AIOps (Artificial Intelligence for IT Operations) — это применение технологий искусственного интеллекта (ИИ) и машинного обучения (ML) для автоматизации и улучшения управления ИТ-инфраструктурой и сервисами. Это не один конкретный продукт, а скорее подход или платформа, которая анализирует огромные объемы данных из разных источников в режиме реального времени, чтобы помочь ИТ-командам работать умнее и быстрее. По сути AIOps — это умный помощник для ИТ-специалистов, который берет на себя рутину, анализирует данные и подсказывает решения.
2025: Как в России развивается AIOps и что ему мешает. TA мнения
В мире, где сложность ИТ-инфраструктуры растет лавинообразно, а инциденты измеряются в миллионах упущенной выручки, старые методы ручного управления уже не работают. В этих условиях набирает популярность AIOps — искусственный интеллект для автономного управления ИТ-системами. О текущем развитии и перспективах этого метода в России TAdviser поговорил с экспертами в декабре 2025 года.
Руководитель направления исследований и разработок Mons (входит в ГК «Корус Консалтинг») Владимир Бобров заявил, что российский рынок AIOps демонстрирует уверенный рост: многие компании находятся на стадии активного внедрения. Фокус сместился с экспериментов и гипотез к решению практических задач – особенно это характерно для крупных корпораций и государственных ИТ-систем. Развитие поддерживается курсом на цифровую трансформацию и появлением зрелых отечественных решений, которые стараются решать ключевые задачи по повышению отказоустойчивости и автоматизации анализа инцидентов, отметил собеседник TAdviser.
В «Ростелекоме» отмечают, что AIOps в России развивается фрагментарно: где-то уже работает — в ассистентах первой линии, в простых сценариях классификации инцидентов. Гендиректор «РТК Софт Лабс» (входит в «Ростелеком») Евгений Семенов перечислил два главных барьера, мешающих развитию этого направления. Первый из них - встраивание ИИ в производственный контур.
 | AIOps предполагает, что ИБ, эксплуатация и разработка работают в одном цикле. У нас этого пока нет. ИБ не понимает, как контролировать работу моделей, не видит прозрачных механизмов управления и поэтому действует через запреты, - уточнил Семенов. |  |
Вторая проблема — данные. Без нормализации логов, маскирования и единых правил хранения никакие ML-агенты не заработают, сообщил он.
Руководитель службы DevOps компании Nobilis.Team Игорь Дьячков говорит, что к концу 2025 года AIOps в РФ больше находится в стадии обсуждений, чем реального внедрения в большинстве компаний. Применяется ИИ в IT Operations пока точечно - главным образом в крупных банках, телеком-операторах и отдельных ИТ-холдингах, которые пытаются автоматизировать мониторинг и поддержку сложной инфраструктуры. Однако говорить о широком использовании не приходится, подавляющее большинство предприятий по-прежнему полагается на традиционные системы мониторинга и ручное реагирование на инциденты, добавил эксперт. По его мнению, есть несколько «очевидных» барьеров на пути развития AIOps в России:
- недостаток квалифицированных кадров и экспертизы;
- скепсис и культурное сопротивление (многие ИТ-специалисты не доверяют «черному ящику» ИИ, предпочитая проверенные вручную настроенные инструменты);
- финансовый и экономический (внедрение AIOps требует существенных инвестиций в ПО, вычислительные ресурсы и обучение сотрудников, при этом окупаемость инвестиций трудно просчитать заранее);
- санкции и уход крупных западных вендоров;
- чисто технологические проблемы (у многих организаций не налажен сбор данных в том объеме и качестве, который нужен для эффективной работы алгоритмов).
По мнению замгендиректора по продажам программных решений компании «Мобиус Технологии» Павла Чужмарова, проникновение AIOps сдерживают сложности импортозамещения.
| | У многих клиентов еще идут или только планируются проекты замены западных платформ мониторинга, ITSM, CMDB, observability, единых DWH для ИТ-данных. Без этой "базы" запуск AIOps-анализа на разрозненных или планируемых к выводу из эксплуатации ИТ-системах будет неэффективным, - отметил он. | |
Чужмаров также обращает внимание на такой фактор, как высокие риски и недоверие к автоматическому вмешательству ИИ в операционные ИТ-процессы. Особенно явно это проявляется в консервативных отраслях и КИИ, где длительный простой может оказаться меньшей проблемой, чем ошибочное решение ИИ, подчеркнул эксперт.
Руководитель отдела SRE компании Rambler&co Георгий Кашинцев добавляет к этому списку отсутствие инструментов и стандартов. По его словам, большинство процессов DevOps/SRE уже были хорошо автоматизированы задолго до появления AIOps. Эти процессы описываются непосредственно в виде кода. При этом сама идея автоматизированной инфраструктуры не является новой и давно реализуется, например, в виде облачных платформ, продолжает эксперт. По его словам, нельзя сказать, что развития AIOps вообще не происходит.: оно сосредоточено в виде R&D внутри крупных ИТ-компаний и продолжается до сих пор.
И.о. заведующего кафедрой «Интеллектуальный анализ данных» Московского технического университета связи и информатики (МТУСИ) Ксения Полянцева говорит, что на практике AIOps чаще используется для корреляции событий, интеллектуального мониторинга, прогнозирования сбоев и снижения нагрузки на службы эксплуатации. Полная автономная автоматизация пока редкость, ИИ в основном помогает специалистам принимать решения, добавила она.
