Nexign: лишь 17% российских компаний используют ИИ для поиска аномалий в ИТ

Почти 80% российских компаний уже используют инструменты мониторинга ИТ-инфраструктуры, однако лишь каждая шестая применяет модели машинного обучения для автоматического обнаружения аномалий. Такие данные приводит Nexign, разработчик решений для операторов связи и предприятий, по итогам собственного исследования. Опрос показал: мониторинг стал стандартом для отечественного бизнеса — 79% респондентов отслеживают состояние систем с помощью специализированного ПО. Это связано с усложнением ИТ-ландшафтов: компании контролируют все больше элементов инфраструктуры, чтобы обеспечить бесперебойную работу.

Наиболее востребованы метрики нагрузки на процессор, оперативную память и сеть (89%), ошибок и сбоев в приложениях (86%), задержки отклика сервисов (70%). При этом только 17% опрошенных используют инструменты с машинным обучением для поиска аномалий, хотя последствия недостаточного мониторинга уже ощутимы: штрафы регулятора, репутационные потери, отток клиентов. Финансовый сектор проявляет больший интерес к технологии и ведет пилотные проекты, тогда как другие отрасли занимают выжидательную позицию. Часть компаний ищет обоснования для инвестиций, другие считают, что текущие инструменты без ИИ еще не исчерпали потенциал. Малый и средний бизнес отстает: многие там не выстроили даже базовые процессы мониторинга.

Барьеры, по мнению экспертов, носят не столько технологический, сколько организационный и экономический характер. На рынке уже доступны коммерческие российские продукты и open-source решения, но их внедрение требует зрелых процессов и компетенций. Нужны специалисты на стыке ИТ, информационной безопасности и анализа данных, а создание отдельных подразделений для многих организаций экономически неоправданно. Качество данных остается серьезной проблемой: модели машинного обучения требуют нормализованных и структурированных массивов, тогда как в реальности данные часто разрозненны и хранятся в разных системах без единого стандарта. Наконец, многие проекты не получают финансирования из-за сложности расчета экономического эффекта.

Максим Нартов, директор по развитию бизнеса Nexign, отмечает: ИТ-ландшафты становятся сложнее — растет число сервисов и микросервисных приложений, инфраструктура распределенная и разнородная. Традиционные методы обнаружения аномалий требуют сопоставления разных метрик и анализа больших объемов данных, что становится труднее. В ближайшие годы компания ожидает более глубокую интеграцию машинного обучения в платформы мониторинга: такие инструменты помогут автоматически выявлять сложные аномалии, а их использование станет доступнее. Однако максимальную отдачу получат компании, которые уже выстроили процессы мониторинга и обеспечили качество данных. На текущем этапе целесообразнее инвестировать в процессы, подготовку данных и компетенции — без этой базы даже продвинутые ИИ-модели не покажут ожидаемую эффективность.