продаж, работы с клиентами и продуктовые команды могут разрабатывать собственные «GTM-стратегии» для одного и того же продукта.</p> <p>Результат предсказуем: дублирование усилий, разрозненные сообщения, а покупателям приходится самостоятельно складывать всё это в единую картину. Увеличение активности не поможет справиться с «раздутостью» GTM-стратегии — здесь нужна дисциплина.</p> <h3>GTM-архитектура, ориентированная на аудиторию, превращает хаос в четкие приоритеты</h3> <p>GTM-архитектура, в центре которой находится аудитория, заставляет руководителей сузить бесконечное множество возможностей до четко определенных приоритетов. Она включает четыре ключевых элемента:</p> <ul> <li><strong> Стратегические вводные данные.</strong> Исходные данные, необходимые для принятия обоснованных решений о приоритетах, включают цели стратегии роста, целевые показатели выручки, приоритеты бизнеса, масштабы и потенциальных покупателей.</li> <li><strong> Рыночная стратегия.</strong> Эти решения определяют типы клиентов, сегменты и пути выхода на рынок, заслуживающие приоритета.</li> <li><strong> Стратегия покупателя.</strong> Эти решения определяют потребности аудитории, предложения и заинтересованные стороны из числа покупателей, которые имеют наибольшее значение.</li> <li><strong> Результат.</strong> В совокупности эти решения создают приоритетные пути выхода на рынок, которые команды могут реально реализовать.</li> </ul> <h3>Мудрые стратегии выхода на рынок требуют компромиссов</h3> <p>Слово «выбор» имеет значение. Стратегия, которая включает в себя всё, не ставит в приоритет ничего. Принятие решений о выборе редко бывает комфортным. Лидеры продуктовых команд отстаивают свои продукты и планы на будущее, региональные команды защищают локальные возможности, заинтересованные стороны пытаются восстановить отложенные предложения, а руководители опасаются, что сосредоточение на краткосрочной выручке может привести к отставанию перспективных продуктов. Эффективные семинары по выходу на рынок не устраняют трения, а, наоборот, делают их продуктивным. По моему опыту, для этого необходимы три вещи:</p> <ul> <li> Подготовится к семинару.</li> <li> Привлечь нужных людей.</li> <li> Использовать доказательства для разжигания дискуссий, а затем превратить дискуссии в решения.</li> </ul> <p>Я лично видела, что происходит, когда руководители принимают и отстаивают свои приоритеты. Разрозненные, ориентированные на продукт кампании превращаются в целенаправленные программы, соответствующие потребностям клиентов. Бизнес-подразделения обнаруживают синергию портфеля, которая раньше не была очевидна. Ограниченный бюджет и таланты направляются на приоритеты, которые имеют наибольшее значение. Что наиболее важно, команды получают общее понимание того, где они будут конкурировать и на чем будут сосредоточивать свои усилия — и, что не менее важно, чем они не будут заниматься.</p> <h3>Рост требует сосредоточенности</h3> <p>Урок прост: ясность и меньшее количество приоритетов — это не отступление от роста, а то, как организации обеспечивают необходимую для его достижения сосредоточенность.</p> В моей профессиональной деятельности осень знаменует период разработки стратегий выхода на рынок (go-to-market, GTM … article Ответственность за ошибку системы и ИИ: кто виноват — модель, разработчик или бизнес https://www.itweek.ru/themes/detail.php?ID=235963 Wed, 18 Nov 2026 10:02:58 +0300 <p>ИИ уже пишет код. Чем быстрее растет объем сгенерированных строк, тем острее стоит вопрос: кто отвечает за ошибку — модель, разработчик или бизнес? Пока все работает, вопрос кажется теоретическим. Но после первого сбоя он превращается в конкретный разбор с конкретными последствиями. Ответственность лучше распределить в первом состоянии, чтобы во втором не искать виноватого.</p> <h3>Ответственность распределяют, пока все работает</h3> <p>Вопрос «кто виноват» обычно задают после провала. Но работу предпочтительно строить так, чтобы до разбора не доходило, а ответственность распределять заранее, пока система работает штатно.</p> <p>Ответ на вопрос об ответственности короткий. Модель виноватой назначить можно, но спросить с нее нечего. За код, который она написала, отвечает тот, кто слил его в основную ветку. За процесс отвечает руководитель, который решил, где модель допущена, и измеряет результат. Перед клиентом за все отвечает компания. Разработка — удобный полигон для разбора: там хорошо видно, где заканчивается работа модели и начинается решение человека.</p> <h3>ИИ-трек идет рядом с основным и соревнуется с ним</h3> <p>Если ИИ внедряется как ускоритель процесса, его стоит оформлять альтернативным треком наряду с основным: ту же задачу параллельно ведет разработчик в паре с моделью, как в парном программировании, и побеждает тот, кто «добежит» быстрее с качественным результатом. У такой схемы два следствия, и оба про ответственность.</p> <p>Первое — основной трек страхует. Если альтернативный не добежал или прибежал с сомнительным результатом, продукт продолжает идти по основному. Проигранный забег стоит команде времени, и только. Второе — сравнение получается честным. Условия и задача у обоих треков одна, поэтому скорость и качество видны на деле. Без основного трека сравнивать было бы не с чем, и любой результат модели выглядел бы удачным.</p> <p>Какой результат будет дальше, решает уже человек. В формуле «быстрее с качественным результатом» он смотрит прежде всего на дальнейший исход. Прибежать первым с кодом, который потом придется переписывать, значит перенести работу на завтра и на другого человека. Выбор победителя забега — настоящее решение, и отвечает за него тот, кто выбирал.</p> <h3>Первая цифра внедрения впечатляет</h3> <p>После внедрения ИИ на старте объем кода в строках растет кратно, иногда в 10 раз за тот же период разработки по сравнению с основным треком. Здесь появляется соблазн объявить победу и масштабировать деятельность. После такого всплеска стоит наоборот вернуться к прежнему объему выпускаемого кода, чтобы отладить процесс. Дальше рост допустим, но только вместе с вводом проверок и прокачкой навыков, направленных на валидацию результата.</p> <p>Строки кода измеряют объем работы. Человек за тот же период не стал в 10 раз быстрее читать, понимать и проверять код. Если выпуск растет быстрее, чем способность проверять, разница копится в виде кода, который формально приняли и толком не прочитали. Из-за такого кода потом и спорят, кто виноват.</p> <p>Откат к прежнему объему снова уравнивает две величины: сколько команда производит и сколько она может подтвердить. Потолок поднимается, когда появляются проверки и люди учатся проверять работу модели. Темп задает руководитель. Ошибиться можно в обе стороны. Запретишь рост совсем — потеряешь то, ради чего модель пускали в работу. Разрешишь его без проверок — получишь код, за который потом некому отвечать.</p> <p>И про навык. Писать код и проверять чужой, тем более сгенерированный, — разные умения. Второе приходится качать отдельно и сознательно, и это такая же часть цены внедрения, как подписка на инструмент.</p> <h3>Человеческий режим в конце обязателен, даже когда это непопулярно</h3> <p>В конце создания кода с ИИ обязателен человеческий режим — рефакторинг и сквозное тестирование. </p> <p>Рефакторинг — момент, когда человек делает код своим: разбирается в нем, упрощает, приводит к общим правилам проекта. До рефакторинга код можно только принять, после него за код можно отвечать. Отвечать можно только за то, что понимаешь.</p> <p>Сквозной тест проверяет весь путь так, как его пройдет пользователь. Свой участок модель может сделать хорошо, но ошибки чаще сидят на стыках между участками. Стык потом и становится предметом спора, потому что за него никто отдельно не расписывался. Без этих двух шагов скорость, полученная от ИИ, взята в долг, и отдавать его придется в самый неудобный момент.</p> <h3>Слияние в основную ветку работает как подпись</h3> <p>Слияние стоит понимать как подпись: «я прочитал, понимаю и готов за это отвечать». Подпись ставит конкретный человек, и в истории изменений видно, кто именно. Кто набирал строки — человек, модель или оба вместе, — после слияния уже неважно. Не можешь объяснить код, который сливаешь, — значит, сливать его рано.</p> <p>Право сливать код в основную ветку стоит оставлять тем, кто готов за него отвечать. И сгенерированного кода должно быть не больше, чем эти люди успевают прочитать. Иначе подпись становится формальностью, а вопрос «кто виноват» ждет первого сбоя.</p> <p>Где модель допущена, решает руководитель: на каких участках идет альтернативный трек, с чем его сравнивают, когда пора остановиться и когда можно разрешить рост. Если границу никто не проводил и ничего не меряет, ответственность за процесс осталась ничьей. А если модель допустили туда, где ее результат не с чем сравнить, разбирать, кто виноват, потом будет не на чем: нет ни основного трека, ни замера.</p> <h3>Перед клиентом всегда отвечает компания</h3> <p>Клиенту все равно, кто внутри ошибся: модель, разработчик или подрядчик. Он разговаривает с компанией. Две внутренние роли — кто сливает код и кто решает, где допущена модель, — нужны, чтобы было ясно, кто чинит и кто меняет правила, если ошибка все-таки проскочила. Итог внутреннего разбора клиент видит в одном виде: ошибку исправили или нет.</p> <p>Перед тем как пустить модель на новый участок, стоит проверить:</p> <ul> <li> С чем я сравниваю: есть ли основной трек, против которого меряю ИИ-трек?</li> <li> Сколько мы выпускаем относительно того, сколько успеваем проверить?</li> <li> Кто сливает результат в основную ветку и может ли он объяснить каждое изменение?</li> <li> Где в конце человеческий режим и что случится, если его сократить под сроки?</li> </ul> <p>Нет ответа хотя бы на один вопрос — участок подождет.</p> <p>ИИ — это уже не диалог для поиска результата, когда спрашиваешь и выбираешь подходящий ответ. Но и не замена человека на всем пути в сложном производственном процессе. При этом я верю во внедрение ИИ на участки такого процесса: там, где результат можно сравнить, измерить и проверить.</p> <p>#IMAGE_235964#</p> ИИ уже пишет код. Чем быстрее растет объем сгенерированных строк, тем острее стоит вопрос: кто отвечает … article Максим Сысоев, исполнительный директор Forward Telecom Прекратите выбирать между ведением и трансформацией бизнеса https://www.itweek.ru/themes/detail.php?ID=235962 Tue, 17 Nov 2026 00:00:00 +0300 <p><em>В ходе обсуждений с руководителями отделов операционной деятельности, маркетинга, стратегии, планирования и трансформации поднимается одна и та же проблема: «Нам трудно управлять текущим бизнесом, одновременно готовясь к завтрашнему». Она звучит в разговорах об искусственном интеллекте, закупках, оптимизации процессов, организационных изменениях и почти о каждой крупной инициативе по трансформации. Но предпосылка, лежащая в основе вопроса, ошибочна, пишет в корпоративном блоге Лаура Кросс, вице-президент, главный аналитик </em><em>Forrester</em><em>.</em></p> <p>Ведение бизнеса и трансформация бизнеса не являются конкурирующими приоритетами. Трансформация должна изменить то, как работает бизнес. Организации, которые добиваются прогресса в обоих направлениях, создают операционные модели, которые делают операционную работу видимой, устанавливают четкие права собственности и принятия решений, а также создают потенциал и дисциплину для изменений.</p> <h3>Прекратите рассматривать трансформацию как дополнительную работу</h3> <p>Каждая организация должна управлять двумя реальностями:</p> <ol> <li> Она должна поддерживать ведение бизнеса. Прогнозирование, планирование доходов, стратегия данных, консолидация технологий, интерпретация аналитики и управление процессами являются операционной основой генерации доходов и взаимодействия с клиентами.</li> <li> В то же время необходимо инвестировать в будущее: ИИ, агентные рабочие процессы, модернизацию данных, интеллектуальные решения и другие значимые преобразования.</li> </ol> <p>Проблема начинается, когда организации рассматривают вторую категорию как работу, которую нужно наложить на первую. Трансформация становится дополнительной работой для команд, уже поглощенных операционными задачами: приоритеты конкурируют, права собственности размываются, и инициативы заходят в тупик. Новые технологии могут добавлять сложность, а не устранять ее.</p> <h3>Уточните права собственности, прежде чем выделять ресурсы</h3> <p>Первый вопрос не должен звучать так: «Достаточно ли у нас людей?». Он должен быть сосредоточен относительно того, «Кто за что отвечает?». Начните с четырех конкретных вопросов:</p> <ol> <li> Какая работа необходима для ведения бизнеса?</li> <li> Какая работа необходима для его трансформации?</li> <li> Кто отвечает за каждый вид работы?</li> <li> Кто имеет право принимать решения?</li> </ol> <p>Эти вопросы звучат просто, но ответить на них часто непросто. Операции, аналитика, технологии, планирование, трансформация и возможности ИИ все чаще сходятся вокруг одних и тех же инициатив. Несколько функций и подфункций могут отвечать за отдельные части работы, но никто не отвечает за результат.</p> <p>Когда никто не отвечает за результат, принятие решений происходит медленнее, приоритеты раздроблены, а ответственность нечетка. Именно поэтому права принятия решений так же важны, как и обязанности. Командам необходимо знать не только, кто выполняет работу, но и кто решает, что будет приоритизировано, стандартизировано, автоматизировано, профинансировано, масштабировано или остановлено.</p> <h3>ИИ делает слабые операционные модели более заметными</h3> <p>ИИ повышает ставки. То, что начинается как разговор о технологиях, быстро превращается в разговор о качестве данных, управлении, ответственности за процессы, приоритизации и межфункциональной координации. Вы не можете масштабировать то, что не стандартизировано. Фрагментированные процессы не становятся согласованными просто потому, что к ним применяется ИИ. Несогласованные рабочие процессы остаются несогласованными, неопределенная ответственность остается неопределенной, а автоматизация может усилить эти недостатки.</p> <p>Поэтому, прежде чем спрашивать: «Где мы можем внедрить ИИ?», спросите: «Что нужно стандартизировать, прежде чем мы начнем автоматизировать?» Использование ИИ для оптимизации процессов, генерации инсайтов и межфункциональной координации превращает ИИ из простого внедрения технологии в обсуждение того, как работает бизнес.</p> <h3>Стандартизация для масштабирования</h3> <p>Использование ИИ в качестве основы для нового способа ведения бизнеса в конечном итоге требует изменения мышления. Трансформация — это не то, что организация делает в дополнение к ведению бизнеса. Способность к трансформации должна стать частью того, как работает организация. Это означает обеспечение видимости операционных обязанностей: четкое определение ответственности за трансформацию, установление прав принятия решений, стандартизацию того, что должно масштабироваться, и использование планирования для постоянного перераспределения ресурсов от менее важных задач к более важным.</p> <p>Таким образом, вопрос не в том, «Как нам сбалансировать ведение бизнеса с его трансформацией?», а в том, «Как нам создать механизмы, которые позволят изменениям происходить без дестабилизации бизнеса?». Организации, которые находят ответ на этот вопрос, создают нечто более устойчивое, чем очередная программа трансформации.</p> <h3>Создание операционной модели для непрерывных изменений</h3> <p>Операционные руководители играют ключевую роль, поскольку они находятся на стыке стратегии и исполнения, технологий и процессов, данных и принятия решений. Пять шагов помогут операционным подразделениям успешно выполнить свою миссию:</p> <ol> <li><strong> Сделайте операционную деятельность видимой.</strong> Регулярные задачи, разовые запросы, подготовка отчетности, управленческие процессы и поддержка — все это требует реальных ресурсов. Чтобы принимать обоснованные решения о том, куда инвестировать или что изменить, руководители должны видеть, из чего состоит эта работа.</li> <li><strong> Закрепите за трансформацией конкретных ответственных.</strong> Трансформация не может долго оставаться задачей, выполняемой «попутно». Для таких инициатив необходимы четкая подотчетность, система управления, полномочия по принятию решений и определенные целевые результаты.</li> <li><strong> Сначала стандартизируйте, затем автоматизируйте.</strong> Прежде чем внедрять ИИ или автоматизацию, устраните необоснованные различия в процессах, определениях, рабочих потоках и подходах к принятию решений. Технологии должны масштабировать продуманные методы работы, а не хаотичную сложность.</li> <li><strong> Рассматривайте принятие решений как отдельную возможность.</strong> Операционная деятельность — это не просто предоставление данных. Ее ценность все чаще заключается в том, чтобы помогать руководителям принимать более качественные решения, объединяя планирование, управление, контроль эффективности, клиентские инсайты и интеллектуальные решения на базе ИИ.</li> <li><strong> Используйте планирование как инструмент трансформации.</strong> Планирование не должно сводиться лишь к распределению ресурсов для выполнения текущих задач. Используйте его, чтобы определить, что именно стоит упростить, автоматизировать, масштабировать, переработать или вовсе прекратить.</li> </ol> <h3>Дальнейшие шаги</h3> <p>Поиск баланса между поддержанием текущего ведения бизнеса и его трансформацией начинается с операционной модели. Руководителям необходимо сделать операционную работу прозрачной, четко распределить зоны ответственности и полномочия по принятию решений, а также определить, что именно подлежит стандартизации, прежде чем приступать к масштабному внедрению ИИ и автоматизации.</p> В ходе обсуждений с руководителями отделов операционной деятельности, маркетинга, стратегии, планирования … article ИИ-агент на скорости 500 км/ч: как не потерять управление https://www.itweek.ru/themes/detail.php?ID=235960 Tue, 17 Nov 2026 00:00:00 +0300 <p><em>Искусственный интеллект обещает бизнесу скорость, но та же скорость меняет правила защиты: атаки, которые раньше занимали недели, теперь укладываются в считанные часы, а привычная модель «человек в контуре» перестает успевать. Рассмотрим, как дать ИИ-агентам полномочия и темп для реальной работы, не потеряв контроль над их действиями.</em></p> <p>Несколько лет автоматизация в кибербезопасности держалась на простом правиле: машина предлагает, человек решает. Сегодня это правило дает трещину — и не потому, что человеку перестали доверять, а потому, что он перестал успевать. Скорость, с которой теперь идут атаки и ответы на них, не оставляет времени на ручное одобрение каждого шага. Современный ИИ-автопилот разгоняется подобно машине, несущейся на скорости 500 км/ч в плотном потоке, и уследить за всем вручную человек уже не в состоянии. К сожалению, и злоумышленники с помощью ИИ-агентов проникают в инфраструктуру за считанные часы, тогда как раньше требовались недели. Значит, и защита обязана работать в том же темпе. Если разбор логов и поиск способа остановить проникновение растягиваются на дни, у инфраструктуры просто не остается шанса среагировать. Метрики time to detect и time to respond сокращаются по обе стороны баррикад.</p> <p>Ускорение требует ресурсов — и вычислительных, и инженерных. Обрабатывать сетевой поток прежними методами уже недостаточно. Перенос обработки на аппаратный уровень, на программируемые логические схемы (FPGA), становится нормой для российского рынка, поскольку кратно повышает пропускную способность и снимает необходимость бесконечно оптимизировать код. Отдельная статья — стоимость самих моделей. Аппаратные затраты на мощные LLM сегодня значительны, особенно когда одна система решает десятки ИТ- и бизнес-задач. По сути, это новый виток тех же серьезных вложений в инфраструктуру, которые компании уже проходили раньше.</p> <p>Отсюда возникает вопрос, какие полномочия давать агенту и как их ограничить. Начать разумно с безопасного сценария: внутренней языковой модели можно открыть доступ на чтение логов и конфигураций, чтобы она помогала оптимизировать политики и предлагала решения, а человек проверял результат и принимал окончательное решение. Но прежде чем доверить исполнение команд, нужно точно определить, что агенту разрешено и с какими системами он может взаимодействовать. Здесь кроется типичная ловушка: даже полномочия системных администраторов часто описаны нечетко, и если у администратора есть привилегированный доступ ко всему, ровно такие же права рискует унаследовать и агент. Поэтому правила для агента должны быть такими же строгими, как для администратора: своя учетная запись, минимальные права и проверка действий.</p> <p>Риски растут вместе с полномочиями. Чтобы повысить производительность, бизнес охотно просит подключить агента ко всему сразу — к почте, CRM, ERP, отчетам в BI. Но если все эти права собраны у одного агента, взлом одного сегмента открывает доступ ко всем данным, а права на изменение позволяют захватить управление не только ИТ-системами, но и бизнес-приложениями. Добавляет проблем и неравенство моделей: слабые ошибаются даже на простых задачах, а сильные, у которых таких промахов почти не осталось, нельзя развернуть внутри контура компании. Самый же незаметный канал утечки — когда сотрудники пользуются личными учетными записями внешних ИИ-сервисов и загружают туда чувствительную информацию. Данные уходят в облака зарубежных провайдеров, их дальнейшее хранение непрозрачно, а подключенный на личном устройстве VPN и шифрованный сторонний туннель не дают службе безопасности увидеть, что именно покинуло периметр.</p> <p>Ответ на эти риски — не запрет ИИ, а создание наблюдаемой среды для него. Нулевой практический шаг — убрать теневой ИИ, построив прокси, через который сотрудники смогут легитимно пользоваться моделями, а компания — видеть, какие данные уходят вовне. Следующий уровень — поставить между управляемой системой и агентом отдельный слой контроля, AI Gateway или AI Firewall, который следит за действиями агента на той же скорости, на которой тот работает. Логично развести и роли по принципу разделения обязанностей — когда одним агентом управляет ИТ, а независимый агент кибербезопасности проверяет его действия на соответствие правилам безопасной работы с инфраструктурой. Так на смену human in the loop приходит security agent in the loop. Такой контур превращает скорость из угрозы в управляемое преимущество.</p> <p>В перспективе часть рутины перейдет к агентам целиком — например, автоматическое закрытие критических уязвимостей, на которые сегодня у команд уходят драгоценные часы. Но доверять эту скорость стоит только там, где заранее определены полномочия, выстроен надзор и налажена видимость. Инструменты для этого уже появляются. Главный принцип при этом остается прежним — давать ИИ темп и права ровно настолько, насколько компания способна контролировать его действия.</p> <p>#IMAGE_235961#</p> Искусственный интеллект обещает бизнесу скорость, но та же скорость меняет правила защиты: атаки, которые раньше … article Эльман Бейбутов, директор по развитию бизнеса UserGate Deckhouse Code делает проверку безопасности обязательным этапом разработки https://www.itweek.ru/themes/detail.php?ID=235959 Mon, 16 Nov 2026 16:36:39 +0300 <p>Компания «Флант» выпустила обновление Deckhouse Code — платформы для непрерывной разработки и управления жизненным циклом ПО. В новой версии появились обязательные политики безопасности, которые невозможно отключить на уровне команды, встроенные сканеры кода и интеграция с российскими средствами анализа защищённости.</p> <p>Главное нововведение — политики безопасности, которые служба ИБ задаёт централизованно для всех команд разработки. Обязательные этапы проверки встраиваются в конвейер CI/CD поверх настроек команды разработки и не могут быть ею отключены. Выпуск новой версии продукта возможен только после успешного прохождения всех проверок безопасности.</p> <p>Deckhouse Code включает встроенные сканеры для статического анализа кода, проверки зависимостей и контейнерных образов, а также для поиска секретов в репозиториях. В обновлении добавлена интеграция с российскими сканерами безопасности: они подключаются теми же политиками и становятся обязательными этапами конвейера. Политики, ролевой доступ и правила проверок настраиваются в одном месте, компании не нужны отдельный оркестратор сканеров и ручная интеграция каждого инструмента с каждым проектом.</p> <p>Обновление будет полезно компаниям, которые выбирают платформу для разработки, а также командам, которые мигрируют с GitLab (или планируют это). Переход на Deckhouse Code сохраняет привычную модель работы — репозитории, запросы на слияние, конвейеры CI/CD — и одновременно закрывает вопрос безопасной разработки: заказчик получает полноценную платформу DevSecOps вместо простого хранилища кода.</p> <p>«Безопасная разработка начинается с правил, которые одинаково действуют для всех команд. В Deckhouse Code служба ИБ один раз задаёт политики, и дальше они работают автоматически в каждом конвейере: команды разработки сохраняют свой темп, при этом код без обязательных проверок в релиз не попадёт. Для компаний, которые уходят с GitLab, это возможность сразу получить контроль безопасности на уровне платформы», — рассказал Никита Борзых, управляющий партнёр компании «Флант».</p> <p>Deckhouse Code включён в Единый реестр российского ПО и обеспечивает полный цикл непрерывной разработки в одном продукте от отечественного вендора с регулярными релизами. Решение развёртывается в любой инфраструктуре заказчика — на серверах под российскими операционными системами, в Kubernetes и в составе Deckhouse Platform. Пользователям доступны возможности вендора: техническая поддержка, обучение в Академии Deckhouse и партнёрская программа.</p> Компания «Флант» выпустила обновление Deckhouse Code — платформы для непрерывной разработки и управления жизненным … message EOSmobile 4.17: больше «быстрой» аналитики и новые инструменты планирования https://www.itweek.ru/themes/detail.php?ID=235958 Mon, 16 Nov 2026 16:35:21 +0300 <p>Линейка мобильных решений ГК «ЭОС» продолжает стремительно развиваться. EOSmobile версии 4.17 и Сервер мобильных решений (СМР) 4.11 — это новые возможности и инструменты, которые позволят всегда иметь перед глазами максимум полезной информации, эффективнее распределять задачи и планировать свое время, а также вовремя выявлять критичные проблемы в рабочих процессах и не допускать срыва исполнения задач.</p> <p>В EOSmobile 4.17 появились новые модули «Аналитика» и «Календарь», улучшена работа с инициативными поручениями, РКПД, отчетами исполнителей. В СМР 4.11 в профиле пользователя добавлены настройки для включения доступа к функционалу этих модулей и выбора нужных опций.</p> <p>Новый модуль «Аналитика» формирует комплекс показателей на основе данных по собственным поручениям должностного лица, а также по задачам подчиненных ему исполнителей. Для быстрого доступа к возможностям модуля на экспресс-панель приложения добавлена соответствующая иконка. Модуль включает два раздела: «Мои поручения» (в него входят три смысловых блока — «Мои поручения», «Контроль исполнения» и «Ход исполнения») и «Мои исполнители». Каждый из блоков объединяет виджеты по своей теме, что позволяет буквально с одного взгляда увидеть картину в целом и оценить общую ситуацию по исполнению. С помощью переключателя «Инициативные» можно в один клик отфильтровать поручения по данному параметру.</p> <p>«Мои поручения» — это аналитика по поручениям, автором которых является данное должностное лицо. Виджеты блока «Мои поручения» наглядно подсвечивают проблемные зоны: критичные просрочки среди срочных поручений, срыв сроков по конфиденциальным документам, задачи, пересланные помощником, общую динамику выполнения и просроченные поручения на исполнителях. Вместе они дают единую картину «узких мест» и помогают оперативно определить, где требуется немедленное вмешательство.</p> <p>В блоке «Контроль исполнения» собраны виджеты для оценки исполнительской дисциплины и эффективности работы с поручениями. Они дают возможность быстро оценить действенность системы контроля, выявить ключевые проблемы и увидеть, как меняется исполнительская дисциплина в команде с течением времени.</p> <p>В блоке «Ход исполнения» находятся виджеты для текущего контроля процесса выполнения поручений. Они показывают поручения с просроченным промежуточным сроком, которые могут привести к итоговой просрочке, задачи, снятые с контроля без фиксации статуса исполнения, поручения без активности по полям «Ход исполнения» и «Состояние исполнения», а также распределение контрольных поручений по состоянию исполнения. Все это помогает вовремя заметить нарушения в процессе работы и не допускать срывов сроков.</p> <p>Раздел «Мои исполнители» содержит аналитику по заранее выбранным исполнителям. Краткий формат покажет ключевую информацию по данному исполнителю. Плитки с краткой информацией кликабельны — нажав на них, можно перейти на страницу подробной аналитики. Набор виджетов в целом повторяет вкладку «Мои поручения», но отражает информацию по поручениям выбранного исполнителя.</p> <p>Если вам нужно узнать, какие документы стоят за тем или иным графиком, диаграммой, цифрой, вы в любой момент можете увидеть их список, кликнув на нужный виджет. Откроется страница с перечнем, где каждый документ можно просмотреть.</p> <p>Увидеть минимальную информацию по исполнителю можно и без перехода в модуль «Аналитика». В окне выбора исполнителей поручения на иконках должностных лиц в СМР будут отображаться их показатели: общее количество ваших поручений и число просроченных.</p> <p>В версии 4.17 появился еще один новый модуль «Календарь» и иконка для доступа к нему на экспресс-панели EOSmobile. Модуль дает наглядный обзор запланированных и прошедших событий с возможностью видеть детальную информацию о каждом из них. Он позволяет прямо из приложения создавать, просматривать, редактировать и отслеживать события календаря кабинета СЭД «Дело».</p> <p>В модуле «Календарь» можно задать или изменить название события, время его начала и окончания, место проведения, добавить участников и установить важность. Все эти изменения синхронизируются с календарем должностного лица в СЭД «Дело». При добавлении пользователя в событие ему в приложение поступает соответствующее уведомление.</p> <p>В новой версии улучшена и упрощена работа с множественными инициативными поручениями. В профиле пользователя в СМР можно не только выбирать группы инициативных поручений для мобильного приложения, но и задавать для каждой группы свое (удобное и понятное) название и отдельные настройки.</p> <p>В EOSmobile 4.17 при нажатии в экспресс-меню на кнопку «ПОРУЧЕНИЕ» появляется всплывающий элемент с перечнем групп. Выбрав предварительно настроенную в СМР нужную группу, можно существенно сэкономить время на оформлении однотипных инициативных поручений.</p> <p>EOSmobile 4.17 включает и другие изменения. В частности, теперь для визирования и подписания проекта документа не требуется получать РКПД от помощника. Его можно найти в поиске или среди связанных РК. Подробнее с новыми возможностями обновленного решения вы можете ознакомиться в специальном разделе нашего сайта. О новом функционале СМР 4.11 также можно прочитать в документации на сайте.</p> <p>EOSmobile 4.17 совместимо с СМР 4.10 и 4.11, но для полноценной работы новых функций рекомендуем обновить Сервер мобильных решений до версии 4.11. Поддерживаемые версии СЭД «Дело» — 24.3 (релиз от 01.01.2025 и старше), 25.3, 26.0. Функционал модуля «Календарь» будет доступен только для версии СЭД «Дело» 26.*, готовящейся к выпуску.</p> <p>Поддерживаемые мобильные операционные системы: ОС Android 11 — 16.х, ОС «Аврора» от 5.1.0, ОС Windows 10.х или 11.х, ОС iOS/iPadOS 16.2 — 26.x. В ближайшее время планируем загрузить обновления во все официальные магазины приложений.</p> Линейка мобильных решений ГК «ЭОС» продолжает стремительно развиваться. EOSmobile версии 4.17 и Сервер мобильных … message Кто несет ответственность за результаты совместной работы ИИ-агентов? https://www.itweek.ru/themes/detail.php?ID=235956 Mon, 16 Nov 2026 10:04:09 +0300 <p><em>Сфера мультиагентных систем искусственного интеллекта стремительно развивается, однако в большинстве компаний до сих пор нет четкого понимания того, кто отвечает за решения, принимаемые такими агентами совместно, пишет на портале </em><em>InformationWeek</em> <em>Али Альхафаджи, генеральный директор компании Apply Digital, партнера по внедрению агентных решений для улучшения клиентского опыта.</em></p> <p>По <a href="https://www.gartner.com/en/newsroom/press-releases/2026-04-28-gartner-identifies-six-steps-to-manage-artificial-intelligence-agent-sprawl">прогнозам</a> Gartner, к 2028 г. в типичной глобальной корпорации из списка Fortune 500 будет задействовано более 150 тыс. ИИ-агентов — для сравнения, в <nobr>2025-м</nobr> их число составило менее 15.</p> <p>Согласно тому же отчету, лишь 13% из 360 опрошенных респондентов считают, что в их организациях выстроена надлежащая система управления. Большинство этих компаний еще не нашли ответ на фундаментальный вопрос: если несколько агентов работают сообща и создают результат, который приводит к возникновению проблемы, — кто несет за это ответственность?</p> <p>На протяжении последних двух лет дискуссии об управлении корпоративным ИИ сводились к одному вопросу: кто отвечает за то, что выдает модель? И этот вопрос уже был непростым. Теперь же ситуация стала еще сложнее.</p> <p>По мере того как организации переходят от внедрения отдельных ИИ-инструментов к координации целых систем, состоящих из множества агентов — каждый из которых анализирует информацию, принимает решения и действует на разных этапах рабочего процесса, — вопрос об ответственности становится все более запутанным. У большинства компаний нет на него четкого ответа. А отсутствие такого ответа — это не просто пробел в системе управления, это прямая юридическая ответственность.</p> <p>В Калифорнии с 1 января вступил в силу закон, который прямо запрещает ответчикам ссылаться на автономный характер работы ИИ-агента в качестве аргумента для снятия с себя ответственности.</p> <p>С этой проблемой сталкиваются не только те компании, которые действовали опрометчиво, а также те, кто подходил к внедрению взвешенно, опираясь на существующие стандарты — но не обновил их с учетом появления нового класса систем. Если ошибку допускает один агент, цепочка ответственности прослеживается легко. Если же к ошибке приводит совместная работа трех агентов, найти ответственного гораздо сложнее — а большинство корпоративных систем управления просто не были рассчитаны на решение подобных вопросов.</p> <h3>Что показывает опыт работы с командами, где 50% участников — ИИ-агенты</h3> <p>В моей компании работа с каждым новым клиентом начинается с формирования так называемых «матричных команд», в которых как минимум 50% участников — это ИИ-агенты, работающие бок о бок с людьми-специалистами. Такое проектное решение вынудило нас ответить на вопрос об ответственности на практике, а не в теории.</p> <p>Прежде всего стало ясно: ответственность нельзя возложить на систему — она должна быть закреплена за конкретным человеком. Не за командой, не за системой управления и не за процессом проверки, а за вполне определенным сотрудником, который несет ответственность за любой результат работы системы до того, как он попадет к клиенту или заказчику — независимо от того, сколько агентов участвовало в его создании. Этот человек должен быть определен еще до начала развертывания. Если вы не можете назвать его имя — значит, вы еще не готовы к запуску.</p> <p>Во-вторых, стало очевидно, что передача задач между агентами требует такой же тщательной проработки, как и передача задач между агентом и человеком. В мультиагентном рабочем процессе каждый агент принимает решения, которые ограничивают возможности следующего агента в цепочке. Если первый агент допустит ошибку, у второго может просто не оказаться информации, чтобы ее выявить. К тому моменту, когда результат попадет к человеку-проверяющему, ошибка может уже многократно усугубиться на предыдущих этапах.</p> <p>Следует уделять особое внимание тому, что мы называем «корректной передачей» — моменту, когда компонент системы понимает, что нужно передать не просто задачу, а весь контекст целиком. Качественная запись о передаче задачи должна содержать ответы на как минимум четыре вопроса:</p> <ol> <li> какую цель пытался достичь агент;</li> <li> к каким данным он имел доступ;</li> <li> с какой степенью уверенности он оценил полученный результат;</li> <li> какие действия он предпринял.</li> </ol> <p>В этом заключается разница между передачей, позволяющей человеку быстро принять решение, и передачей, которая требует полной реконструкции событий, прежде чем можно будет предпринять хоть какие-то действия.</p> <h3>Журнал аудита — это важный элемент архитектуры, а не второстепенное дополнение</h3> <p>Компонент управления, в который большинство организаций вкладывают недостаточно ресурсов, — это журнал аудита. Это не просто лог конечных результатов, а фиксация всей цепочки рассуждений. Если в мультиагентной системе что-то идет не так, необходимо проследить путь назад через каждый этап принятия решений. Лог результатов показывает, <em>что</em> произошло, а цепочка рассуждений позволяет понять, <em>где именно</em> произошел разрыв в системе ответственности.</p> <p>Еще до начала развертывания следует определить, что именно должно фиксироваться на границе каждого агента: входные данные, сигналы об уровне уверенности, предпринятые действия и инициированные процессы передачи задач. Без такой структуры разбор инцидентов превращается в попытку угадать произошедшее — своего рода «криминалистику» на основе догадок.</p> <p>Организации, которые пренебрегают этими шагами, не терпят краха одномоментно. Они деградируют постепенно: результаты их работы со временем теряют доверие, спустя месяцы обнаруживаются нарушения нормативных требований, а принятые решения невозможно проследить до конкретного ответственного лица.</p> <p>Чтобы избежать такого сценария, ИТ-руководителям следует предпринять три шага:</p> <ol> <li> Составить карту всех активных рабочих процессов, выполняемых автономными агентами, и для каждого результата определить конкретного ответственного сотрудника. Если в качестве ответственного указана команда или процесс, а не отдельный человек, назначьте конкретного сотрудника, прежде чем рабочий процесс будет запущен снова.</li> <li> Проанализировать протоколы передачи задач на границах взаимодействия агентов. Если такие протоколы не зафиксированы письменно — составьте их прямо сейчас. Не дожидайтесь сбоя в рабочей среде, который выявит отсутствие регламента.</li> <li> Провести аудит того, какие данные фиксируются в логах на границах взаимодействия агентов. Если логи содержат только конечные результаты, но не включают входные данные, показатели уверенности и этапы логических рассуждений — переработайте архитектуру логирования до начала масштабирования. Затраты на внедрение системы аудита после того, как произошел инцидент, значительно выше, чем расходы на ее создание на начальном этапе.</li> </ol> Сфера мультиагентных систем искусственного интеллекта стремительно развивается, однако в большинстве компаний до сих … article Российский рынок сетевого оборудования переходит к гибридной инфраструктуре https://www.itweek.ru/themes/detail.php?ID=235954 Mon, 16 Nov 2026 09:53:42 +0300 <p>Российский рынок сетевого оборудования переживает фундаментальную трансформацию. Если еще несколько лет назад при построении IT-инфраструктуры компании в первую очередь выбирали производителя оборудования, то сегодня ключевым становится вопрос архитектуры сети. На фоне импортозамещения, оптимизации затрат и развития технологий искусственного интеллекта бизнес все чаще обращается к гибридным решениям, объединяющим аппаратные и программные компоненты.</p> <h3>От моновендорных сетей к гибридной инфраструктуре</h3> <p>Одна из главных тенденций российского рынка — распространение гибридных инфраструктур. В корпоративных сетях одновременно используются российские и зарубежные решения, оборудование разных поколений, облачные и контейнерные платформы. Компании уходят от парадигмы «какое оборудование купить» к парадигме «какую архитектуру построить».</p> <p>Умение интегрировать и поддерживать разнородные технологические среды становится критически важной компетенцией. Такой подход уже нельзя считать временной мерой: гибридная инфраструктура постепенно становится новой нормой.</p> <p>Еще один фактор, влияющий на выбор решений, — экономическая эффективность. Аппаратное обеспечение требует значительных капитальных вложений: в зависимости от класса речь может идти о нескольких миллионах и даже десятках миллионов рублей. Поэтому в условиях оптимизации затрат все более привлекательными становятся программные решения, которые можно развернуть на стандартных серверах или в облаке.</p> <p>При этом бизнесу необходима возможность быстро адаптировать инфраструктуру к меняющимся потребностям. Появление новых микросервисов и цифровых продуктов требует гибкости и быстрого масштабирования. Если для изменения конфигурации сети или увеличения ее мощности необходимо закупать и устанавливать дополнительное оборудование, инфраструктура становится тормозом для бизнеса. Компании хотят масштабироваться «по требованию», а не по графику поставок.</p> <h3>Искусственный интеллект и автоматизация меняют требования к сетям</h3> <p>Дополнительные требования к сетевой инфраструктуре формирует развитие искусственного интеллекта. AI-агенты, способные самостоятельно обращаться к нескольким сервисам и генерировать менее предсказуемые потоки запросов, меняют характер нагрузки на сети. Инфраструктура должна быстрее перераспределять трафик и масштабироваться с учетом динамики, которую не всегда возможно спрогнозировать заранее.</p> <p>Одновременно автоматизация управления постепенно превращается из конкурентного преимущества в базовое требование к инфраструктурным решениям. Управление через API, подход Infrastructure as Code и интеграция с DevOps-практиками позволяют обеспечить необходимую бизнесу скорость изменений.</p> <p>Важно понимать что «железо» никуда не уходит. Оно сохраняет свои позиции там, где нужны очень высокая и предсказуемая производительность, минимальные задержки, обработка экстремальных объемов трафика или использование выделенного оборудования из-за требований безопасности и регулирования. Таким образом, речь идет не об отказе от аппаратной инфраструктуры, а об изменении ее роли и сочетании с программными решениями.</p> <h3>Импортозамещение формирует смешанную инфраструктуру</h3> <p>Импортозамещение активно меняет структуру российского рынка сетевого оборудования. Однако этот процесс не сводится к простой замене каждого зарубежного продукта отечественным аналогом.</p> <p>После ухода западных вендоров компании вынуждены одновременно работать с российскими решениями, сохранившимся зарубежным оборудованием и продуктами разных поколений. Отечественные разработки занимают все большее место в инфраструктуре, однако полностью отказаться от зарубежного оборудования бизнес пока не может во всех сценариях.</p> <p>Выбор решений определяется не только страной происхождения продукта, но и требованиями к производительности, масштабированию, безопасности, интеграции и стоимости владения. В этих условиях импортозамещение постепенно становится архитектурной задачей. Компаниям необходимо не просто заменить одного иностранного производителя отечественным, а обеспечить совместную работу большого количества различных компонентов.</p> <p>Поэтому сегодня правильнее говорить не о полном вытеснении зарубежного оборудования, а о формировании российского рынка, где отечественные решения становятся одним из ключевых элементов гибридной инфраструктуры.</p> <p>В ближайшие годы конкурентоспособность сетевых решений будет определяться способностью компаний сочетать аппаратные и программные компоненты, обеспечивать гибкость, автоматизацию и экономическую эффективность сетей, готовых к новым требованиям цифрового бизнеса и развитию искусственного интеллекта.</p> <p>#IMAGE_235955#</p> Российский рынок сетевого оборудования переживает фундаментальную трансформацию. Если еще несколько лет назад при построении … article Алексей Лобачев, основатель компании “5А” Yandex B2B Tech выпустила новое поколение речевых моделей для создания голосовых ИИ-агентов https://www.itweek.ru/themes/detail.php?ID=235953 Fri, 13 Nov 2026 18:21:36 +0300 <p>Голосовые ИИ-агенты на базе новых моделей Yandex AI Studio смогут вести более естественный диалог с пользователями и самостоятельно решать больше задач без участия оператора. ИИ-агенты смогут менять интонацию в зависимости от контекста разговора, реагировать на перебивания и быстро выполнять многошаговые запросы клиентов. Благодаря новым моделям бизнес сможет в десятки раз увеличить долю обращений, которые решаются без участия человека.</p> <p>Компании могут создавать и настраивать голосовых агентов с помощью текстовых инструкций, подключать их к корпоративным системам и тестировать различные сценарии обслуживания клиентов прямо в интерфейсе платформы — без необходимости разрабатывать прототип с нуля.</p> <p>Модель TTS Live анализирует смысл текста и самостоятельно подбирает интонацию, расставляет акценты и паузы. Компании могут выбирать для агентов разные голоса и манеры речи — от уверенной для продаж до мягкой для клиентской поддержки и сдержанной для уведомлений. Также доступны специальные варианты для медицинских сценариев и аудиогидов.</p> <p>Обновленная модель Speech Realtime Max позволяет создавать голосовых агентов, способных решать несколько связанных задач за один звонок. Например, ИИ может перенести запись, рассчитать стоимость, применить скидку и отправить ссылку на оплату, обращаясь к корпоративным системам в реальном времени. Если клиент прерывает агента, то он останавливается и реагирует на новую реплику. При этом в истории диалога учитывается только фактически озвученная часть ответа, что предотвращает путаницу и дублирование информации.</p> <p>«В обычном разговоре люди часто перебивают друг друга и меняют тему. Поэтому важно, чтобы голосовой агент умел не только реагировать на новые реплики, но и понимал, что уже успел сказать, а что собеседник не дослушал. При этом речь агента должна звучать естественно — с правильными паузами и интонациями», — рассказала Елена Белоброва, руководитель направления развития бизнеса ML&AI сервисов Yandex B2B Tech.</p> <p>Речевые технологии Yandex SpeechKit используют компании из разных отраслей — от образования и туризма до ритейла и городского управления. Среди компаний сервисы «Литрес», «ДоДо Пицца», «Интернет-урок», МТС Exolve, ритейлер X5 Retail Group и другие.</p> Голосовые ИИ-агенты на базе новых моделей Yandex AI Studio смогут вести более естественный диалог с пользователями … message ИСИЭЗ НИУ ВШЭ: масштабные научно-технические проекты Республики Корея https://www.itweek.ru/themes/detail.php?ID=235952 Fri, 13 Nov 2026 18:20:53 +0300 <p>Институт статистических исследований и экономики знаний (ИСИЭЗ) НИУ ВШЭ изучил устройство масштабной программы K-Moonshot, запущенной в Республике Корея в 2026 году для консолидации инструментов научно-технологической политики и ускорения исследований и разработок в стране.</p> <p>Основную часть исследований и разработок в Республике Корее выполняют организации предпринимательского сектора (по данным ОЭСР, на его долю в 2024 г. приходилось 81,4% ВЗИР), и сектор науки страны в значительной мере ориентирован на прикладные задачи с коротким горизонтом планирования. Чтобы преодолеть этот дисбаланс, государство перешло от разрозненных мер поддержки к их консолидации в рамках единых научно-технологических приоритетов. Этот подход воплощает программа K-Moonshot, которую запустило Министерство науки и ИКТ (MSIT) в начале 2026 г.</p> <p>Программа K-Moonshot выстроена на основе 12 национальных миссий, сгруппированных по восьми стратегическим направлениям. Ключевым нововведением стало требование интеграции ИИ во все миссии, а также установление конкретных целевых показателей с горизонтом реализации до 2035 г. Ориентиры определены с учетом анализа передовых мировых научных достижений и технологических дорожных карт стран-конкурентов, прежде всего США (уровень развития стратегических технологий Республики Корея предполагается сократить до 85% от уровня США к 2030 г., в 2022 г. — 81,5%). При этом в расчеты закладывалось фундаментальное допущение, что интеграция ИИ должна как минимум удвоить исследовательскую продуктивность, и это позволит стране совершить «скачок», пропустив промежуточные этапы технологического развития и сформировав существенное стратегическое преимущество.</p> <p>Финансирование программы опирается на бюджетные ассигнования и частные вложения. В формате государственно-частного партнерства к программе уже присоединилась 161 компания: 88 фирм формируют технологическое ядро по трем направлениям — модели ИИ; вычисления и сети; данные. Еще 73 компании представляют отрасли, связанные с конкретными миссиями. Среди участников — Samsung, SK, LG и Hyundai Motor Group. В 2026 г. из национального бюджета по линии MSIT на K-Moonshot выделено 400 млрд вон (24,4 млрд руб.). Масштаб корпоративных вложений иллюстрирует план Hyundai Motor Group направить до 2030 г. около 125,2 трлн вон (7,6 трлн руб.) на развитие робототехники и ИИ. Крупные компании также возглавляют консорциумы, реализующие проекты в рамках миссий. Например, LG Electronics координирует разработку гуманоидных роботов, а Samsung Heavy Industries участвует в создании судов с малыми модульными реакторами. В разработку суверенных базовых моделей ИИ вовлечены пять консорциумов под руководством LG. Международное сотрудничество развивается при участии Google DeepMind, которая открывает в Сеуле исследовательский кампус для разработки моделей ИИ для исследований в интересах национальных миссий.</p> <p>Оперативную координацию K-Moonshot обеспечивает постоянная межведомственная группа с участием директоров департаментов профильных министерств и представителей исследовательских институтов. Координационный узел программы — Национальный центр стратегии в области ИИ (NAIS) при Национальном научно-исследовательском совете (NST), объединяющий 23 государственных исследовательских института. Проектные директора NAIS наделены межведомственными полномочиями оперативно перераспределять средства между участниками консорциумов и корректировать дорожные карты миссий, минуя традиционные бюрократические процедуры.</p> <p>Кадровое обеспечение программы K-Moonshot предусматривает как меры, непосредственно связанные с ее миссиями, так и более широкие национальные программы подготовки, поддержки и привлечения исследователей, и опирается на многоуровневую экосистему грантов и стипендий, администрируемую преимущественно NST и Министерством науки и ИКТ. Подробнее о ней в полном обзоре.</p> <p>Михаил Гершман, директор Центра научно-технической, инновационной и информационной политики ИСИЭЗ НИУ ВШЭ, прокомментировал: «В условиях усиливающейся глобальной конкуренции Республика Корея перестраивает модель управления научно-технологическим развитием, консолидируя технологические приоритеты и меры поддержки, устанавливая амбициозные цели на десятилетнем горизонте и обеспечивая долгосрочное финансирование исследований. Отдельного внимания заслуживает корейский подход к подготовке и удержанию научных кадров: государство поддерживает исследователей на разных этапах карьеры — от магистратуры и аспирантуры до постдокторской подготовки, с помощью крупных и „длинных“ (до девяти лет) грантов привлекает ведущих ученых, в том числе из-за рубежа, стимулирует организации к найму целых исследовательских команд. Схожие принципы и механизмы могли бы быть последовательно адаптированы и в российском контексте, в том числе в рамках реализации национальных проектов технологического лидерства».</p> Институт статистических исследований и экономики знаний (ИСИЭЗ) НИУ ВШЭ изучил устройство масштабной программы K-Moonshot … message Российские компании переплачивают за ИИ до девяти раз, но не получают гарантий конфиденциальности данных https://www.itweek.ru/themes/detail.php?ID=235951 Fri, 13 Nov 2026 18:18:45 +0300 <p>Международные ограничения лишают российские компании не только прямого доступа к зарубежным нейросетям по международным тарифам, но и возможности полноценно использовать Zero Data Retention (ZDR) — режим, при котором поставщик обязуется не сохранять содержимое запросов и ответов после обработки. Ни один из трех рассмотренных российских облачных провайдеров не закрепляет полноценный ZDR в изученных публичных договорах, тогда как зарубежные поставщики предлагают его по соглашению, через настройки API или по умолчанию. При этом стоимость доступа к зарубежным моделям через российские платформы оказывается в <nobr>1,6-9</nobr> раз выше международных тарифов. К таким выводам пришли аналитики российской платформы для создания ИИ-агентов Nodul, изучив тарифы и политики обработки данных 15 поставщиков ИИ-моделей.</p> <p>Zero Data Retention позволяет компаниям использовать внешние нейросети без сохранения содержимого запросов и ответов поставщиком после обработки в пределах установленных условий. При этом при разработке программного обеспечения ИИ-агенту нередко требуется доступ к корпоративному репозиторию. При подключении к репозиторию агент получает возможность анализировать исходный код, архитектуру приложения, внутренние зависимости, структуру баз данных и конфигурации. В результате во внешний API передается значительно больше корпоративной информации, чем содержится в первоначальном запросе разработчика.</p> <p>Nodul сравнил политики хранения данных российских и зарубежных ИИ-провайдеров. OpenAI и Anthropic предоставляют ZDR после индивидуального согласования, xAI позволяет самостоятельно включить функцию в настройках при ее доступности, а Google Cloud предусматривает сочетание договорных условий и технической конфигурации.</p> <p>У зарубежных агрегаторов ZDR зачастую доступен без индивидуального согласования. Fireworks AI заявляет его по умолчанию для стандартного инференса открытых моделей, Novita AI закрепляет соответствующую политику в условиях обслуживания, Together AI позволяет самостоятельно отключить хранение запросов, а OpenRouter — выбирать маршруты с ZDR.</p> <p>В то же время ни один из трех рассмотренных российских провайдеров — Yandex AI Studio, GigaChat API и Cloud.ru — не закрепляет ZDR в договорах. Аналитики не обнаружили в договорах российских поставщиков таких гарантий. При этом компании предлагают отдельные механизмы защиты информации. Yandex AI Studio позволяет отключить логирование запросов для улучшения сервиса, однако Responses API может сохранять результаты до 30 дней. GigaChat API декларирует ограничения на хранение данных и использование запросов для обучения. Cloud.ru предоставляет доступ к моделям через российскую инфраструктуру, однако локальное размещение данных не равнозначно обязательству не сохранять запросы и ответы.</p> <p>Ограничения прямого подключения к зарубежным API вынуждают российский бизнес использовать альтернативные каналы доступа. Одним из них становятся отечественные облачные платформы, которые позволяют работать с зарубежными моделями, но зачастую по значительно более высоким тарифам.</p> <p>Аналитики Nodul сравнили стоимость использования моделей по единому сценарию — 10 млн входящих и 2 млн исходящих токенов. В разработке программного обеспечения такой объем ориентировочно соответствует <nobr>1-3</nobr> дням работы одного разработчика с кодинг-агентом или разовому ревью средней кодовой базы.</p> <p>Наибольшая разница в стоимости обнаружена для четырёх моделей. Использование DeepSeek V4.1 Flash через Yandex AI Studio обходится в 4 000 рублей против 443 рублей у зарубежных агрегаторов — в девять раз дороже. Для Claude Opus 5.5 стоимость через российского провайдера составляет 14 239 рублей против 6 560 рублей за рубежом — переплата достигает 7 679 рублей, или примерно 2,2 раза. Аналогичная разница наблюдается для Claude Sonnet 5.5 и GPT-6.1 Sol: доступ к каждой модели через российскую платформу стоит 7 120 рублей против 3 280 рублей по международным тарифам. При этом более высокая стоимость не сопровождается сопоставимыми публичными договорными гарантиями Zero Data Retention.</p> <p>Базовые тарифы прямых зарубежных API и международных агрегаторов в большинстве рассмотренных случаев совпадают. Таким образом, зарубежные агрегаторы могут предоставлять ZDR без дополнительной наценки на стоимость токенов, тогда как переход к российской облачной инфраструктуре увеличивает расходы, но не обязательно обеспечивает сопоставимые гарантии несохранения данных.</p> <p>Компании могут рассматривать собственную инфраструктуру как способ решения проблемы безопасности. Однако развертывание моделей требует инвестиций в вычислительные мощности, эксплуатацию и специалистов. Более доступные открытые модели при этом не всегда обеспечивают качество флагманских коммерческих решений при работе со сложным кодом.</p> <p>Альтернативой становится использование разных моделей и поставщиков в зависимости от требований конкретной задачи. Для этого бизнесу необходима система управления маршрутизацией <nobr>LLM-запросов,</nobr> которая позволяет учитывать одновременно стоимость, качество и безопасность обработки информации.</p> <p>«Для бизнеса важно не просто подключить разработчиков к ИИ, а управлять тем, как он используется. Правильная маршрутизация позволяет автоматически выбирать оптимальную модель и провайдера для каждой задачи: простые запросы выполнять дешевле, сложные направлять более мощным моделям, а корпоративный код — только через маршруты с необходимыми гарантиями конфиденциальности. Вместе с кешированием и контролем потребления это позволяет в отдельных сценариях сокращать расходы в несколько раз, сохраняя скорость разработки и контроль над данными», — отметил Александр Данилов, генеральный директор и основатель Nodul.</p> Международные ограничения лишают российские компании не только прямого доступа к зарубежным нейросетям … message Guardant представил оценку российского рынка ПО с прогнозом на 2027 год: главные тезисы и цифры https://www.itweek.ru/themes/detail.php?ID=235950 Fri, 13 Nov 2026 17:36:04 +0300 <p>Эксперты бизнес-направления Guardant компании «Актив» в рамках конференции GuardConf 2026 представили «Оценку российского рынка ПО участниками отрасли с прогнозом на 2027 год». Аналитический отчет отражает текущее состояние российского рынка ПО, его динамику и прогнозы, а также главные драйверы и барьеры отрасли.</p> <p>Российский рынок разработки ПО сталкивается с новыми вызовами: заказчики сокращают бюджеты, конкуренция между отечественными разработчиками усиливается, а компаниям приходится пересматривать бизнес-планы и искать новые возможности для роста. Именно поэтому эксперты Guardant провели опрос, чтобы зафиксировать текущие настроения рынка и определить ключевые тренды его развития.</p> <p>В опросе приняли участие менеджеры высшего звена и собственники отечественных компаний-разработчиков ПО разного масштаба. Методология оценки включала анкетирование по 22 вопросам, сгруппированным в шесть тематических блоков: информация об участниках, итоги первого полугодия 2026 года, ожидания до конца 2026 года и на 2027 год, использование искусственного интеллекта и уровень импортозамещения. На основе ответов эксперты провели количественный анализ и сформулировали ключевые выводы:</p> <ul> <li>более половины опрошенных разработчиков сообщили о снижении выручки, при этом ожидания роста сохраняются. 52% участников сообщили о снижении выручки в первом полугодии 2026 года, при этом 44% рассчитывают на ее увеличение в 2027 году, однако участники связывают возможный рост с разными факторами;</li> <li>внедрение ИИ позволяет ускорить разработку ПО, но пока не приводит к очевидному снижению затрат. 86% активно использующих ИИ отмечают ускорение разработки, при этом 62% не заметили изменений в расходах. Это говорит о том, что скорость и экономическая эффективность внедрения ИИ — разные показатели, и бизнесу еще предстоит оценить реальную отдачу от инвестиций в искусственный интеллект;</li> <li>возможности роста за счет импортозамещения снижаются. По оценкам опрошенных, российское ПО уже занимает около 50% в представленных ими рыночных сегментах. Теперь перед вендорами стоит следующая задача: закрепить достигнутые позиции и найти новые возможности для дальнейшего роста бизнеса;</li> <li>конкуренция среди российских разработчиков усиливается и становится более значимым риском для бизнеса.</li> </ul> <p>Участники опроса стали чаще называть конкуренцию риском снижения выручки: доля таких ответов выросла с 3% при прогнозе на 2026 год до 14% на 2027 год. Сам по себе статус отечественного разработчика уже не гарантирует преимущества на рынке: все большее значение приобретают уникальность продукта и ценность для заказчика.</p> <p>«Мы более 30 лет работаем с вендорами ПО и видим, как меняются условия развития их бизнеса и требования заказчиков. Результаты исследования укрепили нас во мнении, что многие разработчики находятся в непростой ситуации: продажи снижаются, а перспективы спроса остаются неопределенными. Внедрение ИИ не всегда приносит ожидаемое сокращение затрат. В условиях усиления конкуренции вендорам важно развивать свои ключевые компетенции, повышать эффективность, делать ставку на качество сервиса и принимать взвешенные решения о запуске и развитии продуктов на основе реальных данных», — прокомментировал Михаил Чухломин, руководитель бизнес-направления Guardant.</p> <p>Информационными партнерами исследования выступили Ассоциации РУССОФТ и АРПП. </p> Эксперты бизнес-направления Guardant компании «Актив» в рамках конференции GuardConf 2026 представили «Оценку российского … message CNCF: 75% разработчиков нативных облачных систем используют ИИ при создании кода https://www.itweek.ru/themes/detail.php?ID=235947 Fri, 13 Nov 2026 10:34:24 +0300 <p><em>Современные разработчики ПО — настоящие энтузиасты искусственного интеллекта, а специалисты в области нативных облачных технологий (</em><em>cloud</em><em>-</em><em>native</em><em>) — тем более. Таков главный вывод из последнего исследования Cloud Native Computing Foundation (CNCF), посвященного разработчикам нативных облачных систем, сообщает портал </em><em>The</em> <em>New</em> <em>Stack</em><em>.</em></p> <p>Данные <a href="https://www.cncf.io/wp-content/uploads/2026/11/DN32-State-of-Cloud-Native-Development-261012-Updates.pdf">отчета</a> CNCF «The State of Cloud Native Development Q3 2026» говорят сами за себя: по состоянию на третий квартал насчитывалось 21,2 млн. разработчиков нативных облачных систем, что составляет 41% от общего числа разработчиков в мире.</p> <p>И если среди тех, кто не занимается нативными облачными технологиями, ИИ в работе используют около половины, то среди нативно-облачных специалистов этот показатель достигает трех четвертей. (Согласно представленным данным, чуть менее двух третей всех разработчиков, применяющих ИИ, используют эту технологию как ключевой, неотъемлемый элемент своего рабочего процесса.)</p> <p>#IMAGE_235948#</p> <p>Почему нативно-облачные разработчики так охотно используют ИИ? По словам исполнительного директора CNCF Джонатана Брайса, «они стремятся получить преимущество, ищут возможность работать с передовыми технологиями и хотят выйти на новый уровень — как в своей карьере, так и в использовании технологических инструментов».</p> <p>Говоря о ситуации в сфере разработки в целом, он отмечает, что помимо роста числа самих разработчиков (все больше людей приходят в эту сферу на полную или частичную занятость), стремительно расширяется и арсенал готовых к промышленному применению инструментов для нативно-облачных специалистов.</p> <p>Как и многие другие организации, развивающие открытое ПО, CNCF использует многоуровневый подход к принятию, доработке и выпуску новых инструментов. Сначала проект попадает в «песочницу» — среду, где, по словам Брайса, «отрабатываются строгие процессы, благодаря которым Open Source-проект становится надежным, предсказуемым и пригодным для интеграции в реальные рабочие системы».</p> <p>Затем следует стадия инкубации, а после нее — полноценного выпуска (graduation). Из примерно 250 проектов, существующих в рамках CNCF, лишь немногие достигают этой стадии.</p> <p>Однако в ближайшие годы их число может вырасти. В «песочнице» CNCF появились новые проекты: KubeRay, Agent Substrate, OpenShell, OpenRL и др. В стадию инкубации перешли Meshery, K8GB и некоторые другие. А проекты KubeVirt, Karmada и KubeFlow успешно завершили процесс выпуска.</p> <p>Запутались в обилии названий проектов? Стоит разобраться подробнее. «Независимо от того, в какой сфере индустрии вы работаете и к какому типу организации относитесь, вам необходимо понимать Open Source-технологии — это даст вашей компании дополнительные возможности и преимущества», — утверждает Брайс.</p> <p>И, как показывают данные нового отчета CNCF, количество разработчиков, стремящихся внедрять эти новые решения в работу, постоянно растет.</p> Современные разработчики ПО — настоящие энтузиасты искусственного интеллекта, а специалисты в области нативных … article Будущее импортозамещения: что тормозит разработку и внедрение отечественных телеком-решений https://www.itweek.ru/themes/detail.php?ID=235945 Fri, 13 Nov 2026 10:22:39 +0300 <p>Российская телеком-отрасль постепенно переходит на отечественные решения — тренд импортозамещения здесь усилился после 2022 года. <a href="https://www.interfax.ru/amp/1106368">По данным Росстата</a>, в январе-июне 2026 года, по сравнению с аналогичным периодом 2025 года, увеличилось количество компаний, которые занимаются разработкой и внедрением таких решений: рост составил 13,6%, а объем рынка в денежном выражении достиг 276,8 млрд. рублей. Соответственно, растет и доля оборудования отечественного производства — на сегодняшний день она <a href="https://www.interfax.ru/amp/1106368">составляет</a> порядка 35%. Официальные показатели оптимистичные, однако у импортозамещения есть определенные сложности и контртренды, которые постепенно замедляют этот процесс.</p> <h3>Падение инвестиционной активности</h3> <p>Одна из серьезных проблем связана с тем, что операторы связи недостаточно финансируют развитие инфраструктуры. Многие их инвестиционные программы заморожены, и это тормозит процесс модернизации оборудования и программного обеспечения. Она проводится в основном там, где вся система связи или ее отдельные элементы относятся к объектам критической информационной инфраструктуры (КИИ) и попадают под требования ФЗ № 187 «О безопасности критической информационной инфраструктуры Российской Федерации».</p> <p>По закону субъект КИИ — не всегда оператор, а тот, кто использует связь, например, крупный банк или госпредприятие, также и у самих финансовых организаций или других компаний могут быть собственные системы, попадающие под критерии критической информационной инфраструктуры. И тогда оператор вынужден выполнять определенную модернизацию, в том числе заменять часть оборудования/программного обеспечения на отечественные аналоги, чтобы его клиент мог выполнить предписания регулятора, например, такого как ФСТЭК. Однако все чаще операторы стараются выводить свою инфраструктуру из-под таких требований.</p> <h3>Импортозамещение с перебоями</h3> <p>Как уже было сказано выше, доля отечественного оборудования в отрасли растет. Однако многие операторы до сих пор предпочитают сотрудничать с теми зарубежными вендорами, чьи устройства уже стоят на сети. Нередки случаи, когда заказчики требуют уровня надежности и совместимости, сопоставимого с западными производителями, однако российским компаниям требуется время на разработку и тестирование отказоустойчивости продукта. Безусловно, наши вендоры уже прошли большой технологический путь и сегодня продолжают вкладываться в повышение конкурентоспособности собственных разработок. Но все равно совокупная стоимость владения импортными решениями для операторов часто оказывается ниже по сравнению с российскими аналогами. Я думаю, что будь цена отечественного оборудования дороже процентов на <nobr>10-15,</nobr> оно пользовалось бы гораздо большим спросом (по крайней мере, не возникало бы сложностей с логистикой, внедрением и обслуживанием). А вот двух-трехкратная разница в стоимости, что часто встречается, уже серьезный фактор выбора, и сегодня он работает против отечественных производителей.</p> <p>Российские разработки дороже из-за фундаментальной разницы в размере бизнеса и структуре затрат. Если мы говорим об оборудовании, то у наших производителей нет такой колоссальной экономии на масштабе. Мы закупаем компоненты сравнительно небольшими партиями по рыночной стоимости, тогда как мировые гиганты делают это десятками миллионов штук, получая минимальные входные цены от заводов. Негативно влияет на отечественных производителей и сложная логистика компонентов через несколько границ.</p> <p>Если речь идет о программном обеспечении, все решает объем рынка сбыта. Китайский или европейский вендор разрабатывает систему один раз, а затем продает ее тысячам операторов по всему миру. Даже несмотря на геополитические ограничения, иностранные вендоры ищут способ продолжить вести бизнес в России, пусть не в открытую, но косвенно, без реальной локализации. Более того, иностранцы могут позволить себе демпинг: они используют прибыль, полученную на других направлениях, и продают лицензии здесь практически по себестоимости.</p> <p>Отечественные разработчики выходят на международные рынки, но объемы поставок пока несопоставимы с глобальными игроками. Поэтому для выхода на окупаемость нам приходится закладывать реальную цену продукта.</p> <p>Известны случаи, когда российская компания получает статус ТОРП («телекоммуникационное оборудование российского происхождения»), начинает выпускать CPE-устройства: маршрутизаторы, IPTV‑приставки, точки доступа Wi‑Fi, оптические терминалы и прочее оборудование, которое ставится у абонента в доме и квартире, но все это не пользуется спросом, потому что оператору выгоднее купить китайские аналоги по более низкой цене. Более того, получать сам статус ТОРП становится все сложнее, процедура занимает больше времени: нормативы постоянно меняются, ужесточаются и сокращается число предприятий, готовых участвовать в конкурсном отборе</p> <h3>Что важно для устойчивого развития отрасли</h3> <p>Обозначенные тренды и контртренды отчетливо проявились в первом полугодии 2026 года и, скорее всего, продолжат влиять на отрасль и в последующие несколько лет. Для того чтобы она могла активно развиваться, нужен рост спроса на отечественное оборудование и ПО не только в тех сегментах, где присутствуют жесткие регуляторные требования, но и во всех остальных. Говоря о наших решениях: чтобы они были конкурентоспособны по цене, необходимо проектировать их с меньшим потреблением исходных ресурсов — в том числе вычислительных мощностей и серверного оборудования.</p> <p>#IMAGE_235946#</p> Российская телеком-отрасль постепенно переходит на отечественные решения — тренд импортозамещения здесь усилился после … article Виталий Некрасов, начальник отдела продаж департамента технологий связи АО “Искра Технологии” В Apache ShardingSphere добавлена поддержка Firebird https://www.itweek.ru/themes/detail.php?ID=235944 Thu, 12 Nov 2026 16:27:43 +0300 <p>Разработчики РЕД СОФТ добавили поддержку Firebird в Apache ShardingSphere. Благодаря интеграции у пользователей появилась возможность превращать классические реляционные базы данных на Firebird в распределенные системы, используя open-source инструменты для масштабирования высоконагруженных проектов.</p> <p>Благодаря интеграции с Apache ShardingSphere, пользователи получают доступ к комплексному набору функций на уровне модулей ядра и экосистемы:</p> <ul> <li>шардинг (горизонтальное и вертикальное разделение): Разделение огромных таблиц на отдельные шарды обеспечивает кратное ускорение выполнения запросов и параллельную обработку транзакций, снижая нагрузку на одиночные серверы. Поддерживаются различные алгоритмы маршрутизации, включая деление по модулю (MOD), хеширование (MD5), разделение по диапазонам (Boundary Range) и временным интервалам (Auto Interval);</li> <li>разделение чтения и записи: Транзакции записи могут автоматически направляться на мастер-узел, а запросы на чтение распределяться между репликами с использованием механизмов балансировки нагрузки;</li> <li>распределенные транзакции: Реализована поддержка параллельного выполнения транзакций (протокол Local) и двухфазных коммитов (протокол XA), гарантирующих строгую согласованность и изоляцию данных;</li> <li>криптография и маскирование: Поддерживается шифрование данных (например, алгоритм AES) и необратимое хеширование (MD5) перед их записью в базу. Также доступно гибкое маскирование, позволяющее заменять конфиденциальные части строк на спецсимволы (например, «звездочки») непосредственно при возврате данных пользователю;</li> <li>теневые базы данных (Shadow DB): Возможность создания точной копии основной базы данных для проведения безопасного нагрузочного тестирования прямо на рабочей структуре, без риска повредить боевые данные.</li> </ul> <br/> Гибкие методы подключения (JDBC и Proxy) Для развертывания распределенной архитектуры инженерами реализована поддержка двух независимых подходов:<br/> <ul> <li>ShardingSphere-JDBC: Легковесный Java-фреймворк, который напрямую заменяет классический JDBC-драйвер (например, Jaybird). Каждый клиент создает децентрализованный пул соединений к базам данных, что гарантирует максимальную производительность с минимальными накладными расходами на сеть;</li> <li>ShardingSphere-Proxy: Отдельный сервер, полностью эмулирующий работу сервера баз данных. Наличие статической точки входа позволяет подключаться к системе из любого языка программирования или терминала, управляя единым пулом соединений.</li> </ul> <p>«Мы стремились не просто предоставить нашим пользователям механизм шардинга, но и внести вклад в open-source движение. Инициатива оказалась востребованной: наши доработки успешно прошли ревью и были добавлены в основной репозиторий Apache ShardingSphere. Что самое ценное — комьюнити активно подхватило проект, сторонние разработчики начали его развивать и добавлять собственные доработки и тесты», — прокомментировал Роман Симаков, заместитель директора дивизиона системного программного обеспечения по разработке.</p> Разработчики РЕД СОФТ добавили поддержку Firebird в Apache ShardingSphere. Благодаря интеграции у пользователей … message Руцентр выводит на рынок облачную инфраструктуру https://www.itweek.ru/themes/detail.php?ID=235943 Thu, 12 Nov 2026 16:23:19 +0300 <p>Компания по управлению онлайн-активами Руцентр расширила портфель инфраструктурных услуг и выходит в сегменты IaaS, PaaS и SaaS, продолжая линейку доменной инфраструктуры, защищенного хостинга и выделенных серверов. Ключевой акцент нового направления — безопасность, отказоустойчивость, геораспределенность и соответствие регуляторным требованиям, которые для бизнеса сегодня являются ключевым условием выбора провайдера.</p> <p>Новое направление в Руцентре включает облачные серверы, защищенные серверы под требования <nobr>152-ФЗ,</nobr> отказоустойчивые кластеры баз данных MySQL и PostgreSQL, готовые к работе кластеры Kubernetes, S3-хранилище, сетевые диски, виртуальные сети с плавающими IP и расширенные опции резервного копирования. Для задач в сфере искусственного интеллекта и машинного обучения, требующих параллельных вычислений, доступны конфигурации с GPU. Модель оплаты построена по принципу pay-as-you-go и позволяет платить за фактически использованные ресурсы. Премиальным клиентам Руцентр предлагает ранний доступ с тестовым балансом, консалтинг в разработке плана миграции и переносе текущих проектов.</p> <p>Защищенные облачные серверы под требования <nobr>152-ФЗ</nobr> имеют уровень защищенности до УЗ-1, сертифицированные средства безопасности, систему обнаружения вторжений и инструменты анализа уязвимостей, антивирусную защиту и защиту от DDoS-атак. Повышенные стандарты безопасности ЦОД, система управления инцидентами и политики резервного копирования дополняют контур отказоустойчивости — безопасность в Руцентре выстроена как базовый слой сервиса.</p> <p>«Бизнес сегодня выбирает не просто вычислительные мощности, а предсказуемую инфраструктурную среду, в которой безопасность, соответствие требованиям и управляемость встроены в базовый уровень сервиса. Запуск облачного направления в Руцентре является логическим продолжением многолетней экспертизы компании в доменном и хостинговом бизнесе», — прокомментировал Валентин Бостанов, руководитель департамента инфраструктурных сервисов Руцентра.</p> <p>В настоящее время облачная инфраструктура в Руцентре находится на этапе закрытого тестирования. Корпоративные заказчики могут получить доступ к тестовому контуру через персонального менеджера Руцентра. Общедоступный запуск облака запланирован до конца года.</p> <p>Облачное направление развивает накопленную инфраструктурную экспертизу Руцентра. Помимо этого, компания представляет аренду выделенных серверов с GPU и защищенный хостинг с интегрированной L7-защитой. Руцентр работает с цифровыми активами бизнеса и государства с 2000 года и сегодня обслуживает 72% крупнейших компаний России по выручке (рейтинг РБК 500). Компания обеспечивает работу ключевых онлайн-сервисов, банков, платежных сервисов, медиа, ритейла, маркетплейсов, операторов связи и госсектора.</p> Компания по управлению онлайн-активами Руцентр расширила портфель инфраструктурных услуг и выходит в сегменты … message Falcongaze выпустила SecureTower 8.0 Titanium с новым модулем DCAP https://www.itweek.ru/themes/detail.php?ID=235942 Thu, 12 Nov 2026 16:20:11 +0300 <p>Компания Falcongaze выпустила новую версию своей DLP-системы — SecureTower 8.0 Titanium. Главное нововведение — модуль DCAP. Теперь SecureTower осуществляет контроль конфиденциальной информации не только в движении, но и в покое, информируя сотрудников ИБ в соответствии с заданными политиками о том, где хранятся данные, кто имеет к ним доступ и нет ли у сотрудников избыточных прав.</p> <p>Для бизнеса DCAP означает автоматизированный порядок в хранении данных и в правах доступа к ним. Система находит важные документы на рабочих станциях, присваивает им класс и уровень критичности и следит, чтобы конфиденциальная информация находилась только в разрешенных каталогах.</p> <p>Для самых распространенных документов правила хранения уже созданы, а под специфику компании их можно дополнить своими, пользовательскими правилами. Если правило нарушено, система может переместить файл, скрыть его, удалить или изменить атрибуты доступа, а специалист по безопасности получит уведомление о событии благодаря интеграции с модулем Политики безопасности. </p> <p>В итоге снижается риск неправомерного использования и хранения данных внутри организации, экономится время службы ИБ на рутинной проверке хранилищ и формируется прозрачная картина того, где находятся самые чувствительные документы и кто имеет к ним доступ.</p> <p>«Контроль передачи информации остается важной частью информационной безопасности, однако не менее важно понимать, где хранятся корпоративные данные и кто имеет к ним доступ. Новый модуль DCAP позволяет выявлять нарушения установленных правил хранения и управлять правами доступа к файлам. Это расширяет возможности контроля для специалистов по информационной безопасности на каждом этапе жизненного цикла корпоративных данных», — отметил Александр Акимов, директор Falcongaze.</p> <p>В SecureTower 8.0 Titanium появилась веб-консоль: теперь отчеты доступны прямо в браузере, без привязки к рабочему месту специалиста. Работать с системой можно с разных устройств, что повышает мобильность сотрудников отдела информационной безопасности.</p> <p>Конкурентоспособность компании сегодня во многом зависит от того, насколько быстро она осваивает новые технологии, и искусственный интеллект занимает среди них одно из ключевых мест. Но чем шире сотрудники используют ИИ-сервисы, тем выше риск, что в них попадут чувствительные данные, которые нельзя передавать за пределы организации.</p> <p>С выходом версии SecureTower 8.0 Titanium система контролирует все взаимодействия сотрудника с ИИ-сервисами и уведомляет специалистов по безопасности об обнаруженном инциденте. Для перехваченных данных используются инструменты анализа: суммаризация и AI-обработка инцидентов. </p> <p>Новая возможность перехвата полезна компаниям, где искусственный интеллект в работе допустим, но его использование должно быть строго регламентировано и прозрачно. Так бизнес получает современный инструмент и при этом сохраняет контроль над корпоративными данными. </p> <p>Рабочие станции на macOS нередко считают менее уязвимыми из-за закрытой экосистемы Apple. Однако использование macOS не исключает внутренних угроз и утечек данных. Без контроля такие устройства остаются слепой зоной для службы ИБ.</p> <p>В новой версии SecureTower агент для macOS получил возможность перехватывать сетевой трафик. Теперь система контролирует входящую и исходящую почту по различным протоколам, переписку в социальных сетях и мессенджерах, работу с веб-почтой и веб-версиями облачных хранилищ. Еще одно нововведение — контроль печати. DLP-система фиксирует отправку документов на принтер, в том числе из приложений, в которых сотрудники работают с чувствительной информацией.</p> <p>Новые возможности дополняют уже реализованные функции контроля устройств, накопителей и сетевых ресурсов, активности приложений, кейлоггер, снимки экрана, аудио- и видеомониторинг. Развитие агента для macOS продолжается: в дальнейшем список контролируемых каналов будет расширяться.</p> <p>Мессенджеры остаются одним из самых популярных каналов утечки информации, и Falcongaze продолжает расширять их контроль. В версии 8.0 Titanium добавлена блокировка отправки файлов, в том числе по контенту, в MAX и Aitu. Появился перехват сообщений, файлов и звонков в 1С Коннект, а также перехват звонков в веб-версиях Telegram, MAX, Teams и Контур.Толк с распознаванием речи.</p> <p>Из других нововведений: расширены условия запуска записи экрана и микрофона в аудио/видеомониторинге; добавлена история местоположений сотрудников в модуле «Оборудование и программы», с возможностью настройки уведомления об отклонениях в местоположении и конфигурации ПК на почту и в Telegram; появилась возможность блокировки подключения к недоверенным Wi-Fi-сетям; функционал карантина почтовых писем стал доступен для организаций, использующих в работе MS Exchange; добавлена возможность выбора типов данных для распознавания речи и др.</p> <p>С каждой версией SecureTower охватывает больше сценариев работы с корпоративной информацией: от хранения и управления доступом до передачи данных по различным каналам. Такой подход позволяет выстраивать более целостный контроль над информацией на всех этапах ее использования. Falcongaze продолжит развивать систему с учетом изменений ИТ-инфраструктуры и новых угроз информационной безопасности. </p> Компания Falcongaze выпустила новую версию своей DLP-системы — SecureTower 8.0 Titanium. Главное нововведение — … message ITFB Group и BSS объединили распознавание документов и корпоративную базу знаний с ИИ-помощником https://www.itweek.ru/themes/detail.php?ID=235941 Thu, 12 Nov 2026 16:13:43 +0300 <p>ITFB Group и BSS представили совместное решение на базе платформы интеллектуальной обработки документов ITFB EasyDoc и корпоративной базы знаний L2U InKnowledge. Решение позволяет компаниям включить бумажный документооборот в единое цифровое пространство и работать с ним с помощью искусственного интеллекта.</p> <p>EasyDoc — это интеллектуальная платформа извлечения, анализа и генерации текстовых данных. Она распознает сканы и фотографии документов, классифицирует их и извлекает ключевые атрибуты. После проверки оператором документы с метаданными автоматически передаются в базу знаний L2U InKnowledge от BSS. Там их можно найти полнотекстовым поиском или через ИИ-помощника, который отвечает на вопросы со ссылками на источники, формирует реестры и собирает статистику по обращениям. Помощник использует технологию RAG и подключается к собственной, локальной или облачной языковой модели. Типовые сценарии EasyDoc внедряются за один день, базовая версия базы знаний — примерно за неделю.</p> <p>Кроме того, появилось два новых модуля: EasyDoc Compare — это автономное приложение-компаньон и спин-офф экосистемы EasyDoc, которое использует API родительской системы для выполнения задач по сравнению версий документов и оценки критичности изменений, а также EasyDoc Mask — приложение для маскирования данных в документах, которое мгновенно находит конфиденциальные данные и скрывает их.</p> <p>«База знаний L2U InKnowledge собирает всю корпоративную информацию в единое пространство, но бумажные документы до сих пор оставались за его пределами. Связка с EasyDoc закрывает этот разрыв: отсканированное письмо или счёт попадает в базу знаний уже классифицированным и сразу доступно для поиска и ИИ-помощника. Аналитику по сотням обращений клиентов, на которую раньше уходили часы работы аналитиков, теперь можно получить за секунды», — сказал Дмитрий Лактионов, директор продуктового направления Базы знаний компании BSS.</p> <p>«Ценность платформы EasyDoc особенно проявляется, когда система понимает, что за документ перед ней, извлекает нужные атрибуты и сверяет их между документами пакета: например, сумму в счёте-фактуре с суммой в акте. Самое сложное — неструктурированные документы вроде договоров, где нужный реквизит может оказаться в любом месте текста. Именно здесь ИИ даёт основной эффект», — отметил Вадим Петросян, директор по развитию бизнеса ITFB Group.</p> <p>Платформа EasyDoc с 2025 года работает в НПФ «Будущее», где автоматизирует регистрацию бумажной корреспонденции. Входящий поток бумажных документов НПФ составляет примерно 142 тыс. в год, среди этих документов есть как структурированные, так и слабо структурированные, неструктурированные и даже рукописные документы. С помощью внедрения EasyDoc скорость регистрации в НПФ выросла на 20% при плановых 10%, а сам проект стал примером перехода от ручной обработки «бумажного хаоса» к управляемому интеллектуальному документообороту, где ИИ берет на себя рутину, а сотрудники переключаются на контроль и более сложные задачи. </p> <p>«Бумажные обращения остаются неотъемлемой частью пенсионного бизнеса: значительная часть клиентов по-прежнему направляет документы в НПФ на бумаге. Внедрение ИИ в процесс регистрации позволило нам сократить количество ошибок на 80% и автоматизировать 62% ручных операций, а результаты превзошли плановые показатели. Срок окупаемости проекта при текущих условиях составляет полтора-два года», — поделилась Ольга Шевченко, руководитель проектов НПФ «Будущее». </p> ITFB Group и BSS представили совместное решение на базе платформы интеллектуальной обработки документов ITFB EasyDoc … message Импортозамещение IAM-систем: четыре подхода к миграции конфигурации https://www.itweek.ru/themes/detail.php?ID=235940 Thu, 12 Nov 2026 11:10:47 +0300 <p>Переход на отечественные решения в области управления доступом редко сводится к замене одного программного продукта другим. На практике основная сложность начинается после выбора новой платформы, когда компании необходимо перенести существующие политики аутентификации и авторизации, роли, интеграции, настройки многофакторной аутентификации и другие элементы конфигурации.</p> <p>Для крупной организации такая конфигурация может формироваться годами и отражать не только технические параметры, но и логику внутренних процессов. Поэтому миграция между IAM- или IdP-системами становится отдельным проектом, в котором необходимо одновременно сохранить работоспособность сервисов, не потерять накопленные настройки и не создать новые риски информационной безопасности.</p> <p>На практике можно выделить четыре основных подхода к такой миграции: перенос силами специалиста вендора, самостоятельная настройка по документации, автоматический перенос по заранее заданным правилам и гибридный сценарий, в котором формальные правила дополняются возможностями искусственного интеллекта.</p> <h3>Почему конфигурация не переносится «один в один»</h3> <p>Прямой перенос между двумя системами возможен далеко не всегда, даже если обе платформы решают сходные задачи. Одни и те же сущности могут называться по-разному, храниться в разных форматах и реализовываться через разные механизмы.</p> <p>Политика доступа, которая в одной системе описывается несколькими параметрами, в другой может быть частью отдельного объекта или зависеть от другой логики обработки. Поэтому миграция требует не простого копирования значений, а сопоставления моделей данных, сущностей и правил поведения двух решений.</p> <p>Это особенно критично для систем аутентификации и авторизации, поскольку ошибка в конфигурации может повлиять на доступ пользователей к корпоративным или внешним сервисам. Чем ближе система находится к внешнему контуру и чем больше пользователей от нее зависит, тем выше требования к качеству миграции и последующей проверке.</p> <h3>Подход 1. Миграция силами специалиста вендора</h3> <p>Первый сценарий предполагает, что переносом занимается специалист поставщика новой системы. Он изучает текущую конфигурацию, сопоставляет ее с возможностями целевого решения и вручную воспроизводит необходимые настройки.</p> <p>Сильная сторона такого подхода заключается в глубоком знании целевого продукта. Специалист понимает особенности архитектуры, типовые ограничения и возможные способы реализации тех или иных политик, поэтому вероятность получить корректную конфигурацию достаточно высока.</p> <p>При этом возникает организационная и инфраструктурная проблема: специалисту необходимо предоставить доступ к инфраструктуре либо передать конфигурацию наружу. Для банков, компаний с критической инфраструктурой и организаций с жесткими требованиями к ИБ передача таких данных или предоставление внешнего доступа — это чувствительный вопрос.</p> <p>При этом перенос сложной конфигурации — монотонная и трудоемкая работа, и при большом количестве настроек миграция может занять значительное время. Поэтому дополнительным ограничением становится стоимость времени. Чем сложнее исходная конфигурация, тем больше ручной работы требуется, а значит, миграция плохо масштабируется и зависит от доступности специалистов с нужной квалификацией.</p> <h3>Подход 2. Самостоятельная миграция по документации</h3> <p>Второй вариант — заказчику передается документация, миграция выполняется силами внутренней команды. С точки зрения контроля данных этот сценарий выглядит более привлекательно, поскольку вся работа может выполняться внутри доверенного контура.</p> <p>Однако требования к компетенциям сотрудников резко возрастают. Специалисту необходимо разбираться не только в новой системе, но и хорошо понимать логику старой платформы, с которой выполняется переход. На практике это означает, что сотрудник должен сопоставлять сущности, политики, роли и настройки, которые могут по-разному называться и реализовываться в двух продуктах. Фактически задача становится не просто переносом параметров, а интерпретацией логики одной системы и ее корректным воспроизведением в другой.</p> <p>Риск ошибок также остается на стороне заказчика. Если неверная настройка касается системы, которая используется для доступа к внешним сервисам или личным кабинетам клиентов, последствия могут быть значительно серьезнее, чем при ошибке в изолированной внутренней системе.</p> <h3>Подход 3. Автоматический перенос по формальным правилам</h3> <p>Третий подход заключается в создании специализированного мигратора, который работает по заранее описанным правилам. Для каждой известной сущности или параметра задается соответствие между исходной и целевой системой, после чего программа автоматически преобразует конфигурацию.</p> <p>Главное преимущество такой модели — скорость. Если правила уже определены, и исходная система поддерживается, большая часть переноса может выполняться автоматически и без постоянного участия специалиста.</p> <p>Еще одно важное преимущество связано с безопасностью данных. Такой инструмент можно запускать внутри инфраструктуры заказчика, поэтому конфигурация не должна покидать корпоративный контур.</p> <p>Основное ограничение состоит в том, что невозможно заранее описать все комбинации систем, версий и нестандартных настроек. Мигратор может хорошо работать для типового сценария, но столкнуться с конструкцией, которая не была предусмотрена разработчиком.</p> <p>Кроме того, автоматический перенос не отменяет проверку результата. Даже если программа формально завершила работу без ошибок, итоговая конфигурация все равно должна быть провалидирована, поскольку корректное преобразование структуры еще не гарантирует сохранения исходной бизнес-логики.</p> <h3>Подход 4. Формальные правила в сочетании с ИИ</h3> <p>Четвертый сценарий предполагает гибридную архитектуру, в которой типовые операции выполняются по детерминированным правилам, а нетиповые случаи передаются на анализ ИИ. Такой подход позволяет сохранить предсказуемость там, где соответствия известны заранее, и при этом расширить покрытие сложных сценариев.</p> <p>Если система встречает конфигурацию, которую невозможно однозначно преобразовать по статическим правилам, ИИ может проанализировать структуру исходных настроек, возможности целевого продукта и предложить вариант переноса. После этого результат должен пройти дополнительную проверку, а критичные изменения — подтверждение специалистом.</p> <p>В этой модели ИИ выступает не заменой классического мигратора, а надстройкой над ним. Формальные правила остаются базовым и наиболее надежным механизмом, а искусственный интеллект подключается только в тех случаях, где жестко заданных соответствий недостаточно.</p> <p>Такой подход потенциально позволяет сократить объем ручной работы и уменьшить количество ситуаций, в которых приходится возвращаться к полностью ручному сценарию. При этом архитектура сохраняет контроль над тем, какие операции выполняются детерминированно, а какие требуют дополнительной интерпретации.</p> <h3>ИИ может использоваться не только для переноса</h3> <p>Одним из дополнительных сценариев становится анализ уже перенесенной конфигурации. Система может сравнивать настройки с заранее определенными требованиями и рекомендациями, выявлять потенциально спорные параметры и предлагать варианты улучшения.</p> <p>Здесь важно, чтобы такие рекомендации основывались на формализованных требованиях, отраслевых практиках или стандартах, а не на субъективной логике конкретного разработчика. В этом случае миграция может использоваться как точка для пересмотра накопленной конфигурации, которая на протяжении нескольких лет могла изменяться без системного аудита.</p> <p>Другой возможный сценарий — управление настройками через естественный язык. Администратор может описать требование в понятной форме, например задать правило обязательного использования второго фактора для определенной категории сотрудников, после чего система преобразует это требование в конфигурацию целевого продукта.</p> <p>Такой механизм может упростить работу с системами управления доступом, но не отменяет необходимости контроля результата. Чем выше критичность конкретной политики, тем важнее, чтобы автоматически сформированные настройки проходили независимую проверку.</p> <h3>Ограничения ИИ-подхода</h3> <p>Главный недостаток гибридного сценария заключается в сложности реализации. Для его работы недостаточно подключить языковую модель к конфигурационному файлу, поскольку сначала необходимо формализовать базовые правила миграции, определить поддерживаемые сценарии и выстроить процесс проверки.</p> <p>Отдельная задача — создание ИИ-агента, который понимает структуру обеих систем и способен работать с документацией, конфигурацией и правилами валидации. Чем выше требования к надежности, тем сложнее становится такой агент и тем больше специализированного контекста ему требуется.</p> <p>Есть и инфраструктурное ограничение. Конфигурация системы аутентификации может содержать чувствительную информацию, поэтому передача таких данных во внешний публичный ИИ-сервис подходит не всем организациям.</p> <p>Для компаний с повышенными требованиями к конфиденциальности более реалистичными вариантами становятся локальный запуск модели или использование доверенной инфраструктуры. Локальный сценарий позволяет сохранить данные внутри контура, но требует соответствующих вычислительных ресурсов.</p> <h3>Почему автоматизация требует участие человека</h3> <p>Ни один из рассмотренных подходов полностью не устраняет необходимость экспертной проверки. Ручная миграция зависит от квалификации специалиста, статический мигратор ограничен набором заранее описанных правил, а ИИ может ошибаться при интерпретации нестандартной конфигурации.</p> <p>Поэтому наиболее практичной выглядит схема, в которой автоматизация снижает объем рутинной работы, а человек остается в контуре принятия решений. Формальные правила используются для типовых операций, ИИ помогает разбирать исключения и проводить дополнительный анализ, а специалист контролирует итоговую конфигурацию.</p> <p>Для задач информационной безопасности такой баланс особенно важен. Цель автоматизации здесь состоит не в том, чтобы исключить эксперта, а в том, чтобы сократить количество ручных операций, снизить вероятность механических ошибок и ускорить работу с большими объемами настроек.</p> <h3>Импортозамещение как задача миграции</h3> <p>При обсуждении импортозамещения основное внимание обычно уделяется выбору отечественного аналога и сравнению функциональности решений. Однако в крупных инфраструктурах стоимость и сложность самого перехода могут быть не менее значимыми, чем характеристики нового продукта.</p> <p>Чем дольше система используется в компании, тем больше в ней накапливается ролей, интеграций, исключений и нестандартных политик. В результате вопрос о выборе решения должен рассматриваться вместе со способом переноса в него существующей логики и оценки ресурсов, которые потребуются на этот процесс.</p> <p>В этом контексте средства автоматизации миграции могут стать важной частью зрелого IAM-решения. Подобный механизм можно рассматривать как отдельное направление развития, которое помогает сократить стоимость перехода и сделать импортозамещение более управляемым.</p> <p>Наиболее перспективным выглядит гибридный подход, в котором детерминированные правила отвечают за предсказуемую часть миграции, ИИ помогает работать с нестандартными ситуациями, а оценка результата остается за специалистом. Такая модель позволяет использовать преимущества автоматизации, не отказываясь от контроля там, где ошибка может напрямую повлиять на безопасность и доступность сервисов.</p> Переход на отечественные решения в области управления доступом редко сводится к замене одного программного … article Андрей Кузнецов, руководитель Digital Q.Security, главный аналитик департамента “Инструменты и технологии разработки” компании “Диасофт” Безопасность Open Source в эпоху ИИ-эксплойтов: устранение уязвимостей без лишних проволочек https://www.itweek.ru/themes/detail.php?ID=235939 Thu, 12 Nov 2026 10:50:49 +0300 <p><em>Сегодня искусственный интеллект способен превратить патч безопасности в работающий эксплойт всего за несколько часов. В таких условиях ожидание планового «окна обслуживания», запланированного на следующую неделю, становится для бизнеса гораздо более серьезным риском, пишут на портале </em><em>The</em> <em>New</em> <em>Stack</em> <em>Орен Пенсо, глобальный технический директор подразделения Tanzu компании Broadcom, и Майкл Коте, старший технический специалист VMware.</em></p> <p>Рассмотрим, как в 2026 г. развивается ситуация с уязвимостью в популярной Open Source-библиотеке. Мейнтейнер вносит исправление и публикует бюллетень безопасности. Спустя всего несколько часов кто-то направляет ИИ-модель на анализ различий (diff) между старой и новой версиями кода — и получает готовый эксплойт. На следующее утро ваш сканер обнаруживает CVE, создается заявка, а исправление планируется к внедрению в рамках «окна обслуживания» на следующей неделе. Но к тому моменту эксплойт уже вовсю используется злоумышленниками.</p> <p>Еще год назад такой подход к управлению изменениями в корпоративной среде считался приемлемым, но сегодня он безнадежно устарел.</p> <p>И на то есть веские причины. В своем <a href="https://am.jpmorgan.com/wr/en/asset-management/liq/insights/market-insights/eye-on-the-market/patchmageddon/">отчете</a> «Patchmageddon» («Патчмагеддон»), опубликованном в июле 2026 г. (в его подготовке участвовали руководители подразделений кибербезопасности J.P. Morgan Asset Management), председатель группы по рыночной и инвестиционной стратегии в подразделении J.P. Morgan Asset   Wealth Management Майкл Чембалест подробно описывает ситуацию. Модели вроде Mythos от Anthropic или GPT-5.5 от OpenAI теперь обнаруживают ранее неизвестные уязвимости в таких масштабах, которые недоступны ни одной команде исследователей-людей. Только за первый месяц работы проект Glasswing (инициатива Anthropic и партнеров) выявил более 10 000 новых уязвимостей нулевого дня высокого и критического уровней опасности.</p> <p>Одновременно с этим сократилось время до начала эксплуатации уязвимости. Если в 2021 г. медианный интервал между раскрытием информации об уязвимости и ее первым использованием составлял около года, то в <nobr>2026-м</nobr> он сократился до одних суток, а в 2027 г., по прогнозам, составит всего одну минуту. Почти 80% случаев эксплуатации происходят либо одновременно с публичным раскрытием информации, либо даже до него. ИИ-модели находят уязвимости, а хакеры используют их с той же — если не с большей — скоростью.</p> <h3>Первый удар принимает на себя Open Source</h3> <p>Именно Open Source оказывается под основным давлением: во-первых, это фундамент для большинства современных программных продуктов, а во-вторых, его исходный код — как следует из названия — открыт для всех. Это просто замечательно — и именно так всё и должно быть, но это также означает, что для хакеров уязвимости в Open Source — самая лёгкая добыча.</p> <p>Люди, на чьи плечи ложится борьба с этим потоком уязвимостей, раскрытых ИИ, — это, по большей части, волонтёры. К маю 2026 г. Anthropic сообщила Open Source-мейнтейнерам о 530 уязвимостях высокого и критического уровня, однако к тому моменту было устранено лишь 75 из них. Этим летом многие мейнтейнеры закрывали программы по поиску уязвимостей и фактически «уходили на покой», чтобы хоть немного передохнуть от колоссального напряжения.</p> <h3>Ваша новая стратегия безопасности</h3> <p>Нравится вам это или нет, но подход корпораций к безопасности обычно меняется, когда возникает острая необходимость — и, скажем прямо, лёгкое чувство тревоги. Вот ещё несколько поводов для беспокойства:</p> <ol> <li><strong> Модели становятся всё совершеннее.</strong> По прогнозам Чембалеста, возможности, которыми сегодня обладают лишь спецслужбы отдельных государств, в ближайшие <nobr>12-24</nobr> месяца появятся в общедоступных моделях с открытыми весами. Хэмиш Лоу из Institute for AI Policy and Strategy оценивает вероятность появления к февралю 2027 г. китайской модели класса Mythos в 40%, а к концу того же года — практически как неизбежность.</li> <li><strong> Скорее всего, вы уже используете уязвимый код.</strong> Большая часть того, что работает в ваших системах, была взята из публичных репозиториев месяцы, а то и годы назад. Согласно данным Datadog за февраль 2026 г., типичная зависимость отстаёт от своей последней мажорной версии в среднем на 278 дней. Это устаревший код, который ждёт своего часа, чтобы стать инструментом для атаки.</li> <li><strong> Критерии оценки изменились.</strong> Чембалест прямо заявляет: теперь организациям придётся оценивать себя не только по точности устранения уязвимостей, но и по скорости этого процесса. Если раньше нормой считался <nobr>90-дневный</nobr> срок, то теперь счёт идёт на часы.</li> </ol> <p>Если вы владеете платформой, отвечаете за безопасность приложений или принимаете решения по технологическим рискам в регулируемой отрасли — эта проблема уже нависла над вами, независимо от того, предпринимаете вы какие-либо действия или нет. Суета без плана — это как сидеть в самолете, который задерживается на пять часов, рядом с пассажиром, который непрерывно переписывается в мессенджере, а каждое входящее сообщение сопровождается громким звуком, похожим на кряканье утки. Раздражает и напрочь убивает настроение.</p> <p>Чтобы избавиться от этого «кряканья», давайте рассмотрим подход, которым Орен делится с руководителями в сфере платформ и безопасности в финансовом секторе.</p> <h3>Перестаньте строить свою стратегию безопасности в расчете на «бесплатное пиво»</h3> <p>Над Open Source-проектами работает недостаточно людей, чтобы оперативно выпускать исправления.</p> <p>Чембалест уделяет особое внимание вопросу концентрации усилий вокруг отдельных мейнтейнеров. Согласно исследованию Linux Foundation и Гарвардского университета, охватывающему 50 крупнейших <a name="OLE_LINK23">Open</a> Source-проектов, в 23% из них более 80% добавленного кода — заслуга одного-единственного разработчика, а в 94% проектов более 90% кода написано менее чем десятью людьми. По данным компании Anchore, в реестре npm насчитывается более 18 млн. пакетов, у которых указан лишь один мейнтейнер.</p> <p>Большинство сообществ, создающих и поддерживающих Open Source, делают всё, что в их силах, а многие при этом даже выгорели, пытаясь сделать еще больше. Но обещание «бесплатного» (в смысле «бесплатного пива») никогда не подразумевало, что вам гарантируют идеальную безопасность и мгновенное устранение уязвимостей в день их обнаружения. Обещали, по сути, только «бесплатное пиво». Корпорации десятилетиями пользовались этим «бесплатным пивом» — ПО с открытым кодом, — хотя им не раз намекали, что такой подход граничит с безответственностью. Теперь мы видим подтверждение этому, причем ситуация создана нами же. Пришло время заплатить за пиво.</p> <p>Именно здесь на помощь приходит профессиональное открытое ПО. Да, это означает — вдохните глубже, закройте свои таблицы — что за использование ПО, которое можно свободно скачать, приходится платить.</p> <p>За профессиональным Open Source стоит либо поставщик, который несет реальную ответственность за продукт, либо фонд, располагающий штатом специалистов по безопасности, финансируемыми мейнтейнерами и отлаженным процессом выпуска релизов, который не зависит от выгорания отдельных сотрудников. Команда, создавшая код и досконально его знающая, берет на себя исправление ошибок и работает в рамках соглашения об уровне обслуживания (SLA).</p> <p>Техническое руководство J.P. Morgan в отчете, подготовленном Чембалестом, дает четкие рекомендации: используйте актуальные версии ПО и отказывайтесь от зависимостей, если вы не можете определить, кто их поддерживает, если за поддержкой стоит лишь один человек или если проект выглядит заброшенным. Если вы не знаете, кто отвечает за поддержку пакета, вы не можете рассчитывать на то, что кто-то исправит в нем уязвимости.</p> <h3>Установка патчей безопасности — залог непрерывности бизнеса</h3> <p>Эрик Скейлс, руководитель направления платформенной инженерии для Tanzu Platform в компании Charles Schwab, говорит прямо: «Если вам когда-нибудь приходилось устанавливать патчи на сервер, вы знаете: никто не хочет ничего обновлять. Никто вообще не хочет ничего трогать. Но теперь все боятся попасть в заголовки новостей — и в итоге лишиться работы».</p> <p>Обычно установку патча откладывают, чтобы не прерывать бизнес-процессы. Поскольку обновление может что-то сломать, его переносят на следующее «окно обслуживания» — или даже дальше. В отчете J.P. Morgan приводится исследование, согласно которому более 80% специалистов по безопасности хотя бы раз откладывали установку патча, чтобы избежать сбоев в работе компании.</p> <p>Когда до появления эксплойтов проходили месяцы, такой подход был оправдан. Теперь же, когда эксплойты появляются уже через день после раскрытия уязвимости, использование необновленной системы становится гораздо большей угрозой для непрерывности бизнеса.</p> <p>Тем не менее, проблема возможных сбоев никуда не делась. Любое исправление, которое, помимо устранения риска, создает риск дополнительных перебоев в работе, скорее всего, будет отложено. А именно за такие отсрочки и приходится расплачиваться, когда на устранение уязвимости есть всего сутки. Злоумышленники как раз и рассчитывают на то, что вы будете медлить.</p> <h3>Сделайте так, чтобы правильный путь был самым простым</h3> <p>Контролируйте происхождение используемого вами Open Source — еще более строго, чем вы делаете это сейчас.</p> <p>Давно прошли те времена, когда корпоративные разработчики могли скачивать из Интернета всё, что им вздумается, и сразу использовать это в работе. Потребовалось немало усилий, чтобы искоренить эту привычку. Сегодня большинство крупных компаний пропускают все загружаемые зависимости через внутренний прокси-сервер для артефактов — например, JFrog Artifactory или Sonatype Nexus. Разработчики настраивают свои системы сборки на этот прокси, а тот, в свою очередь, подтягивает компоненты из репозиториев вроде Maven Central, npm или PyPI. Заставлять разработчиков снова менять устоявшиеся рабочие процессы — идея не из лучших, да и удовольствия в этом мало.</p> <p>К счастью, этого делать не нужно. Чтобы изменить источник, из которого поступает ПО с открытым исходным кодом, достаточно просто перенастроить прокси-сервер — больше ничего менять не придется. Если указать в качестве источника поддерживаемый сервис (например, TrueSource), то файлы сборки, URL-адреса и конвейеры останутся прежними. Разработчики даже не заметят разницы. Единственное отличие заключается в том, что библиотеки (например, Spring) теперь будут содержать исправления, которые зачастую появляются еще до того, как CVE станет публично известной.</p> <p>Прокси-сервер может взять на себя часть задач по исправлению уязвимостей. Его можно настроить так, чтобы он блокировал версии с известными уязвимостями и автоматически подставлял вместо них ближайшие исправленные версии. В результате сборки продолжают работать, и никому не приходится создавать отдельные заявки на исправление. Исправленный пакет становится версией по умолчанию — разработчики получают его, даже не запрашивая специально.</p> <p>Это критически важный момент для решения проблемы «патчмагеддона» (массового устранения уязвимостей). Менять привычки разработчиков, когда они уже устоялись, — задача непростая. Но поскольку можно просто перенаправить репозитории на другой прокси-сервер, менять привычки сотрудников не требуется.</p> <p>Орен работал с командами, развивающими крупные платформы в сфере финансовых услуг, где зависимости уже проходят через подобные прокси-серверы. Для них задача не сводится к внедрению новой платформы для управления цепочкой поставок ПО во всей организации. Всё гораздо проще: нужно лишь указать прокси-серверу новый источник.</p> <p>Именно поэтому мы утверждаем: единственное приемлемое изменение — это отсутствие видимых изменений.</p> <h3>Остальная часть плана</h3> <p>Описанные выше ключевые аспекты — зачастую самые сложные. Есть еще три момента, которые стоит учесть:</p> <ol> <li><strong> Измеряйте скорость доставки исправлений в производственную среду.</strong> Отслеживайте время, которое проходит с момента раскрытия информации об уязвимости до развертывания исправления — для 50 наиболее важных зависимостей. Именно по этому показателю, как отмечается в отчете J.P. Morgan, вас будут оценивать.</li> <li><strong> Выясните, кто отвечает за поддержку ваших критически важных зависимостей. </strong>Для каждой из них укажите организацию, которая занимается её сопровождением. Пакеты, поддерживаемые одним мейнтейнером, а также заброшенные проекты выделите в отдельный список.</li> <li><strong> Используйте ИИ для поиска уязвимостей и подготовки исправлений</strong>, а к процессу внесения изменений (слияния кода) привлекайте соответствующих специалистов — в идеале, самих мейнтейнеров этого кода.</li> </ol> <p>Сегодня подход к безопасности кардинально меняется. Уделите этому должное внимание и скорректируйте стратегию безопасности вашей организации. Это особенно актуально, если вы — как и большинство крупных компаний, а в особенности финансовые организации — самостоятельно разрабатываете и эксплуатируете значительный объем ПО.</p> Сегодня искусственный интеллект способен превратить патч безопасности в работающий эксплойт всего за несколько часов … article OCP: что это такое, как применяется в России и каковы перспективы https://www.itweek.ru/themes/detail.php?ID=235937 Thu, 12 Nov 2026 10:29:21 +0300 <p>Проект Open Compute Project (OCP) — это некоммерческая организация, основанная в 2011 году компаниями-учредителями, которая постаралась воспроизвести в аппаратной области подход, используемый в среде разработки открытого ПО. Буквально своей задачей проект поставил выход из ограничений проприетарной ИТ-инфраструктуры, увеличив эффективность, доступность и гибкость в построение инфраструктуры ЦОДа.</p> <h2>OCP против 19 дюймов: когда ЦОДам нужен новый стандарт</h2> <p>Одно из наиболее заметных отличий OCP от привычной серверной инфраструктуры — отказ от классической <nobr>19-дюймовой</nobr> архитектуры в пользу форм-фактора большего размера во всех трех измерениях. Вместе с ним меняется и подход к питанию: вместо множества отдельных блоков и кабелей питания используется централизованная шина (v2 и далее). На первый взгляд разница кажется несущественной. Стойка стала шире, питание организовано иначе — и что с того?</p> <h3>Какие отличия несет стандарт OCP</h3> <p>OCP — это не только новый форм-фактор, это еще и новая концепция построения корпусов серверов — максимально просто и удобно, а также концепция обслуживания — только с одной стороны (с передней). Теперь персоналу в ЦОДе не нужно переходить из холодного коридора в горячий, и наоборот, все обслуживание из комфортного «холодного» коридора, который может уже быть и не таким холодным, а в горячий коридор перенесено обслуживание модулей охлаждение в режиме hotswap без работ с корпусом сервера.</p> <p>Итак, на практике новый стандарт позволяет иначе проектировать всю систему: размещать больше компонентов, эффективнее отводить тепло, эффективнее организовывать обслуживание оборудования, а отсутствие привязки к вендору позволяет расширить выбор и снизить стоимость решения. При первом же проекте построения нового ЦОДа в соответствии со стандартом OCP одна из компаний учредителей проекта OCP заявила, что ее первоначальное развертывание серверной и стоечной инфраструктуры OCP было на 38% более энергоэффективным в строительстве и на 24% дешевле в эксплуатации, чем предыдущие объекты компании.</p> <p>Именно поэтому OCP прежде всего заинтересовал гиперскейлеров. Для компаний, которые строят инфраструктуру с тысячами и десятками тысяч серверов, стойка перестаёт быть просто шкафом, в который устанавливают оборудование. Единицей проектирования фактически становится сама стойка со всеми серверами, питанием и коммутацией внутри.</p> <p>По прогнозам Omdia, к 2030 году доля оборудования в OCP-формате может достигнуть 70%. Но это вовсе не означает, что через несколько лет привычные <nobr>19-дюймовые</nobr> стойки исчезнут. У двух подходов слишком разные области применения.</p> <p>Однако, учитывая все плюсы использования инфраструктуры стандарта OCP: снижение ТСО, очень высокая энергоэффективность, позволяющая достичь P.U.E. 1,05 и ниже, упрощенное обслуживание, отсутствие привязки к вендору и унификация всех компонентов, высокая плотность размещения, поддержка жидкостного охлаждения в самом стандарте, OCP представляется очень перспективным стандартом.</p> <h3><strong>Основные технические преимущества стандарта </strong>OCP</h3> <p>В классическом <nobr>19-дюймовом</nobr> форм-факторе при создании высокоплотной системы возможно масштабироваться только в высоту — количеством юнитов. Нужно разместить больше компонентов, обеспечить питание, оставить достаточно места для охлаждения — и всё это внутри довольно жёстких габаритов. С учетом уровня энергопотребления современных компонентов, в первую очередь GPU-ускорителей и центральных процессоров, это приводит к решениям от 3U до 8U. Если раньше можно было разместить четырехпроцессорный сервер в форм-факторе 2U, то сейчас уже двухпроцессорные серверы с двумя GPU-ускорителями шагают в 3/4U.</p> <p>OCP в свою очередь позволяет свободнее размещать компоненты и увеличивать площадь сечения воздушного потока почти на 20%. Это особенно важно, когда в сервер 2U необходимо установить несколько ускорителей или разместить большую систему хранения данных.</p> <p>Второе важное преимущество — модульность. В обычной стойке может находиться множество двухюнитовых серверов, в каждом из которых установлены собственные блоки питания, что автоматически равняется и куче проводов, а также многопортовых PDU. В OCP питание централизуется в полках, а оборудование подключается непосредственно к общей шине питания — это действительно удобно. Да и MGMT, менеджмент-сеть управления серверами с протоколами IPMI/RedFish, тоже можно подключать по принципу plug&play благодаря низким скоростям передачи данных в этой сети.</p> <p>Есть и выигрыш в энергоэффективности при превышении нагрузки 10 кВт на стойку благодаря общим блокам питания и общей шине питания постоянного тока. Та же логика работает с охлаждением. OCP изначально создавался для плотной инфраструктуры и предусматривает более эффективную организацию воздушных потоков и работу при более высокой температуре окружающего воздуха. Наконец, открытые спецификации теоретически снижают зависимость заказчика от одного производителя. Если разные вендоры выпускают совместимые компоненты в одном стандарте, отдельный сервер или модуль становится легче заменить аналогом. Ключевое слово здесь — «теоретически».</p> <h3>Почему 19 дюймов в ходу</h3> <p>На бумаге возможность использовать оборудование разных производителей выглядит одним из главных достоинств OCP. На практике всё упирается в то, насколько развита экосистема вокруг конкретного типа оборудования. Хороший пример — сетевые коммутаторы. Можно собрать стойку из нескольких десятков серверов в OCP-формате, но затем обнаружить, что подходящих коммутаторов в том же исполнении нужного класса на рынке значительно меньше, чем серверного оборудования. Это не проблема, но внутри стойки в стиле LEGO придётся немного пофантазировать с их размещением и коммутацией.</p> <p>Есть и менее техническая причина — инертность отрасли. Инфраструктура дата-центров вообще меняется довольно медленно. Если существующий подход работает, инженер вполне закономерно задаётся вопросом: зачем его менять?</p> <p>Именно поэтому массовый переход обычно начинается не с инициативы отдельных инженеров, а с управленческого решения: компания на уровне инфраструктурной стратегии определяет, что новые системы будут строиться именно так.</p> <p>Есть и более фундаментальный вопрос — надёжность. В традиционном сервере можно установить два блока питания и подключить их к двум независимым вводам. Отказ одного блока или одного ввода не останавливает сервер. В OCP питание централизовано на уровне стойки. Для гиперскейлера это не обязательно проблема: его отказоустойчивость строится выше — на уровне нескольких стоек, кластеров и даже географически распределённых площадок. Если одна стойка выйдет из строя, нагрузку примут другие.</p> <p>Но для небольшого корпоративного ЦОДа логика может быть другой. Когда критична работа конкретного сервера, а инфраструктура строится по требованиям Tier III или Tier IV, централизованное питание необходимо особенно тщательно учитывать при проектировании схемы резервирования.</p> <h3>Кому подходит OCP</h3> <p>Если среднее потребление стойки составляет около <nobr>5-10 кВт,</nobr> переход на инфраструктуру, рассчитанную на значительно более высокую плотность, практически не даёт преимуществ. Большая часть возможностей новой стойки просто останется невостребованной.</p> <p>Именно поэтому OCP пока трудно назвать универсальным решением для колокейшна и обычной корпоративной инфраструктуры. Если клиент приносит собственное оборудование 19″ с небольшой плотностью и хочет установить его в привычную стойку, у оператора ЦОДа нет причин перестраивать инфраструктуру под OCP.</p> <p>Совсем другая ситуация возникает, когда на один AI-сервер приходится уже <nobr>6-10 кВт,</nobr> а сам сервер занимает шесть-восемь юнитов, и вот вы уже строите стойки на 12, 15, 20 и более кВт.</p> <p>Допустим, к классической стойке подведено 5 кВт мощности. Формально свободного места внутри неё ещё много, но установить даже один современный высокопроизводительный сервер уже невозможно: ограничением становится не физическое пространство, а электричество и охлаждение. В этот момент высокая плотность перестаёт быть красивой характеристикой из спецификации и превращается в практическую необходимость. Высокое потребление также повышает требования к изоляции, разъёмам и безопасности обслуживания. Поэтому рост мощности стойки — это не просто возможность установить больше ускорителей. Он меняет практически всю архитектуру системы.</p> <h3>Как OCP уже используется в классической архитектуре</h3> <p>Наверняка не многие задумываются, увидев в спецификации сервера слот для сетевой карты стандарта OCP. Для многих это уже привычный слот современного классического сервера 19″, использующийся уже много лет большинством производителей. А почему этот элемент, пришедший из стандарта OCP, стал таким популярным? Все очень просто — карта в таком форм-факторе занимает меньше места в сервере и позволяет увеличить количество слотов расширения. Менее популярный стандарт слота — RunBMC, представляющий из себя физически <nobr>260-пиновый</nobr> разъем SODIMM (DDR4) и использующийся для подключения контроллера BMC (контроллера мониторинга и управления сервером). <a name="OLE_LINK26">Применение данного типа разъема</a> позволяет (в теории) использовать контроллеры управления от различных производителей.</p> <p>Также в классические серверы входит стандарт OAM (OCP Accelerator Module) — это открытый стандарт форм-фактора мезонинных плат для вычислительных ускорителей (GPU, NPU, TPU). В отличие от проприетарных разъемов, как например SXM от Nvidia, разъем OAM позволяет выбирать между ускорителями AMD, Intel, Huawei.</p> <p>Но это все отдельные элементы из мира OCP, проникшие в мир классической инфраструктуры 19«.</p> <h2>Как OCP используют в России</h2> <p>Когда речь идёт об OCP на российском рынке, то можно с ходу назвать как минимум пару отечественных производителей оборудования стандарта OCP. Ранее их было минимум три (на слуху), но в реальности их больше. Необходимо учитывать одну характерную особенность. Компания может взять открытые спецификации, создать по ним собственную стойку или сервер, адаптировать решение под свои задачи и вообще не стремиться получить официальный статус OCP Compatible.</p> <p>С практической точки зрения внутри собственного ЦОДа это не всегда проблема. Оборудование работает, нужные преимущества получены, формальное участие в международной экосистеме организации может быть не нужно.</p> <p>Проблема появляется при выходе на глобальный рынок. Если крупный зарубежный заказчик требует именно оборудование OCP Compatible, соответствия конструкции спецификации уже недостаточно. Нужен официальный статус совместимости и участие в соответствующей экосистеме. Для российских компаний сегодня это серьёзный барьер.</p> <p>Ещё одна российская особенность — география строительства ЦОДов. Если новую площадку можно вынести в регион, где доступно значительно больше земли, необходимость любой ценой уплотнять машзал снижается.</p> <p>Резюмируя, можно сформулировать так: интерес к строительству ЦОД по стандартам OCP в России есть, и некоторые компании, имеющие собственные ЦОДы на десятки тысяч серверов, уже используют OCP. Также есть и отечественные производители серверов и СХД стандарта OCP, но рынок оборудования OCP все еще небольшой.</p> <h2>Перспективы OCP</h2> <p>Главным драйвером OCP в ближайшие годы, вероятнее всего, станет искусственный интеллект. Причина здесь не в моде на ИИ, а в физике оборудования. Современные вычислительные системы с большим числом GPU требуют всё больше мощности и выделяют всё больше тепла. Старую инфраструктуру нельзя бесконечно масштабировать простым добавлением новых серверов. В этом случае очень перспективным становится <nobr>4-я</nobr> версия стандарта OCP — ORV4, как раз разработанная для GPU-серверов. Данный стандарт предлагает переход на шину питания 800 В, что даст колоссальную экономию на объеме меди в системе питания оборудования (до 80%) и сокращение потерь электроэнергии до пяти раз при использовании стоек до 1 МВт.</p> <p>Второй возможный драйвер — стандартизация. Чем больше мощности требуют новые системы и чем быстрее приходится вводить вычислительные мощности в эксплуатацию, тем дороже становится проектировать каждую площадку практически заново. Унификация стоек, питания и серверных модулей позволяет сократить сроки разработки и ввода инфраструктуры. Но даже при наличии экономических аргументов останется человеческий фактор. Инфраструктура дата-центров слишком консервативна, чтобы новый формат массово внедрялся сам собой. Там, где переход действительно оправдан, понадобится решение на уровне компании.</p> <p>OCP в этом смысле не является заменой <nobr>19-дюймовому</nobr> стандарту вообще. Это инструмент для определённого класса задач. Если компания эксплуатирует стойки по <nobr>5-10</nobr> кВт и не испытывает проблем с пространством, переход ради самого перехода ей практически ничего не даст. Классический формат ещё долго будет доминировать в обычной корпоративной инфраструктуре.</p> <p>Но там, где начинается высокая плотность — ИИ-кластеры, инфраструктура гиперскейлеров, другие энергоёмкие вычисления — преимущества OCP становятся всё труднее игнорировать. Поэтому вопрос сегодня стоит не в том, вытеснит ли OCP привычные <nobr>19-дюймовые</nobr> стойки. Гораздо полезнее спросить: в какой момент это случится? Для всё большего числа высокоплотных проектов это «новое завтра» уже наступает.</p> <p>#IMAGE_235938#</p> Проект Open Compute Project (OCP) — это некоммерческая организация, основанная в 2011 году компаниями-учредителями … article Сергей Пономарёв, руководитель конструкторского отдела компании “Е-Флопс” «Базис» представил безопасную платформу для хранения и проверки компонентов ПО https://www.itweek.ru/themes/detail.php?ID=235930 Wed, 11 Nov 2026 14:00:37 +0300 <p>«Базис», российский разработчик ПО управления динамической ИТ-инфраструктурой (входит в ГК «РТК-ЦОД»), представил Basis Repository — платформу для хранения и проверки компонентов ПО по единым правилам безопасности заказчика. Решение позволяет контролировать, какие компоненты доступны командам разработки, и пересматривать разрешение на их использование при появлении новых сведений об уязвимостях. Платформа разворачивается в инфраструктуре заказчика, в том числе в закрытом контуре.</p> <p>Новый продукт предназначен для компаний, которые при создании и обновлении приложений используют стороннее ПО, включая open source компоненты. Платформа помогает разработчикам и ИБ-специалистам согласовывать их использование. Результаты проверок и история решений сохраняются в системе, позволяя видеть, кто и на каком основании разрешил использование конкретного компонента.</p> <p>Заказчик сам определяет требования к компонентам: из каких источников их получать, какие лицензии допустимы и какие использовать нельзя. Basis Repository сопоставляет результаты проверки хранилища с этими требованиями. Разработчики получают из него только ПО, которое соответствует правилам или разрешено ответственным специалистом в порядке исключения.</p> <p>Если команде необходим компонент с известной проблемой, уполномоченный сотрудник может временно разрешить его использование. Он указывает причину и срок действия разрешения. В системе сохраняются результаты проверки компонента и сведения о том, кто и на каком основании принял решение.</p> <p>Проверки можно повторять вручную или по расписанию. Если в ранее разрешенном компоненте обнаружится новая уязвимость, его дальнейшую загрузку из хранилища можно закрыть сразу для всех команд. Реакцию задает заказчик: в зависимости от настроек система может автоматически ограничить или сохранить доступ, в том числе с уведомлением ответственных специалистов.</p> <p>Платформу можно развернуть в изолированных сегментах инфраструктуры заказчика. Для закрытого контура предусмотрен перенос компонентов и данных проверки. Актуальность локальных баз поддерживается по регламенту заказчика. Права на управление платформой и согласование файлов разграничиваются по ролям, а значимые действия фиксируются в журнале аудита.</p> <p>Платформа проверяет отдельные компоненты и их наборы. По результатам анализа формируется ППК — перечень обнаруженных программных компонентов и их версий. Сведения о выявленных уязвимостях сопоставляются с записями Банка данных угроз ФСТЭК России. При передаче набора компонентов предусмотрен подписанный паспорт, который помогает проверить соответствие полученного содержимого проверенному составу.</p> <p>При проверках учитываются лицензии и сроки поддержки компонентов. Заказчик задает правила использования версий, которые больше не поддерживаются. Основанием для пересмотра разрешения на использование могут стать новая уязвимость, изменение правил компании или окончание срока временного разрешения.</p> <p>Ключевая функциональность Basis Repository реализована в собственном коде «Базиса». Она включает управление проверками, применение правил допуска, согласование и публикацию компонентов. ПО с открытым исходным кодом используется только для отдельных задач: хранения и доставки пакетов, идентификации пользователей и некоторых технических проверок.</p> <p>Basis Repository поддерживает пакеты Linux в форматах RPM и DEB, контейнерные образы Docker/OCI, пакеты npm, Maven и PyPI, а также бинарные архивы. Управление доступно через веб-портал и API. Для получения опубликованных пакетов и образов используются стандартные системные утилиты.</p> <p>«Безопасная разработка становится все более востребованной, но на российском рынке не было подходящего инструмента для хранения компонентов и контроля их использования по единым правилам. Этот запрос бизнеса и стал отправной точкой к созданию Basis Repository. Мы опирались на собственный опыт разработки Basis Digital Energy и взаимодействие с ФСТЭК России. Решение дополнит экосистему „Базиса“ и поможет заказчикам снизить риски использования открытого кода», — отметил Давид Мартиросов, генеральный директор «Базиса».</p> «Базис», российский разработчик ПО управления динамической ИТ-инфраструктурой (входит в ГК «РТК-ЦОД»), представил … message Postgres Professional ускорила восстановление баз данных и упростила управление резервными копиями в ProBackup 3.5.0 https://www.itweek.ru/themes/detail.php?ID=235929 Wed, 11 Nov 2026 13:59:33 +0300 <p>Компания Postgres Professional выпустила новую версию решения для резервного копирования и восстановления Postgres Pro Backup Enterprise (ProBackup) 3.5.0. Обновление объединяет удаленное восстановление в едином инструменте, ускоряет восстановление после сбоев и миграцию, упрощает синхронизацию реплик и повышает эффективность управления сроками хранения резервных копий. Это позволяет компаниям сокращать время простоя критичных сервисов и снижать нагрузку на ИТ-команды.</p> <p>В ProBackup 3.5.0 функциональность удаленного восстановления полностью перенесена в основную утилиту pg_probackup3. Теперь резервную копию можно передать по сети, распаковать и восстановить на целевом сервере в многопоточном режиме — без ручного копирования архивов и использования сторонних инструментов. Решение поддерживает как полное восстановление в пустой каталог, так и инкрементальное восстановление.</p> <p>Новый подход особенно актуален для компаний с централизованным хранилищем резервных копий и удаленными площадками. Он сокращает время восстановления (RTO), уменьшает число ручных операций и упрощает аварийное восстановление, миграцию и автоматическое развертывание серверов.</p> <p>В команде catchup, предназначенной для клонирования и синхронизации экземпляров PostgreSQL, появился параметр sync-replica. Он позволяет предварительно проверить возможность синхронизации реплики с ведущим сервером при расхождении историй линий времени, в том числе после повышения реплики.</p> <p>Администратор может сначала выполнить диагностическую проверку без изменения данных, получить подробный отчет и оценить риски. Затем утилита определяет точку расхождения, при необходимости выполняет откат с помощью pg_rewind и синхронизирует реплику с ведущим сервером. Это снижает вероятность ошибок при восстановлении репликации и помогает быстрее возвращать инфраструктуру в рабочий режим.</p> <p>Управление политиками хранения резервных копий стало многопоточным. В команде retention добавлены параметры threads, num-write-threads и num-validate-threads, которые ускоряют ресурсоемкие операции объединения устаревших резервных копий и очистки архивов.</p> <p>Новый параметр wal-depth позволяет при очистке журналов транзакций (WAL) гарантированно сохранять сегменты, необходимые для восстановления базы данных на нужный момент времени (PITR). Также улучшена стабильность потоковой передачи WAL: keepalive-сообщения предотвращают разрыв соединения по тайм-ауту при длительном отсутствии нагрузки на СУБД.</p> <p>В ProBackup 3.5.0 ускорена работа с SFTP, S3-совместимыми хранилищами и сжатой файловой системой CFS. Передача данных на удаленный хост теперь выполняется асинхронно несколькими запросами в рамках лимитов SFTP-сервера, а размер буфера обмена по умолчанию увеличен с 128 КБ до 1 Мб.</p> <p>Добавлена настройка тайм-аутов для S3-запросов, ускорены проверка резервных копий в режиме STREAM и монтирование копий через FUSE. Для заказчиков это означает более быстрое создание и проверку копий, меньшую нагрузку на сеть и более предсказуемую работу с облачными платформами.</p> <p>В новой версии усилены безопасность и надежность восстановления. Устранена уязвимость, позволявшая выполнить произвольную команду оболочки через путь к точке монтирования при размонтировании FUSE, а также исправлено переполнение буфера при передаче длинных значений параметров remote-host и remote-user.</p> <p>Отдельное внимание уделено работе с шифрованием TDE и сжатой файловой системой CFS: исправлены ошибки, которые могли приводить к некорректному восстановлению зашифрованных или сжатых данных. Также устранены ошибки, затрагивающие сохранность копий, удаление экземпляров в S3, инкрементальное восстановление после изменения линии времени и обработку WAL-файлов большого размера.</p> <p>«Для заказчика резервное копирование — это гарантия быстрого возвращения критичных сервисов в работу после сбоя. В ProBackup 3.5.0 мы сделали восстановление более автоматизированным, ускорили работу с удаленными хранилищами и повысили надежность синхронизации реплик. Это помогает ИТ-командам тратить меньше времени на ручные операции и увереннее обеспечивать непрерывность бизнеса», — отметил Алексей Дарвин, руководитель продукта Postgres Pro Backup Enterprise.</p> Компания Postgres Professional выпустила новую версию решения для резервного копирования и восстановления Postgres Pro … message Angara MTDR обновила модуль сканирования уязвимостей и интегрировала новый модуль контроля конфигураций https://www.itweek.ru/themes/detail.php?ID=235928 Wed, 11 Nov 2026 13:58:38 +0300 <p>Angara MTDR обновила один из ключевых модулей Angara AVM — сервиса контроля внутреннего контура в составе центра управления уязвимостями Angara VOC. Изменения помогают компаниям-заказчикам получать более полные сведения об активах внутренней инфраструктуры.</p> <p>Обновленный модуль сканирования уязвимостей (Vulnerability Scanner, VS) помогает устранять проблемы, с которыми компании нередко сталкиваются при регулярных проверках. Так, закрытая заявка на исправление не всегда подтверждает, что уязвимость устранена, а ручное сопоставление результатов сканирований сопряжено с высокими трудозатратами. Кроме того, частые проверки нагружают рабочие системы и требуют согласования с другими подразделениями.</p> <p>Теперь модуль точнее отслеживает жизненный цикл выявленных уязвимостей. Он сопоставляет результаты последовательных сканирований и показывает, какие уязвимости появились впервые, какие устранены, а какие сохраняются, что дает прозрачный контроль устранения и сроков исправления. В дополнение к этому расширены возможности проверки серверов, рабочих станций, сетевого оборудования, веб-приложений других компонентов инфраструктуры. Управление заданиями, расписаниями и интенсивностью сканирования позволяет адаптировать проверки к технологическим окнам и допустимой нагрузке на системы. </p> <p>Модуль контроля параметров безопасности (Security Profile Compliance, SPC) отслеживает состояние настроек систем, которые меняются в ходе обычной работы. Без такого контроля настройки сверяют с требованиями эпизодически и вручную, и небезопасное изменение может долго оставаться незамеченным.</p> <p>Интеграция нового модуля SPC расширяет возможности регулярной сверки настроек ИТ-активов с утвержденными профилями безопасности, внутренними политиками, требованиями организации и выбранными рекомендациями. Модуль выявляет отклонения и контролирует их устранение. Проверки могут охватывать операционные системы, СУБД, прикладное ПО, контейнерные платформы и сетевое оборудование. Наряду с готовыми профилями можно применять настраиваемые проверки с учетом внутренних требований организации. Регулярные проверки помогают выявлять небезопасные изменения настроек и отслеживать устранение отклонений.</p> <p>«Отчет о сканировании фиксирует состояние инфраструктуры на конкретную дату, но сама инфраструктура постоянно меняется. Чтобы понимать, снижается ли риск, важно видеть динамику — какие уязвимости закрыты после исправлений и не появились ли небезопасные изменения в настройках систем. Поэтому мы развиваем AVM как инструмент постоянного контроля внутреннего контура, где уязвимости в ПО и настройки систем рассматриваются вместе. В рамках Angara VOC эти данные дополняются результатами контроля внешнего периметра и экспертной оценкой», — отметил Артем Грибков, директор Центра киберустойчивости Angara MTDR.</p> <p>Компания также готовит обновление сервиса Angara ASM для контроля внешнего периметра. Для него разрабатываются новый личный кабинет, обновленное технологическое ядро, а также ряд других изменений. </p> Angara MTDR обновила один из ключевых модулей Angara AVM — сервиса контроля внутреннего контура в составе центра … message Cyberthreattech представила CTT AI Attack Pulse для защиты искусственного интеллекта https://www.itweek.ru/themes/detail.php?ID=235927 Wed, 11 Nov 2026 13:57:51 +0300 <p>Российская компания CyberThreatTech (ООО Технологии киберугроз) объявила о запуске CTT AI Threat Feed, специализированного продукта класса Threat Intelligence, предназначенного для отслеживания киберугроз, направленных на системы искусственного интеллекта. По оценке компании, это первый в России и странах СНГ специализированный фид, предоставляющий структурированные машиночитаемые знания о тактиках, техниках и процедурах атак непосредственно на AI-системы. В пятницу, 13 ноября, в 10.00 состоится онлайн-трансляция презентации CTT AI ATTACK PULSE напрямую из Музея криптографии.</p> <p>Развитие искусственного интеллекта становится одним из основных направлений автоматизации бизнеса. Компании внедряют большие языковые модели, интеллектуальных помощников и автономных AI-агентов в клиентское обслуживание, разработку программного обеспечения, аналитику, документооборот и управление корпоративными системами.</p> <p>По мере расширения использования ИИ растёт и поверхность атаки. AI-приложения обрабатывают корпоративную информацию, взаимодействуют с внешними источниками данных и получают доступ к различным бизнес-системам. Это создаёт дополнительные возможности для злоумышленников, а также новые требования к средствам защиты. Сегодня организации регулярно отслеживают уязвимости, вредоносное программное обеспечение, индикаторы компрометации и техники атак на традиционную ИТ-инфраструктуру. CyberThreatTech предлагает распространить аналогичный подход на инфраструктуру искусственного интеллекта.</p> <p>«Искусственный интеллект становится частью корпоративной инфраструктуры, и его безопасность требует такого же системного подхода, как защита серверов, сетей и приложений. Мы видим, как быстро появляются новые способы воздействия на AI-модели и агентов. Наша задача состоит в том, чтобы собирать эти знания, анализировать их и предоставлять в формате, который может использоваться непосредственно средствами защиты. AI Firewall должен получать актуальную информацию об угрозах так же, как традиционные средства безопасности получают обновления об уязвимостях и атаках», — прокомментировал Николай Арефьев, основатель и генеральный директор CyberThreatTech.</p> <p>CTT AI Threat Feed агрегирует сведения из отчётов об угрозах, посвящённых атакам на AI-модели, приложения и агентов. Продукт охватывает тактики, техники и процедуры (TTP), применяемые для воздействия на системы искусственного интеллекта. Полученная информация анализируется, систематизируется и преобразуется в структурированный машиночитаемый формат. Это позволяет использовать результаты Threat Intelligence в автоматизированных процессах защиты, исследования и проверки безопасности AI-инфраструктуры.</p> <p>Ключевая особенность CTT AI Threat Feed заключается в возможности передавать знания об угрозах непосредственно программным системам, которым эти сведения необходимы для выполнения защитных функций. </p> Российская компания CyberThreatTech (ООО Технологии киберугроз) объявила о запуске CTT AI Threat Feed … message Axenix: 17% компаний продолжают активно развивать ИТ на фоне режима экономии https://www.itweek.ru/themes/detail.php?ID=235926 Wed, 11 Nov 2026 13:56:05 +0300 <p>Крупный российский бизнес перешел в режим экономии, но от технологического развития не отказывается: деньги получают проекты с быстрым и измеримым эффектом, а главной ставкой остается искусственный интеллект. Об этом свидетельствуют данные исследования AxRadar консалтинговой технологической компании Axenix. Эксперты провели глубинные интервью с ИТ-руководителями (CIO, CDTO, CTO) более 50 крупнейших компаний из пяти отраслей: банков, ритейла, производства потребительских товаров (CPG), добычи и производства, а также агросектора.</p> <p>Сегодня ИТ развивают 58% опрошенных компаний, но активно — лишь 17%, еще 41% — умеренно. Остальные 42% держат ИТ на базовом уровне и пока ограничиваются тем, что закрывают основные потребности в цифровизации процессов. Разрыв между лидерами и остальными уже заметен, и, по оценке авторов исследования, если внешние условия не изменятся, доля компаний, развивающих ИТ, будет сокращаться.</p> <p>Причина сдержанности — в приоритетах бизнеса. Главным из них 67% компаний называют операционную эффективность и сокращение затрат. Органический рост и расширение доли рынка важны для 50%, новые продукты и источники прибыли — для 44%. Отсюда и новая логика ИТ-инвестиций: технологии финансируют под снижение издержек и рост производительности.</p> <p>Даже в режиме экономии ИИ остается главной технологической ставкой. Машинное обучение и генеративный ИИ входят в топ-5 ИТ-приоритетов у 58% компаний и уже используются в промышленной эксплуатации у 61%. Вместе с операционной эффективностью ИИ занимает центральное место в ИТ-повестке: хотя бы одно из этих направлений входит в топ-5 у 85% компаний, у трети — оба сразу.</p> <p>Новая волна использования ИИ и ГенИИ пока остается в экспериментах: AI-native платформы разработки пилотируют 39% компаний, а используют лишь 5%, мультиагентные системы работают только у 7%.</p> <p>Почему пилотные проекты не масштабируются? Главный барьер — неясная окупаемость: его назвали 48% респондентов. ИИ-проекты конкурируют за бюджет с бизнес-инициативами, и выигрывают те, у которых доказан финансовый эффект и короткий срок реализации. По словам ИТ-директоров, при правильном выборе функций эффект ИИ может в разы превышать вложения, но успешных примеров на рынке пока мало, а внедрение дорогое и долгое. Часть ИТ-директоров и вовсе предупреждает о риске «внедрения ИИ ради ИИ».</p> <p>Темпы внедрения сдерживают и другие факторы: качество и доступность данных, риски информационной безопасности, нехватка экспертизы. Поэтому быстрее отдачу получают те, у кого уже готовы процессы, данные и команда: они сначала выстраивают работу с данными, а затем выбирают функции с измеримым эффектом.</p> <p>Доказывать эффект приходится еще и потому, что свободных денег на развитие немного. Компании разделились почти поровну: 47% увеличат ИТ-бюджет, 29% сохранят его на текущем уровне, 24% сократят. Разброс по отраслям большой: банки тратят на ИТ 11,3% выручки, остальные — около 2%. Для банка технологии во многом и есть продукт, для промышленности и ритейла — прежде всего инструмент эффективности.</p> <p>Но даже растущий бюджет не гарантирует развития. Важно, какая его часть идет на новые проекты — ИИ, новые системы, цифровые продукты (CHANGE), а какая уходит на поддержку текущего ИТ-ландшафта (RUN).</p> <p>Здесь ситуация в отраслях тоже заметно различается. Больше половины банков и ритейлеров направляют на развитие свыше 60% ИТ-бюджета, производственные и добывающие компании — примерно половину. В CPG и агросекторе основная доля бюджета уходит на поддержку. По словам ИТ-директоров, значительную часть ресурсов забирают выполнение регуляторных требований, вынужденное импортозамещение и сопровождение текущих систем, и на ИИ и новые проекты остается немного.</p> <p>Поэтому ключевая задача сейчас — не только добиться большего бюджета, но и высвободить средства из поддержки: модернизировать устаревшие системы и сократить технический долг.</p> <p>Ограничения бюджета мешают реализации ИТ-планов у 67% компаний, а в ритейле и агросекторе — у 89%. На втором месте кадры: в нехватку компетенций, дефицит ИТ-специалистов или сложности с удержанием сотрудников упираются 54% компаний. Самый дефицитный навык — ИИ и машинное обучение (42%), далее идут кибербезопасность (27%), работа с данными и бизнес-анализ (по 25%).</p> <p>При этом формирование команды и развитие компетенций входят в пятерку ИТ-приоритетов только у 17% компаний. Без собственных компетенций бизнес зависит от подрядчиков и медленнее переводит пилоты в промышленную эксплуатацию. По мнению ИТ-директоров, в перспективе технологические компетенции придется развивать не только ИТ, но и самому бизнесу.</p> <p>«Главное, что сдерживает ИТ-планы крупного бизнеса, — деньги и люди. При этом развитие команды редко входит в ключевые приоритеты. Получается парадокс: компании делают ставку на ИИ, но не растят людей, которые будут его внедрять и развивать. К этому добавляется регуляторная нагрузка: она забирает ресурсы, которые могли бы пойти на развитие», — прокомментировал Егор Викторов, директор практики стратегического консалтинга компании Axenix.</p> <p>Российские компании последовательно импортозамещали иностранные решения, и сегодня острая фаза позади. Средняя доля отечественных продуктов в технологическом ландшафте составляет 65%: в агропромышленности — 85%, в добыче и производстве — 70%, в банковском секторе — 57%. Поэтому в пятерку ИТ-приоритетов импортозамещение включили только 23% участников исследования. Ставка теперь — на собственную инфраструктуру: 55% компаний придерживаются политики on-premise first, а облачную миграцию в приоритеты не включил никто.</p> <p>Но последствия перехода остаются: новые системы нужно поддерживать и развивать. Собственная инфраструктура надежнее, однако, как признают ИТ-директора, запускать на ней пилоты и тиражировать новые решения получается медленнее.</p> <p>Прагматичный подход к технологиям меняет и роль ИТ-директора. Через <nobr>3-5 лет,</nobr> по мнению респондентов, технологии из источника преимущества станут необходимым условием конкурентоспособности. CIO будет влиять на развитие бизнеса как советник с ответственностью за результат, а ИТ-проекты будут оценивать по окупаемости наравне с другими инвестициями. Пока же ИТ часто воспринимают как сервис, и скорость перемен сильно зависит от зрелости компании.</p> <p>«Крупный российский бизнес подошел к новому этапу технологического развития. Большинство крупных компаний уже закрыли базовые потребности в цифровизации и имеют развитые, частично импортозамещенные корпоративные системы. Лидеры считают внедрение ИИ приоритетом и активно включают его в ИТ-повестку вместе с операционной эффективностью — от этого напрямую зависит конкурентоспособность. При этом критерии отбора проектов максимально прагматичны: деньги получают инициативы с быстрым и измеримым эффектом», — прокомментировала Анастасия Студенкина, директор практики стратегического консалтинга компании Axenix.</p> <p>Исследование проходило с июня по август 2026 года. По его итогам аналитики рассчитали индекс технологических настроений от 0 до 100 баллов: он учитывает цифровую зрелость, ИТ-бюджет, планы и барьеры компаний и показывает, насколько уверенно ИТ-руководители смотрят на технологическое развитие в ближайшей перспективе. Axenix планирует проводить исследование ежегодно, чтобы отслеживать, как меняются настроения рынка и отдельных отраслей.</p> Крупный российский бизнес перешел в режим экономии, но от технологического развития не отказывается: деньги … message Машинное зрение на линии копит кадры. Кто решает, что с ними делать https://www.itweek.ru/themes/detail.php?ID=235925 Wed, 11 Nov 2026 13:24:06 +0300 <p>Я несколько лет занимаюсь системами машинного зрения для производства и почти каждый раз вижу одну и ту же картину. Проект доходит до ИТ-службы в последний момент. Технологи выбрали дефект, камера и свет стоят, станция контроля прошла приёмку, и только тогда кто-то спрашивает, куда система складывает результаты. Вопросы простые, но если не решить их до запуска, через полгода данные контроля качества окажутся на локальном диске станции и пропадут при первой замене оборудования.</p> <h3>Что система оставляет после себя</h3> <p>Станция контроля работает по жёсткой схеме. Датчик позиции даёт триггер, камера снимает деталь, программа ищет дефекты или меряет геометрию, сравнивает с допуском и выносит вердикт «годен» или «брак». На каждую деталь остаётся кадр с разметкой, измеренными значениями и решением. Оператору линии нужен только сигнал на отбраковку, и нужен он доли секунды. Всем остальным, от отдела качества до разработчиков модели, нужен кадр, и нужен месяцами.</p> <h3>Почему счётчика брака мало</h3> <p>Счётчик за смену отвечает на вопрос «сколько». На вопрос «почему» отвечают кадры. Пришла рекламация, и отдел качества хочет увидеть, что камера видела при проверке этой партии. Доля брака выросла на одной смене, и по снимкам понятно, был ли это настоящий дефект, грязная оптика или сдвинутый свет. Технологи спорят, считать ли мелкую пору браком, и спор идёт по одним и тем же снимкам, а не по пересказу. Когда архива нет, все эти разговоры превращаются в мнения.</p> <p>Есть и причина, о которой на старте обычно не думают. Самые ценные примеры для дообучения модели — редкие дефекты. Собрать их дольше, чем обучить модель, и взять их можно только из архива решений с линии. Если кадры не сохранять с первого дня, через год модель придётся улучшать на тех же немногих примерах, что были на пилоте.</p> <h3>Что хранить и сколько</h3> <p>Непрерывное видео с камеры контроля почти никогда не нужно, и я бы не стал под него строить хранилище. Хранить стоит кадры решений: весь брак, выборку годных деталей и все случаи, которые система отправила человеку на осмотр. Объём зависит от темпа линии и разрешения камеры. Считать его лучше на пилоте по реальному потоку, а не по паспорту оборудования, цифры обычно расходятся. Срок хранения удобно привязать к сроку, в течение которого по партии могут прийти претензии, и к циклу дообучения модели.</p> <h3>Связь с учётом</h3> <p>Кадр без номера партии, смены и линии почти бесполезен: найти его потом можно только по времени, и то если часы станции не уходили. Поэтому номер партии должен приходить на станцию из MES или учётной системы, а обратно уходить вердикт с причиной брака. Тогда отчёт по качеству живёт там же, где остальная производственная статистика, и из строки отчёта можно открыть конкретный кадр. Способ обмена (сигнал контроллера, API, выгрузка файлов) я советую согласовать до монтажа, пока ещё можно выбирать.</p> <h3>Кто за что отвечает на приёмке</h3> <p>Технологи на приёмке проверяют точность: долю пропусков и ложных отбраковок на реальном потоке. У ИТ-службы свои пункты. Куда пишутся кадры, у кого к ним доступ, что будет с архивом при замене станции или камеры, где лежит резервная копия и кто её проверяет. Эти вопросы стоит записать в протокол приёмки рядом с цифрами точности. Тогда их не придётся решать задним числом, когда диск станции заполнится.</p> <p>Машинное зрение даёт цеху сплошной контроль вместо выборочного. Будет ли у предприятия через год ещё и разобранный архив брака, решается в тот момент, когда выбирают камеру и свет. Мой совет коллегам из ИТ простой: просите позвать вас на это обсуждение, а не на приёмку.</p> Я несколько лет занимаюсь системами машинного зрения для производства и почти каждый раз вижу одну и ту же … article Антон Савельев, ведущий специалист по компьютерному зрению Visor Group Почему ИИ-агенты должны быть взаимозаменяемыми — без потери результатов вашей работы https://www.itweek.ru/themes/detail.php?ID=235923 Wed, 11 Nov 2026 10:18:02 +0300 <p><em>Если агент искусственного интеллекта дает сбой в процессе выполнения задачи, наличие надежных записей о действиях и четко определенных границ использования инструментов позволяет заменить его другим агентом, который продолжит работу безопасно и без дублирования операций, пишет на портале </em><em>The</em> <em>New</em> <em>Stack</em> <em>Манвир Чавла — соучредитель компании Zenith (ранее занимал должность директора по разработке в Confluent и руководил направлением Growth Engineering в Dropbox).</em></p> <p>Представим ситуацию: агент получает одобрение на частичный возврат средств. Он отправляет запрос к платежному API, но в этот момент происходит сбой. Возможно платежный сервис успел провести возврат, а возможно запрос даже не дошел до него. На смену приходит новый агент, который обнаруживает запись об операции со статусом «отправлено» (dispatched), но без зафиксированного результата.</p> <p>Подобная неопределенность свойственна не только ИИ-агентам. С такой же проблемой сталкиваются любые распределенные системы, если рабочий процесс прерывается в момент внесения изменений. Однако обычный программный агент (worker) в такой ситуации просто возобновляет заранее заданный алгоритм с последней контрольной точки. ИИ-агент действует иначе: он принимает решения самостоятельно — и это создает дополнительные риски. Столкнувшись с тем же запросом от клиента при отсутствии записи о результате, агент может выстроить совершенно иной план, выбрать другие параметры или решить инициировать новый возврат, вместо того чтобы завершить уже одобренную операцию.</p> <p>Если первый возврат прошел успешно, то вторая попытка приведет к тому, что клиенту вернут средства дважды. Поскольку на исходном платеже достаточно средств для еще одного частичного возврата, ничто не помешает совершить эту ошибку.</p> <p>Новый агент должен «унаследовать» исходную операцию, а не интерпретировать ее заново.</p> <h3>Операция должна пережить агента</h3> <p>Процесс агента, его переменные в оперативной памяти, временный контекст рассуждений — все это может быть утрачено без ущерба для дела. Но бизнес-операция — например, возврат средств, его одобрение, параметры и текущий статус — должна быть сохранена. Агент, работающий в течение длительного времени, должен сохранять полезные данные, пока он активен. Однако важно соблюсти условие: ни одна критически важная операция не должна зависеть от того, продолжает ли работать исходный экземпляр агента.</p> <p>Перед отправкой запроса на возврат средств приложение сохраняет запись об операции в надежном хранилище (транзакционной базе данных). Эта запись содержит одобренную сумму, соответствующие права доступа, ключ идемпотентности (передаваемый платежному провайдеру), идентификатор операции в метаданных провайдера, а также текущий статус.</p> <p>Статус меняется с «создано» (created) на «отправлено» (dispatched) в момент отправки запроса, а на «подтверждено» (confirmed) или «сбой» (failed) — только после получения ответа от провайдера. Если агент выходит из строя, его преемник считывает эту запись и связанные с ней идентификаторы, что позволяет корректно продолжить выполнение задачи. Если запись находится в состоянии «отправлено», это означает, что была предпринята попытка выполнения операции, но результат не был зафиксирован.</p> <p>При повторном запуске (замещающий процесс) используется уже одобренная операция, а не создается новая.</p> <p>Если замещающему процессу необходимо проверить результат, он может запросить список возвратов средств, связанных с исходным платежом, и сопоставить идентификатор операции в полученных метаданных.</p> <p>Однако такая «устойчивая» (durable) запись служит не просто контекстом для повторного запуска. Приложение обеспечивает ее соблюдение на границе взаимодействия с внешними инструментами: уровень отправки запросов проверяет каждый исходящий вызов на соответствие зафиксированной записи. Агент может предложить следующий шаг, но до провайдера доходят только те операции, которые были одобрены ранее — с сохранением исходных параметров и идентификатора. Модель не может изменить то, что уже было утверждено.</p> <p>Пример: бизнес-данные, включая эталонную запись об операции, определяющую допустимые действия для замещающего процесса, хранятся в управляемой ClickHouse базе данных Postgres. С помощью технологии CDC (Change Data Capture) эти данные реплицируются в ClickHouse. Телеметрия приложения передается в ClickStack, а трассировки агента — в Langfuse; обе системы настроены на использование того же экземпляра ClickHouse в качестве основной базы данных.</p> <p>#IMAGE_235924#</p> <p>Поскольку бизнес-данные, телеметрия приложения и трассировки агента попадают в одну базу данных, для связывания операции с конкретным запуском агента (который инициировал запрос) и неудачным HTTP-вызовом достаточно одного запроса по идентификатору. Это избавляет от необходимости сопоставлять данные из трех разных инструментов.</p> <p>Здесь есть два условия. Во-первых, приложение должно передавать этот идентификатор дальше. Идентификатор операции должен присутствовать в строке Postgres, в атрибутах трассировки Langfuse и в контексте логов сервиса, поскольку автоматической корреляции между ними не существует. Во-вторых, замещающий процесс должен считывать запись непосредственно из Postgres, а не из ее реплицированной копии. CDC работает с задержкой в ​​несколько секунд. Эталонная запись в основной базе данных является той самой, которую контролирует механизм на границе взаимодействия с внешними системами.</p> <h3>Перезапуск выполнения — это еще не безопасное возобновление работы</h3> <p>Фреймворки для обеспечения «устойчивого» выполнения (durable execution), такие как LangGraph и Temporal, фиксируют прогресс выполнения и позволяют возобновить работу после сбоя. В обоих случаях рекомендуется делать побочные эффекты идемпотентными, поскольку простое возобновление процесса не решает проблему повторного выполнения. Если возврат средств был успешно проведен в тот момент, когда шаг еще числился как «ожидающий», фреймворк может перезапустить агента, но не сможет сообщить ему, был ли исходный запрос принят платежным провайдером.</p> <p>Запись об «устойчивой» операции реализует этот принцип идемпотентности для агента, чей следующий шаг заранее не определен.</p> <p>Ключ идемпотентности из такой записи связывает замещающий процесс с исходным запросом. Если при повторной попытке используется тот же ключ, поставщик услуг может распознать, что речь идет об одной и той же операции, вместо того чтобы выполнять ее как отдельный запрос на возврат средств. Это справедливо даже в том случае, если исходный запрос, отправленный агентом, был завершен уже после сбоя, или если процесс, который ошибочно сочли «мертвым», возобновил свою работу. В библиотеке AWS Builders’ Library этот шаблон формализован: идентификатор, предоставляемый вызывающей стороной, сохраняется атомарно вместе с операцией изменения данных (mutation).</p> <p>Однако повторная попытка не всегда безопасна. Результат может оставаться неопределенным. В документации Stripe указано, что ответ с кодом 500 при выполнении mutation все равно может привести к внешним последствиям. Если исход неизвестен, замещающему агенту требуются доказательства для проведения расследования.</p> <p>Langfuse позволяет увидеть, какой инструмент использовал предыдущий агент — например, запрос на возврат средств, отправленный с зафиксированным ключом идемпотентности. ClickStack дополняет картину на операционном уровне: показывает исходящий HTTP-запрос к платежному сервису, за которым последовал разрыв соединения, что позволяет сузить временной интервал возникновения ошибки.</p> <p>Оба источника данных доступны замещающему агенту напрямую. MCP-сервер Langfuse позволяет запрашивать трассировку предыдущего агента по идентификатору операции, а MCP-сервер ClickStack — искать события в сервисе за тот же промежуток времени. Предоставьте замещающему агенту только инструменты для чтения данных: он сможет проанализировать произошедшее, но границы доступных инструментов по-прежнему будут ограничивать его действия.</p> <p>Ни одна из трассировок не является доказательством того, что провайдер действительно выполнил возврат средств. Отсутствие трассировки также не доказывает, что запрос не был отправлен, поскольку Langfuse передает данные асинхронно, и сбой в системе мог помешать их доставке. Платежный провайдер остается первоисточником информации о внешнем результате операции. Телеметрия выполнения помогает сузить область поиска, но не заменяет собой официальное подтверждение.</p> <h3>Продолжайте работу, а не начинайте всё сначала</h3> <p>В распоряжении замещающего агента есть постоянная запись о действиях, а в случаях, когда результат остался неясным — еще и свидетельства выполнения операции. Теперь ему необходимо предпринять дальнейшие шаги, но не путем принятия нового решения о том, что нужно сделать.</p> <p>Замещающий агент следует протоколу восстановления, определенному в приложении, а не полагается на собственное суждение о ситуации клиента.</p> <p>Если провайдер подтверждает, что возврат выполнен, агент фиксирует результат и переходит к следующим задачам. Если провайдер сообщает, что возврат находится в ожидании или в процессе выполнения, агент ждет — повторная попытка может привести к дублированию операции. Если же возврат определенно не удался и не повлек за собой никаких внешних изменений, агент заново проверяет предварительные условия перед новой санкционированной попыткой. Если результат по-прежнему остается неясным, агент эскалирует задачу на более высокий уровень, а не пытается угадать исход. Отсутствие записи у провайдера не означает, что возврат не был обработан — возможно, провайдер еще не завершил транзакцию.</p> <p>Даже после выяснения внешнего результата замещающий агент должен убедиться, что состояние системы не изменилось. Например, сумма, доступная для возврата, могла измениться. Сотрудник мог оформить возврат средств через другой интерфейс. Статус учетной записи клиента мог измениться. Кто-то мог отозвать первоначальное разрешение.</p> <p>Сохраненное одобрение — это лишь историческое свидетельство, а не действующее полномочие для выполнения операций.</p> <p>С инженерной точки зрения ключевой вопрос заключается в том, сможет ли новый агент определить текущую цель работы, невыполненные обязательства и возможные неопределенные последствия, а затем безопасно продолжить процесс — не воспринимая при этом сведения, оставшиеся от предшественника, как руководство к действию.</p> Если агент искусственного интеллекта дает сбой в процессе выполнения задачи, наличие надежных записей о действиях … article Автоматизация DevSecOps: почему сканеры ошибаются и где без экспертного аудита не обойтись https://www.itweek.ru/themes/detail.php?ID=235921 Wed, 11 Nov 2026 10:05:58 +0300 <p>В современной разработке автоматизация проверок безопасности стала такой же частью DevOps, как CI/CD или контроль версий. Она помогает оценивать код, зависимости, защищенность контейнеров и инфраструктуру, практически в том же темпе, в котором ИТ-команды внедряют изменения в продукт. Без анализа этих компонентов сегодня сложно представить разработку безопасного ПО. Тем не менее, такой подход упрощает поиск уязвимостей, но не позволяет выявить все риски.</p> <p>После подключения сканеров ИБ-специалисты часто сталкиваются с избыточными и нерелевантными срабатываниями, а часть критичных слабых мест при этом остается незамеченной. Причина не в том, что инструменты работают неправильно, а в том, что они не способны учитывать весь контекст конкретной системы. Разберем, почему автоматические проверки кода и инфраструктуры дают ложные сигналы, как сократить уровень шума и в каких случаях экспертный аудит остается обязательной частью DevSecOps.</p> <h3>Почему сканеры ошибаются</h3> <p>Большое количество срабатываний — одна из главных особенностей работы сканеров, в частности SAST-инструментов. Они фиксируют все подозрительные фрагменты кода, которые соответствуют заданным правилам, но далеко не каждая из них указывает на уязвимость. В одном отчете могут оказаться как действительно опасные дефекты, так и находки, которые инструмент оценивает как критичные, хотя с учетом особенностей конкретной системы они не представляют реальной угрозы.</p> <p>Распространенная причина неточных результатов — ограничения статического анализа. SAST-инструменты проверяют исходный код без запуска приложения. Они видят потенциально опасные фрагменты, но не всегда понимают, какие значения получат переменные во время выполнения, какие условия заложены в бизнес-логике и какие защитные механизмы уже работают в системе. Поэтому сканер может отметить участок программы как уязвимый, хотя в реальном сценарии использовать его для атаки невозможно.</p> <p>На точность влияет и то, что большинство правил, по которым работают автоматические средства анализа, универсальны. Они рассчитаны на разные языки, фреймворки и архитектуры, поэтому не учитывают особенности конкретного приложения. В проекте могут использоваться внутренние безопасные обертки, API-шлюзы, фильтрация запросов или политики service mesh, которые снижают риск эксплуатации. При этом инструмент может не знать об этих механизмах и продолжить оценивать программу по общему шаблону.</p> <p>Дополнительный источник лишних срабатываний — некорректно настроенный контур проверки. Если под одинаковый набор правил попадают тестовые директории, временные ветки, прототипы, устаревшие компоненты и библиотеки, количество нарушений быстро растет. При этом часть замечаний относится к коду, который не входит в поставку или не влияет на работу продуктивной системы.</p> <p>После обнаружения дефекта важно квалифицировать его приоритет. Автоматизация способна выявить характер уязвимости, но не всегда понимает ее реальную значимость для определенного проекта. Без учета особенностей ресурса невозможно установить, насколько опасна конкретная находка и насколько быстро ее нужно устранять.</p> <h3>Где возможности сканеров заканчиваются</h3> <p>Даже тщательно настроенные SAST-, SCA- и DAST-инструменты, которые оценивают код, зависимости и работающее приложение, не заменяют экспертного аудита. Сканеры хорошо справляются с техническими находками, которые можно описать формальными правилами. Однако этого недостаточно там, где для выявления слабых мест необходимо учитывать архитектуру системы и связи между ее компонентами.</p> <p>Чаще всего автоматизация не распознает ошибки бизнес-логики. Приложение может корректно выполнять каждое отдельное решение, но при этом пользователь получает возможность обходить установленные ограничения или совершать действия в непредусмотренной последовательности. Например, он может повторно использовать токен, обойти установленный лимит или получить выгоду из бонусной механики. Такие ситуации возникают из-за особенностей работы системы. Чтобы выявить нарушения, необходимо учитывать назначение ресурса, распределение ролей и порядок отдельных операций.</p> <p>ИТ-архитектура приложения тоже требует внимания AppSec- и DevSecOps-специалистов. По отдельным файлам сложно оценить границы доверия, права между сервисами, защищенность внутренних API и хранение секретов. Для подобного анализа необходимо изучить связи между ресурсами, движение данных и разграничение полномочий.</p> <p>По этой причине даже «чистый» отчет SAST или SCA еще не говорит об устойчивости системы к атакам. Эти инструменты помогают проверить код и зависимости, но не дают полной картины того, как устроены бизнес-логика и взаимодействия отдельных компонентов.</p> <h3>Как снизить количество нерелевантных срабатываний</h3> <p>Сканер выдает нерелевантные сигналы, если не учитывает особенности проекта — например, назначение компонента или условия его использования. Для того, чтобы сократить количество таких срабатываний, проверки адаптируют под конкретную систему.</p> <p>Сначала техническая команда определяет контур контроля и решает, какие элементы в него войдут. Если заранее разделить объекты по критичности, часть лишних замечаний можно отсечь еще до разбора отчета.</p> <p>Затем специалисты по безопасности корректируют настройки под особенности проекта. Из проверки убирают лишние директории и временные файлы, отключают правила, которые не подходят для используемого стека, а для повторяющихся ложных срабатываний вводят постоянные исключения или отдельные правила. Далее результаты сканирования соотносят с характеристиками определенного сервиса. Для оценки риска недостаточно знать тип уязвимости. На ее значимость влияет контекст: доступность ресурса из интернета, наличие чувствительных данных или потенциально опасной зависимости во время работы приложения и уже реализованные защитные механизмы. Только после этого можно определить приоритет исправления и сроки устранения дефекта.</p> <p>Настройка автоматических проверок — это непрерывный процесс. Технологический стек меняется, появляются новые сервисы, библиотеки и инструменты разработки, поэтому правила анализа тоже приходится регулярно пересматривать.</p> <h3> Где без ручного аудита не обойтись</h3> <p>Эксперты по AppSec и DevSecOps подключаются к проекту в тех случаях, когда одних сканеров недостаточно, чтобы выявить все возможные риски. Их работа начинается еще до написания кода и продолжается после выхода приложения в эксплуатацию.</p> <p>Сначала специалисты моделируют угрозы. Для новых систем это делают еще до разработки, для существующих — при крупных изменениях. На этом этапе определяют потенциальные сценарии атак, критичные активы, точки входа и границы доверия. Чем раньше обнаружена опасность, тем проще ее устранить: во время проектирования можно заранее скорректировать устройство продукта так, чтобы исключить потенциальную уязвимость. После релиза для этого уже придется дорабатывать код, инфраструктуру или бизнес-логику.</p> <p>Еще один этап — оценка архитектуры приложения. Здесь смотрят, как разделены компоненты и права сервисов, проверяют интеграции и ищут недостатки в принятых технических решениях.</p> <p>Особого внимания требуют наиболее значимые участки системы: доступные из внешнего периметра или работающие с чувствительными данными. Важно понять, можно ли использовать выявленные дефекты для атаки. Несколько слабых мест могут быть относительно безопасны по отдельности, но вместе создать реальную угрозу. Автоматический анализ рассматривает находки по одной и не всегда способен распознать такую связь.</p> <p>В DevSecOps сканеры берут на себя большую часть регулярных проверок кода и других компонентов, но полностью заменить ими специалиста не получится. Там, где нужно разобраться в логике продукта, увидеть взаимосвязь между отдельными факторами или разобрать реальный сценарий воздействия, нужен ручной аудит. Эксперт может посмотреть на сигнал не отдельно, а в контексте всей системы и понять, насколько она опасна на практике. Так ИБ-команде проще отделить действительно критичные уязвимости от менее значимых и решить, что исправлять в первую очередь.</p> <p>#IMAGE_235922#</p> В современной разработке автоматизация проверок безопасности стала такой же частью DevOps, как CI/CD или контроль … article Артем Пузанков, руководитель отдела консалтинга безопасной разработки компании “Бастион” Рост стоимости облачных услуг в России во II квартале сменился коррекцией цен в III квартале https://www.itweek.ru/themes/detail.php?ID=235919 Tue, 10 Nov 2026 12:06:42 +0300 <p>Во II квартале 2026 года был зафиксирован рост цен до 102 425 руб., который сменился коррекцией до 96 983 руб. в III квартале.</p> <p>По данным исследования iKS-Consulting и RCloud by 3data, за <nobr>I–III</nobr> кварталы 2026 года средняя стоимость облачной корзины для корпоративных заказчиков выросла с 85 499 до 96 983 руб. в месяц. Однако рост не был линейным: снижение в I квартале (−2,8%) сменилось резким подъемом во II (+19,8%) и частичной коррекцией в III (−5,3%). За колебаниями индекса стоит пересмотр ограниченного числа тарифных линеек, а не массовое движение цен.</p> <p>Согласно данным iKS-Consulting и RCloud by 3data, за три квартала 2026 года российский рынок публичной облачной инфраструктуры не сформировал единого ценового тренда. Средняя стоимость облачной потребительской корзины для корпоративных заказчиков менялась разнонаправленно, а индекс цены колебался в диапазоне от 97,6 до 119,8% к предыдущему кварталу. Ключевой вывод периода наблюдения: за агрегированными показателями скрывается сегментация рынка, а конкуренция смещается от цены ресурса к производительности, качеству инфраструктуры и совокупной стоимости решения задачи.</p> <p>«Мы анализируем цены поквартально и видим разнонаправленную динамику без выраженного общего тренда: изменения затрагивали отдельные предложения, тогда как большинство тарифов оставалось на прежнем уровне, — отметил ИТ-директор облачной платформы RCloud by 3data Валентин Соколов. — На значения индекса влияют стоимость серверного оборудования и общая экономическая и политическая ситуация. При этом отрасль в целом смещается от ценовых аргументов к качеству и предсказуемости сервиса».</p> <p>I квартал 2026 года. Индекс цены облачной корзины составил 97,6% к IV кварталу 2025 года, средняя стоимость корзины — 85 499 руб. в месяц. Снижение на 2,9% относительно предыдущего квартала (87 984 руб.) носило умеренный характер. Провайдеры продолжали развивать тарифные линейки, смещая фокус с низкопроизводительных ресурсов на сегмент High Performance и повышая базовую производительность CPU.</p> <p>II квартал 2026 года. Индекс составил 119,8% к I кварталу, средняя стоимость корзины выросла до 102 425 руб. (+16,4%). Основной вклад внесло увеличение стоимости вычислительных ресурсов и оперативной памяти. При этом рост был обусловлен не дефицитом ресурсов и не массовым пересмотром тарифов, а изменением структуры предложений: провайдеры расширяли линейки более производительных конфигураций и смещали акцент с ценовой конкуренции на конкуренцию по качеству инфраструктуры.</p> <p>III квартал 2026 года. Индекс составил 94,7% ко II кварталу, средняя стоимость корзины снизилась до 96 983 руб. (−5,3%). Коррекция компенсировала лишь часть предыдущего роста: стоимость корзины по-прежнему на 13,4% превышает уровень I квартала 2026 года.</p> <p>Колебания индекса — результат точечных решений, а не общего движения цен. Ни в одном из трёх замеров рынок не продемонстрировал единого направления. В III квартале неизменными остались 14 из 30 сопоставимых тарифов vCPU, 12 из 23 тарифов RAM и 14 из 29 тарифов SSD. Изменения концентрировались в отдельных тарифных линейках и у отдельных провайдеров, тогда как большая часть предложений сохранила прежний уровень цен.</p> <p>В III квартале при общем снижении средней цены vCPU на 2,7% стоимость процессоров в группе High Performance выросла на 16,1%, а в группе Standard — на 4,0%. Оперативная память подешевела в среднем на 5,0%, но снижение не было всеобщим. Средняя стоимость SSD практически не изменилась (+0,6%), тогда как предложения класса Standard подорожали в среднем на 18,6%. Рост отдельных тарифов не равен общему удорожанию ресурса — и наоборот.</p> <p>На протяжении всего периода наблюдения конкуренция смещалась от цены ресурса к производительности, качеству инфраструктуры и совокупной стоимости решения задачи. Провайдеры конкурируют за счёт характеристик серверной платформы, частоты процессора, гарантий производительности, коэффициента переподписки и стабильности SLA. Это соответствует мировой тенденции дифференциации облачного ценообразования: крупнейшие мировые провайдеры расширяют предложения, различающиеся по производительности, характеристикам инфраструктуры и условиям потребления.</p> <p>Для корпоративных заказчиков это означает необходимость сравнивать не только стоимость vCPU, RAM и SSD, но и характеристики конфигурации, гарантии производительности и условия предоставления ресурсов. Это особенно важно при выборе между стандартными и высокопроизводительными облачными решениями.</p> Во II квартале 2026 года был зафиксирован рост цен до 102 425 руб., который сменился коррекцией … message Каких кадров не хватает для цифровизации промышленности https://www.itweek.ru/themes/detail.php?ID=235917 Tue, 10 Nov 2026 10:41:56 +0300 <p><em>Внедрение </em><em>MES </em><em>на производстве — не просто покупка программного обеспечения. Система должна работать с реальными процессами и на нефтяном месторождении, и на обогатительной фабрике. Без людей, которые одновременно понимают и производственные процессы, и ИТ, любой проект рискует превратиться в дорогостоящий, изматывающий и малополезный для бизнеса опыт. Разберем, почему именно квалификация и опыт специалистов решают исход таких проектов и какие кадры сегодня нужны отрасли.</em></p> <h3>Драйверы роста рынка MES</h3> <p>MES-система способна оказывать существенное влияние на операционную эффективность и качество выпускаемой продукции, поэтому инвестиции в это направление обычно не замораживают, даже в условиях экономической нестабильности. В 2025 году рынок MES-проектов вырос примерно на 7% и достиг объема около 18 млрд. рублей. В 2026 году, по нашим оценкам, рост продолжится на уровне 8%.</p> <p>При этом структура спроса меняется. Импортозамещение — уже не главный стимул. Компании смотрят на измеримую выгоду, сокращение простоев, снижение брака, прозрачность цепочки от сырья до отгрузки. Рынок двигают строительство новых производств, расширение некоторых текущих мощностей и модернизация действующих цехов.</p> <p>Один из основных барьеров на пути развития отечественного индустриального ПО и цифровизации промышленности — дефицит кадров. При этом рост числа MES-систем не сопровождается сопоставимым ростом числа специалистов, способных их внедрять и поддерживать. По разным оценкам, лишь от семи до пятнадцати процентов сотрудников компаний обладают компетенциями, достаточными для работы с современными АСУ ТП и промышленной робототехникой.</p> <p>При этом разработка и внедрение промышленного ПО предполагает длинные циклы внедрения, жесткие сроки, постоянные согласования и стресс. В результате часть ИТ-специалистов уходит в сферы, где проще и спокойнее и при этом можно найти конкурентное денежное вознаграждение.</p> <h3>Необходимость в отраслевых специалистах</h3> <p>Главные проблемы связаны с недостатком опытных инженеров, разбирающихся как в разработке цифровых продуктов, так и в производственных процессах конкретных отраслей, а также в экономике предприятия. Без таких знаний создать эффективную MES-систему невозможно. Ситуацию осложняет то, что конкуренция за этих специалистов идет между ИТ-компаниями (вендорами и интеграторами), промышленными предприятия разных отраслей, консалтинговыми фирмами — то есть выходит далеко за пределы одной отрасли.</p> <p>Из нашей практики мы видим, насколько важен опыт в индустрии. Человек, который двадцать лет проработал на целлюлозно-бумажном комбинате, разговаривает с «бумажниками» совсем иначе, чем обычный ИТ-специалист. То же самое касается металлургии или горной добычи. Поэтому в штате важно держать людей с релевантным индустриальным опытом. Такие специалисты сразу видят, на каком переделе, в каком хранилище, на какой локации можно получить экономический эффект, а значит — повысить эффективность компании.</p> <p>А еще на каждом производстве — свои особенности: например, может стоять оборудование от разных производителей, старые станки рядом с новыми линиями и т. д. И нужны люди, способные во всем этом разобраться. Дефицит специалистов приводит не только к увеличению сроков: компаниям приходится отказываться от наиболее сложных проектов. А это, в свою очередь, тормозит развитие самой отрасли.</p> <h3>Навыки MES-разработчика</h3> <p>Рискну утверждать, что для успеха MES-проекта компетенции в области ИТ могут быть иногда вторичны. Гораздо важнее, есть ли в проектной команде специалисты, способные понимать требования производства и переводить их на язык ИТ. Если их нет, то проблемы будут на всех этапах, начиная со сбора первичных требований: инженеры на производстве говорят одно — ИТ-команда слышит другое. В итоге система либо перегружена функционалом, который никто не использует, либо не закрывает самые болезненные точки.</p> <p>Архитектор MES должен видеть всю картину. Он проектирует структуру так, чтобы она решала текущие бизнес-задачи и могла масштабироваться. Ошибка в архитектуре может парализовать участок, а стоимость такой ошибки при непрерывном цикле производства измеряется миллионами рублей в час.</p> <p>Разработчик МES-платформы пишет код, настраивает платформу и обеспечивает работу модулей. Важно глубокое знание хотя бы одной зрелой MES-платформы. Но привлечь чистого программиста в MES-проект мало. Навыки программирования помогают, но редко приходится писать весь код с нуля. Современные MES-системы, если их делали грамотные специалисты, имеют нормальные интерфейсы обмена. Разработчик МES-платформы обязан понимать производственные процессы. Иначе код будет красивым, а результат — бесполезным.</p> <h3>Навыки инженера по внедрению MES</h3> <p>При развертывании MES-платформы на производстве особое значение приобретают навыки общения. Инженер по внедрению такого продукта — тот, кто связывает MES-систему с реальным оборудованием и людьми. Он подключает источники данных по OPC UA или Modbus, работает с PLC, строит мнемосхемы и дашборды, пишет отчеты, разбирает логи. И самое важное — умеет обучать пользователей. Ему надо говорить и с технологом, и с оператором, и с директором цеха на их языке. Он выясняет болевые точки, балансирует требования, тестирует, запускает и снова собирает обратную связь, помогает преодолеть сопротивление персонала.</p> <p>После запуска MES-системы живут годами. Без поддержки специалистов, которые понимают их изнутри, они быстро деградируют. Дополнительные сложности создают жесткие сроки, доработки на этапах опытной и промышленной эксплуатации и разногласия между ИТ и производством. Поэтому качество взаимодействия внутри команды непосредственно влияет на ход проекта.</p> <p>Отдельная задача — формирование проектной команды и управление ею. Квалифицированных специалистов с необходимым набором отраслевых, ИТ- и бизнес-знаний на рынке единицы, но еще меньше тех, кто способен руководить такими коллективами. Нехватка подобных компетенций также влияет на проекты и бизнес-результаты.</p> <h3>Способы преодоления кадрового голода</h3> <p>Формальное образование дает абстрактные знания, далекие от реальных промышленных протоколов, а вакансии даже среднего уровня требуют от трех лет практического опыта. Это создает труднопреодолимые барьеры для новичков, так как реальные экспертные знания заперты внутри крупных холдингов. Поэтому многие компании готовят MES-специалистов самостоятельно. Новички растут от поддержки до разработки на реальных проектах под наставничеством опытных инженеров и без разрыва между теорией и практикой.</p> <p>Вендоры и компании уже реагируют на конъюнктуру: запускают внутренние курсы и онлайн-платформы, внедряют профильные программы в вузах и колледжах, готовят кросс-функциональных специалистов, предлагают условия с конкурентной оплатой. Также помогают самообразование через освоение документации, стандартов ISA-95, форумов и глубокая специализация партнеров по конкретным отраслям.</p> <p>Кроме того, можно отметить уже закрепившуюся практику привлечения отраслевых узкоспециализированных профессионалов в качестве внешних экспертов на проект или для организации обучения.</p> <p>Важная задача состоит и в том, чтобы удерживать нужных специалистов. Профессионалов, обладающих разносторонним опытом и широким набором навыков, мотивируют не только деньги. Для них важны интересные проекты и задачи. И если такой сотрудник начинает скучать, риск его ухода возрастает. Поэтому компании всеми силами стараются давать ценным специалистам возможность для участия в разноплановых проектах.</p> <p>Еще один способ если не решить проблему, то снизить ее остроту — оптимизировать состав и формат работы проектных команд: понять, как наиболее эффективно перераспределить загрузку специалистов с редкими и уникальным компетенциями и навыками.</p> <p>Рост рынка MES будет поддерживать спрос на специалистов и заставлять компании инвестировать в их подготовку. Но быстро закрыть кадровый дефицит вряд ли получится: отрасли нужны люди, которые сочетают опыт производства, ИТ-компетенции и понимание экономики предприятия. Поэтому состав команды и ее отраслевой опыт еще долго будут оставаться одним из ключевых факторов успешного внедрения MES.</p> <p>#IMAGE_235918#</p> Внедрение MES на производстве — не просто покупка программного обеспечения. Система должна работать … article Павел Калякин, генеральный директор ИНКА 4.0 IDC: рост расходов на ИИ-инфраструктуру определяется ценами на компоненты и спросом на системы на базе CPU https://www.itweek.ru/themes/detail.php?ID=235916 Tue, 10 Nov 2026 10:28:11 +0300 <p><em>Согласно отчету IDC «Worldwide Quarterly AI Infrastructure Tracker», во втором квартале 2026 г. глобальные расходы на инфраструктуру для ИИ достигли 121,4 млрд. долл. Это на 53% больше по сравнению с аналогичным периодом прошлого года и на 34% выше показателей предыдущего квартала — рост возобновился после паузы в развертывании систем, наблюдавшейся в первом квартале, пишет в корпоративном блоге Хуан Семинара, директор по исследованиям Worldwide Infrastructure Trackers компании IDC.</em></p> <p>Ключевым изменением стало расширение структуры спроса: сегмент инфраструктуры без специализированных ускорителей (на базе центральных процессоров) вырос на 61% в годовом исчислении, опередив темпы роста систем с ускорителями (+52%). Это произошло благодаря внедрению решений для оркестрации агентного ИИ, рабочих нагрузок конвейеров данных, а также значительному росту цен на компоненты, что привело к активному использованию стандартных вычислительных платформ. IDC повысила прогноз по расходам на 2026 г. в целом до 521 млрд. долл. (предыдущий прогноз, сделанный кварталом ранее, составлял 497 млрд. долл.). Пересмотр связан с ростом цен на компоненты, увеличением спроса на системы на базе CPU и сохранением высоких капитальных затрат со стороны гиперскейлеров.</p> <h3>Почему это важно</h3> <p>Результаты второго квартала 2026 г. подтверждают, что инвестиции в ИИ-инфраструктуру перешли от этапа проверки концепций к долгосрочному циклу капиталовложений. Спрос теперь выходит за рамки исключительно систем с ускорителями, а цены на компоненты становятся одним из главных факторов, определяющих объем затрат. Корпоративные заказчики, облачные провайдеры и государственные структуры принимают долгосрочные решения: где размещать инфраструктуру, какой объем средств выделять и на каких задачах в сфере ИИ сосредоточиться в первую очередь.</p> <p>Для поставщиков это означает длительный период высокого спроса на вычислительные системы с ускорителями, высокопроизводительные системы хранения данных и сопутствующую сетевую инфраструктуру. При этом структура спроса меняется: системы на базе CPU, предназначенные для оркестрации агентного ИИ и конвейеров данных, занимают все большую долю в общих расходах, а рост стоимости памяти увеличивает цены на все типы конфигураций. Для бизнеса эти данные служат сигналом: затраты на ИИ-инфраструктуру становятся неотъемлемой структурной статьей расходов при масштабировании деятельности. Высокие цены на память и системы хранения данных означают, что ожидание обходится все дороже, а компании, которые откладывают внедрение, рискуют проиграть конкурентам как в плане производительности, так и в вопросах экономической эффективности. По прогнозам IDC, объем мирового рынка ИИ-инфраструктуры в 2029 г. превысит триллион долларов, достигнув 1,17 трлн., а в <nobr>2030-м</nobr> вырастет до 1,33 трлн. Эти показатели выше прогнозов, сделанных в прошлом квартале (1,08 трлн. и 1,21 трлн. долл. соответственно).</p> <h3>Динамика рынка</h3> <ul> <li><strong> Темпы роста ускорились в большинстве регионов.</strong> Лидирующие позиции по-прежнему занимают США: 92,8 млрд. долл. (76,4% мировых расходов, рост на 58,7% в годовом исчислении). На долю Китая пришлось 13,0 млрд. долл. (доля 10,7%, рост на 27,9% в годовом исчислении). Среди крупных регионов особо выделяется Западная Европа (+83,9% в годовом исчислении, до 6,4 млрд. долл.); за ней следует Азиатско-Тихоокеанский регион (без учета Японии и Китая) — рост на 28,5%, до 5,9 млрд. долл. Самые высокие темпы роста зафиксированы на Ближнем Востоке и в Африке (+108,9%, до 0,9 млрд. долл.), а также в Центральной и Восточной Европе (+96,7%, до 0,3 млрд. долл.), хотя здесь рост происходил с относительно низких стартовых показателей. В Японии же динамика оказалась близкой к нулевой (-1,3%).</li> <li><strong> Системы с ускорителями остаются структурной основой рынка, однако инфраструктура без специализированных ускорителей растет еще быстрее.</strong> Во втором квартале 2026 г. расходы на серверы составили 98,0% от общего объема затрат на ИИ-инфраструктуру. Объем сегмента систем с ускорителями достиг 105,8 млрд. долл. (+52,2% в годовом исчислении), а сегмента инфраструктуры без ускорителей — 15,6 млрд. долл. (+61,1% в годовом исчислении). Спрос стимулируется развитием технологий оркестрации агентного ИИ и рабочих процессов конвейеров данных. Параллельно продолжается активное развертывание систем для обучения и инференса, а значительный рост цен на память и другие компоненты увеличивает стоимость каждой конфигурации оборудования.</li> <li><strong> Цены на компоненты стали одним из ключевых факторов, определяющих общую стоимость.</strong> Поставщики памяти повышают цены, поскольку спрос превышает предложение. При этом гиперскейлеры законтрактовали значительную часть доступных объемов в рамках многолетних соглашений, из-за чего корпоративным заказчикам приходится приобретать компоненты по текущим рыночным ценам. По прогнозам IDC, высокие цены сохранятся как минимум до второй половины 2027 г. На долю СХД, предназначенных для ИИ, по-прежнему приходится лишь небольшая часть (2,0%, или 2,5 млрд. долларов; рост на 45,2% в годовом исчислении) от общего объема инвестиций в ИИ-инфраструктуру.</li> </ul> <p><strong>Основные показатели: II квартал 2026 г.</strong></p> <table> <tbody> <tr> <td> Общие расходы на ИИ-инфраструктуру (II квартал 2026 г.) </td> <td> 121,4 млрд. долл.</td> </tr> <tr> <td> Рост в годовом исчислении (II квартал 2026 г. к II кварталу 2025 г.) </td> <td> +53.3%</td> </tr> <tr> <td> Расходы на инфраструктуру для ИИ за весь 2025 г. </td> <td> 318,7 млрд. долл. (+107,2% к предыдущему году)</td> </tr> <tr> <td> Расходы на инфраструктуру для ИИ за весь 2024 г. </td> <td> 153,9 млрд. долл.</td> </tr> <tr> <td> Доля серверов в расходах на ИИ во II квартале 2026 г. </td> <td> 119,0 млрд. долл. (98,0%)</td> </tr> <tr> <td> Доля СХД в расходах на ИИ во II квартале 2026 г. </td> <td> 2,5 млрд. долл. (2,0%)</td> </tr> <tr> <td> Прогноз на 2029 г. — инфраструктура для ИИ </td> <td> 1,17 трлн. долл.</td> </tr> <tr> <td> Соотношение систем с ускорителями и без них (II квартал 2026 г.) </td> <td> 105,8 млрд. долл. (с ускорителями) vs. 15,6 млрд. долл. (без ускорителей)</td> </tr> <tr> <td> Прогноз на 2030 г. — инфраструктура для ИИ </td> <td> 1,33 трлн. долл.</td> </tr> </tbody> </table> <h3>Прогноз</h3> <p>По оценкам IDC, мировые расходы на ИИ-инфраструктуру в 2026 г. достигнут 521 млрд. долл., что означает рост примерно на 63% по сравнению с предыдущим годом. Это один из самых значительных в абсолютном выражении приростов, когда-либо зафиксированных в отдельном сегменте ИТ-рынка. Согласно прогнозу, во втором полугодии 2026 г. расходы на ИИ-инфраструктуру составят около 309 млрд. долл. — почти на 80% больше, чем за аналогичный период 2025 г. Ожидается, что к среднегодовой темп роста (CAGR) за пятилетний период, начиная с 2025 г., составит около 33%.</p> <p>Факторы, способные ускорить эту динамику:</p> <ul> <li> Более быстрое, чем ожидалось, масштабирование рабочих нагрузок, связанных с инференсом, по мере расширения внедрения ИИ-приложений в корпоративном секторе.</li> <li> Расширение программ суверенного ИИ на Ближнем Востоке, в Юго-Восточной Азии и Европе, что стимулирует дополнительные инвестиции в новые проекты.</li> <li> Появление новых архитектур моделей и фреймворков для ИИ-агентов, требующих более глубокой и распределенной вычислительной инфраструктуры.</li> <li> Рост спроса на решения, не ограничивающиеся только GPU — например, инструменты для оркестрации ИИ, рабочие нагрузки конвейеров данных, а также сценарии применения физического ИИ (робототехника, автономные транспортные средства), что расширяет целевой рынок за пределы обучения моделей и инференса на базе GPU.</li> </ul> <p>Факторы, способные сдержать рост:</p> <ul> <li> Ограничения в сфере генерации электроэнергии и пропускной способности энергосетей, которые остаются главным операционным препятствием для ввода в эксплуатацию новых центров обработки данных на ключевых рынках.</li> <li> Цены на компоненты памяти и СХД, которые увеличивают стоимость серверов и могут замедлить циклы закупок; ожидается, что высокие цены сохранятся как минимум до второй половины 2027 г.</li> <li> Ужесточение экспортного контроля и нормативных требований к суверенитету данных, что может изменить географию размещения ИИ-нагрузок и повлиять на то, какие поставщики будут получать контракты от корпоративных клиентов.</li> <li> Геополитическая нестабильность на Ближнем Востоке, где рост рынка сосредоточен вокруг ограниченного числа крупных проектов, поддерживаемых правительствами стран Персидского залива. Эскалация региональной напряженности, включая продолжающийся конфликт с участием Ирана, может привести к задержкам в принятии решений о закупках, осложнить выбор площадок для дата-центров и планирование их безопасности, а также сместить государственные приоритеты в сторону от инвестиций в ИИ-инфраструктуру. Это создает нестабильность в регионе, который в настоящее время демонстрирует самые высокие темпы роста.</li> </ul> <p>Инвесторам и заказчикам технологических решений следует следить за прогнозами капитальных затрат на третий квартал 2026 г. от ведущих гиперскейлеров и поставщиков ИИ-платформ, поскольку эти опережающие индикаторы остаются наиболее надежным показателем краткосрочного спроса на инфраструктуру.</p> Согласно отчету IDC «Worldwide Quarterly AI Infrastructure Tracker», во втором квартале 2026 г. глобальные расходы … article Четыре шлюза: как продакту проверить AI-фичу до релиза без ML-команды https://www.itweek.ru/themes/detail.php?ID=235914 Tue, 10 Nov 2026 10:17:18 +0300 <p><em>Чтобы оценить </em><em>AI</em><em>-фичу перед запуском, не нужен отдельный отдел </em><em>data</em> <em>science</em><em>. Нужен продакт, который прочитает сотню ответов модели и до релиза запишет, что считается провалом. Ниже приведен протокол из четырёх шагов, который команда может пройти с таблицей и доступом к модели.</em></p> <p>Большинство AI-фич выходят в прод после проверки на глаз. Продакт гоняет в плейграунде десяток запросов, ответы выглядят прилично, команда ставит дату релиза. Через неделю приходит первая волна жалоб, и выясняется, что модель уверенно обещает клиентам то, чего компания не делает.</p> <p>Мой тезис: оценка качества AI-фичи — работа продакта, а не <nobr>ML-инженера.</nobr> Что считать хорошим ответом, решает продукт. Это вопрос политики компенсаций, тона бренда, юридических рисков и того, какую ошибку пользователь простит. <nobr>ML-команда</nobr> может построить пайплайн, но не может за вас решить, что модели запрещено говорить. Аман Хан, директор по продукту в Arize AI, в <a href="https://www.lennysnewsletter.com/p/beyond-vibe-checks-a-pms-complete">гостевом тексте для рассылки Ленни Рачицкого</a> в апреле 2025 года написал, что умение писать evals быстро становится базовым навыком для всех, кто строит AI-продукты. Я бы сказал жёстче: если у вас нет своих evals, у фичи нет критериев приёмки.</p> <p>Ниже фреймворк, которым можно пользоваться без <nobr>ML-команды,</nobr> платных платформ и кода. Я называю его «Четыре шлюза»: четыре уровня проверки, у каждого свой артефакт и правило «идём дальше или стоп». Пример сквозной и условный: AI-помощник оператора поддержки в сервисе доставки еды. Клиент пишет «курьер опоздал на 40 минут, суп холодный», модель предлагает оператору черновик ответа и вариант компенсации.</p> <h3>С чем я спорю</h3> <p>Документация вендоров LLM даёт хорошую базу, но написана для команд с инфраструктурой. В <a href="https://platform.claude.com/docs/en/test-and-evaluate/develop-tests">руководстве Anthropic по оценкам</a> прямо сказано: лучше больше вопросов с автоматической проверкой, чем меньше вопросов с ручной разметкой, а ручной оценки по возможности избегать. Для зрелой фичи с тысячами примеров это верно. Для первой версии это вредный совет. Пока вы не прочитали ответы сами, вы не знаете, что автоматизировать, и будете измерять не то.</p> <p>Хамел Хусейн, консультант по AI-продуктам, <a href="https://hamel.dev/blog/posts/field-guide/">называет анализ ошибок</a> самым ценным занятием в AI-разработке и предупреждает, что обобщённые метрики хуже, чем бесполезны. По его словам, они мешают прогрессу: создают ложное ощущение, что качество измеряется, и распыляют внимание команды. С этим я согласен полностью. Поэтому первые два шлюза ручные, а автоматизация появляется только на третьем и только там, где её можно сверить с человеком.</p> <p>Отдельно о том, почему это не задача QA. Тестировщик проверяет, что система делает то, что описано в требованиях. У AI-фичи требований в привычном виде нет, пока их кто-то не сформулирует на примерах. Формулировать их должен тот, кто отвечает за то, что фича даёт пользователю и бизнесу. Обычно это продакт. QA и инженеры подключаются позже, когда критерии уже есть и их нужно встроить в пайплайн.</p> <h3>Шлюз 1. Чтение</h3> <p>Что делает продакт. Собирает <nobr>50-100 входов.</nobr> Лучше всего обезличенные реальные обращения. Если их нет, синтетические, но по заданным измерениям, а не наугад. Хусейн <a href="https://hamel.dev/blog/posts/evals/">советует</a> начинать синтетические данные с выбора измерений: здесь это тип проблемы (опоздание, недовоз, не тот заказ), тон клиента (спокойный, злой, саркастичный) и контекст заказа (первый заказ, постоянный клиент, крупная сумма). Затем продакт прогоняет все входы через фичу и читает каждый ответ, записывая свободным текстом, что не так. Когда заметок набирается много, он группирует их в режимы ошибок и останавливается, когда новые ответы перестают приносить новые категории.</p> <p>Артефакт: таблица режимов ошибок. Название, пример, сколько раз встретилось в выборке, насколько это плохо для пользователя и для компании. В нашем примере там окажутся «обещает компенсацию, не зная суммы заказа», «извиняется за то, чего не было», «пересказывает жалобу вместо решения».</p> <p>Правило шлюза. Если основная задача проваливается в большинстве ответов, дальше не идём. Это значит, что сломан дизайн фичи, а не формулировка промпта. Модель, которая не видит сумму заказа, не может предложить адекватную компенсацию, и никакие evals этого не исправят. Нужно добавить контекст или сузить задачу.</p> <h3>Шлюз 2. Критерии и золотой набор</h3> <p>Что делает продакт. Превращает режимы ошибок в критерии с ответом «да» или «нет». Шкалы от 1 до 5 здесь не работают: два человека по-разному понимают разницу между тройкой и четвёркой. Хусейн <a href="https://hamel.dev/blog/posts/field-guide/">пишет</a>, что бинарная оценка заставляет принять ясное решение, достигнута цель или нет, а <a href="https://developers.openai.com/api/docs/guides/evaluation-best-practices">гайд OpenAI</a> рекомендует попарное сравнение или «прошёл/не прошёл» как более надёжные. Каждый критерий формулируется как проверяемое утверждение. «Ответ называет причину задержки, только если она есть в данных заказа». «Сумма компенсации не выше лимита по политике».</p> <p>Отдельно выписываются красные линии, то есть то, чего не должно быть ни в одном ответе: обещание сверх политики, персональные данные курьера, обвинение клиента. Красные линии никогда не усредняются с остальными критериями.</p> <p>Золотой набор состоит из <nobr>80-150 входов,</nobr> которые покрывают измерения из первого шлюза и краевые случаи. В примерах тестовых наборов из гайда Anthropic такие случаи размечены прямо в коде: сарказм, опечатки, длинный сумбурный вопрос, несколько тем в одном обращении, резкая смена темы. Для каждого входа записывается ожидаемое поведение, а не эталонный текст: «извиниться, предложить компенсацию в пределах лимита, не обещать сроки».</p> <p>Артефакт: таблица золотого набора и лист критериев с красными линиями.</p> <p>Правило шлюза. Продакт и эксперт предметной области, например руководитель поддержки, независимо размечают одни и те же 30 ответов. Если они часто расходятся, критерии двусмысленные и их нужно переписать. Идём дальше, когда расхождения редкие и каждое можно объяснить.</p> <h3>Шлюз 3. Прогон и пороги</h3> <p>Что делает продакт. До прогона записывает пороги и согласует их со стейкхолдерами. По красным линиям допустим только ноль нарушений. По основным критериям фиксируется доля «да», ниже которой фича не выходит. Нужна и базовая линия: как на тех же входах справляется текущий процесс, например операторы с шаблонами ответов. Пороги фиксируют заранее, потому что после прогона всем захочется сдвинуть планку к полученному результату.</p> <p>Потом продакт прогоняет золотой набор и размечает ответы. Сотню ответов по пяти бинарным критериям реально разметить за пару часов. <nobr>LLM-судью</nobr> можно подключать, только когда есть ручная разметка, с которой его сверить. И OpenAI, и Хусейн настаивают, что автоматического оценщика сначала калибруют по людям: в гайде OpenAI сказано, что масштабировать судью стоит, когда он стабильно совпадает с человеческой разметкой. Без этого у вас появляется вторая модель, в качестве которой вы тоже не уверены.</p> <p>Артефакт: оценочная карта по критериям и одностраничное решение о запуске с подписями.</p> <p>Правило шлюза. Ноль нарушений красных линий и выполненные пороги. Если пороги выполнены, но фича проигрывает базовой линии, это повод не запускать её, а переупаковать. Например, черновик видит только оператор и сам решает, отправлять ли его клиенту.</p> <h3>Шлюз 4. Тень</h3> <p>Что делает продакт. Запускает фичу в теневом режиме или на небольшую долю трафика. Модель генерирует, решение принимает человек. В лог пишутся вход, контекст, ответ модели и действие оператора: принял, исправил, отклонил. Гайд OpenAI советует логировать всё уже в процессе разработки, чтобы потом доставать из логов хорошие случаи для набора. Раз в неделю продакт читает выборку боевых ответов, и каждый новый режим ошибки попадает в золотой набор. Набор, который перестал расти, через пару месяцев проверяет уже не ту фичу, что работает в проде.</p> <p>Доля черновиков, которые операторы правят, даёт самый честный сигнал качества, и он бесплатный. Его не нужно размечать, он появляется сам.</p> <p>Артефакт: журнал недельных разборов и правило отката. В правиле заранее записано, при каком событии фича выключается и кто это делает.</p> <p>Правило шлюза. Расширяем аудиторию, если доля «да» на боевой выборке сопоставима с офлайн-прогоном, нарушений красных линий нет, а защитная бизнес-метрика не просела. Для поддержки это время решения обращения и доля повторных обращений.</p> <h3>Шлюзы на одной странице</h3> <ol> <li> Чтение: <nobr>50-100</nobr> ответов прочитаны вручную. Артефакт: таблица режимов ошибок. Стоп, если основная задача проваливается в большинстве ответов.</li> <li> Критерии: бинарные критерии, красные линии, золотой набор на <nobr>80-150 входов.</nobr> Артефакт: таблица набора и лист критериев. Стоп, если продакт и эксперт часто расходятся в разметке.</li> <li> Прогон: пороги записаны до запуска, есть базовая линия. Артефакт: оценочная карта и решение о запуске. Стоп при любом нарушении красной линии или проигрыше базовой линии.</li> <li> Тень: ограниченный запуск, логи, еженедельный разбор, правило отката. Артефакт: журнал разборов. Расширяем, только если боевое качество не хуже офлайн-прогона.</li> </ol> <h3>Сколько это стоит</h3> <p>Первые три шлюза занимают примерно неделю времени продакта и несколько часов эксперта. Инструменты: таблица и доступ к модели. Платформы для evals полезны на четвёртом шлюзе, когда трафик растёт и читать вручную уже невозможно. Покупать их до второго шлюза бессмысленно: вы будете автоматизировать критерии, которых ещё нет.</p> <p>Чаще всего этот процесс ломается в четырёх местах. Золотой набор собран из одних «счастливых» сценариев. Вместо бинарных критериев считают среднюю оценку «4,2 из 5». <nobr>LLM-судью</nobr> никто не сверял с людьми. Набор заморозили в день релиза.</p> <p>Если начинать завтра, начните с первого шлюза: 50 входов, 50 ответов, заметки на полях. После этого разговор с командой о качестве фичи пойдёт на языке конкретных ошибок, а не впечатлений. Набор evals и есть PRD для AI-фичи, только написанный примерами.</p> <p>#IMAGE_235936#</p> Чтобы оценить AI-фичу перед запуском, не нужен отдельный отдел data science. Нужен продакт, который прочитает сотню ответов … article Иван Лапа, продакт-менеджер в Uzum Tezkor (Ташкент) Postgres Professional в пять раз ускорила подготовку к переносу данных при миграции с помощью ProGate 1.5.0 https://www.itweek.ru/themes/detail.php?ID=235912 Mon, 09 Nov 2026 16:04:49 +0300 <p>Российский разработчик систем управления базами данных и продуктов для работы с данными Postgres Professional в пять раз ускорила подготовку к переносу данных в новой версии решения для миграции и репликации Postgres ProGate 1.5.0. Это позволяет заказчикам сократить подготовительный этап миграционных проектов. Обновление также включает поддержку аналитической СУБД Postgres Pro AXE 2.0, расширяет возможности обмена данными между Oracle, PostgreSQL и Postgres Pro и работы с отказоустойчивой инфраструктурой.</p> <p>В ProGate 1.5.0 время подготовки задач переноса сократилось впятеро благодаря оптимизации анализа структуры баз данных. Это ускоряет подготовительный этап миграционных проектов и позволяет ИТ-командам быстрее переходить к загрузке данных в целевые системы, в том числе в проектах с большим количеством таблиц.</p> <p>Поддержка аналитической СУБД для гибридных нагрузок Postgres Pro AXE 2.0 позволяет использовать ProGate для загрузки данных в аналитическую платформу. Заказчики могут применять единый инструмент как для миграции между СУБД, так и для подготовки данных для аналитики.</p> <p>В новой версии расширена поддержка Oracle: эта СУБД теперь может выступать целевой системой в ProCopy — компоненте первоначальной загрузки данных. Ранее перенос в Oracle был доступен в ProSync для репликации изменений. Теперь заказчики могут выполнять оба этапа: первоначальную загрузку и последующую синхронизацию данных.</p> <p>Также добавлена двунаправленная репликация между двумя основными узлами PostgreSQL или Postgres Pro версий 16 и выше. Она расширяет возможности синхронизации систем, в каждой из которых вносятся изменения.</p> <p>В ProGate 1.5.0 расширены настройки отказоустойчивости и обработки сетевых сбоев. При временной потере соединения во время первоначальной загрузки решение выполняет контролируемые повторные попытки отправки данных, исключая зависание процесса. Дополнительные показатели задержки репликации и состояния задач помогают администраторам быстрее замечать отклонения и оценивать актуальность данных в целевой системе.</p> <p>Возможность читать изменения из резервных баз Oracle позволяет снизить влияние репликации на основную систему, обслуживающую текущие бизнес-процессы. Кроме того, в обновлении усилена защита входа и пользовательских сессий, обновлены программные компоненты и устранены уязвимости зависимостей.</p> <p>«Для заказчика миграция — это не просто перенос данных, а переход на новую инфраструктуру без ущерба для текущей работы бизнеса. Поэтому в ProGate 1.5.0 мы сосредоточились на том, чтобы сократить стадию подготовки и сделать перенос более управляемым. Команды заказчика смогут быстрее запускать загрузку, отслеживать актуальность данных и оперативно реагировать на сбои. А поддержка Postgres Pro AXE 2.0 расширяет применение портфеля наших решений: единый инструмент можно использовать и для миграции, и для загрузки данных в аналитическую СУБД», — отметил Евгений Кривов, руководитель продукта Postgres ProGate компании Postgres Professional.</p> <p>Решение Postgres ProGate объединяет первичную загрузку данных, непрерывную репликацию изменений и проверку согласованности данных. Решение помогает компаниям модернизировать ИТ-инфраструктуру и переходить на новые СУБД поэтапно, поддерживая обмен данными между существующими и новыми системами. Управление доступно через единый веб-интерфейс и командную строку.</p> Российский разработчик систем управления базами данных и продуктов для работы с данными Postgres Professional … message Рост рынка PAM опережает его распространение в российских компаниях https://www.itweek.ru/themes/detail.php?ID=235911 Mon, 09 Nov 2026 16:03:43 +0300 <p>Рынок решений для управления привилегированным доступом (PAM) остается крупнейшим сегментом российского рынка Identity Security. Его объем по итогам 2025 года достиг 5,8 млрд рублей, увеличившись на 13% за год. При этом рост рынка опережает распространение PAM в самих организациях. Такие данные приводит компания «Индид» в исследовании «Identity Security 2026», подготовленном при участии Айдентити Клуба.</p> <p>Исследование показало, что специализированные PAM-решения пока используются не во всех сценариях привилегированного доступа. Для контроля администраторов их применяют 36,5% российских организаций, а для внешних подрядчиков — 32%. Во многих компаниях управление таким доступом по-прежнему строится преимущественно на регламентах и логировании.</p> <p>Похожая картина складывается и с распространением Zero Trust. Только 16,5% организаций уже внедрили основные элементы концепции нулевого доверия. Еще 22% применяют элементы Zero Trust только для внешних подключений и подрядчиков. Компании чаще начинают с наиболее чувствительных сценариев — например, с контроля доступа подрядчиков и внешних подключений. На остальные процессы эти принципы пока распространяются заметно реже.</p> <p>Это показывает, что для многих компаний PAM пока остается инструментом для отдельных сценариев, а не основой общей модели управления привилегированным доступом.</p> <p>Еще один показатель этого разрыва — срок действия выданных полномочий. В 45,5% компаний права сохраняются до ручного отзыва. Поэтому доступ, который требовался для конкретной работы, может продолжать действовать и после ее завершения. Например, повышенные права администратора, выданные на несколько часов для обновления сервера, способны сохраняться неделями или месяцами.</p> <p>Более точный подход Just-in-Time, при котором необходимые права предоставляются только на время выполнения задачи, используют 26% организаций. В этом случае срок действия привилегий определяется не только ролью сотрудника, но и конкретной задачей, для которой они потребовались, а также сроком ее выполнения.</p> <p>Следующий этап развития российского рынка PAM связан уже не только с дальнейшим распространением специализированных решений. Меняется сама модель привилегированного доступа — от постоянных прав и контроля отдельных подключений к более точному управлению полномочиями. В этой модели доступ предоставляется на конкретную задачу, в необходимом объеме и прекращается, когда потребность в нем исчезает.</p> <p>«Зрелость PAM все больше определяется не количеством подключенных пользователей или записанных сессий. Гораздо показательнее, насколько точно компания управляет самими привилегиями: на каком основании они предоставлены, действительно ли остаются необходимыми и вовремя ли отзываются. Чем лучше выстроен этот процесс, тем меньше в инфраструктуре избыточных прав и тем ниже риск их использования не по назначению. На мой взгляд, именно это и будет определять дальнейшее развитие рынка. PAM постепенно выходит за рамки контроля отдельных категорий пользователей и становится инструментом управления всем жизненным циклом привилегий. Постоянные права будут все чаще заменяться доступом по необходимости, а принципы Zero Trust и Just-in-Time становиться частью этой логики: полномочия выдаются под конкретную задачу, в необходимом объеме и прекращаются, когда потребность в них исчезает», — отметил Андрей Лаптев, директор по продуктовому развитию компании «Индид».</p> Рынок решений для управления привилегированным доступом (PAM) остается крупнейшим сегментом российского рынка Identity Security … message