head-hanter.ru71% опрошенных Nexign организаций уже используют интеграционные инструменты. Среди них 20% составляют корпорации, 17% – крупный бизнес, 34% – компании среднего и малого сегмента. При этом чуть более половины респондентов применяют отдельные инструменты, такие как ESB-шины, ETL-решения или брокеры сообщений, тогда как комплексные интеграционные платформы используют 17% компаний. Об этом стало известно из исследования Nexign. Редакция IT Speaker ознакомилась с результатами.
«Результаты опроса свидетельствуют о росте зрелости российского бизнеса в области управления данными. В связи с увеличением объемов данных в компаниях, а также количества систем и связей между ними растет востребованность интеграционных инструментов. На первый план выходят такие критерии, как производительность, универсальность и совместимость с российским ПО. Важно, что компании уже ощущают конкретные эффекты от использования этих инструментов – от снижения количества рутинных операций до ускорения вывода продуктов на рынок», – прокомментировал результаты исследования Максим Нартов, директор по развитию бизнеса Nexign.
Чаще компании используют в своей работе более одного инструмента. Наиболее распространенными стали ETL-системы – они установлены у 62% респондентов. 44% российских компаний применяют ESB,а 26% – ELT.
Как рассказал IT Speaker Андрей Филиппов, руководитель направления интеграционной разработки в компании ЕМДЕВ, интеграционные инструменты дают наибольший эффект там, где много разнородных систем и регуляторных требований. Если говорить про отрасли, то это – финансовый, государственный сектор, промышленность, телеком, ритейл. По словам Филиппова, интеграционные инструменты в первую очередь решают задачи по объединению 1С, ERP, CRM, DWH и аналитике, построению единой шины для онлайн сервисов, обеспечению регуляторной отчетности и потоковой передачи данных для BI и ИИ.
«Интеграционные инструменты в первую очередь решают три задачи: синхронизацию нормативно-справочной информации (номенклатура, контрагенты, спецификации) между базами; передачу транзакционных данных – заказов, производственных заданий, движений товаров и документов; консолидацию данных для сквозной отчетности. Основной эффект здесь не “новый функционал”, а устранение ручного двойного ввода, снижение рассинхронизации справочников и прозрачность движения документов между системами. Есть и архитектурный эффект от шины (ESB): при большом числе систем она заменяет схему «точка-точка» на централизованную, снижая число интеграционных связей и стоимость их сопровождения. Чем больше баз в контуре (а в машиностроении это десятки баз 1С и сторонних сервисов), тем сильнее выигрыш», – прокомментировал для IT Speaker Антон Скопинцев, функциональный архитектор «1C» системного интегратора для промышленности «Райтек ДТГ»
Исследование показывает, что использование коммерческих продуктов – не единственная альтернатива. Часто делается выбор в пользу гибкого подхода к решениям: 35% компаний подбирают инструмент индивидуально под каждую задачу. Четверть организаций используют решения с открытым исходным кодом, 22% – продукты вендоров, 18% – собственные разработки. При этом использование решений с открытым исходным кодом и самописных решений нередко связано с дополнительными затратами на поддержку и развитие. По оценкам экспертов, до 30% компаний, внедряющих самописные ETL/ELT-системы, не достигают запланированных SLA по производительности из-за сложности интеграции устаревших (legacy) систем.
Главный критерий выбора инструментов для работы с данными – наличие надежных коннекторов к базам данных разных типов и производителей (51%). Также для респондентов важны возможность работы под высокой нагрузкой и с большими объемами данных (45%) и поддержка интеграции с российским программным обеспечением (44%).
«Выбор интеграционного решения чаще всего определяется балансом нескольких факторов, но приоритизация сильно зависит от контекста. К примеру, для клиник и медицинских информационных систем важна совместимость с отечественным ПО, полное соответствие требованиям в части информационной безопасности и защиты персональных данных. Также важен принцип единого поставщика услуг, когда интеграционные решения могут закрыть сразу комплекс задач медицинской организации: от выгрузки данных в государственные информационные системы для выполнения лицензионных требований, до внедрения сервисов телемедицинских консультаций, онлайн-записи, электронного подписания документов, доступа к сервисам искусственного интеллекта», – рассказала IT Speaker Дария Вольникова, коммерческий директор «ЭлНетМед» (интеграционная платформа N3.Health).
По мнению Филиппова, для российских компаний сейчас наиболее важным критерием выбора интеграционного решения является совместимость с отечественным ПО и соответствие требованиям импортозамещения и регуляторов. Без этого платформа не проходит отбор. Следующим критерием выбора являются надежность и управляемость, в которые входят отказоустойчивость, зрелый мониторинг, SLA, опыт внедрений в госсекторе и критической инфраструктуре. Производительность интеграционного решения также важна, но ее чаще проверяют через пилот и нагрузочные тесты на типовых интеграциях (1С – DWH, поток в BI, онлайн каналы).
Встроенные элементы ИИ интересуют пока в меньшей степени – их значимость отметили около 13% компаний вне зависимости от масштаба бизнеса. На фоне активного импортозамещения снизилась актуальность коннекторов к зарубежному ПО – этот критерий важен лишь для 11% респондентов.
Андрей Филиппов также рассказал IT Speaker, в каких задачах ИИ уже применяется в интеграционных платформах, а где остается только обещанием. Так, можно выделить пять ключевых областей применения ИИ в интеграционных платформах:
-
интеллектуальная подготовка и обработка данных, что включает очистку, нормализацию, дедупликацию, обогащение данными из внутренних и внешних источников, в т.ч. при интеграции legaсy-систем;
-
автоматическое сопоставление схем данных и полей между системами (mapping), включая распознавание совпадающих сущностей;
-
интеллектуальная маршрутизация сообщений и событий, то есть выбор оптимальных каналов и трансформаций на основе истории, контекста и предиктивных моделей;
-
обнаружение аномалий в потоках данных и интеграционных сценариях (подозрительные транзакции, «зависшие» сообщения, деградация производительности);
-
автоматическое тестирование после изменений или миграций, что подразумевает генерацию тестовых сценариев, выявление регрессий, анализ логов и предложений по исправлению.
Пока скорее обещанием остаются полностью «автономные» интеграционные сценарии без участия архитектора, а также полноценный zero ETL на базе ИИ для сложных, регулируемых отраслей.
«Реально ИИ уже помогает на нескольких участках. Первый: ассистируемый маппинг, когда модель предлагает сопоставление полей на этапе проектирования обмена, ускоряя работу интегратора, но с обязательной проверкой человеком. Второй: обнаружение аномалий в потоках данных (нетипичные объёмы, задержки, всплески ошибок), где ML-подход в мониторинге применим и даёт пользу. Третий: разбор инцидентов и логов, где суммаризация ошибок и подсказки по причинам ускоряют диагностику. Причина в том, что в интеграции ценятся детерминизм, воспроизводимость и аудируемость, а цена ошибки в данных высока. ИИ хорошо работает там, где допустима вероятностная оценка и сохраняется контроль человека (human-in-the-loop): проектирование, мониторинг, разбор инцидентов. И плохо подходит для детерминированного runtime-транспорта данных. Тезисы вида «ИИ сам построит вам интеграцию» на сложных доменных моделях (например, номенклатура и спецификации в машиностроении) пока ближе к маркетингу, чем к промышленной практике», – рассказал IT Speaker Антон Скопинцев, функциональный архитектор «1C» системного интегратора для промышленности «Райтек ДТГ».
Самым распространенным сценарием использования интеграционных инструментов остается передача данных между разнородными системами внутри компании, такими как ERP, CRM, биллинг и DWH – его указали 63% участников исследования. 44% компаний применяют такие инструменты для синхронизации справочников и мастер-данных между разными приложениями, 43% – для построения сквозных бизнес-процессов на базе нескольких ИТ-систем, 42% –для оперативной загрузки, трансформации и агрегации больших массивов данных для аналитики и бизнес-аналитики.
В числе ключевых эффектов от внедрения компании чаще всего называют сокращение рутинных операций, повышение доступности и качества данных, повышение надежности обмена данными (все примерно по 50%).
31% респондентов отметили снижение совокупной стоимости владения (ТСО). Большинство из них указывают на значительное сокращение объема рутинных операций при решении интеграционных задач, а также на снижение вовлечения программистов за счет разработки с минимальным использованием кода (low-code) и предоставления интуитивно понятных инструментов для решения типовых задач (self-service).
Кроме того, четверть опрошенных указали на ускорение вывода новых продуктов на рынок (time-to-market). Из них 55% оценили его до 25%, 14% – до 50%, а еще 14% – до 80%. В первую очередь этот эффект актуален для отраслей с большим объемом транзакций и клиентов.
Что касается технических трудностей, с которыми компании сталкиваются, когда интегрируют разнородных систем, то Филиппов отметил легаси интерфейсы, отсутствие стандартизированных API, разная модель данных и требования по безопасности (152 ФЗ, КИИ). В области организационных сложностей – разрозненная ответственность между ИТ подразделениями и отсутствие единой «карты» систем и обменов.
«Чтобы ответить на эти вызовы, компании используют архитектуру “единая интеграционная платформа” + корпоративная шина данных», вводят центр компетенций по интеграции, запускают пилоты на двух-трех реальных сценариях, а также применяют строгие практики мониторинга, логирования и трассировки», – добавил эксперт.
Ранее стало известно о том, что в 2026 году универсальные low-code платформы, позволяющие «собирать» решения из готовых блоков, теряют популярность. Гибкость настроек остается важным фактором, однако на первый план выходят функциональная зрелость готовых решений, простота интеграции, вопросы ИБ, а также ИИ-инструменты.
От хайпа к профиту: как считать ИИ-эффективность