Исследование компании
Nexign показывает, что мониторинг ИТ-инфраструктуры стал стандартом для
отечественного бизнеса: 79% опрошенных компаний уже используют для
отслеживания состояния своих систем специализированные программные
инструменты. Это объясняется растущей сложностью ИТ-ландшафтов: компании
вынуждены контролировать все больше элементов инфраструктуры, чтобы
обеспечить бесперебойную работу бизнеса. Наиболее
востребованы метрики, связанные с отслеживанием нагрузки на процессор,
оперативную память и сеть (89%), ошибок и сбоев в приложениях (86%),
задержки отклика сервисов (70%).
При этом всего 17% респондентов применяют инструменты с машинным обучением
для автоматического обнаружения аномалий, хотя и признают, что
последствия недостаточного мониторинга уже ощутимы — это штрафы
регулятора, репутационные потери и отток клиентов.
Финансовый
сектор демонстрирует более высокий интерес к технологии и уже ведет
пилотные проекты. Представители других отраслей занимают выжидательную
позицию: одни находятся в поиске обоснований для инвестиций в этом направлении, другие считают, что текущие инструменты без машинного обучения
еще не исчерпали свой потенциал. Малый и средний бизнес пока меньше
всего готов к внедрению ИИ — во многом потому, что часть компаний этого
сегмента еще не выстроила даже базовые процессы мониторинга.
Эксперты
подчеркивают: барьер носит не столько технологический, сколько
организационный и экономический характер. На рынке уже доступны инструменты с машинным обучением для поиска аномалий — как коммерческие продукты российского производства, так и решения на базе открытого исходного кода от отечественных и зарубежных вендоров. Однако их внедрение требует зрелых процессов и наличия необходимых компетенций. Компаниям нужны специалисты на стыке ИТ, информационной безопасности и исследования данных, при этом создание полноценных отдельных подразделений для многих организаций экономически неоправданно.
Существенной проблемой остается и качество данных: модели машинного обучения
требуют нормализованных и структурированных массивов, тогда как в
реальности данные часто разрозненны и хранятся в различных системах без
единого стандарта. Наконец, многие проекты не получают финансирования
из-за сложности расчета экономического эффекта.
