2021 год закрепил несколько сдвигов, которые перестали быть экспериментами и стали нормой для корпоративной и государственной разработки. Облака вышли из стадии пилотов в продуктив, машинное обучение получило инженерную дисциплину, а импортозамещение из требования на бумаге превратилось в реальный фактор архитектурных решений. Подведём итоги и наметим, что закладывать в планы на следующий год.

Облака стали инфраструктурой по умолчанию

Российские провайдеры – Yandex Cloud, VK Cloud, SberCloud – за год нарастили зрелость сервисов настолько, что миграция перестала упираться в технические ограничения. Заказчики в госсекторе всё чаще выбирают гибридную модель: чувствительные системы остаются on-premise, а вычислительные нагрузки и среды разработки уходят в облако. Контейнеризация на Kubernetes стала стандартом, а managed-сервисы баз данных и очередей сняли с команд значительную часть эксплуатационной рутины.

Вместе с этим выросли требования к защите данных. Хранение персональных данных в облаке требует аккуратной работы с локализацией и согласиями – мы разбирали это в материале про 152-ФЗ и обработку персональных данных. Облако не снимает ответственности с оператора, а перераспределяет её, и договор с провайдером должен это явно фиксировать.

MLOps превратил модели в продукт

В 2021-м машинное обучение окончательно вышло за рамки исследовательских ноутбуков. Компании, которые внедряли ML три-четыре года назад, столкнулись с тем, что обучить модель – это десять процентов работы, а остальное приходится на доставку, мониторинг дрейфа, переобучение и воспроизводимость. Отсюда взрывной рост интереса к MLOps: версионирование данных и моделей, фиче-сторы, автоматические пайплайны выкатки.

Фундамент здесь – качество данных. Без выстроенного управления данными модели деградируют тихо и предсказуемо плохо; мы подробно писали об этом в статье про data governance и качество данных. Команды, которые в 2021-м вложились в каталоги данных и контроль происхождения, получили заметно более стабильные ML-сервисы, чем те, кто начал с выбора фреймворка.

Импортозамещение перешло от деклараций к архитектуре

Реестр отечественного ПО и требования к госзакупкам перестали быть формальностью. Заказчики в госсекторе при проектировании новых систем сразу закладывают совместимость с российскими ОС, СУБД PostgreSQL-семейства и реестровым системным софтом. Теперь бизнес-системы проектируют от технологического стека, выбранного с учётом долгосрочной поддерживаемости и регуляторных требований, а не только сиюминутного удобства команды.

Параллельно год показал, насколько хрупкой остаётся цепочка поставок ПО. История с уязвимостью в Log4j в декабре заставила буквально за выходные пересобирать инвентаризацию зависимостей – наш разбор реакции на инцидент собран в материале про ответ на Log4Shell. Урок простой: знать, из чего собрана ваша система, нужно до того, как выйдет очередной CVE, а не после.

Что закладывать в 2022

Три направления складываются в одну картину. Облака дают эластичность, MLOps превращает аналитику в работающий сервис, а импортозамещение задаёт рамки выбора технологий. Выигрывают команды, которые относятся к этому не как к трём отдельным проектам, а как к единой инженерной практике: управляемая инфраструктура, прозрачные данные, контролируемые зависимости и стек, выдерживающий регуляторную проверку. Именно этот фундамент мы и помогаем выстраивать заказчикам и в 2022-м его значимость только вырастет.