От импортозамещения — к следующему этапу

Леонид Коник (ИГ «КомНьюс») предложил считать этап форсированного импортозамещения в значительной степени завершённым. По его словам, во второй половине 2026 года уже можно переходить от задачи замены западных решений на российские к осознанному применению цифровых инструментов для повышения эффективности бизнеса и создания новых источников экономического эффекта. При этом участники дискуссии не сводили ситуацию к формуле о полном завершении импортозамещения.

Илья Массух отметил, что сам термин «импортозамещение» постепенно становится слишком узким для описания происходящих процессов. По его оценке, примерно в 80–90% классов ИТ-решений уже существуют российские варианты, причём выбор есть практически в каждом классе программного обеспечения и оборудования. Одновременно сохраняются вопросы стоимости, поддержки, удобства использования и различий между решениями. Массух назвал одним из главных результатов последних лет переход компаний к заказу отечественных технологий не только в программном обеспечении, но и в оборудовании и комплексных решениях. По его словам, за относительно короткий период удалось существенно снизить прямую зависимость от зарубежных ИТ-технологий.

При этом российскому рынку, по его мнению, ещё предстоит инвестировать в развитие продуктов и компетенций. Одновременно изменение мировой технологической среды создаёт дополнительные возможности: за последние десять лет появились новые вычислительные возможности, искусственный интеллект, большие данные и подключённые системы, а зарубежным компаниям также приходится перестраивать накопленный ИТ-ландшафт. Российские компании в этом отношении могут оказаться менее связаны историческим наследием старых систем.

Заяна Ачинова охарактеризовала 2023–2024 годы как период выживания, после которого начинается следующий этап — формирование суверенной цифровой архитектуры. При этом, по её словам, в инфраструктуре и программном обеспечении остаются «белые пятна», а отдельные сроки замещения доходят до 2028–2029 годов. На некоторых объектах «Росатома» ещё используются импортные решения для АСУ ТП. Она также отметила, что в инфраструктуре сохраняются отдельные проблемы с оборудованием, включая коммутаторы. В программном обеспечении отрасли, по её оценке, большая часть решений уже замещена, однако отдельные позиции остаются в плане импортозамещения.

В «Росатоме», по словам Ачиновой, импортозамещение одновременно стало возможностью перейти от разрозненной автоматизации к более централизованной архитектуре. Для корпоративных функций формируется единый шаблон, тогда как производственные системы — PLM, MES и другие — требуют более гибкого подхода с учётом специфики конкретного бизнеса.

Она отдельно отметила, что часть АСУ ТП на предприятиях «Росатома» всё ещё находится в процессе замещения. При этом реализация плана импортозамещения позволила российским разработчикам существенно повысить уровень собственных программных продуктов и решений.

Павел Фомин сообщил, что в «Россетях» доля отечественного программного обеспечения составляет около 96,8%. Однако сам факт наличия российского аналога не означает автоматического решения задачи. По его словам, сохраняются вопросы к качеству, производительности, функциональности, защищённости и совместимости отечественного ПО. Отдельно он обратил внимание на реестр отечественного ПО Минцифры: в некоторых классах продуктов количество предложений настолько велико, что возникает риск заменить прежний «зоопарк» зарубежного ПО столь же большим «зоопарком» отечественных решений.

Для снижения этого риска «Россети» создали специальный центр, который проверяет продукты на совместимость, производительность и другие параметры до внедрения. Такой подход повышает нагрузку на бизнес, поскольку проверка занимает время и требует дополнительных ресурсов. Фомин также говорил о необходимости усиления технической политики государства. По его словам, компании ожидают повышения роли Минцифры в этой области. Он отметил, что только недавно появились подходы к описанию ИТ-ландшафтов и моделированию процессов, хотя к этому моменту многие решения уже были внедрены и эксплуатировались. Поэтому, по его оценке, результаты импортозамещения можно будет считать окончательно достигнутыми тогда, когда отечественный софт станет более зрелым и в большей степени будет соответствовать потребностям бизнеса.

Рамазан Абакаров отметил, что российские инженерные решения уже существуют, однако по отдельным параметрам, модулям и расчётам они пока не всегда эквивалентны зарубежным продуктам. В частности, он привёл в качестве примера САПР: российские решения существуют, но отдельные модули и расчёты, например связанные с тепловыми нагрузками, пока могут уступать зарубежным аналогам. Отдельной проблемой, по его словам, остаются люди и компетенции.

Таким образом, обсуждение показало, что переход от зарубежных технологий к отечественным решениям участники рассматривали не как единовременную операцию, а как продолжительный процесс. После решения первичной задачи замещения остаются вопросы качества, совместимости, компетенций, стоимости и дальнейшего развития продуктов.

Цифровизация становится частью бизнеса

Следующий блок дискуссии был посвящён тому, как меняется роль цифровых технологий в бизнесе.

Денис Юдаков отметил, что сегодня большинство проектов уже содержит цифровую составляющую. Поэтому, по его мнению, отдельно выделять «цифровые проекты» становится менее важно. Гораздо существеннее понимать, какой эффект даёт конкретное решение. По его словам, аналогичный переход происходит и с ИИ: ещё недавно проекты в этой области выделялись в отдельный блок и для них создавались специальные подразделения, тогда как теперь искусственный интеллект постепенно становится обычным инструментом разработки и работы компании. В «СИБУРе», в частности, разработчики всё чаще используют ИИ непосредственно в своей работе. Юдаков охарактеризовал происходящее как переход от этапа импортозамещения к этапу перестройки собственных решений.

Заяна Ачинова также отметила, что граница между автоматизацией и цифровизацией постепенно размывается. В «Росатоме» уже третий год у руководителей действует KPI по уровню цифровизации. При этом доля самого показателя постепенно снижается, поскольку цифровизация становится привычным инструментом, а большее значение получают эффективность и производительность.

В «Росатоме» реализуется программа перехода от разрозненной автоматизации к единому корпоративному шаблону. В частности, компания использует 1С и постепенно сокращает количество различных учётных систем.

Ачинова рассказала о платформе «Торакс». В 2026 году началась опытная эксплуатация на 11 атомных станциях. В рамках проекта используются цифровые двойники отдельных единиц оборудования, в том числе для подготовки к ремонтам, а ряд соответствующих процессов переводится в цифровой вид.

Следующим этапом становится уже не столько собственно цифровизация процессов, сколько управление данными. В проекты, технические задания и KPI включаются показатели, связанные с разметкой данных и возможностью последующего управления ими.

Илья Массух предложил рассматривать развитие ИТ как последовательную смену технологических этапов: компьютеризация, серверизация, сетевые вычисления, цифровизация и теперь искусственный интеллект. При этом смысл этих изменений остаётся прежним — повышение производительности труда и экономической эффективности.

В качестве примера он привёл проект «Росатома» по бережливому производству, где информатизация составляла примерно 30%, а остальные изменения были связаны преимущественно с организацией процессов.

Сроки окупаемости сокращаются

Отдельное внимание участники уделили инвестиционным горизонтам цифровых проектов.

Павел Фомин сообщил, что портфель цифровой трансформации «Россетей» включает 427 проектов с горизонтом пять лет. При этом более длинный горизонт требует регулярного пересмотра, а с высокой или хотя бы удовлетворительной степенью определённости компания сегодня может планировать примерно на год. Основным критерием остаётся эффект от проекта. При этом для задач, связанных с импортозамещением и безопасностью, прямой финансовый эффект может отсутствовать, поэтому применяется риск-ориентированный подход.

Рамазан Абакаров отметил, что стратегические планы компаний сохраняются, однако конкретные дорожные карты и проекты имеют более короткий горизонт. По его словам, стратегия формируется крупными мазками, а затем переводится в дорожные карты и конкретные проекты. Его ориентир — три, максимум пять лет. Абакаров отдельно отметил, что далеко не во всех случаях можно измерить прямую финансовую окупаемость. В качестве примера он привёл проекты, связанные с охраной труда. Они могут не приносить очевидного финансового дохода, однако снижение риска для жизни и здоровья сотрудников также является измеримым эффектом.

Денис Юдаков отметил, что в «СИБУРе» требования к экономическому эффекту стали более жёсткими. Если несколько лет назад приемлемыми могли считаться проекты с горизонтом окупаемости около трёх лет, то теперь компания концентрируется на более быстром эффекте. Причина, по его словам, заключается не только в оптимизации затрат, но и в быстром изменении самих технологий и процессов. Проект, рассчитанный на несколько лет, может столкнуться с тем, что его первоначальный эффект будет изменён или частично поглощён следующим технологическим этапом.

Илья Массух также говорил о горизонте порядка пяти лет и необходимости ежегодного пересмотра проектов. Главным критерием, по его словам, должна оставаться производительность и экономическая эффективность.

Сергей Фокин отметил, что компании вынуждены инвестировать в цифровые технологии ещё и потому, что иначе дополнительную маржу от существующих производственных активов могут получить другие участники рынка за счёт применения новых технологий.

Универсальной финансовой модели нет

Участники не выделили единой модели финансирования цифровых проектов.

Владимир Кушвид предложил разделять проекты по их стратегической роли. Если компания получает за счёт решения конкурентное преимущество, контроль архитектуры, разработки и управления данными должен оставаться внутри компании. 

Для общего корпоративного сервиса, напротив, может быть рациональнее использовать подписную модель и не заниматься самостоятельно разработкой, сопровождением и управлением бэклогом. Если речь идёт об общеотраслевой платформе, важным становится совместный контроль разработки с вендором.

Заяна Ачинова рассказала о гибридном подходе. В зависимости от конкретного бизнес-сценария могут использоваться SaaS, полностью обслуживаемый сервис, инвестиционное финансирование, лицензирование и сублицензирование. Для некоторых направлений, включая АСУ ТП, инфраструктуру и искусственный интеллект, рассматриваются также концессионные модели. По её словам, такой подход связан в том числе с дефицитом финансирования и специалистов: в конкретный момент компании может быть выгоднее привлечь внешнюю компетенцию или готовый сервис, чем самостоятельно формировать команду и ждать накопления необходимых компетенций.

Денис Юдаков отметил, что сегодня компании всё чаще выбирают не столько модель финансирования, сколько саму форму создания решения. Российские продукты пока не всегда обладают зрелостью зарубежных решений с десятилетиями накопленных разработок, поэтому «СИБУР» в ряде случаев переходит от обычной модели «заказчик — поставщик» к партнёрству и совместной разработке. По его словам, иногда созданное таким образом решение получает совместные права и затем выводится на рынок. Это позволяет не замыкать продукт исключительно на одном заказчике, но и не ждать появления готового решения на рынке.

Одновременно возникает другой вопрос: чем новое решение действительно лучше возможности относительно недорого разработать аналог самостоятельно. По мнению Юдакова, это становится одним из основных барьеров для российских вендоров. Он также отметил, что «СИБУР» за последний год стал чаще сопоставлять варианты «купить» и «сделать самостоятельно».

Отдельным примером совместной работы с поставщиками стал опыт «Гринатома». По словам Ачиновой, в «Росатоме» используются 28 корпоративных конфигураций 1С. «Гринатом» взаимодействует с «ГринТЕК» и 1С при создании и тиражировании типовых решений, а внешние компетенции привлекаются для реализации конкретных проектов без постоянного увеличения собственной команды.

Рамазан Абакаров рассказал об аналогичном подходе «РусГидро ИТ сервис». По его словам, компании потребовалось расширить направление, связанное с SCADA-системами. Для этого было заключено партнёрство с вендором, через которое компания начала наращивать собственные компетенции. Значительную часть внедрений компания выполняет собственными силами. При этом собственные идеи и наработки, которые могут быть применимы шире конкретного проекта, передаются партнёру для развития и включения в продукт. По словам Абакарова, такой формат позволяет одновременно развивать собственные компетенции и превращать практический опыт заказчика в тиражируемое решение.

ИИ: не одна технология, а набор инструментов

Большая часть второй половины дискуссии была посвящена искусственному интеллекту.

Владимир Кушвид отметил, что сама генеративная ИИ-технология, по его мнению, не переоценена. Переоценённым он назвал ожидание, что покупка хорошей модели автоматически даст бизнес-эффект. По его словам, ИИ должен быть встроен в бизнес-процессы, менять экономику процесса и подключаться к корпоративным данным и знаниям. Он описал последовательность развития таких систем через три стадии: «знает, действует, координирует». В качестве примера Кушвид привёл сервис, который обрабатывает более 1,2 млн обращений и поддерживает около 800 услуг. На него приходится около 20 тыс. обращений в неделю, а собственная модель уже генерирует более 3000 ответов в месяц.

Следующий этап, по его словам, связан с подключением корпоративных данных и знаний. Наиболее сложной частью становятся знания, которые не записаны в инструкциях и формальных документах, а существуют в опыте сотрудников и «между строк». Наиболее перспективным следующим шагом он назвал ситуацию, в которой ИИ-агент сможет координировать несколько сложных процессов. До этого этапа, по его словам, компания пока не дошла.

Денис Юдаков подчеркнул, что ИИ нельзя рассматривать как одну универсальную технологию. Для разных задач требуются разные инструменты: в одном случае ограничением становится вычислительная инфраструктура, в другом — модель, доступ к внешнему сервису, разработка программного обеспечения или создание чат-бота.

Заяна Ачинова рассказала о нескольких направлениях применения ИИ в «Росатоме». Среди них — предиктивная аналитика оборудования на атомных станциях, компьютерное зрение для контроля состояния топливных таблеток в ТВЭЛ, а также внутренние агенты и LLM-ассистенты для корпоративных функций. По её словам, внутри корпоративных функций используются различные агенты для сокращения рутинных операций, однако сейчас больше внимания уделяется применению ИИ непосредственно в производстве — для сокращения производственных циклов и увеличения выпуска.

Илья Массух назвал развитие ИИ естественным продолжением эволюции ИТ. При этом, по его мнению, не все решения необходимо разрабатывать самостоятельно: компании, работающие сразу с несколькими заказчиками, могут адаптировать ИИ более глубоко и распространять полученный опыт между проектами.

Суверенность моделей и риск передачи данных

В контексте технологического суверенитета Массух отдельно остановился на вопросе, где именно должны работать ИИ-модели и куда передаются данные. По его словам, крупным компаниям не обязательно самостоятельно заниматься созданием всех языковых моделей. При этом специализированные модели, ориентированные, например, на предиктивную аналитику и повышение качества производства, целесообразно «приземлять» внутри России. Важно, чтобы они работали внутри таких компаний, как «Росатом», «СИБУР» и «Газпромнефть», а система их обновления оставалась независимой. Массух связал этот вопрос с риском передачи информации внешним моделям. Если пользователь направляет во внешнюю модель дополнительную информацию, соответствующие данные фактически могут покидать внутренний контур. 

В качестве иллюстрации он привёл историю с уравнением Стокса. По его пересказу, после сообщения о том, что одна из систем ИИ якобы решила эту сложную математическую задачу, возник вопрос о том, откуда модель получила необходимые данные. Позднее выяснилось, что математик последовательно работал с моделью, корректируя запросы и направляя её к результату. Массух связал этот пример с другой историей — игрой IBM Deep Blue с Гарри Каспаровым. По его словам, тогда шахматисты помогали системе выбирать направления поиска, поскольку вычислительных ресурсов было недостаточно для перебора всех вариантов. Для обсуждения суверенитета ИИ, по мнению Массуха, из этих примеров следует практический вывод: необходимо понимать, где находятся модели, какие данные через них проходят и насколько компания контролирует их работу и обновление.

ИИ при разработке ПО: ускорение не равно сокращению стоимости проекта

Отдельно участники обсудили применение ИИ для программирования.

Рамазан Абакаров рассказал о двух экспериментах. В одном случае весь результат генерации кода пришлось перепроверять. В другом около 90% кода было признано достаточно качественным, тогда как примерно 10% содержало ошибки. Он подчеркнул, что ИИ следует воспринимать как помощника, а не как универсальную замену специалиста. По его словам, инструмент нужно осваивать и постепенно передавать ему отдельные участки работы по мере накопления опыта.

Заяна Ачинова говорила о возможности повышения эффективности написания кода с помощью ИИ до 50%, но также подчеркнула, что разработка составляет только около 20% совокупной стоимости проекта. Значительную часть затрат составляют инфраструктура, организационные мероприятия и другие составляющие.

Поэтому даже существенное ускорение написания кода само по себе не означает пропорционального сокращения стоимости всего проекта.

Денис Юдаков отметил, что качество результата зависит от того, насколько хорошо сформулирована задача, подготовлена архитектура, определены среда, роли, ограничения и данные. ИИ, по его словам, становится профессиональным инструментом, который позволяет подготовленному специалисту работать быстрее и качественнее, но не отменяет необходимости профессиональной компетенции. При этом он отметил более широкий эффект ИИ в ИТ. Ранее автоматизация процессов могла быть слишком дорогой, особенно если процессы часто менялись: иногда было проще изменить Excel, чем перепрограммировать информационную систему. С появлением ИИ часть такой автоматизации становится дешевле, поэтому появляются возможности для реализации проектов, которые прежде не давали достаточного эффекта.

Ещё одним важным направлением Юдаков назвал персональную производительность сотрудников. ИИ уже используется для подготовки документов, презентаций и других рутинных задач, однако качественный результат требует умения правильно формулировать задачу и предоставлять модели необходимые данные. По его наблюдению, постепенно сокращается количество операций, в которых человеку не требуется принимать решение, но приходится выполнять алгоритмизированную рутину: переносить данные между системами, заполнять файлы, обрабатывать документы.

В качестве примера он привёл старые Excel-файлы с большим количеством макросов, в которых фактически был заключён интеллектуальный труд. Теперь этот труд в ряде случаев можно разобрать с помощью модели и переписать в программу. Аналогично ИИ может автоматически разбирать готовый код и создавать его документацию.

Чем выше цена ошибки, тем осторожнее внедрение

Отдельно обсуждалось применение ИИ в критических процессах.

Павел Фомин отметил, что электроэнергетика — одна из наиболее консервативных отраслей, а допустимый уровень ошибки в ней крайне низок. Поэтому внедрение ИИ происходит преимущественно в корпоративных функциях и отдельных процессах, где риск контролируем. При этом отдельные решения уже используются. В одном из процессов, связанных с диспетчеризацией, нейросетевой агент уже обрабатывает около 80% заявок. 

Фомин подчеркнул, что для получения экономического эффекта от ИИ необходим масштаб, а для масштабирования нужны структурированные и подготовленные данные. Именно здесь, по его словам, возникает серьёзная проблема: внутри электроэнергетики у разных компаний и процессов могут быть свои способы описания процессов и разнородные данные. Эту ситуацию он иллюстрировал выражением «каждый суслик агроном», подчёркивая самостоятельность и неоднородность отдельных участков и массивов данных.

Фомин также отметил, что в электроэнергетике внедрение новых технологий занимает длительное время: требуется тестирование, проработка с инвесторами и планирование бюджетов. В результате за несколько лет сама ИИ-технология может существенно измениться. Поэтому «Россети» аккуратно выбирают области применения с точки зрения устойчивости и надёжности электросетевого хозяйства и готовы тестировать относительно готовые решения.

Рамазан Абакаров отметил, что корпоративная информация не должна выходить за пределы контролируемого периметра. Поэтому распространённым подходом является размещение соответствующих решений внутри собственной инфраструктуры. Он также обратил внимание на стоимость ИИ-инфраструктуры. По его словам, вычислительные ресурсы требуют настолько значительных затрат, что при определённых сценариях возникает образная ситуация, когда «теперь должны ещё электростанцию с собой возить».

Абакаров отдельно говорил о KPI, которые могут задаваться сверху для стимулирования внедрения ИИ. По его оценке, сама постановка задачи через количество внедрённых ИИ-решений может быть проблемной: важнее определить, где технология действительно необходима и какой эффект она должна дать. При этом он отметил, что руководство «РусГидро ИТ сервис» придерживается достаточно взвешенного подхода: компаниям говорят использовать ИИ, но не подталкивают к искусственному ускорению внедрения. 

По его словам, решения постепенно внедряются во всех направлениях бизнеса, но с разной степенью успешности. Возможны завышенные ожидания, последующее разочарование и возврат к традиционным способам работы. Поэтому, считает Абакаров, внедрение должно оставаться постепенным. Он также подчеркнул, что в его понимании ИИ-решения должны быть закрытыми и суверенными, поскольку не вся корпоративная информация может передаваться во внешний контур. По его мнению, для таких задач компании преимущественно рассматривают on-premise-размещение.

Сергей Фокин обратил внимание на то, что цена ошибки особенно высока в промышленности и в таких областях, как автономное вождение. Регуляторные требования и необходимость контроля рисков, по его словам, ограничивают скорость внедрения.

Таким образом, участники не противопоставляли развитие ИИ и требования безопасности: скорость внедрения должна соответствовать последствиям возможной ошибки.

Потенциал ИИ и две оценки Кушвида

Говоря о масштабе потенциального применения ИИ, Владимир Кушвид связал его не только с автоматизацией отдельных операций, но и с перестройкой самих процессов. По его словам, по имеющимся у него исследованиям до 70% потерь внутри компаний приходится на неэффективные действия, тогда как только около 30% действий создают ценность. Поэтому поле применения ИИ в крупных корпорациях он считает очень широким.

Одновременно Кушвид отметил, что сама технология уже достигла уровня, при котором, по его оценке, может заменить до 70% операций в крупных корпорациях. Он подчеркнул, что для реализации этого потенциала необходимо заниматься «гигиеническими» задачами — изучением и структурированием знаний, подготовкой данных и перестройкой процессов. Это требует значительных трудозатрат и инвестиций, поскольку компании приходится критически пересматривать собственные процессы, а не просто подключать готовую модель. Приведённые Кушвидом цифры являются его оценками, прозвучавшими в ходе дискуссии, а не универсальными показателями, установленными участниками форума.

Главная ошибка — начинать с технологии

В заключительной части дискуссии Владимир Кушвид сформулировал несколько типичных ошибок при внедрении ИИ.

Первая — начинать не с бизнес-потребности, проблемы или потерь, а с готового прототипа или выбранной технологии. Если у проекта нет владельца процесса и понимания того, какой именно процесс должен измениться, даже хороший прототип или MVP может не привести к результату.

Вторая ошибка — считать, что после покупки модели или подписки задача решена. Если данные не подготовлены, а в цифровом контуре остаются «белые пятна», внедрение ИИ, напротив, выявляет необходимость перестраивать процессы.

При этом ИИ может показать проблемы, которые ранее оставались незаметными, поскольку обнаруживает отсутствие структурированных данных и формализованных знаний. Кушвид связал эту проблему с необходимостью сначала разобраться в собственных знаниях и процессах, а уже затем масштабировать технологию.

От замещения — к эффективности

Обсуждение на пленарной сессии показало переход от первоначальной задачи экстренной замены зарубежных технологий к более сложному этапу — выбору конкретных решений с учётом их эффективности, стоимости, совместимости, безопасности и способности работать в существующей архитектуре.

При этом участники не рассматривали импортозамещение как полностью решённую задачу: наряду с уже существующими российскими решениями сохраняются отдельные технологические пробелы, проблемы компетенций, качества продуктов и сроков замещения.

Одновременно меняется сама логика цифровых проектов. Если раньше цифровизацию можно было выделять как отдельный класс проектов, то теперь цифровая составляющая становится частью практически любого крупного проекта. Аналогичным образом ИИ постепенно превращается из отдельного экспериментального направления в один из обычных инструментов работы.

В цифровых проектах всё более важным становится не сам факт внедрения технологии, а получаемый бизнес-эффект. Это отражается и в сокращении инвестиционных горизонтов, и в более строгом отношении к окупаемости, и в поиске гибридных моделей взаимодействия с поставщиками.

Одновременно меняется модель отношений с российскими вендорами. Там, где готового зрелого продукта недостаточно, компании готовы совместно разрабатывать решения, наращивать собственные компетенции и превращать полученные на практике наработки в тиражируемые продукты.

Отдельным измерением технологического суверенитета в дискуссии стало управление ИИ-моделями и данными. Участники говорили не только о наличии отечественных решений, но и о том, где размещаются модели, какие корпоративные данные через них проходят и насколько компания контролирует их работу и обновление.

Искусственный интеллект в этой логике также рассматривается прежде всего как инструмент решения конкретных задач. Его эффект зависит от интеграции в процессы, качества данных, корпоративных знаний, архитектуры и компетенций пользователей.

В итоге следующий этап технологического развития, о котором говорили участники сессии, связан уже не только с созданием отечественных аналогов. Речь идёт о перестройке существующих решений, более коротких циклах внедрения, совместной разработке с поставщиками и способности компаний эффективно использовать цифровые инструменты в собственных процессах.

__________________________
Аналитический материал подготовлен на основе содержания докладов конференции с использованием инструментов искусственного интеллекта. Все выводы основаны исключительно на материалах представленных выступлений.

© СТА-ПРЕСС, 2026