Бюджеты не успевают за «железом»
Экспертное мнение
О новых сценариях управления инфраструктурой, защите ИИ-контуров и формировании российских IT-экосистем Guide поговорил с директором по развитию бизнеса Orion soft Максимом Березиным.
Фото: Orion soft
Фото: Orion soft
GUIDE: В 2026 году enterprise-компании сталкиваются с вызовом: потребность в IT-ресурсах растет, а бюджеты сокращаются. Почему рынок оказался в такой ситуации?
МАКСИМ БЕРЕЗИН: В последние годы появился большой блок задач, связанных с ИИ. И значительный объем IT-бюджета идет на ИИ. Из-за этого существенно выросли траты на «железо»: видеокарты, оперативная память, серверы. Еще до 2022 года компании могли себе позволить закупать инфраструктуру с запасом, пока она стоила относительно недорого. Это позволило многим компаниям дожить до 2026 года. Но подошел срок амортизации —закупленное впрок «железо» нужно обновлять. И тут многие увидели, что оно подорожало более чем в три раза, а та же оперативная память с прошлого года выросла в цене в четыре раза. Это связано с тем, что американские ИИ-корпорации, такие как Open AI, Google, Anthropic, оптом выкупают огромное количество оборудования под свои дата-центры под ИИ. В связи с этим на оставшемся рынке образовался дефицит. Логичное следствие в рыночной экономике — рост цен из-за того, что спрос превышает предложение.
С 2022 года IT-бюджеты выросли в полтора-два раза у многих компаний. В то же время серверы стали дороже более чем в три раза. Отсюда парадокс: бюджета больше, а купить на него можно в полтора-два раза меньше. Поэтому сегодня многие стараются выжимать максимум из старого оборудования, найти «забытые» тестовые среды, которые ранее забыли освободить. Так, например, сейчас делают многие крупные банки.
G: Какие факторы больше всего влияют на стоимость построения инфраструктуры и запуска новых проектов?
М. Б.: Кроме стоимости «железа», это низкая утилизация оборудования, которую компании пытаются повысить за счет централизации и повышения прозрачности. Особенно этот тренд касается видеокарт GPU, которые играют важнейшую роль в работе ИИ и машинном обучении. Еще один способ повышения эффективности — автоматизация рутины. Компании разрабатывают себе внутреннее ПО, которое работает на базе микросервисной архитектуры, или же закупают его готовым у поставщиков ПО.
Тут есть разница в математике. К примеру, платформа Kubernetes — она нужна для автоматизации развертывания, масштабирования и управления контейнеризированными приложениями. Чтобы приложения, которые работают поверх нее, успешно запускались в продуктивной среде, ей требуется определенная сборка. За счет этого собственная разработка такой платформы занимает минимум два года, требует вложений объемом в 150–200 млн рублей и работы команды более чем из 10 человек. Купить такую готовую платформу можно за 75 млн и проинсталлировать ее за две недели — и поддерживать ее будут всего два человека. Поэтому многие компании делают выбор в пользу именно вендорских платформенных решений, это удешевляет стоимость проекта почти в два раза.
G: Как в таких условиях меняется традиционный подход к управлению IT-ресурсами и закупке новых мощностей?
М. Б.: Многие компании замораживают закупки, так как их бюджет вырос не так сильно, как стоимость «железа». Игроки на рынке массово говорят, что будут оптимизировать то, что есть, и до 2028 года не покупать новое оборудование там, где это возможно. Альтернативный вариант — вместо закупок искать резервы в существующей инфраструктуре, повышать эффективность использования существующей инфраструктуры за счет централизованного управления, прозрачности и автоматизации. У нас есть один заказчик, крупная нефтегазовая компания. Они реализовывают трехлетнюю стратегию по развитию IT-инфраструктуры. На первом этапе они планируют накрыть все свои инсталляции виртуализации единым «зонтиком» управления, который, по сути, подсветит все места, где утилизация низкая и можно добавить виртуальных машин. Также возможно будет находить «забытые» мощности, которые еще можно высвободить и вернуть в свободный пул ресурсов, доступный для пользователей и запуска новых задач.
На втором этапе компания планирует подступиться к культуре самообслуживания, когда пользователи в соответствии с ролевой моделью и лимитами на использование ресурсов могут сами создавать, перезапускать и удалять ресурсы в зависимости от своих потребностей, без долгих кругов согласования через заявки. Cloud-Management-платформа обеспечивает слой самообслуживания, позволяет задать квоты, чтобы пользователь не мог выйти за рамки потребления, определенные в компании.
На третьем этапе появляется биллинг, который поддерживает самообслуживание комплементарной культурой бережливости. Когда у каждого ресурса или услуги есть владелец и стоимость ресурсов становится прозрачной, появляется ответственность: виртуальные машины включают, когда нужно, и выключают сразу после того, как, например, прошли тесты и отпала необходимость. Когда рациональное использование инфраструктуры начинается на уровне пользователей, это повышает ее эффективность.
G: Учитывая, что внедрение ИИ становится технологическим приоритетом, как избежать неоптимальных расходов на него и выстроить эффективный ИИ-контур?
М. Б.: Главная ошибка — сначала купить дорогое оборудование, а потом искать для него задачи. Сначала нужно выбрать конкретный бизнес-процесс, определить ожидаемый эффект, протестировать несколько моделей на реальных данных и рассчитать нагрузку. Только после этого можно выбирать между облаком и собственной инфраструктурой и определять количество GPU. При масштабировании мощности лучше объединять в общий пул и распределять между командами по фактической потребности, иначе часть оборудования будет простаивать, пока компания продолжает закупать новые серверы.
G: Как при этом обеспечить защиту ИИ-контура?
М. Б.: Закрытый контур сам по себе не делает ИИ безопасным. Нужно централизовать доступ к локальным и облачным моделям через единый шлюз, проверять запросы и ответы, блокировать или маскировать чувствительные данные, контролировать доступ пользователей и действия ИИ-агентов. По мере масштабирования ИИ-проектов появляется задача не только обеспечить безопасность языковых моделей, но и контролировать расходы на них, а также вести единый журнал: кто отправил запрос, в какую модель, какие данные передавались и какие политики сработали. Мы объединили средства безопасности и управления в нашей платформе StarGuard AI. Рынок подобных решений для защиты рабочих процессов с LLM активно развивается и может превысить уже 1 млрд рублей по итогам 2026 года.
G: Насколько сегодня выросла стоимость атаки и какие решения помогают эффективно защищать инфраструктуру?
М. Б.: В 2025–2026 годах атаки изменились. Сейчас уже не люди, а ИИ-агенты хакеров пытаются взломать инфраструктуру, а ИИ-агенты инфобезопасности отвечают на эти атаки. Это почти битва роботов. Сместился и вектор атак: теперь хакеры стремятся закрепиться в инфраструктуре и оставаться там незамеченными, чтобы в нужный момент нанести как можно больше ущерба изнутри. Поэтому сегодня средств защиты внешнего периметра, таких как межсетевые экраны, уже недостаточно.
На фоне этого мы видим спрос на внедрение технологии микросегментации, которую мы, к примеру, реализовали средствами программно-определяемой сети (SDN) в нашей платформе для безопасного управления средой виртуализации zVirt. Микросегментация позволяет разделить виртуальную сеть на изолированные сегменты и прописать для них политики безопасности сетевого доступа на уровне каждой виртуальной машины. Даже если хакер сможет проникнуть в один из сегментов, он не сможет распространить атаку за его пределы, а у ИБ-службы будет больше времени на устранение инцидента.
Еще один механизм безопасности на уровне виртуализации — функциональность папок виртуальных машин. Они помогают навести порядок: разложить виртуальные машины по папкам в рамках определенной иерархии по проектам, компаниям, департаментам и одновременно четко разграничить права доступа, выдавая их только согласованным ролям и пользователям. Без этого механизма права доступа к сегментам с критическими данными могут дублироваться и устаревать, что чревато ошибками и уязвимостями.
Отдельно для защиты конфиденциальных данных в инфраструктуре внедряют системы управления секретами. Секреты — это не только логины и пароли, но также ключи API, токены, сертификаты доступа к серверам, SSH-ключи и другие данные для подключения к IT-системам. Во многих компаниях они хранятся в открытом доступе: в коде или в общедоступных документах. Система управления секретами переносит их в централизованное зашифрованное хранилище, которое позволяет заменить статические секреты на динамические и автоматизировать их выдачу, ротацию и удаление.
G: Как, на ваш взгляд, сейчас развивается рынок IT-экосистем в России?
М. Б.: Есть компании, которые заявляют о наличии у них экосистемы. Я бы разделил их на два класса. Первый — те, у кого экосистемы скорее маркетинговые. Когда в них представлено множество продуктов из очень разных ниш: виртуализации, офисные приложения, почта, базы данных и прочее. С точки зрения ПО это можно сравнить с набором разных поставщиков, которые не общаются друг с другом и «играют в футбол» заявками при обращении заказчиков в техподдержку, когда проблема находится на границе зон ответственности этих продуктов. А единая техподдержка — это один из главных признаков работающей экосистемы. Часто возникают и проблемы с централизованной документацией и в совместной работе продуктов, если они в действительности не интегрированы на уровне кода.
Второй класс — настоящие экосистемы, где все сервисы интегрированы, обладают единой документацией и техподдержкой. Необходима единая для всех продуктов модель ролевого доступа и возможность доступа по модели SSO — когда вход в одну систему через логин и пароль дает автоматический доступ к остальным.
Еще один признак реальной экосистемы — когда она сфокусирована на конкретных сценариях совместного использования ПО, а не распыляется на разрозненные приложения и сервисы. Тогда внедрение решений от одного вендора действительно дает бизнесу уверенность в надежности работы инфраструктуры, сокращает трудозатраты на ее эксплуатацию и упрощает масштабирование. Такой подход позволяет бизнесу найти баланс между скоростью, стабильностью процессов и развитием.