Надёжность инфраструктуры по версии ManageEngine — это разговор с CFO, а не с CTO

Вопрос, который каждый платформенный лид в Юго-Восточной Азии должен задать своему CFO в этом квартале, звучит не так: «какую модель лицензировать?» — а вот так: «какая доля следующего бюджетного цикла на ИИ уйдёт не на лицензии доступа к моделям, а на скучный слой под ними — пайплайны данных, управление идентификацией и наблюдаемость?» Именно такое переосмысление продвигал Раджеш Ганесан, CEO ManageEngine, в ходе открытого кейноута на конференции ManageEngine Southeast Asia User Conference в Джакарте на этой неделе. На первый взгляд это похоже на стандартный вендорский нарратив. Если читать внимательно — это предупреждение для закупочных команд.

Цифры

В кейноуте нет никаких конкретных денежных показателей, и само это отсутствие — уже история. Как сообщал Back End News из Джакарты, Ганесан потратил своё время на сцене на то, чтобы перенаправить внимание с расходов на модели к готовности инфраструктуры, назвав качество данных одной из главных проблем, с которыми сталкиваются организации при достижении результатов в ИИ. Для CEO компании, продающей ПО для управления ИТ, это вполне ожидаемо. Но по моей оценке, это также в целом правильное направление — и рынок медленно это осознаёт.

Рассмотрим то, что он изложил. Организации по всей Юго-Восточной Азии ускоряют внедрение ИИ, при этом продолжая эксплуатировать комбинацию локальных систем и облачных сервисов. Правительства региона ужесточают требования к суверенитету данных, а значит, вопрос о том, где хранятся данные, становится юридическим, а не только архитектурным. Растущий спрос на вычислительные мощности и увеличение энергопотребления дата-центров были названы практическими ограничениями для внедрения. Каждое из этих наблюдений по отдельности не ново. Вместе они описывают кривую затрат, которая идёт не в ту сторону для тех, кто считал, что капиталовложения в ИИ — это в основном статья расходов на GPU.

Ганесан представил текущий момент как очередной этап более длинной дуги: организации оцифровали ручные процессы, затем автоматизировали рабочие процессы, потом улучшили опыт сотрудников и клиентов. Следующая фаза, по его словам, — это системы, которые принимают решения и реагируют при минимальном участии человека. Это — питч об автономии. Принципиальное отличие от предыдущих циклов трансформации — в зависимости: автономия требует такого качества данных, при котором модель может действовать без участия человека, который отловит ошибки. «Если ваши данные некачественны, какой бы мощной ни была ИИ-модель, вы не увидите результатов, — сказал он, — особенно таких результатов, как автономия, когда вы хотите, чтобы система сама обо всём заботилась.»

Следствие для юнит-экономики очевидно. Каждый доллар, потраченный на доступ к передовым моделям без соответствующих инвестиций в качество данных, интеграцию и наблюдаемость, — это доллар, который производит результат на демо, но не в продакшне. Финансовые команды, которые относили расходы на ИИ к одной строке бюджета, обнаружат примерно через два бюджетных цикла, что это три или четыре строки с очень разными профилями ROI.

Что действительно нового

По-настоящему новый сигнал здесь — не в том, что надёжность важна. Это знал каждый, кто проводил платформенную команду через аудит на соответствие требованиям. Новое — в том, что вендор из категории ИТ-операций теперь явно выступает против нарратива «модель прежде всего», и делает это на рынке, где гибридное развёртывание является нормой, а не пережитком прошлого.

ManageEngine обозначил планы по созданию более унифицированной платформы, охватывающей управление сервисами, управление конечными точками, управление идентификацией и доступом (IAM), операции безопасности, наблюдаемость и аналитику. Технология Zia AI будет встроена во всю платформу для автоматизации рутинных задач, повышения безопасности, оркестрации рабочих процессов и ускорения принятия решений ИТ-командами. Если снять маркетинговый глянец, это описывает консолидационную игру, нацеленную именно на ту операционную поверхность, где ИИ-агенты либо добьются успеха, либо потерпят неудачу в продакшне.

Вот почему это важно для выбора между собственной разработкой и покупкой. Платформенной команде, выстраивающей автономные или полуавтономные рабочие процессы, необходимо, чтобы identity, телеметрия конечных точек, сервисные тикеты и данные наблюдаемости говорили на одной схеме. Если они поступают от шести вендоров, налог за интеграцию — это то место, где ваш ИИ-проект тихо умирает. Если от одного — вы получаете риск привязки к вендору, но выигрываете в виде согласованной шины событий. Ни один из ответов не является универсально правильным. Однако этот выбор Heads of Platform будут вынуждены сделать в 2026 году, а не отложить до 2028-го. Референсные архитектуры, такие как фреймворк Google Cloud, и открытые стандарты, такие как OpenTelemetry, существуют именно для того, чтобы команды могли сохранять гибкость, одновременно консолидируясь. Команды, которые игнорируют эти стандарты ради скорости, заплатят за это при следующих переговорах с вендором.

Второй по-настоящему новый элемент — это питч о прагматизме. «Простота по-прежнему будет иметь большое значение, — сказал Ганесан. — Не обязательно выбирать только из лучших доступных вариантов. Можно ли сделать прагматичный выбор? Практический — например, использовать несколько разных моделей или небольшие модели для конкретных бизнес-функций?» Это прямое опровержение допущения о том, что передовая модель — всегда правильный закупочный выбор по умолчанию. Для регулируемых отраслей в особенности аргумент «маленькая модель на каждую функцию» вполне весом: дешевле инференс, проще оценка, жёстче границы данных и гораздо проще разговор с главным юрисконсультом о том, куда попадают входные и выходные данные.

Что уже учтено инженерными командами

Большинство старших инженеров уже знакомы с аргументом о качестве данных. Это была главная мораль каждого ретроспективного анализа ML-проектов примерно с 2017 года. Что ещё не учтено, на мой взгляд, — это последствия для организационной структуры.

Если автономия зависит от надёжности, а надёжность — от данных плюс identity плюс наблюдаемость плюс интеграция, то команда, которой принадлежат эти функции, теперь находится на критическом пути ИИ-роадмапа. В большинстве финтех- и iGaming-платформ, которые я вижу, эти функции разрознены: data engineering подчиняется аналитике, IAM живёт в отделе безопасности, наблюдаемость находится у SRE, а интеграция — это зона общей ответственности, которой на самом деле никто не владеет. Это работает, когда результатом является дашборд. Это ломается, когда результатом является агент, взаимодействующий с продакшном.

Следствие для рынка найма очевидно. Спрос на старших платформенных инженеров, способных охватывать качество данных, IAM и наблюдаемость без необходимости создавать три тикета, чтобы изменить схему, к второй половине 2026 года превысит предложение. Компенсации для таких специалистов уже растут, и кандидаты, которые могут обоснованно претендовать на эту роль, получают агрессивные контрпредложения. Команды, рассчитывавшие нанять пару prompt-инженеров и считать ИИ-инициативу укомплектованной, ждёт непростой четвёртый квартал.

Также уже учтён, но недооценён — налог на суверенитет данных. Акцент правительств Юго-Восточной Азии на месте хранения и обработки данных меняет топологию развёртывания для любого кросс-бордерного продукта. Смешанная архитектура «локально плюс облако», которую описал Ганесан, — это не переходное состояние, а конечная точка. Инженеры, проектировавшие только под облако, будут проводить рефакторинг.

Контrarianный взгляд

Контrarianная интерпретация состоит в том, что это CEO вендора говорит клиентам покупать больше того, что продаёт его компания, прикрывая это стратегическими советами. В этом есть доля правды. ManageEngine напрямую выигрывает, если предприятия решат, что ответом на готовность к ИИ является унифицированная платформа управления ИТ со встроенным ИИ. Каждый консолидационный питч в истории корпоративного ПО следовал этому сценарию.

Более интересный контраргумент носит технический характер. Если небольшие, функционально-специфичные модели плюс качественная инфраструктура данных действительно являются прагматичным путём, то победителями могут оказаться вовсе не платформенные консолидаторы. Ими могут стать команды, которые очень хорошо научились собирать лучшие компоненты с открытым исходным кодом: надёжный слой Postgres с хорошей дисциплиной репликации, OpenTelemetry-нативная наблюдаемость, несколько небольших моделей, дообученных на внутренних данных. Такой стек дешевле, более переносим и, что важно, менее подвержен рискам собственного роадмапа вендора.

Моя честная оценка: оба подхода могут быть правильными для разных компаний. Финтех на 200 человек без выделенной функции ИТ-операций получит больше пользы от унифицированного набора, чем от сборки десяти open-source инструментов. Платформенная организация на 2000 человек с реальными инфра-специалистами пожалеет о привязке к вендору в течение двух контрактных циклов. Ошибка — считать, что именно ваша компания не должна выбирать.

Вопрос для стейкхолдеров на этой неделе

Стейкхолдером, который должен взять этот вопрос на себя, является VP Engineering, а не директор по ИИ. Вопрос, который VP Engineering должен поставить на повестку исполнительной команды на этой неделе, прямой: какой процент нашего бюджета на ИИ на следующие 12 месяцев пойдёт на доступ к моделям и инференс, и какой процент — на слои данных, identity и наблюдаемости, на которых эти модели фактически будут работать? Если соотношение хуже примерно 1:2 в пользу работы над базовой платформой, план проекта является aspirational, а не операционным. Это разговор, за который CFO скажет вам спасибо в июле, а не в январе.

Ключевые выводы

• Кейноут Ганесана в Джакарте переосмысляет готовность к ИИ как вопрос закупки инфраструктуры, называя качество данных одним из главных препятствий на пути к результатам автономии.
• Шаг ManageEngine по объединению управления сервисами, конечными точками, IAM, операций безопасности, наблюдаемости и аналитики под одной платформой со встроенным Zia AI — это прямая консолидационная игра против мультивендорных ИТ-опс-стеков.
• Сочетание локальных и облачных систем в Юго-Восточной Азии в сочетании с ужесточением требований к суверенитету данных делает гибридную архитектуру стационарным состоянием, а не переходной фазой.
• Прагматичный питч об использовании небольших функционально-специфичных моделей вместо передовых вариантов по умолчанию имеет реальные преимущества по стоимости, оценке и соответствию требованиям для инженерных команд в регулируемых отраслях.
• Команды, оценивающие ИИ-платформы в ближайшие 90 дней, должны спрашивать себя, могут ли их слои данных, identity и наблюдаемости поддерживать автономное принятие решений, — а не о том, правильного ли вендора моделей они выбрали.