Фото: пресс-служба
— Как развитие технологий искусственного интеллекта (ИИ) повлияло на IТ-рынок?
— ИИ стал драйвером глобальных изменений в IТ — это не просто временный ажиотаж, а настоящий технологический перелом, сравнимый с массовым внедрением конвейера. По прогнозам Smart Ranking, выручка российского рынка ИИ-проектов в 2024 году достигнет 305 млрд руб., что в 1,5 раза больше по сравнению с 2023 годом (204,5 млрд руб.). Российский IТ-рынок переходит от внедрения отдельных цифровых сервисов к комплексной интеграции решений на базе ИИ. Ранее компании ограничивались точечной цифровизацией без кардинальных изменений бизнес-процессов, а сейчас все больше организаций используют ИИ для анализа данных и повышения эффективности.
Параллельно меняется корпоративная культура: формируются междисциплинарные команды, выстраиваются новые подходы к управлению данными и принятию решений на основе аналитики. Именно эти тренды позволяют переводить ИИ-проекты из разряда экспериментов в реальные кейсы.
— В чем специфика внедрения ИИ в IТ-ландшафт крупных компаний?
— Наши заказчики — крупные коммерческие корпорации и госкомпании с высоконагруженной IТ-инфраструктурой работают со значительными объемами данных. В таких условиях важен абсолютно новый подход к построению их IТ-ландшафта. Только так внедренные технологии смогут не просто демонстрировать свои возможности, но и приносить устойчивую пользу бизнесу. С одной стороны, есть возможность быстро протестировать готовые ИИ-модели и проверить концепцию — первые эксперименты могут обойтись относительно недорого. С другой стороны, неправильный выбор данных, некорректная настройка моделей или игнорирование вопросов информационной безопасности (ИБ) могут привести к серьезным потерям. Поэтому производители инфраструктурных продуктов выполняют также функцию консалтинга: объясняют клиентам, как правильно использовать эти технологии, и составляют «дорожные карты» по их внедрению.
Чувствуется, что у всех компаний один и тот же запрос — внедрять технологии ИИ необходимо. Причем зачастую инициаторами разработки ИИ-проектов становятся специалисты ИБ-департаментов: сотрудники все равно будут пользоваться нейросетями, а так служба безопасности способна заранее подготовить регламент работы с ИИ и настроить процессы для его безопасного и прозрачного использования.
— Какие угрозы и риски для информационной безопасности возникают при создании и эксплуатации ИИ-инфраструктур? На чем вы делаете акцент?
— Информационная безопасность требует строгого контроля за высокорисковыми системами, к которым относится ИИ, поэтому их важно размещать внутри контура. Это соответствует актуальным запросам заказчиков по защите данных, повышению эффективности бизнес-процессов за счет модернизации инфраструктуры на базе ПАК, которая позволяет быстро наращивать ресурсы и управлять жизненным циклом ИИ.
Внедрение ИИ в в2в-окружении на on-premise-решениях (от on prem, «на месте», — работа с ПО на собственных серверах) обусловлено требованиями строгой сохранности данных и конфиденциальности. Мы придерживаемся концепции Secure by Design: защитные механизмы закладываются при выборе и адаптации архитектурных решений, а не добавляются по факту. Внутренние системы требуют строгих мер защиты от утечек и кибератак, а также бесшовной интеграции с существующей инфраструктурой. Уже есть решения, где облачные сервисы используют для предобучения и быстрой проверки гипотез, а дообучение (fine-tuning) и запуск осуществляют в собственных дата-центрах.
Также необходимо учитывать вопросы этики данных, предотвращать преднамеренное искажение модели (например, когда обучение идет на заведомо неверных примерах) и защищать алгоритмы от кражи интеллектуальной собственности. В этом помогают международные «библиотеки» — например, AI TRiSM от Gartner (Trust, Risk and Security Management), расширяющий традиционные подходы к защите за счет определения принципов работы с ИИ, например объяснимость и конфиденциальность. Чем качественнее проработан фундамент безопасности, тем ниже риск того, что из-за скомпрометированных данных ИИ-решение начнет выдавать «неправильные» рекомендации — например, в критичных сценариях промышленного производства или в сфере здравоохранения.
— Как современные программно-аппаратные решения на базе ИИ помогают бизнесу повышать эффективность и адаптироваться к новым вызовам? И что в этом направлении делает Группа Rubytech?
— Тренд на ускорение, оптимизацию и повышение эффективности бизнеса все больше связывается с использованием инфраструктуры на базе программно-аппаратных комплексов для работы с искусственным интеллектом. В этом контексте главное преимущество таких решений — их модульная и гибкая архитектура, которая обеспечивает поддержку различных ИИ-моделей и алгоритмов, а также легкое расширение ресурсов по мере роста требований заказчиков. В каком-то смысле это стало нашей новой реальностью — необходимо быстро реагировать и максимально эффективно использовать инфраструктурные возможности для решения бизнес-задач.
На стенде Группы Rubytech в рамках ЦИПР-2025 был представлен готовый программно-аппаратный комплекс «Машина ИИ Скала^р», который может быть эффективно использован для широкого спектра задач внедрения технологий ИИ в корпоративный ландшафт — от предобучения до инференса. Его модульная архитектура обеспечивает полную интеграцию новых компонентов и баланс между затратами и производительностью, что часто недооценивается компаниями. Можно по неоправданно высокой стоимости купить ненужную избыточную производительность и, наоборот, сэкономив, не получить решение необходимого качества. Это помогает избегать избыточных расходов или дефицита мощности.
Наш ПАК поддерживает как российские, так и зарубежные графические ускорители, снижая риски цепочек поставок. Широкий пул совместных моделей, которые проходили предварительное тестирование в нашей IТ-лаборатории, помогает компаниям выбирать самые эффективные алгоритмы и адаптировать их под себя.
Наконец, развертывание таких решений — результат плодотворного сотрудничества с производителями в области ИБ, поставщиками систем управления базами данных и другим ПО. Сегодня особенно важно не просто следовать трендам в области ИИ, а системно подходить к созданию доверенной инфраструктуры, способной обеспечить безопасную и эффективную работу с данными при внедрении ИИ в госсекторе и критической инфраструктуре.
About The Author
