От прогнозов до генеративного кода: почему теперь важнее не язык программирования, а умение работать с данными и предсказывать будущее

Курс на цифровую трансформацию всех отраслей и импортозамещение создают условия для роста спроса на услуги российских компаний-разработчиков. В том числе разработчиков заказных продуктов: среднему и крупному бизнесу почти невозможно найти коробочное решение, которое не потребует изменений. Однако рынок заказной разработки растет медленнее, чем мог бы. Как на отрасль влияет цифровая трансформация и развитие искусственного интеллекта и что должен уметь квалифицированный специалист сегодня, рассказал Алексей Флоринский, генеральный директор компании - разработчика заказного программного обеспечения SimbirSoft.

Искусственный интеллект вызывает всеобщее одобрение бизнеса

Самый явный рост запросов - на искусственный интеллект, который должен быть везде и интересен заказчикам в любых видах: машинное зрение, виртуальные помощники, аналитика, прогнозирование.

Одно из активно растущих направлений искусственного интеллекта в заказной разработке - прогнозирование и рекомендательные системы. Сегодня это одна из самых желанных функций, с точки зрения потребителя, в любом продукте. Нам никогда не хочется, чтобы мы выбирали, - нам хочется, чтобы нам сказали, как сделать так, чтобы нам было хорошо. Поэтому рекомендательная система становится конкурентным преимуществом любой компании с большой аудиторией: хоть у банка, хоть у маркетплейса, хоть у классифайда.

Спрос на искусственный интеллект настолько высокий, что порой компании приходят даже без четкого понимания, что конкретно им нужно. Просто у бизнеса сложилось такое представление, что искусственный интеллект равно выгода или конкурентное преимущество. Запрос строится на мысли "если у нас будет искусственный интеллект, значит, у нас будет лучше, чем у других". Это может создать вероятность, что бизнес потратит значительные бюджеты в никуда - на бессмысленное для него решение или на решение, с которым не справится, потому что не умеет работать с таким инструментом.

Текущая ситуация на рынке заказной разработки решений с искусственным интеллектом характеризуется несколькими ключевыми особенностями. Клиенты в основном находятся на стадии тестирования ИИ как инструмента, изучая его возможности и ограничения. При этом на рынке наблюдается дефицит общедоступных успешных кейсов внедрения, которые могли бы служить ориентирами для бизнеса.

Существенной сложностью остается "эффект черного ящика": результаты работы ИИ-систем часто сложно интерпретировать и объяснить с точки зрения традиционной бизнес-логики. Это создает дополнительные барьеры для внедрения.

Наиболее острой проблемой является неспособность бизнеса корректно сопоставить свои реальные задачи с возможностями искусственного интеллекта. Компании часто не могут идентифицировать процессы и проблемы, где применение ИИ могло бы дать максимальный эффект, что приводит к неэффективным инвестициям в технологии.

Однако при разработке проектов с искусственным интеллектом в разных направлениях, как упомянутые аналитика и прогнозирование, опытные аутсорсеры помогают бизнесу определить, как наиболее эффективно направить ИТ-инструменты на решение его задач.

О рисках внедрения ИИ: ненужность и опасность

Погоня за трендом искусственного интеллекта может привести к двум основным проблемам. Первая проблема - это ненужность продукта. Яркий пример - повальное увлечение цифровыми помощниками. Компания с большой клиентской базой может решить, что это необходимый тренд. Но если ее клиенты ценят индивидуальное, человеческое обслуживание, то внедрение бота приведет не к повышению эффективности, а к оттоку аудитории, поскольку потребительская реакция бывает непредсказуемой.

Вторая проблема - это угрозы безопасности. Цифровизация построена на данных, а ИИ-проекты работают с их огромными массивами. При этом используемая инфраструктура, включая операционные системы, сервисы и оборудование, часто остается иностранной и основанной на облачных технологиях. Это создает серьезные риски перехвата информации, что в современных условиях можно сравнить с риском для выживаемости компании. Полноценно обезопасить себя можно только полным импортозамещением, однако в отношении аппаратного обеспечения ждать этого в ближайшие годы не приходится.

Важно помнить и о фундаментальном ограничении ИИ: эти системы основаны на вероятности и не избегают ошибок, выражающихся в ложноположительных и ложноотрицательных срабатываниях. Это ставит под вопрос возможность полной передачи ответственности системе в критически важных сферах, таких как медицина, промышленность или юриспруденция. Кроме того, тотальная цифровизация с отказом от бумажных носителей создает уязвимость: в момент сбоя связи или интернета компания рискует остаться без доступа к своим данным и процессам, что можно сравнить с отключением органов чувств у человека.

О выборе и трендах в заказной разработке ИИ

Разработку ИИ нельзя отнести к доступным и легким решениям. Если эта технология пока не лежит в основе ключевого конкурентного преимущества компании, то главная рекомендация - начать с анализа и поиска конкретных мест в бизнес-процессах, где внедрение известных инструментов и сервисов ИИ даст ожидаемый и измеримый рост эффективности. Это позволяет избежать ситуации, когда компании следуют принципу "все побежали - и я побежал", рискуя потратить значительные ресурсы впустую.

Что касается трендов в заказной разработке, генеративный ИИ точно не отгремел и продолжит набирать популярность. Среди актуальных направлений можно выделить несколько ключевых.

Во-первых, это ИИ-агенты - автономные программные системы, которые используют искусственный интеллект для достижения конкретных целей и выполнения задач от имени пользователя или другой системы. Они способны взаимодействовать с окружающей средой, собирать и обрабатывать данные, принимать решения и действовать в соответствии с ними.

Во-вторых, продолжает развиваться генеративный ИИ - тип нейронных сетей, способных создавать новый контент на основе обученных данных: текст, изображения, аудио и видео. Отдельное внимание заслуживают системы генеративного видео, прогнозы роста которых выглядят очень впечатляюще.

В-третьих, остаются востребованными классические направления: Computer Vision, позволяющая компьютерам "видеть" и интерпретировать визуальную информацию, а также прогнозные модели - инструменты для предсказания будущих значений на основе анализа исторических данных и текущих тенденций.

О роли ИИ в разработке и новых требованиях к специалистам

Важность искусственного интеллекта повышается не только на стороне клиента, но и внутри самих компаний-разработчиков. Происходит фундаментальный сдвиг: если раньше специалисты (ML-разработчики, data-аналитики) работали преимущественно с ретроспективными данными, то сегодня акцент сместился на работу с настоящим и прогнозирование. Современные специалисты должны не только анализировать имеющуюся информацию, но и уметь ее интерпретировать, строить точные прогнозы и делать на их основе практические выводы.

Искусственный интеллект становится ключевым инструментом в этом переходе от анализа прошлого к предсказанию будущего. Именно эта способность - обеспечивать прогнозирование и рекомендательность систем делает ИИ столь востребованным сегодня, даже в сравнении с классическими hard-технологиями низкого уровня, владение которыми стало обязательным базовым требованием.

Сегодня уже недостаточно быть просто экспертом в определенном языке программирования или фреймворке. Ключевыми компетенциями становятся: способность декомпозировать сложные требования, умение мыслить на языке бизнеса, ориентация на будущее и обязательное использование data-driven-подхода. Современный разработчик должен уметь принимать решения об изменении функциональности, опираясь как на актуальные данные, так и на прогнозы, подготовленные data-специалистами.

Переход от работы с прошлыми данными к прогнозированию

Важность искусственного интеллекта повышается и для самих технологий разработки: не на стороне клиента, а на стороне компании-разработчика.

ML-разработчик, AI-разработчик, data-аналитики, продуктовые аналитики и другие специалисты раньше работали с готовыми данными и с полученными от взаимодействия с рынком или с потребителем. Сегодня этого недостаточно. Работа с прошлым перешла в работу с настоящим и с предсказанием. То есть теперь необходимо, чтобы все перечисленные специалисты не просто делали определенные выводы на имеющихся данных - они должны уметь интерпретировать эти вещи и делать прогнозы.

Сегодняшние данные мало кому интересны, а завтрашние данные любопытны всем. Именно искусственный интеллект позволяет сделать шаг в прогнозирование и в "рекомендационность" систем. Поэтому он становится намного любопытнее сейчас, чем язык программирования, то есть hard-технологии низкого уровня. Ими специалист должен владеть по умолчанию.

А если говорить глобально о требованиях к специалисту в кастомной разработке, сейчас уже недостаточно быть экспертом в определенном языке программирования и фреймворке. Нужно уметь декомпозировать требования, мыслить на языке бизнеса, смотреть в будущее, использовать data-driven: опираться на решения по изменению функциональности на сегодняшние данные, которые ты получил, и на прогнозы, которые сделали data-специалисты.

Искусственный интеллект становится трендом не только в продуктах для конечных пользователей, но и инструментом автоматизации внутри самих команд разработки. Речь идет о передаче нейросетям рутинных задач, включая написание кода.

Это именно тренд, а не единичные случаи. Прогнозы ведущих игроков рынка, например технического директора Microsoft, свидетельствуют, что в ближайшие пять лет искусственный интеллект будет генерировать до 95% кода.

В таком виде ИИ находит применение для ускорения разработки, снижения затрат и минимизации человеческих ошибок. Это позволяет разработчикам сосредоточиться на решении более сложных и творческих задач, в то время как рутинные операции делегируются.

Максимальная адаптивность интерфейса

Постепенно складывается тенденция на персонализированный интерфейс или на адаптивный UI. Многие выпускаемые сегодня продукты довольно сложные - например, приложение мобильного банка. При этом пользователю нужен только конкретный набор функций, который часто индивидуален. Адаптивный интерфейс подразумевает, что современная ИТ-система подстраивается визуально под пользователя.

Адаптивность проявляется в нескольких направлениях: персонализация набора функций и инструментов, а также интеллектуальные рекомендации. Однако адаптация бизнес-сценариев и процессов пока не применяется - глубинная бизнес-логика остается неизменной для всех пользователей.

Наиболее актуальна эта тенденция для следующих категорий продуктов: все суперапы ("Сбер", МТС, VK и подобные), крупные маркетплейсы и интернет-магазины, социальные сети, ретейл-сервисы, стриминговые платформы, банкинговые приложения, корпоративные системы и таск-менеджеры.

Технологическая реализация адаптивных интерфейсов включает три ключевых компонента:

- сбор данных о пользователе и контексте его работы;

- построение пользовательской модели на основе правил и ML-алгоритмов;

- динамический рендеринг UI на основе полученной модели.

Это требует сочетания аналитики, рекомендательных алгоритмов машинного обучения и современных фронтенд-компонентов, способных изменять интерфейс в реальном времени.

Важно отметить, что персонализация затрагивает именно уровень интерфейса, а не базовой бизнес-логики. Если под бизнес-логикой понимать архитектурные компоненты системы (бэкенд и фронтенд), то изменения UI действительно относятся к этой области. Однако если речь идет о фундаментальных бизнес-процессах - например, процессе оформления заказа страхового продукта, - то здесь персонализация для разных целевых аудиторий пока не применяется, процесс остается идентичным для всех пользователей.

Переход от зарубежных фреймворков к Open Source

Заметно смещение внимания с зарубежных платформ на open source и отечественные решения. Их мы можем использовать в России, не нарушая закон.

В области баз данных активно идет замещение Oracle и MS SQL. Российские финтех-компании массово переходят на отечественные решения, поскольку зарубежные аналоги стали недоступны или чрезмерно дороги. Широко применяется open-source-решение PostgreSQL, не уступающее по возможностям Oracle, а также его кластеризованная версия GreenPlum для работы с высокими нагрузками. "Яндекс" выпустил на рынок открытую YDB - реляционную базу данных, способную работать с OLTP-нагрузкой и хранить векторизованные данные для задач искусственного интеллекта.

Для визуального анализа данных open-source-система DataLance успешно заменяет Microsoft Power BI. В сфере искусственного интеллекта Сбербанк и Т-Банк публикуют AI/ML-модели в открытом доступе на платформе HuggingFace, включая модели для распознавания и генерации голоса. GigaChat и YandexGPT предоставляют API для разработки AI-агентов.

Среди операционных систем также доступны как open-source-решения (Ubuntu), так и отечественные разработки (AstraLinux, "Аврора" для мобильных систем).

Однако повсеместный переход имеет свои ограничения. Почти везде возможен переход, но у open-source-решений отсутствует единый центр управления и корпоративный контроль. Комплексность и универсальность зарубежных корпоративных систем сменяется необходимостью интеграции множества разнородных решений, что создает "лоскутное одеяло" из систем. Это вызывает значительные сложности как для разработчиков (в интеграции и поддержке), так и для заказчиков (в управлении и обеспечении бесперебойной работы таких гетерогенных систем).

Цифровизация промышленности не затрагивает core-системы

Один из ключевых драйверов заказной разработки - цифровизация, и сейчас на нее есть большой запрос со стороны промышленного сектора. Но в среднем и крупном бизнесе она преимущественно направлена на то, чтобы получить что-то готовое и недорогое - не связанное с ключевыми бизнес-процессами и core-системами.

Проблема в том, что для многих компаний цифровизация требует не только внедрять новые ИТ-продукты, но и заместить остатки иностранных на российские решения. При этом полноценных аналогов для ряда сложных систем, как SAP, пока не существует. Можно создавать на базе того же 1С, однако нужно очень много дорабатывать. Кажется, что для рынка заказной разработки очень удачное время. Однако есть нюансы.

У крупного предприятия есть определенная core-система, которая организует его работу, - условно, это система SAP. Продукт иностранный, вендор ушел из России, но предприятие не готово его менять. Система внедрялась давно и сейчас прекрасно работает автономно - она не требует поддержки или ей достаточно российской поддержки. При этом на нее завязано огромное количество бизнес-процессов.

Поменять SAP на 1С, например, - это замена как минимум 5-7 лет и сотни миллиардов рублей. Поэтому многие предприятия оттягивают запуск нового проекта, руководствуясь логикой "если система работает, то зачем ее менять?".

В результате примерно из 2500 компаний среднего и крупного бизнеса только 4% внедрили себе core-системы российского производства: новые операционные системы, базы данных, системы сервиса виртуализации, PLM, ERP и др. Остальные 96% - не внедрили, у них цифровизация идет на уровне небольших решений.

Поэтому потенциал у цифровизации огромный, но он совершенно не реализован. Будет ли реализован в будущем, учитывая такую позицию крупных компаний, - неизвестно. Эта тактика "Работает - зачем менять?" сочетается с состоянием рынка "Давайте посчитаем, но разрабатываться будем когда-нибудь потом". Соответственно, пока нельзя говорить о массовой трансформации отрасли.

В текущих условиях фокус компании сконцентрирован на цифровизации прикладного уровня программного обеспечения. В первую очередь это касается систем ERP, MES и различных конфигураций на платформе 1С, которые получают активное развитие и поддержку в рамках импортозамещения.

Особенностью текущего момента становится трансформация поддержки отечественных решений в директивные требования по замене иностранного программного обеспечения. В отдельных отраслях этот процесс приобретает обязательный характер, что особенно актуализировалось после недавних инцидентов с критической инфраструктурой.

Параллельно идет активное внедрение российских операционных систем (Astra Linux, "Аврора") и отечественных систем управления базами данных, что формирует новую экосистему цифровой инфраструктуры предприятий.

И все же на волне всех перечисленных аспектов заказная разработка востребована, есть необходимость заменять иностранные продукты, есть потребность в цифровизации. Плацдарм импортозамещения просто невероятный, масштаб огромный, работы непочатый край. И как только замедлится охлаждение экономики, все так полетит, что рук не хватит.