CNews: Российская экономика сегодня перешла на стадию охлаждения, из-за чего снижается экономическая активность, падает покупательская способность. Кредиты по-прежнему дорогие, ключевая ставка — высокая. Как на фоне всех этих проблем выстраивают свои ИТ-стратегии российские компании? Вошли ли они уже в фазу тотальной экономии, в том числе — на технологиях?

Тигран Саркисов: С точки зрения ИТ мы видим, что сегодня бизнес стал значительно требовательнее к эффективности технологических инвестиций. Это относится и к ритейлу: от ИТ-проектов все чаще ожидают понятного экономического эффекта, измеримого влияния на бизнес-процессы и прогнозируемой окупаемости. Поэтому приоритет получают решения, которые помогают повышать операционную эффективность и производительность.

При этом я бы не сказал, что компании вошли в фазу тотальной экономии на технологиях. Скорее, произошла смена приоритетов. Если раньше бизнес мог позволить себе больше экспериментировать с перспективными, но долгосрочными инициативами, то сегодня основной фокус — на проектах с понятным экономическим эффектом и прогнозируемой окупаемостью. В первую очередь это решения, которые позволяют снижать операционные затраты, повышать производительность и автоматизировать процессы.

Высокорисковые инновационные проекты действительно стали запускаться более осторожно. Кроме того, инвестиции в дорогостоящую вычислительную инфраструктуру требуют особенно тщательного обоснования: стоимость оборудования остается высокой, а отдельные категории техники по-прежнему ограничены в доступности.

Для ИТ в ритейле сегодня одна из ключевых задач — помогать бизнесу расти и одновременно повышать эффективность существующих процессов. Именно здесь технологии становятся не просто статьей затрат, а инструментом повышения производительности. Мы автоматизируем обработку данных, сокращаем объем рутинных операций, упрощаем процессы, ускоряем принятие решений и тем самым снижаем стоимость операций. В текущих условиях именно такие проекты становятся приоритетом, потому что они напрямую влияют на экономику бизнеса.

CNews: А как изменился ИТ-бюджет Х5 на фоне роста выручки? В 2025 г. она выросла до 4,64 трлн руб.

Тигран Саркисов: X5 уже много лет находится в фазе устойчивого роста, растут выручка, количество магазинов, объем операций и данных, которые необходимо обрабатывать. Поэтому потребность в современных платформах данных объективно увеличивается.

При этом мы не ставим перед собой задачу просто пропорционально увеличивать ИТ-бюджет вслед за ростом бизнеса. Наоборот, ключевой фокус сегодня — повышение эффективности использования этих инвестиций. Если говорить о бюджете, то его структура заметно меняется: все большая доля средств направляется на развитие современной инфраструктуры, платформ данных, искусственного интеллекта и инженерных компетенций, а все меньшая — на поддержку и развитие устаревших систем.

Мы последовательно избавляемся от legacy-решений и пересматриваем процессы разработки. Например, автоматизируем многие этапы подготовки требований, разработки и тестирования, внедряем ИИ-инструменты для инженеров, сокращаем количество ручных операций и лишних согласований.

CNews: Что сейчас происходит на рынке работы с данными? Как сместились акценты за последние пару лет?

Тигран Саркисов: Если говорить о том, что действительно изменилось за последние два года, главный фактор — это, безусловно, генеративный искусственный интеллект. Практически все компании сегодня думают о том, как использовать ИИ-ассистентов: сначала как помощников сотрудника (copilot), а затем — в отдельных, хорошо контролируемых сценариях — как системы, способные самостоятельно принимать часть решений.

Но вместе с этим пришло важное понимание: качество искусственного интеллекта определяется не столько самой моделью, сколько качеством данных, на которых она работает. Если раньше говорили, что «данные — это новая нефть», то сегодня, скорее, «данные — это топливо для искусственного интеллекта». Без качественных данных даже самая мощная модель не сможет принести бизнесу реальную ценность.

Именно поэтому темы, которые еще несколько лет назад многим казались избыточной бюрократией, сегодня стали стратегически важными.

Поэтому сегодня одна из ключевых задач — описание данных, стандартизация бизнес-терминов, устранение противоречий и построение единого семантического слоя. Это не самая заметная часть цифровой трансформации, но именно она становится фундаментом для широкого внедрения генеративного ИИ.

Второй важный тренд — переосмысление самих бизнес-процессов. ИИ хорошо справляется там, где правила понятны, данные качественные, а логика принятия решений формализована.

И, наконец, следующий этап развития — это управление рисками использования искусственного интеллекта. Полностью автономные сценарии появляются только там, где риски хорошо изучены и контролируются. Поэтому сейчас одна из ключевых задач — понять, какие решения можно доверить машине полностью, а где человек должен оставаться в контуре принятия решений.

CNews: А как меняется работа с данными, особенно в режиме реального времени?

Тигран Саркисов: Если раньше считалось нормальным получать информацию с задержкой в несколько часов или даже раз в сутки, то сегодня этого уже недостаточно. Во многих процессах данные должны поступать практически в режиме реального времени, только тогда они позволяют принимать решения, которые действительно влияют на результат.

В ритейле ценность информации очень быстро теряется. Если мы узнаем о проблеме завтра, то зачастую исправлять уже нечего. Поэтому важно видеть ситуацию тогда, когда на нее еще можно повлиять: пока покупатель находится в магазине, пока товар еще не закончился на полке, пока оборудование работает в штатном режиме и пока можно предотвратить его отказ.

Для компании масштаба X5 это означает обработку огромного объема событий. Кассы самообслуживания, кофемашины, холодильное оборудование, пекарни, системы видеонаблюдения, датчики и логистические процессы непрерывно генерируют данные. И задача уже не в том, чтобы просто сохранить эту информацию, а в том, чтобы превратить поток событий в конкретные действия здесь и сейчас.

Все это требует серьезной трансформации всей платформы данных: перехода от пакетной обработки к потоковой обработке данных, надежной доставки событий и обеспечения качества данных практически в режиме реального времени.

CNews: Насколько реально ускорить процесс принятия решений на больших данных?

Тигран Саркисов: Вполне реально, и хороший пример — управление магазинами. Сегодня руководитель еще до начала рабочего дня может увидеть ключевые показатели по своим магазинам, быстро определить отклонения и понять, где требуется вмешательство. Например, если задерживается поставка, возникли проблемы с оборудованием или не вышел сотрудник на смену, система позволяет увидеть это сразу и оперативно принять решение, а не узнать о проблеме постфактум. В результате меняется сама модель управления. По сути, данные не заменяют человека — они позволяют ему масштабировать свою экспертизу.

CNews: Еще несколько лет назад компании строили гигантские централизованные озера данных, а сейчас рынок все чаще говорит про сети данных или data mesh и децентрализацию. Вы тоже наблюдаете эту тенденцию?

Тигран Саркисов: Data Mesh действительно обсуждается уже несколько лет. Но, как это часто бывает с громкими концепциями, разные компании вкладывают в этот термин разный смысл. Для меня Data Mesh — это не столько про архитектуру, сколько про правильное распределение ответственности между платформой и бизнесом.

Если раньше ИТ-команда старалась самостоятельно решить практически любую задачу, сегодня ее роль меняется. Задача платформенной команды — не реализовывать каждый запрос бизнеса, а создать такую технологическую платформу, на которой бизнес-команды смогут быстро и безопасно строить собственные решения.

Low/no-code-революция: новая архитектура цифровой независимости Конференция

Поэтому платформенная команда — это относительно небольшое ядро высококвалифицированных инженеров, которое отвечает за инфраструктуру, платформенные сервисы, стандарты, безопасность и надежность. В X5 мы последовательно развиваем внутреннюю data-платформу, благодаря которой многие сервисы и инструменты для работы с данными команды могут развернуть самостоятельно, без постоянного участия платформенных инженеров.

Прикладные же команды, наоборот, должны быть максимально близки к бизнесу. Работа с ассортиментом, логистикой, цепочками поставок, клиентской аналитикой или ценообразованием требует глубокой предметной экспертизы. На мой взгляд, именно такая модель сегодня становится наиболее эффективной.

CNews: Говорят, что по части инфраструктуры все движется в облака, а большие данные как отдельная технология уже постепенно отмирает. Вы с этим согласны?

Тигран Саркисов: Если 10–15 лет назад технологии больших данных воспринимались как специализированный мир со своими командами, собственной инфраструктурой, отдельным технологическим стеком и редкими экспертами, сегодня они стали стандартной частью современной ИТ-инфраструктуры. Контейнеризация, объектные хранилища, распределенные вычисления — все это сегодня одинаково активно используется как при построении корпоративных платформ данных, так и при разработке обычных цифровых сервисов.

Мы уже не строим отдельный мир для работы с данными — мы строим единую технологическую платформу, на которой работают самые разные продукты и сервисы.

Что касается облаков, то это действительно один из ключевых трендов. Но я бы говорил не столько о переходе в публичные облака, сколько об облачной модели потребления инфраструктуры. Для крупных компаний, особенно работающих с чувствительными данными, все чаще речь идет о построении собственного частного облака с теми же принципами: самообслуживание, эластичное выделение ресурсов, автоматизация и единые платформенные сервисы. Именно такой подход мы последовательно развиваем и в X5.

Поэтому, на мой взгляд, правильнее говорить не о закате больших данных, а о взрослении этой технологии.

CNews: Российский рынок переживает уже вторые и третьи волны импортозамещения, когда что-то, замещенное второпях, меняется на решение более качественное или выгодное. X5 уже с этим столкнулся?

Тигран Саркисов: Первая большая волна импортозамещения для нас действительно началась в 2022 году. В первую очередь она касалась инфраструктуры хранения и обработки данных, где раньше мы использовали решения крупных зарубежных поставщиков с in-memory хранением данных.

Это был серьезный вызов, потому что нам пришлось переходить на технологии, которые еще не имели такой же длительной истории эксплуатации на больших промышленных объемах. Например, требовалось обеспечить стабильную работу с большими массивами данных и высокими нагрузками в режиме.

Сегодня импортозамещение — это часть постоянного развития технологического ландшафта. За последние годы мы сформировали собственный технологический контур из десятков решений: это системы управления складскими процессами и запасами, кассовая инфраструктура, платформы данных, аналитические решения и инструменты искусственного интеллекта. Более 90% прикладного программного обеспечения мы развиваем силами собственных команд.

Сейчас мы продолжаем замещать отдельные компоненты, которые исторически были построены на зарубежных технологиях. Но подход уже другой: мы не просто ищем аналог конкретного продукта, а смотрим на задачу шире — какую бизнес-функцию должен выполнять этот компонент и как сделать ее эффективнее.

Например, в области управления данными мы смогли заменить решения на внедрение которых раньше требовались годы, значительно быстрее — за месяцы. Мы заменили систему BI-аналитики Qlik на решения российской компании, а систему управления мастер-данными от иностранного вендора на собственное решение.

CNews: К 2026 году рынок перешел от игры с генеративным ИИ к вопросу «а где деньги?». Вы на него уже нашли ответ?

Тигран Саркисов: На мой взгляд, компании сейчас находятся на разных этапах зрелости. Первая группа — это компании, которые используют уже проверенные сценарии и лучшие практики рынка. Для них ИИ становится не экспериментом, а инструментом повышения эффективности: сокращения затрат, ускорения процессов и роста производительности.

Вторая группа — компании, которые активно экспериментируют и создают новые сценарии с применением существующих моделей. Но здесь важно понимать: далеко не каждая гипотеза превращается в промышленное решение. Большая часть экспериментов не проходит проверку бизнес-эффектом, и это нормальная часть технологического развития.

В X5 мы рассматриваем ИИ именно как производственный инструмент. Любая ИИ-гипотеза должна отвечать на вопрос: какой измеримый эффект она дает для бизнеса? Если решение подтверждает свою ценность — мы его масштабируем. Если нет — пересматриваем подход.

В 2025 году совокупный экономический эффект от внедрения ИИ-решений в Х5 составил около 5 млрд рублей. Основной вклад обеспечили ИИ-модели, встроенные в ключевые процессы бизнеса: прогнозирование спроса и пополнение запасов, ценообразование, управление ассортиментом и рекомендательные механики. При этом применение ИИ в Х5 гораздо шире: компьютерное зрение используется в магазинах, распределительных центрах и на фабриках-кухнях, генеративный ИИ — в разработке программного обеспечения, а корпоративный CoPilot X5 помогает сотрудникам решать повседневные рабочие задачи.

Да, и третья группа компаний — это те, кто занимается разработкой собственных моделей.

CNews: Сейчас активно идет «агентизация» искусственного интеллекта — как вы считаете, это логичный вектор развития или дань моде?

Тигран Саркисов: Да, если первые годы были посвящены тому, чтобы научить ИИ отвечать на вопросы или генерировать контент, то следующий шаг — научить его выполнять реальные бизнес-задачи.

Поэтому сегодня многие компании действительно переходят к агентному подходу. Агент — это уже не просто чат-бот, а программный помощник, который способен понимать контекст, взаимодействовать с корпоративными системами, выполнять последовательность действий и при необходимости привлекать другие специализированные агенты для решения сложной задачи.

В X5 развивается собственная агентная платформа ACE, которая позволяет сотрудникам без навыков программирования создавать ИИ-агентов для решения прикладных задач. А платформа AgentOps обеспечивает их промышленную эксплуатацию, контроль версий, мониторинг и управление жизненным циклом. По сути, мы переходим от отдельных ИИ-сервисов к единой агентной среде, где новые решения можно создавать и масштабировать значительно быстрее.