Вячеслав Дегтярев — руководитель по развитию продуктовых решений К2 НейроТех (интегратор полного цикла в области ИИ-инфраструктуры). Эксперт по LLMOps, MLOps и архитектуре AI-платформ.
ИИ в инфраструктуре
ИИ вышел из пилотов и уперся в инфраструктуру
За последние годы компании прошли стадию модных пилотов. Формат «давайте попробуем ИИ» сменился вопросом «как встроить его в стратегию и инфраструктуру». По данным К2 НейроТех, доля российских компаний с утвержденными планами по ИИ за три года выросла в 2,7 раза.
Но вместе с этим вскрылись новые ограничения. Проблема уже не в том, чтобы найти модель или собрать команду для пилота. Узкое место — в том, как вывести решение из пилотной зоны в стабильный режим и не сломать существующие процессы. Компании накапливает успешные тесты, но часто так и не доводит их до состояния «обычного сервиса», который живет по понятным регламентам и не требует постоянного ручного сопровождения ИТ-специалистов.
Пилоты проектов
Пилоты без продолжения: где проекты «умирают»
Ближайшие два-три года могут стать периодом массового пилотирования ИИ-решений. Однако значительная часть этих проектов останется на уровне экспериментов. Основные причины — недооценка трудозатрат и отсутствие системного подхода к архитектуре и процессам.
По наблюдениям К2 НейроТех, в 48% случаев двигателями внедрения выступают ИТ-директора и технические руководители. Их фокус логично смещен на инфраструктуру и технологию, а не на перестройку бизнес-логики. В итоге компания запускает пилот, тратит ресурсы, а к моменту, когда нужно оценивать эффект и планировать масштабирование, сталкивается с нехваткой бюджета и людей. Проект фиксируется в истории как «интересный опыт», но не превращается в рабочий инструмент.
Теневой ИИ
«Теневой» ИИ: сотрудники уже живут в будущем
Пока топ-менеджмент согласовывает стратегии, сотрудники давно используют ИИ в повседневной работе. Они ускоряют подготовку отчетов, писем и презентаций через публичные нейросети, даже если в компании нет официально одобренных решений. Это и есть «теневой» ИИ.
По данным анализа К2 НейроТех, в некоторых компаниях реальный уровень использования несанкционированных ИИ-инструментов может в три раза превышать оценки руководства. Это создает сразу две истории. Первая — про риски: данные могут утекать, а качество результатов никто не контролирует. Вторая — про запрос: люди явно хотят автоматизировать рутину и готовы для этого осваивать новые инструменты.
Компании, которые научатся не просто запрещать, а легализовывать и направлять эту энергию — через выбор безопасных сервисов, обучение и понятные правила, — получают дополнительный катализатор цифровой трансформации. Но для этого нужна воля и понимание, как выстраивать процессы вокруг ИИ, а не только сами модели.
Инфраструктура
Инфраструктура: две трети инвестиций уходят «в фундамент»
Моделей становится больше, но сами по себе они работать не будут. Для их нормальной жизни нужен фундамент: вычислительные мощности, системы хранения, управление данными, мониторинг и безопасность.
По прогнозам К2 НейроТех, доля затрат на ИИ в ИТ-бюджетах компаний к 2027 году увеличится примерно на треть, причем две трети этих инвестиций будут направлены именно на инфраструктуру. Пока крупный бизнес вкладывается в ИИ-мощности осторожно, во многом из-за макроэкономических ограничений. Но к 2030 году объем этого сегмента может утроиться относительно 2024 года.
Интересный сдвиг — в структуре нагрузок. По оценкам К2 НейроТех, к 2030 году до 75% вычислительных затрат в сфере ИИ придется не на обучение моделей, а на инференс — их ежедневную эксплуатацию. Это меняет требования к архитектуре: на первый план выходит не разовая пиковая мощность для экспериментов, а эффективность, масштабируемость и управляемость ресурсов в режиме постоянной работы.
Компании уже перестали смотреть на ИИ как на отдельный «модный проект». Сегодня им нужны модульные архитектуры, которые обеспечивают устойчивость, защищенный контур и прогнозируемый результат. В ответ на этот запрос на рынке появляются кастомизируемые on‑premise-решения с полным стеком — от управления данными до мониторинга моделей. Они позволяют тестировать гипотезы внутри защищенной среды и инвестировать только в сценарии, которые доказали свою пользу.
Сервисные модели
Сервисные модели: ИИ «напрокат»
Если посмотреть на последние несколько лет, хорошо видны этапы. В 2022—2023 годах рынок проходил стадию первых робких пилотов, часто инициированных энтузиастами. В 2024—2025 годах начался взрывной рост экспериментов в отдельных подразделениях и компаниях, появилось множество разрозненных инициатив.
В 2026 году мы входим в новый этап — формирование управляемых сервисных моделей. Рынок смещается к формату аренды мощностей и моделей. Компания может за несколько часов получить доступ к мощному кластеру, провести эксперимент и выключить его, не тратя месяцы на закупку и ввод в эксплуатацию оборудования.
Набирают популярность лизинговые форматы, GPU‑as‑a‑Service и гибридные экосистемы. В них обучение и тяжелые эксперименты выполняются в арендуемых средах, а инференс и чувствительные данные остаются на собственных ресурсах заказчика. Такой подход упрощает финансовую модель: вместо больших разовых вложений — возможность быстро проверить гипотезу, посчитать экономику и либо масштабировать решение, либо спокойно его закрыть.
Что дальше
Что дальше: расслоение по зрелости
В ближайшие годы рынок, скорее всего, разделится на два лагеря. В первом окажутся компании, которые научились не только запускать пилоты, но и встраивать ИИ в свою архитектуру и процессы, получая измеримый экономический эффект. Во втором — те, кто продолжит бесконечно экспериментировать и пробовать новые модели, но так и не доведет их до статуса системного инструмента.
Разница будет не в технологиях — модели и инструменты доступны всем. Критичным фактором станет готовность заниматься «рутиной»: перестраивать процессы, обучать сотрудников, выстраивать управляемый фундамент и относиться к ИИ как к части инфраструктуры, а не к разовому проекту. ИИ перестал быть вопросом выбора модели. Теперь это вопрос выбора стратегии и зрелости.
Источник: hi-tech.mail.ru