Цифровые платформы переживают новый этап развития. Если несколько лет назад главным вызовом были технологии, то сегодня на первый план выходят экономика ИИ-проектов, скорость внедрения новых решений и безопасность. Как меняется роль ИТ-директора, почему не все проекты с использованием больших языковых моделей окупаются и зачем «Циан» строит агентные системы нового поколения, в интервью CNews рассказал ИТ-директор «Циана» Максим Радюков.
«Если использовать решения годичной давности, особенно в сфере больших языковых моделей, можно быстро отстать»
CNews: С какими вызовами в 2026 г. сталкиваются цифровые платформы и как с ними справляются?
Максим Радюков: Если несколько лет назад основными вызовами были технологии и развитие продуктов, то сейчас на первый план вышла экономика. Особенно это заметно в проектах, связанных с искусственным интеллектом и большими языковыми моделями. И если смотреть на PnL (profit and loss, P&L, «доходы и расходы». — прим.ред.), расходы на технологическую инфраструктуру — это значительная часть бюджета.
Компании начали внимательно считать экономику каждого продукта. Расходы на вычислительную инфраструктуру стали настолько значительными, что теперь недостаточно просто создать востребованный сервис — нужно понимать, окупится ли его эксплуатация. Мы все чаще видим ситуации на рынке, когда продукты, использующие большие языковые модели, оказываются экономически неэффективными.
Второй важный вызов — скорость изменений и адаптация к ним. Еще 3-4 года назад компания могла полгода присматриваться к новой технологии, прежде чем внедрять ее в промышленную эксплуатацию. Сегодня, если использовать решения годичной давности, особенно в сфере больших языковых моделей, можно быстро отстать от конкурентов.
Еще один серьезный вызов связан с демократизацией доступа к ИИ, что меняет отношение компаний к качеству и информационной безопасности. Так, мы видим, что требования к качеству кода, данных и цифровых сервисов сегодня вышли на совершенно новый уровень. Одновременно снизилась стоимость поиска уязвимостей: современные открытые модели позволяют анализировать код практически любому специалисту. Но и стоимость взлома тоже стала дешевле, так что вопросам информационной безопасности сегодня уделяется значительно больше внимания.
CNews: Насколько в таких условиях сложно выстраивать долгосрочную ИТ-стратегию, делать какие-то прогнозы?
Максим Радюков: ИТ-стратегия строится вокруг трех составляющих: люди, процессы и технологии. Да, технологии меняются очень быстро, но именно стратегия позволяет синхронизировать изменения внутри компании, адаптироваться к ним.
Если этого не делать, легко возникает хаос. Каждая команда начинает самостоятельно экспериментировать с новыми инструментами, появляется множество разных технологий, которыми никто централизованно не управляет. На определенном этапе такие партизанские методы уже не ускоряют развитие компании, а, наоборот, начинают его замедлять. Так что ИТ-стратегия, если у кого-то она раньше была лишь для «галочки», сегодня превратилась в настоящую путеводную звезду, которая помогает скоординировать усилия.
Кроме того, далеко не все новые модели одинаково надежны. Некоторые могут выдавать ошибочные рекомендации или генерировать небезопасный код, чем пользуются хакеры. Поэтому компании важно понимать, какие технологии использовать, где их применять и каким образом контролировать качество результата.
CNews: Как в связи с этим за последние несколько лет изменилась роль ИТ-директора?
Максим Радюков: Раньше ИТ-директор в первую очередь отвечал за инфраструктуру и процессы разработки. Сейчас от него ожидают гораздо большего. Он становится одним из тех, кто формирует технологический фундамент бизнеса.
Современному ИТ-директору недостаточно говорить только на техническом языке. Он должен одинаково хорошо понимать технологии, продукт и бизнес.
Мы уже видим появление совмещенных ролей, например, CPTO (Chief Product and Technology Officer — прим.ред.), это директор по продуктам и технологиям, объединяющий роли CTO и CPO.
Кроме того, ИТ-директору необходимо понимать финансовую сторону бизнеса: обсуждать экономику проектов с финансовым директором, обосновывать инвестиции акционерам, участвовать в формировании стратегии компании. Если раньше ИТ-департамент в большей степени обслуживал идеи бизнеса, сегодня бизнес ожидает, что именно ИТ будет драйвером новых направлений развития. От ИТ-директора ждут не только качественной эксплуатации платформы, но и новых идей, которые способны приносить компании дополнительную ценность.
CNews: Какие тренды, на ваш взгляд, сегодня определяют развитие цифровых платформ?
Максим Радюков: Искусственный интеллект и большие языковые модели уже перестали быть экспериментом — это базовая технология, с которой приходится работать практически всем крупным цифровым платформам. Но если год назад многие компании внедряли ИИ по принципу «сначала внедрим, потом разберемся», то сейчас ситуация изменилась.
Так, в 2025 г. Массачусетский технологический институт выпустил исследование, из которого следует, что 95% компаний, попробовавших внедрить искусственный интеллект, не получили от него измеримого финансового эффекта — проекты застревали на стадии пилота и не масштабировались. А Джон Лавлок, главный прогнозист Gartner, говорил, что компании уже достигли «дна разочарования» в ИИ.
Так что бизнес начал задавать вполне закономерный вопрос: а где экономический эффект? Мы видим, что рынок стал гораздо прагматичнее. Если раньше достаточно было показать красивую демонстрацию технологии, то теперь необходимо доказать, что она действительно создает ценность и приносит пользу.
При этом области, где большие языковые модели показывают максимальную эффективность, уже хорошо понятны. В первую очередь это автоматизация рутинных операций, повышение производительности сотрудников и развитие интеллектуального поиска. Для цифровых платформ поиск — одна из ключевых функций. Наша задача заключается в том, чтобы максимально быстро и точно соединить покупателя и продавца. Если раньше поиск в основном опирался на классические алгоритмы, то большие языковые модели позволяют понимать контекст пользовательского запроса. Это открывает возможности для гораздо более глубокой персонализации и повышения конверсии.
Еще одно важное направление — автоматизация поддержки и модерации. Речь не о том, чтобы полностью заменить человека, а о том, чтобы снять с сотрудников рутинные задачи и дать им возможность сфокусироваться на действительно сложных случаях.
«Мы ускорили поисковую выдачу в мобильном приложении на 13% и внедрили нейросетевой подход к подбору объявлений в рекомендациях»
CNews: Значит, вы нашли для себя ответ на вопрос, где ИИ действительно приносит деньги? Поделитесь успешными кейсами?
Максим Радюков: Мы разделяем несколько направлений. Первое — это развитие существующих продуктов. Когда мы точечно добавляем искусственный интеллект в уже работающий сервис, мы очень внимательно измеряем эффект. Если речь идет, например, о поиске, мы анализируем изменение продуктовых метрик, качество выдачи и конверсии. Если показатели растут, значит решение действительно работает.
Например, во втором квартале мы ускорили поисковую выдачу в мобильном приложении на 13% и внедрили нейросетевой подход к подбору объявлений в рекомендациях. Раньше система в основном ориентировалась на совокупность интересов пользователя, теперь модель учитывает последовательность его действий и прогнозирует, какие объекты могут быть релевантны ему следующим шагом. Это позволяет точнее персонализировать выдачу и повышать вероятность того, что пользователь найдет подходящий объект. Также мы используем ИИ в модерации: на «Циане» размещено 2,1 млн объявлений, а чистота базы составляет 99%.
Второе направление — экспериментальные продукты. Например, «Циан-помощник» — ИИ-сервис для поиска недвижимости и консультаций, который уже стал полноценным продуктом, но одновременно остается для нас полигоном для проверки новых гипотез. Он персонализирует поиск жилья по текстовому запросу и отвечает на вопросы пользователей о недвижимости. Более 7 млн человек взаимодействовало с сервисом с момента запуска. Около 70% просматривают все рекомендации помощника, а 30% переходят на рекомендуемые объявления и совершают действия.
Особенно хорошо заметен эффект в разработке: более 35% строчек кода в день пишет нейросеть
С ним задача не столько получить мгновенный финансовый результат, сколько собрать опыт, понять поведение пользователей и протестировать разные модели и подходы. Эти знания потом используются при развитии других сервисов компании.
Третье направление — повышение операционной эффективности. Именно здесь мы сегодня видим один из наиболее заметных эффектов от использования больших языковых моделей. Мы создали ИИ-платформу «Циана» — единый внутренний контур генеративного ИИ для всей компании, который помогает быстрее запускать ИИ-кейсы, безопасно работать с данными и снижать зависимость от внешних ИИ-провайдеров. Сегодня GPT Gateway обрабатывает около 300 тыс. запросов в сутки при пике до 15 запросов в секунду.
Особенно хорошо заметен эффект в разработке: более 35% строчек кода в день пишет нейросеть. Но здесь тоже нельзя говорить, что достаточно просто подключить ИИ и производительность автоматически вырастет. Все значительно сложнее.
CNews: Были случаи, когда ожидания от внедрения ИИ не оправдались?
Максим Радюков: Например, мы пробовали масштабно внедрить большие языковые модели в процессы разработки. Казалось бы, именно здесь технология должна показать максимальный эффект. Но в некоторых командах мы увидели обратную картину — производительность снизилась. Мы начали разбираться и обнаружили несколько причин.
Во-первых, не вся инфраструктура одинаково хорошо подходит для работы современных моделей. Даже при использовании самых актуальных решений ограничения все равно существуют. Во-вторых, оказалось, что сами разработчики были не готовы эффективно использовать новые инструменты. Многие воспринимают работу с большой языковой моделью очень упрощенно: написал запрос — получил код. На практике все устроено иначе. Чтобы получать качественный результат, нужно понимать принципы работы моделей, уметь правильно формулировать спецификации, проверять результаты и оценивать их качество.
По сути, это новая инженерная дисциплина. Когда мы это поняли, то приостановили эксперимент, доработали инфраструктуру, обучили команды новым подходам и только потом продолжили внедрение. После этого результаты стали значительно лучше. Этот опыт показал, что само по себе внедрение ИИ не гарантирует успеха. Необходимо учитывать технологический контекст, уровень подготовки сотрудников и особенности конкретной команды.
«ИИ становится мощным инструментом усиления инженера, но не заменой инженерного мышления»
CNews: Разработчики опасаются, что искусственный интеллект постепенно заменит программистов…
Максим Радюков: Я, наоборот, считаю, что через несколько лет спрос на сильных инженеров только вырастет. Сегодня с помощью ИИ действительно стало проще писать код. Но этот код потом необходимо сопровождать, развивать и поддерживать. Кроме того, требования к качеству программного обеспечения будут только повышаться.
Поэтому возрастет ценность специалистов, которые умеют правильно использовать возможности искусственного интеллекта и способны существенно повысить собственную производительность. ИИ становится мощным инструментом усиления инженера, но не заменой инженерного мышления.
CNews: Сегодня многие компании активно используют вайбкодинг. При этом регулярно возникают вопросы о безопасности и утечке исходного кода в зарубежные языковые модели. Как вы решаете эту проблему?
Максим Радюков: Мы изначально выстраивали архитектуру таким образом, чтобы контролировать работу с моделями. Доступ к ним организован через единый шлюз, который позволяет управлять тем, какие данные могут передаваться, а какие — нет.
Для большинства продуктовых сервисов мы используем внешние модели, но при этом запрещаем использовать персональные данные для их обучения. Это принципиальная позиция. Если же речь идет о действительно чувствительной информации — алгоритмах, внутренних сервисах или других критически важных данных, — мы используем только локальные модели.
По сути, мы придерживаемся гибридного подхода. Там, где скорость важнее всего, применяем самые современные доступные модели. Там, где на первом месте безопасность, работаем с локальной инфраструктурой.
CNews: Изменилось ли с появлением вайбкодинга отношение к найму разработчиков?
Максим Радюков: Да, но не так, как многие ожидали. Мы не стали сокращать требования к кандидатам — наоборот, повысили их.
Сегодня владение современными инструментами разработки с использованием ИИ становится базовой компетенцией. Мы рекомендуем кандидатам использовать их даже при выполнении тестовых заданий. Но одновременно гораздо внимательнее оцениваем фундаментальные инженерные знания. Мы даже создали матрицу ИИ-зрелости для развития навыков работы с нейросетями.
Большая языковая модель — это усилитель. Если человек хорошо понимает архитектуру, умеет проектировать системы и принимать инженерные решения, ИИ позволяет ему работать значительно эффективнее.
Если же базовых знаний нет, модель только масштабирует ошибки. В результате качество кода начинает ухудшаться.
Поэтому сегодня мы гораздо глубже оцениваем архитектурное мышление кандидатов, умение работать с неопределенностью и способность самостоятельно принимать технические решения.
«Еще недавно одними из лидеров для нас были решения Anthropic, а сегодня нас приятно удивляют китайские модели семейства GLM и Kimi»
CNews: Какими языковыми моделями сегодня пользуется «Циан»? Сейчас есть тренд на разработку отраслевых моделей — как вы к нему относитесь? Нет ли планов создать свою?
Максим Радюков: Собственную большую языковую модель мы создавать не планируем, причина простая: скорость развития мирового рынка сегодня настолько высока, что очень сложно конкурировать с разработчиками фундаментальных моделей.
К слову, гораздо эффективнее брать уже существующие решения и адаптировать их под свои задачи. Мы активно используем подходы вроде LoRA-адаптации, которые позволяют относительно быстро и недорого донастраивать готовую модель под конкретные сценарии, не создавая фундаментальную модель с нуля. При выборе технологии мы оцениваем несколько факторов: качество, скорость, безопасность и экономику решения. Для одних задач оптимальным оказывается локальное использование модели, для других — API внешнего сервиса.
CNews: Какие модели сегодня кажутся наиболее интересными?
Максим Радюков: Здесь ситуация меняется очень быстро. Еще недавно одними из лидеров для нас были решения Anthropic, а сегодня нас приятно удивляют китайские модели семейства GLM и Kimi. Мы активно тестируем разные современные решения, в том числе Codex, модели Anthropic, Qwen, GLM и другие.
У каждой есть свои сильные стороны, поэтому мы не делаем ставку на одного поставщика. В конечном счете для нас важна не конкретная модель, а то, насколько хорошо она решает задачу пользователя или сотрудника с учетом требований к качеству, безопасности и стоимости.
CNews: Сегодня много говорят об агентных системах. Используете ли вы подобные решения в «Циане»?
Максим Радюков: Да, когда мы только начинали заниматься агентными системами, то пытались воспроизвести привычную модель работы людей: один агент — разработчик, второй — тестировщик и так далее. Но довольно быстро стало понятно, что искусственный интеллект не обязан копировать человеческие процессы.
Поэтому мы перешли к другому подходу. Например, один агент пишет код, другой его проверяет, третий ищет потенциальные уязвимости. Такие связки уже показывают хорошие результаты в наших внутренних процессах разработки.
Пока это внутренние проекты, которые помогают повышать качество разработки, уровень информационной безопасности и стабильность платформы. При этом критические действия остаются под контролем специалистов.
CNews: И последний вопрос. Какие технологические задачи сегодня стоят на повестке дня в «Циане»?
Максим Радюков: Сейчас мы продолжаем технологическую трансформацию компании. Во-первых, мы хотим существенно ускорить разработку продуктов. Все больше рутинных операций будут выполнять агентные системы, а инженеры смогут сосредоточиться на проектировании и принятии архитектурных решений. Это позволит заметно сократить time-to-market новых сервисов.
Во-вторых, мы перестраиваем работу с данными. Если раньше многие процессы строились вокруг пакетной обработки информации, то сейчас постепенно переходим к работе практически в режиме реального времени. Это необходимо для дальнейшего развития персонализации сервисов.
И, наконец, третье направление — качество и безопасность. Мы уже используем агентные системы для анализа кода и поиска потенциальных ошибок, которые могут остаться незамеченными при обычной проверке. В дальнейшем роль таких инструментов будет только расти.
В целом я считаю, что цифровые платформы будут двигаться в сторону глубокой персонализации. Данные станут еще более ценным активом, одновременно возрастут требования к их качеству, скорости обработки и защите. Именно эти направления во многом будут определять развитие отрасли в ближайшие годы.
