Окончание. Начало здесь, здесь и здесь
Data Infra создают под требования не столько сотрудников-людей, сколько управляемых ими ИИ-агентов.
«В будущем победят организации со зрелой ИИ-культурой, которые освоят все возможности агентных систем, перестроят процессы и сохранят человеческую экспертизу, — уверен Кирилл Меньшов, старший вице-президент „Сбербанка“ и руководитель блока „Технологии“. — Мы хотим, чтобы агентная разработка стала стандартом, потому что это даст конкурентное преимущество всей стране».
«Агентная» автоматизация — не отдаленная перспектива, а реалии сегодняшнего дня для российских корпоративных заказчиков. Уже 13% россиян, знакомых с ИИ, утверждают, что в их компаниях применяют ИИ-агентов, по данным собственного опроса «МТС Линк».
Российские компании доводят «агентов» до уровня коммодити. Например, маркетплейс ИИ-агентов запускает «МТС Линк», в нем уже будут доступны ассистенты, настроенные под разные роли и функции: редактор для HR (составляет и улучшает описание вакансий), эксперт по продажам (пишет скрипты продаж и прорабатывает возражения клиентов), маркетолог (оптимизирует тексты для SEO, готовит карточки продуктов для маркетплейсов) и SMM-менеджер (составляет контент-планы, пишет посты и разрабатывает стратегию продвижения в соцсетях).
«Каждый день команды сталкиваются с однотипными задачами, и все чаще сотрудники начинают использовать публичные ИИ-модели для их решения», — говорит Сергей Тарасенко, директор по продукту МТС Линк.
«Многие компании внедряют ИИ хаотично, лишь бы не отстать от конкурентов: сотрудники бессистемно пользуются публичными сервисами, а вложения не окупаются, — полагает Антон Юдин, руководитель направления ИИ-инфраструктуры Скала^р (Группа Rubytech). — Отдачу от ИИ-инфраструктуры и работающих на ней инструментов нужно измерять в рублях. Без понятных метрик и без инициативы со стороны владельцев бизнес-процессов развитие ИИ в отдельно взятой организации замедляется или вовсе становится невозможным».
Машина искусственного интеллекта Скала^р: ИИ-инфраструктура под контролем заказчика
Требования к безопасности данных, эффективности использования ускорителей и масштабированию определяют выбор инфраструктуры для корпоративного ИИ. Один из вариантов ее развертывания — программно-аппаратный комплекс Скала^р Группы Rubytech для обучения, дообучения и исполнения моделей. Оборудование и ПО поставляются в составе единого преднастроенного решения и заранее проверяются на совместимость и производительность, что позволяет запускать модели без долгой интеграции.
Комплекс рассчитан на работу в закрытом контуре, при этом защита закладывается на этапе проектирования по принципу Secure by Design. Оборудование включено в реестр Минпромторга, ПО — в реестр Минцифры, операционные системы и платформа контейнерной виртуализации сертифицированы ФСТЭК России.
За управление распределенными вычислительными ресурсами отвечает платформа Скала^р Спектр ИИ: она объединяет ускорители в кластер, управляет очередями и приоритетами задач, распределяет ресурсы GPU между командами. Это позволяет повысить загрузку ускорителей с
30–40% до70–85% и отложить закупку дополнительного оборудования. В едином интерфейсе доступны корпоративный каталог моделей, разграничение доступа, учет токенов в разрезе пользователей и мониторинг нагрузки.Машина искусственного интеллекта Скала^р работает с ускорителями разных производителей, включая китайские GPU, и поддерживает ведущие российские языковые модели. На такой инфраструктуре можно запускать локальные языковые модели (LLM) для работы с внутренними документами, ИИ-агентов и мультиагентные системы, а также организовать параллельную работу нескольких команд разработки. Начать можно с небольшой конфигурации и расширять ее по мере роста задач: комплекс поддерживает масштабирование до 32 узлов по 8 GPU. Такой подход позволяет наращивать мощности постепенно, соотнося инвестиции с потребностями бизнеса.
Реклама ООО «СКАЛА-Р», ИНН: 9717098243
Инфобезопасность: новые угрозы и новая защита
Безопасность данных — главный барьер для внедрения ИИ-решений для почти половины компаний — точнее 45%, по данным журнала «Финансовый директор». Риски при развитии Data Infra меняются, что требует изменений.
Безопасность в данном случае — обязательная статья бюджета, как на разработку/внедрение, так и на поддержку/развитие. Учитывая прирост данных и развитие возможностей ИИ-инструментов, затраты на их защиту будут только расти.
Защита должна быть реализована на уровне архитектуры (Privacy by Design), а не состоять только из накладных решений, «прикрепленных» к системе после ее запуска. Нужно учесть ряд аспектов, внедряемых на архитектурном уровне: шифрование данных и использование безопасных протоколов обмена и пр.
Сюда же, к вопросам инфобезопасности, принято относить возможности мониторинга и аудита действий ИИ, способных обеспечить понимание, почему ИИ-инструмент принял то или иное решение. Тут и упомянутая нами в первой части «родословная данных» (Data Lineage), реализованная в виде отслеживания пути данных от источника до вывода модели, что позволяет выявить искажения, злонамеренные или ошибочные действия. Здесь же — непрерывный аудит, в частности, журналирование каждого запроса агента к данным, что упрощает возможное расследование будущих инцидентов.
Наконец, нужен пересмотр IAM: контроль должен охватывать как сотрудников-людей, так и «агентов». Нужно указывать, к каким данным и к каким действиям разрешен доступ ИИ-агенту, что именно ему можно «трогать» самостоятельно, а на что требуется разрешение сотрудника-человека.
«Основная защита строится на полном контроле над данными и размещении системы в закрытом контуре, — отмечает Антон Юдин. — Безопасность закладывается еще на этапе проектирования, по принципу Secure by Design. Нужно учитывать весь спектр современных угроз — от генерации вредоносного контента и загрузки зловредного ПО до DoS-атак на модель, удаления или подмены данных и внедрения скрытой логики. Встроенные и наложенные средства защиты информации при этом дополняют друг друга. Когда вендор владеет всем стеком технологий, удается выстроить единую сквозную систему ИБ без конфликтов между разнородными компонентами и обеспечить прозрачность — от данных обучения до результатов работы модели».
Изменения в архитектуре данных требуют коррекции в подходах к киберустойчивости бизнеса. «Современный подход к киберустойчивости исходит из того, что полностью исключить вероятность инцидента невозможно, — уверена Елена Бочерова, исполнительный директор компании „Киберпротект“. — Вопрос не в том, произойдёт ли ИБ-событие, а в том, когда именно оно произойдёт и насколько компания будет к нему готова». В этой связи для бизнеса любого размера все большее значение приобретает не только вопрос предотвращение атак, но и способность быстро восстановить работу критически важных систем и данных после сбоя, подчеркивает Елена Бочерова.
Базис остался, но требования изменены
Принцип «data driven» в принятии управленческих решений остается прежним, объемы доступных данных растут — как структурированных, так и Big Data — но для вычислений нужны ИИ-инструменты, которые требуют иных решений (как под обучение, так и для инференса). Ситуация с Data Infra аналогична многим другим трансформациям, которые уже успешно пройдены ранее, осознаны как отдельными корпоративными заказчиками, так и всей индустрией, и по которым сделаны практические выводы.
Не будем погружаться во времена мэйнфреймов, приведем примеры из совсем недавнего прошлого. Аналогичный путь прошли вычислительные мощности: традиционные продолжают свое развитие, но их нужно дополнять NPU для выполнения нагрузок нового типа. «Цифровая трансформация» продолжает идти, но теперь ее технологические основы изменены, а требования к бизнес-результатам радикально пересмотрены, сам же тренд продолжен в виде ИИ-трансформации. Расширены требования к ЦОДам — увеличение нужных мощностей на стойку на порядок привело к необходимости радикальной перестройки большей части инженерки.
«Технологическая независимость — не абстрактный лозунг, а инженерная логика: у заказчика должна быть технически выверенная альтернатива на каждом уровне стека, — считает Антон Юдин. — В сегменте ИИ-моделей и ПО российский рынок этот путь уже прошел, в оборудовании процесс только набирает обороты. Наши испытания отечественных LLM на китайских GPU подтвердили, что строить ИИ-инфраструктуру без привязки к одному вендору не только возможно, но и необходимо. Не менее важна правильная компоновка серверов, коммутаторов и систем хранения: от нее зависят отдача от ускорителей и потери при масштабировании кластеров».
Противостояние гиперскейлеров и локальных провайдеров — преимуществами у первых выступают «эффект масштаба» и расширенный доступ к финансам, у вторых повышенная гибкость и близость к клиентам — на российском рынке тоже существует. Глобальных гиперскейлеров в традиционном виде тут не было, Amazon Web Services, Microsoft Azure, Google Cloud в обозримой перспективе не появятся, но соответствующую роль занимают по мере возможностей «Яндекс», VK, Cloud.ru, «Сбер», «большая тройка» операторов и некоторые другие структуры, у которых нарастают проблемы как с масштабом, так и с доступом к инвестициям, а также с корпоративными клиентами, которые в большинстве переживают не лучшие времена. Хочется верить, что упомянутые компании найдут способы решить эти проблемы и усилить развитие Data Infra, иначе вся национальная экономика РФ окажется в зоне риска.
Вместо заключения
Создание Data Infra — которую можно назвать «инфраструктурой под ИИ и прочие нагрузки» — устойчивый тренд на создание фундамента для будущего технологического развития. Это «дороги и трубы», с которыми в ближайшие пятилетки будут работать цифровые продукты, обеспечивающие не только развитие, но и существование национальной экономики в конкурентном поле.
Компьютеры были и остаются инструментами для обработки данных, но по мере роста запросов бизнеса, госуправления и экономики в целом, а также возможностей ИТ и, главное, объема накопленных данных стала очевидна необходимость в пересмотре отношения к инфраструктуре «под данные».
Понимание ситуации на уровне государства и бизнеса присутствует, квалификации у игроков ИТ-рынка вполне достаточно. Основная сложность — с финансами. Перестройка инфраструктуры требует существенных вложений, причем на фоне серьезных рисков, как малопредсказуемых геополитических, так и очевидных финансовых: переинвестирования, устаревания активов и пр.
Дефицит федерального бюджета продолжает расти: в январе-мае 2026 года, по предварительным данным, он был исполнен с дефицитом в размере 6,01 трлн рублей, или 2,6% ВВП, сообщает «Интерфакс» со ссылкой на информацию Минфина. Напомним, что Законом о бюджете на текущий год запланирован дефицит на уровне 3,786 трлн рублей, или 1,6% ВВП. К концу года дефицит консолидированного бюджета превысит рекордные 8 трлн рублей (выше 3,5% ВВП) — такой прогноз приведен в «Известиях». Очевидно, что в таких условиях государству не до масштабных инвестиционных проектов, даже направленных на создание инфраструктуры завтрашнего дня.
«Ресурсов для развития у ИТ-компаний остается все меньше, — отметил Валентин Макаров, президент Ассоциации РУССОФТ, выступая на ПМЭФ-2026. При имеющейся внутриэкономической ситуации на это будет крайне сложно отыскать дополнительные ресурсы в национальном масштабе.
Компании, которые желают остаться «на плаву», будут разворачивать нужные решения самостоятельно. Это менее эффективно — в силу «эффекта масштаба» — но необходимо, иного пути нет.
«ПАК не требует крупных капитальных затрат на первоначальный проект: компания может наращивать систему постепенно, по мере того как ИИ приносит новые преимущества, и шаг за шагом приводить ее к целевому состоянию, — подчеркивает Антон Юдин. — Полный контроль над стеком позволяет управлять всей технологической цепочкой, выявлять и устранять узкие места, а значит, быстрее разворачивать и применять модели, исключая все потенциальные „серые зоны“ в технологических слоях такого комплексного и сложного решения».
Источник: Александр Маляревский, внештатный обозреватель IT Channel News




















erid: