2019-й закрыл десятилетие тремя сюжетами, которые напрямую меняют требования к корпоративным системам. Указ о Национальной стратегии развития ИИ задал государственный заказ на модели. Инженерные команды столкнулись с тем, что обученная модель и работающий сервис – разные вещи, и так в лексикон вошёл MLOps. А закон о «суверенном Рунете» переписал правила маршрутизации трафика и хранения данных. Разберём, что из этого пора закладывать в архитектуру уже сейчас.

Нацстратегия ИИ: от пилотов к промышленной эксплуатации

Указ № 490 от 10 октября оформил то, что и так нарастало весь год: спрос на прикладной ИИ в госзаказе и крупном бизнесе. Практический вывод для разработки прозаичен – заканчивается эпоха демонстрационных ноутбуков, начинается эксплуатация. Заказчик хочет не «модель с точностью 0,9 на тесте», а сервис с предсказуемым SLA, версионированием и аудитом решений.

Это смещает центр тяжести проекта. Сбор и разметка данных, их происхождение и юридическая чистота становятся отдельной статьёй работ. Для госсектора добавляется требование объяснимости: автоматическое решение, влияющее на гражданина или бюджет, должно сопровождаться трассируемой логикой. Объяснимость и аудит решений закладываются в архитектуру корпоративных систем с первого дня, а не дорабатываются под проверку постфактум.

MLOps: модель – это код, данные и инфраструктура одновременно

Главная инженерная боль 2019-го – разрыв между data science и эксплуатацией. Модель деградирует по мере дрейфа данных, переобучение нужно воспроизводить, а откат к прошлой версии должен занимать минуты, а не недели. MLOps переносит дисциплину DevOps на машинное обучение: пайплайны обучения в CI, версионирование датасетов и весов, мониторинг качества в проде.

Архитектурно это хорошо ложится на уже знакомые подходы. Инференс по запросу разумно выносить в serverless-функции – платите за вызовы, а не за простаивающий GPU. Отдельная боль – документация: пайплайн без описания источников данных, метрик и условий применимости невоспроизводим. Здесь работают те же правила, что и для обычного кода, разобранные в материале о технической документации.

Суверенный Рунет: где лежат данные и как идёт трафик

Закон вступил в силу 1 ноября и заставляет пересмотреть сетевую архитектуру. Для бизнеса и особенно для госсектора это означает три практических требования: предсказуемые маршруты внутри страны, готовность к централизованному управлению трафиком и понимание, где физически хранятся персональные данные.

Самое уязвимое место – гибридные и зарубежные облака. Если часть сервисов вынесена за пределы РФ, при изменении маршрутизации они могут стать недоступны. Поэтому планирование размещения нагрузок перестаёт быть чисто экономическим решением. Мы уже фиксировали этот сдвиг в разборе стратегии миграции в облако: выбирайте провайдера с инфраструктурой в российской юрисдикции и проектируйте систему так, чтобы критичные данные не покидали контур.

Что закладывать в 2020-й

Три тренда сходятся в одну задачу: строить системы, которые сочетают прикладной ИИ, воспроизводимую эксплуатацию и контролируемое размещение данных. Конкретно на 2020 год: переводите ML-проекты на MLOps-пайплайны, ревизуйте, где хранятся и как маршрутизируются данные, и закладывайте объяснимость в любые автоматические решения для госзаказчика. Это не модные надстройки, а новая база требований к корпоративному ПО.