Сценариев применения технологий искусственного интеллекта в бизнесе с каждым годом становится больше. Однако многие компании по-прежнему рассматривают такие инструменты с осторожностью, поскольку их внедрение сопряжено с рисками информационной безопасности, существенными вложениями в ИТ-инфраструктуру и расширение ИТ-команд.
Ускорить внедрение ИИ-решений помогают специализированные программно-аппаратные комплексы (ПАК), разработанные с учетом требований интеллектуальных систем. Об их особенностях и перспективах на российском рынке рассказывает директор по продажам и развитию продуктов ИИ российского вендора технологических решений и сервисов DатаРу Владислав Ганюшин.
Уровень цифровой зрелости определяет конкурентоспособность компании на насыщенном и быстро меняющемся рынке. Одна из наиболее перспективных технологий для бизнеса сегодня — искусственный интеллект. Однако при попытках освоить решения на основе ИИ компании сталкиваются с двумя ключевыми препятствиями: нехваткой или дороговизной специализированного серверного оборудования, а также дефицитом квалифицированных специалистов.
Не каждая организация может позволить себе содержать команду разработчиков и инженеров для управления такими сложными системами и их сопровождения. Пользоваться же общедоступным облачным сервисом не всегда безопасно — модель ИИ часто имеет дело с чувствительными корпоративными данными.
На помощь приходит другой актуальный технологический тренд, хорошо знакомый российскому рынку: программно-аппаратные комплексы. После ухода зарубежных вендоров компании искали быстрый, доступный и надежный способ импортозаместить целые сегменты ИТ-инфраструктуры на разрозненные отечественные решения, причем так, чтобы те идеально сочетались друг с другом. И тогда бизнес познакомился с ПАКами: в их состав производители включают оптимизированные программные и аппаратные компоненты, которые в результате тестирования показали совместимость и гарантированную работоспособность.
Как правило, каждый ПАК предназначен для выполнения какой-то определенной задачи (смежных задач) или бизнес-функции: например, обработки данных или резервного копирования. Поддержка всех его компонентов осуществляется в режиме «одного окна», даже если они разработаны разными вендорами.
Комплексные решения стали настолько востребованными, что в Едином реестре отечественного программного обеспечения Минцифры в конце 2022 года появился отдельный раздел, посвященный ПАКам: на начало марта 2025 года в нем числилось уже более 530 наименований продуктов.
Готовые решения для ИИ: примеры на рынке
Поэтому логично, что отдельные ПАКи со временем начали разрабатываться и для нужд искусственного интеллекта. Сегодня на рынке известны несколько таких решений, находящихся на разных стадиях зрелости.
Архитектурно ИИ-ПАКи, как и другие решения данной категории, состоят из «железа» и софта. В качестве аппаратной платформы в них используется серверное оборудование с модулями, оптимизированными под параллельные вычисления, GPU и TPU (тензорные процессоры, которые в несколько раз производительнее графических). В некоторых случаях, для решения более масштабных задач, они могут быть дополнены системами хранения данных и высокоскоростной коммутацией.
Программная оболочка таких решений, как правило, включает серверную операционную систему на базе Linux, фреймворки и библиотеки для ИИ, среды контейнеризации и управления, инструменты разработки и машинного обучения (MLOps).
ИИ-ПАКИ, таким образом, позволяют компаниям гораздо проще организовать среду для обучения моделей ИИ и реализовать самые разнообразные сценарии применения интеллектуальных инструментов в собственном защищенном контуре, нивелируя риски утечки конфиденциальной информации. Основная цель использования ИИ остается традиционной: автоматизация процессов и снятие рутинных и некоторых высокоинтеллектуальных операций с человека.
В качестве примеров готовых решений можно назвать:
- промышленных виртуальных ассистентов и цифровые двойники, которые помогают отслеживать состояние оборудования, анализировать ошибки, выдавать рекомендации по его обслуживанию;
- генеративные модели для обработки и создания текстового, графического, аудио- и видеоконтента;
- информационные и рекомендательные аналитические системы, взаимодействующие с пользователями на естественном языке и помогающие принимать объективные решения;
- интеллектуальные инструменты, упрощающие деятельность разработчиков софта;
- системы ИБ, связанные с анализом трафика и выявлением аномалий.
Внедрение ИИ-ПАКов: возможности и подводные камни
Поскольку сферы применения ИИ в целом максимально широки, выбор необходимого решения зависит от конкретной бизнес-задачи заказчика.
Поэтому первым этапом внедрения должен быть аудит ИТ-инфраструктуры и бизнес-процессов. Он позволит поставить задачи, которые будет решать система на основе ИИ, оценить ее влияние на бизнес-процессы, готовность инфраструктуры, перечень смежных систем для интеграции, ограничения по безопасности данных.
Также необходимо убедиться, что существующая в компании база данных достаточно полная, структурированная и актуальная для качественной работы нейросети. Подготовка данных включает в себя обеспечение их безопасности, очистку, разметку, нормализацию, обогащение.
Второй этап — выбор подходящего решения среди существующих на рынке предложений и кастомизация архитектуры ПАКа под конкретные требования.
Третий этап — обучение производителем модели ИИ на предоставленных заказчиком датасетах. Как вариант — обучение может быть реализовано на общедоступных или отраслевых наборах данных, а тонкая настройка (файнтюнинг) на специфических данных компании. Этот процесс может происходить как в контуре компании, так и на площадке вендора, в зависимости от объема данных, политик безопасности и других факторов.
Четвертый этап — внедрение решения и его интеграция в существующую ИТ-инфраструктуру, обучение сотрудников. Скорее всего, в этот период потребуются также организационные изменения — перестройка бизнес-процессов с учетом того, что часть операций возьмет на себя цифровой помощник. Для его работы необходимо поддерживать качественную базу данных.
Пятый этап — тестирование, проверка корректности работы и производительности, калибровка модели. Как правило, это делается на ограниченном объеме новых данных, а качественные метрики модели сравниваются с метриками, показанными при ручной обработке тех же данных.
Шестой этап — подключение источников данных в полном объеме, вывод системы в промышленную эксплуатацию и организация ее сопровождения.
Главными подводными камнями на этом пути могут стать:
- нехватка качественных данных для обучения модели,
- дефицит персонала или низкий уровень его цифровой грамотности,
- юридические риски, связанные с результатами деятельности нейросети.
Поэтому успешное внедрение решений на основе ИИ — это всегда совместный процесс, где максимальный эффект достигается при тесном сотрудничестве заказчика с разработчиком решения, а также с внешними подрядчиками — консультантами и инженерами интеграторов. Они обеспечат поддержку на всех этапах проекта, включая сопровождение, обучение сотрудников и повышение их компетенций в области управления ИИ (например, промптинга), проработку ролевых моделей и политик безопасности, создание хранилища структурированных данных и процесса его постоянного пополнения актуальной информацией.
Будущее ИИ-ПАКов: от первых внедрений к мейнстриму
Таким образом, ИИ-ПАКи соответствуют всем ключевым принципам использования программно-аппаратных комплексов: это масштабируемые, оптимизированные по функциональности, производительности и стоимости решения, полностью находящиеся на поддержке у вендора.
Развитие технологий ИИ идет в двух направлениях. С одной стороны, дорабатываются большие мультимодальные модели — а значит, продолжится глобальное соревнование ИТ-гигантов.
С другой стороны, все большее распространение получают небольшие специализированные решения — более тонкие и точные инструменты. На их популярности скажется повышение доступности технологий: как мы видим, DeepSeek позволил добиться от нейросети высоких результатов с существенно меньшими вычислительными ресурсами, чем до этого требовал тот же ChatGPT.
Кроме того, новый национальный проект «Экономика данных» включает в себя отдельное направление, посвященное развитию технологий ИИ. Это значит, что проекты, связанные с внедрением ИИ, будут поддерживаться государством. По прогнозам DатаРу, через 3-5 лет подавляющее большинство российских компаний в том или ином виде начнут использовать ИИ-ПАКи в проектах внедрения интеллектуальных систем.