44% российских организаций в 2026 г. тестируют ИИ для анализа данных, запуская пилоты или эксперименты. Этот показатель мало изменился: в 2025 г. аналогичными проектами занимались 40,4% респондентов, а 26% только изучали возможности технологии. Более того, как показали результаты опроса, проведенного экспертами группы Arenadata, доля активно использующих ИИ даже слегка снизилась: с 23,1 до 21%. Об этом CNews сообщили представители Arenadata.

В финансовом секторе ИИ чаще всего используют для чат-ботов и виртуальных ассистентов (36,7% опрошенных). Он помогает выявлять мошенничества и проводить прогнозную аналитику (по 10%), автоматизировать документооборот (6,7%), а также выполнять кредитный скоринг и оценку рисков (3,3%).

«Банк активно пилотирует ИИ-технологии для автоматизации рутинных задач, в том числе для аналитики текстовых данных. О конкретных процессах пока рано говорить, так как пилоты не завершены. Организация поставки данных надлежащего качества — важный этап пилотирования и продуктивизации ИИ-решений. Отлаженные процессы Data Governance, безусловно, здесь помогают», — сказал Ян Гузов, CDO банка «Санкт-Петербург».

Data Governance (DG) и качество данных остаются ключевыми для надежной работы ИИ: так считают более 60% опрошенных. При этом 52,4% доверяют своим данным, отмечая мелкие проблемы, но общую надежность. Еще 31,3% сомневаются в них из-за частых ошибок и неполноты.

В финансовом секторе к качеству данных относятся серьезно 57% организаций: они назначают за него ответственных. У 44,8% ответственность распределена между ИТ и аналитикой без отдельной структуры; 27,6% создали полноценный отдел или роль, а 6,9% планируют это в 2026 г. При этом 20,7% считают качество данных общей задачей без фокуса.

«Технически за качество данных отвечает отдельная команда (дата-офис). При этом сейчас компания развивает роль владельцев данных в подразделениях, а также внедряет договоренности между бизнесом и дата-офисом, которые закрепляют ответственность за качество данных», — сказал Евгений Жилов, руководитель департамента управления и аналитики данных «Национальной Лотереи».

Лишь треть компаний считают себя полностью data-driven: они основывают более 70% бизнес-решений на данных (включая KPI и стратегии).

В 51% организаций ролевая модель доступа к данным внедрена частично: она охватывает ключевые системы вроде DWH и аналитики, но не все. Полностью ее реализовали 30,6% респондентов, вместе с аудитом и принципом наименьших привилегий на всех уровнях. А в 14,3% случаев доступы не формализованы и управляются вручную.

Опрошенные выделили ключевые барьеры на пути внедрения data-проектов. На первом месте стоит неготовность бизнеса инвестировать в такие инициативы (36,2% респондентов). Почти столько же (34%) сталкиваются с внутренним сопротивлением изменениям. Третьей по значимости проблемой участники опроса считают дефицит квалифицированных специалистов (19,1%). А четвертой — трудности интеграции с существующей ИТ-инфраструктурой (10,6%).

«Основная проблема заключается в том, что хранилища данных сами по себе не приносят компании денег. Поэтому экономический эффект таких проектов бывает очень трудно показать и, как следствие, непросто обосновать их бизнес-заказчику и получить инвестиции. Даже если бизнес во многом завязан на данных, убедить в необходимости внедрения нового решения все равно непросто: со стороны кажется, что система уже есть, как-то работает, и этого достаточно. Но именно этот барьер ИТ и приходится преодолевать. При работе с данными и внедрении хранилища важно сразу исходить из продуктового подхода. Менять одно хранилище на другое бессмысленно, если вместе с этим не появляется дополнительная ценность. Проект должен решать новую бизнес-задачу, которую не удавалось закрыть на старой платформе, и должен быть нацелен не просто на замену, а на эффект. Времена, когда можно было бесконечно вкладываться во внедрения только ради самого факта их появления, уже прошли», — сказал Максим Смирнов, CEO Hoff Tech.

При этом респонденты отмечают заметный неиспользованный потенциал и высокий спрос на каталоги данных и MDM-системы, особенно в производственном секторе. Полностью внедрили эти инструменты лишь 10% организаций, частично 41%, а еще 20% планируют запуск в 2026 г.

«При разработке продуктов для заказчиков мы перешли от визуального монолита, где все потоки данных были перед глазами, к кодоориентированному подходу, когда приходится разбираться с большим количеством данных, и разобраться в этом почти невозможно, если ты не разработчик этого кода. Дата-каталог как раз сканирует эти данные, строит lineage, объясняя, откуда что берется. А если разработчики добавляют смысловые комментарии и документируют процессы хотя бы минимально, задача разбираться в потоках данных превращается из невыполнимой миссии во вполне реальную», — сказал Олег Михеев, руководитель группы по управлению данными и архитектурой «Полюс Диджитал».

35,4% респондентов сообщают о полноценной дата-стратегии в своих компаниях: это дорожная карта на один-три года с четкими целями по данным, утвержденная руководством, KPI и ежегодным пересмотром. У 29,2% она частично разработана в виде концепции или плана на год. 25% организаций обходятся без формальной стратегии, а 10,4% планируют ее создать в 2026-м после аудита зрелости данных.

«Да, в компании утверждена дата-стратегия до 2028 г. Она затрагивает не только технологические изменения — модернизацию платформы данных, миграцию и развитие инструментов аналитики, — но и процессные: пересмотр подходов к управлению качеством данных, выстраивание Data Governance, формализацию ролей и ответственности за данные. Отдельный блок стратегии посвящен организационным изменениям: развитию data-культуры, обучению сотрудников работе с данными и повышению вовлеченности бизнеса в data-инициативы», — сказал Алексей Сумин, технический руководитель домена данных Департамента информационных технологий сети «Подружка».

«Результаты опроса подтверждают нашу практику: рост ИИ-проектов тормозят не технологии, а недостаточная зрелость данных и отсутствие выстроенных процессов Data Governance. Без качественных данных и четких процессов даже лучшие ИИ-модели дают ненадежные результаты. Платформа Arenadata One, включающая продукты для работы с качеством данным, помогает клиентам быстро строить Data Governance: автоматизировать контроль качества, внедрять ролевые модели доступа и готовить данные для ИИ», — сказал Максим Власюк, директор по работе с корпоративным сектором группы Arenadata.

Поделиться Подписаться на новости Короткая ссылка