IT Infrastructure, Cloud & Security Summit 2026. Частина ІІ

У першій частині репортажу про конференцію IT Infrastructure, Cloud & Security Summit 2026 розповідь була про нові підходи до управління доступами, DLP, моніторинг інфраструктури, резервне копіювання як останню лінію оборони та голосовий штучний інтелект українською мовою. Друга частина - про мережеву безпеку в гібридному світі, захищене зберігання даних, кіберстійкість критичної інфраструктури під час війни, а також про те, як штучний інтелект одночасно рятує і руйнує бюджети хмарних команд.

Продовжили хід конференції Дмитро Теплюк з компанії Modus X та Микита Кізілов з Check Point доповіддю про архітектуру мережевої безпеки в умовах, коли інфраструктура компанії розкидана між кількома хмарами, філіями та віддаленими робочими місцями. 

Дмитро Теплюк почав з визначення еволюції проблеми: компанія стикається з новим викликом і при цьому закриває його окремим продуктом, але за кілька років накопичуються десятки різних брандмауерів, політик і консолей управління, а видимість і керованість при цьому не зростають, а навпаки - падають. «Адміністратор буквально сидить перед десятками консолей і намагається скласти повний контекст по шматочках», - описав він типову картину, назвавши це «пасткою розподіленого лабіринту». Реакція на інциденти сповільнюється ще й тому, що різними системами часто керують різні команди, а утримувати весь цей зоопарк - просто дорого.

Відповіддю Check Point на цю проблему є архітектура Hybrid Mesh Firewall - рішення, яке у 2025 році визнане лідером у відповідному класі за версією Gartner, а за результатами незалежних тестів компанії Miercom за 2026 рік показує серед конкурентів найвищу ефективність захисту від загроз та найменший ризик компрометації. Архітектура спирається на чотири опори. Захист філій - апаратні NGFW лінійки Quantum Force. Захист дата-центрів, захист хмарних середовищ - віртуальні NGFW CloudGuard. Далі - WAF наступного покоління та DDoS-захист на основі AI. І фінально - захист віддалених пристроїв користувачів через лінійку Harmony, побудовану за моделлю Zero Trust, коли користувач отримує доступ саме до потрібних застосунків, а не до всієї корпоративної мережі одразу.

Окремо Теплюк звернув увагу на швидкість, з якою тепер діють зловмисники: якщо раніше на підготовку однієї атаки йшло близько місяця, то сьогодні за лічені хвилини штучний інтелект здатен згенерувати десятки таких атак. У відповідь Check Point пропонує ThreatCloud AI - систему з приблизно 60 різними AI-«рушіями», яка блокує загрози на основі даних мільйонів точок по всьому світу, та Infinity Playblocks - інструмент автоматизації реакції, що переводить захист із реактивного режиму в проактивний і знімає частину навантаження з команди SOC. За підрахунками компанії, керування всім цим з однієї консолі й однієї політики дозволяє скоротити операційні витрати до 40%.

Продовжив тему Микита Кізілов, інженер Check Point, доповіддю про фреймворк CTEM (Continuous Threat Exposure Management) - методологію управління ризиками, яку він описав як «зациклений двигун», що постійно повторює цикл: розвідка активів (Scoping, Discovery, Prioritization) → валідація вразливостей → дії з усунення (Action/Mobilization).

Продукт Check Point, що закриває весь цей цикл, - Infinity Exposure Management. Він поєднує три джерела даних. EASM (External Attack Surface Management) - пошук сервісів, видимих з інтернету, і помилок у їхніх налаштуваннях. Внутрішній аналіз - пошук вразливостей усередині мережі без встановлення додаткових агентів, підключаючись до вже наявних систем захисту (за політикою Open Garden компанія інтегрується з рішеннями інших вендорів - NGFW, WAF, EDR, XDR, SOAR, SIEM, і список із 80 інтеграцій постійно зростає). Та SaaS-based Discovery - пошук прогалин у SaaS-системах, тіньового ІТ та відсутності багатофакторної автентифікації, які класичні сканери зазвичай не бачать. 

Усі зібрані дані проходять через ThreatCloud AI, а модуль Exposure Validation відсіює хибні спрацьовування - за оцінкою компанії, це економить до 20% часу фахівців з безпеки. Виявлені індикатори компрометації автоматично передаються в засоби захисту для блокування, а для вразливостей, на які ще немає офіційного патча від вендора, доступний віртуальний патчинг на основі IPS-сигнатур.

Представник київського офісу Kingston Technology Дмитро Слісаренко розповів про менш очевидну, але не менш критичну частину інфраструктурної безпеки - фізичне зберігання даних.

Із серверних рішень компанії доповідач виділив флагманський SSD DC1000M у формфакторі U.2 - місткістю до 30 ТБ, зі швидкістю читання до 14 ГБ/с і запису до 10 ГБ/с, з апаратним шифруванням і захистом від втрати живлення. Такі накопичувачі, за словами Слісаренка, зараз активно розбирають під потреби інфраструктури для штучного інтелекту.

Окремий і практично важливий для українського ринку блок - контрактне виробництво. Якщо компанія випускає готові пристрої (наприклад, банкомати), звичайна партія пам'яті з відкритого ринку може непомітно змінити склад чипів (умовно SK hynix  замість Micron), через що прошивка пристрою перестає працювати. У межах контрактної програми Kingston фіксує за клієнтом унікальний номер партії із жорстким переліком компонентів (BOM) і гарантує попередження про будь-яку зміну чипів мінімум за 90 днів і пропонує спеціальні опції на кшталт позолочених контактів для захисту від корозії в пристроях, що працюють на вулиці.

Для індустріальних застосувань - оборонки, залізниці, робототехніки - компанія випускає SSD серії i-Temp, здатні працювати в діапазоні температур від -40 до +85°C, тоді як звичайні накопичувачі при таких умовах деградують значно швидше. А для найбільш чутливих до фізичної безпеки задач у лінійці є захищені флешки IronKey D300S із сертифікатом військового рівня FIPS 140-2 Level 3. В цих пристроях пароль набирається безпосередньо на кнопках самого пристрою, а після десяти невдалих спроб введення дані автоматично й безповоротно знищуються. 

Якщо представник Kingston говорив про фізичний рівень зберігання даних, то наступний спікер - Олексій Ільїн, архітектор ІТ-систем з компанії «ЕС ЕН ТІ УКРАЇНА», підняв інфраструктуру на рівень вище й поговорив про те, у що ці диски зрештою збираються. Тема, на перший погляд, звучала буденно - гіперконвергентна інфраструктура (HCI) - але, за його словами, це та історія, з якою за останній рік зіткнулася практично кожна ІТ-команда.

Причина уваги до теми - криза навколо VMware після придбання компанії Broadcom: зміна моделі ліцензування і різке подорожчання змусили ринок шукати альтернативи, а виявилось, що повноцінної заміни VMware не так вже й багато. Другий фактор - війна і потреба будувати відмовостійку інфраструктуру, здатну пережити виклики воєнного часу. Третій - загальний тренд на мікросервісну децентралізацію, під яку сьогодні проєктується більшість нових систем.

Оглядаючи ринок, Олексій Ільїн відзначив, що VMware, попри всі проблеми, поки залишається лідером, а поруч із нею - гібридні рішення на кшталт Azure Stack, заточені радше під гібридну модель з наземним і хмарним Azure, та Oracle Cloud, який серед іншого використовується і під вузькі регуляторні задачі. Окремо серед лідерів саме HCI-рішень доповідач виділив Nutanix і подальшу частину виступу присвятив саме йому, спираючись на власний досвід. Мова про впровадження одного з найбільших публічно відомих кластерів Nutanix в Україні, який, за його словами, щодня непомітно обслуговує звернення громадян до державних цифрових сервісів.

Олексій Ільїн звернув увагу, що визначення «гіперконвергентний» на ринку часто трактують довільно - деякі вендори називають так навіть окремі програмно-визначені сховища (SDS) на кшталт vSAN. Хоча повноцінна гіперконвергенція, на думку виступаючого, - це цілісне рішення, що закриває всю інфраструктуру одразу: обчислення, зберігання даних і мережу в одній системі.

Головна перевага підходу, що розглядався, перед класичною інфраструктурою - у складності обслуговування та вартості. Класична схема - це, як мінімум, чотири незалежні компоненти (сервери, сховище, мережа зберігання, мережа передачі даних) від різних виробників, кожен з яких вимагає окремих фахівців у команді. Додає вартості і застаріла технологія Fibre Channel, на якій досі побудована значна частина сховищ: обладнання й трансивери для неї мають велику вартість, а її пропускна здатність (максимум 64 Гбіт/с) давно відстає від сучасних 100-гігабітних мереж, які в дата-центрах уже стали стандартом. Архітектура Nutanix, за словами Олексія Ільїна, складається з трьох компонентів: системи керування Prism, кастомного гіпервізору AHV (Acropolis Hypervisor) і програмно-визначеного сховища на основі віртуальних машин, що працюють на кожному вузлі кластера. Ключова перевага - простота і передбачуваність масштабування. На відміну від класичних систем зберігання, де нарощування обсягу не завжди тягне за собою пропорційне зростання продуктивності, у Nutanix додавання нового вузла (ноди) - це лінійний приріст як обсягу, так і швидкості одночасно. Для більш точкових задач передбачені спеціалізовані вузли: storage-only ноди зі слабким процесором і мінімумом пам'яті, які лише додають місце для зберігання, і, навпаки, майже бездискові compute-only ноди для нарощування обчислювальної потужності кластера без збільшення сховища.

Значну частину виступу Олексій Ільїн також присвятив вбудованим механізмам аварійного відновлення (Disaster Recovery). У базових ліцензіях Nutanix вже доступна синхронна або асинхронна реплікація віртуальних машин між кластерами. Синхронна гарантує, що дані вважаються записаними лише після підтвердження запису на обох майданчиках, але вимагає дуже низьких затримок мережі (близько 1–1,5 мс) і, відповідно, обмежує географічну відстань між ЦОД. Асинхронна ж репліка працює за принципом моментальних знімків (снапшотів), які регулярно передаються на другий майданчик.

Гібридний сценарій закриває продукт NC2 (Nutanix Cloud Clusters) - фізичний (bare-metal) кластер Nutanix, розгорнутий безпосередньо у публічній хмарі та керований тим самим інтерфейсом Prism, що й наземна інфраструктура. Для адміністратора при цьому фактично зникає різниця між кластером «на землі» й у хмарі: керування, функціональність і механізми реплікації лишаються ідентичними в обидва боки.

Завершив виступ Олексій Ільїн ще однією прямою реакцією на кризу Broadcom: класична модель гіперконвергенції передбачає, що сховище завжди фізично живе на серверах самого кластера, але після подій навколо VMware в Nutanix з'явилася підтримка підключення зовнішніх, окремо сертифікованих NVMe-масивів. Лінійки Pure Storage, а незабаром - Dell PowerFlex і PowerStore, анонсована також підтримка NetApp - щоправда, лише в All-Flash конфігурації. Такий зовнішній масив не стає частиною єдиного гіперконвергентного пулу сховища, а працює як окреме, паралельне сховище зі своєю реплікацією. Крок, зроблений компанією назустріч тим, хто вже інвестував у класичну інфраструктуру зберігання і не готовий відмовлятися від неї одразу, переходячи на Nutanix.

Втім, якою б відмовостійкою не була сама інфраструктура, для критичних об'єктів в Україні питання давно вийшло за межі технічних характеристик реплікації. Володимир Отрода, експерт з Укрзалізниці, сфокусував свій виступ на ролі держави й бізнесу в кіберзахисті критичної інфраструктури. Він згадав 2022 рік, коли масовані ракетні удари по енергетиці супроводжувалися практично щоденними кіберінцидентами: «Кожного дня, або один раз на два дні, десь приблизно, була дійсна кібератака на потужне енергетичне підприємство». За його словами, атаковані системи можна поділити на два блоки: технологічні (АСУТП, SCADA - системи прямого управління енергооб'єктами) та інформаційно-комунікаційні (офісна ІТ-інфраструктура, ЦОД). Якщо атака на SCADA - це прямий шлях до зупинки об'єкта, то другий блок цікавий ворогу опосередковано: через звичайну бухгалтерську систему підрядника, який постачає, наприклад, матеріали для ремонту об'єкта критичної інфраструктури, можна отримати цінну розвідувальну інформацію про сам об'єкт. Саме тому, наголосив доповідач, атаки на ланцюжки постачання у 2025 році стали найпоширенішим типом атак у секторі - і тому аналізувати кіберризики варто не лише компаніям з очевидно критичними об'єктами (атомні станції, ТЕЦ), а й усім, хто їх обслуговує. Був наведений і моторошний приклад того, до чого це призводить на практиці: коли хакери отримували доступ до інформаційної системи невеликого постачальника і бачили логістичний маршрут вантажу до об'єкта критичної інфраструктури, за цим маршрутом згодом прилітали шахеди.

Серед системних викликів Отрода назвав людський фактор - за його оцінкою, у 70% енергетичних компаній усвідомлення важливості кіберзахисту з боку керівництва приходило лише після реального інциденту, а фінансування виділялося за залишковим принципом. Другий виклик - застаріла інфраструктура: чимало підстанцій й ТЕЦ досі керуються програмним забезпеченням, яке роками не оновлювалося. Як приклад - масштабна цільова атака 2024 року одразу на 25 підприємств критичної інфраструктури у десяти регіонах України, проведена угрупованням, пов'язаним з ГРУ, і побудована саме на експлуатації такого застарілого ПЗ АСУТП. Атаку тоді вдалося попередити завдяки завчасній розвідувальній інформації команди реагування Держспецзв'язку.

Позитивна частина доповіді - про те, як з 2022 року вибудовувалась взаємодія держави й бізнесу: закон про критичну інфраструктуру, наповнення Реєстру критичних об'єктів (яке зайняло близько двох років), робота національної команди реагування CERT-UA. А також міжнародна допомога через так званий Талліннський механізм - свого роду майданчик, де бізнес з критичною інфраструктурою може подати запит на потрібне рішення, а міжнародні донори - обрати, що саме профінансувати. Отрода навів приклад активної участі в цьому Укрзалізниці. Компанії, що обслуговують критичні об'єкти, тепер також працюють за стандартами ISO 27000 та новим порядком авторизації безпеки на основі NIST 800, який замінив звичну КСЗІ.

Провідний інженер технічного супроводження ESET Роман Заруцький розповів про еволюцію продуктової лінійки компанії у відповідь на найпопулярніший, за його даними, тип атак - фішинг, ефективність якого, за спостереженнями команди, часто підсилюється звичайною втомою користувачів після повітряних тривог.

У відповідь на це в екосистемі ESET з'явилася платформа для навчання співробітників основам кібербезпеки - ESET Cybersecurity Training, з великою бібліотекою фішингових шаблонів (від імені Google, Microsoft Teams, Netflix, а також сценарії на основі соціальної інженерії) і статистикою по кожному співробітнику: хто відкрив підозрілий лист, а хто ввів дані на фішинговому сайті.

Серед продуктових новинок Заруцький виділив модуль, який виявляє шифрувальник безпосередньо у момент шифрування файлів і відновлює вже постраждалі дані - свого роду рятувальний круг для користувача. З'явився й власний AI-асистент - ESET AI Advisor, вбудований у консоль керування: він допомагає розібратися, що саме сталося під час інциденту, формує звіт і навіть готує конкретні кроки для усунення наслідків (наприклад, вказує, який параметр реєстру видалити). Розширився захист хмарних сервісів (AWS, GCP, Azure) на основі агентських технологій ESET Server Security зі сканування віртуальних машин у реальному часі, а також анонсована на цей рік інтеграція з мережевим обладнанням Palo Alto та поглиблена інтеграція з Active Directory й Entra ID - остання дозволить не лише читати структуру AD, а й проактивно реагувати на інцидент безпосередньо на рівні конкретного користувача: блокувати обліковий запис і примусово скидати пароль.

Найбільш промовиста частина доповіді стосувалася сервісу MDR (Managed Detection and Response). Заруцький навів для порівняння орієнтовний час реагування на інцидент за різних сценаріїв. Без виділеної команди й SOC - до 8 місяців (за які інцидент, за його словами, фактично втрачає актуальність), а за наявності власного SOC - до 16 годин. В межах же сервісу MDR від ESET, коли до команди клієнта підключається вірусна лабораторія компанії, - все зводиться до 6 хвилин, включно з аналізом, звітом та проактивною дією. У разі підтвердженого критичного інциденту клієнту одразу телефонують.

FinOps-практик Modus X Євген Містюк присвятив виступ темі, яка ще кілька років тому здавалася нішевою, а зараз стала критичною статтею витрат практично для будь-якої компанії, що працює з AI. Почав він із демонстрації масштабу: за прогнозом Gartner, у 2026 році глобальне споживання токенів досягне 6 квадрильйонів. Ілюстрацією того, наскільки непередбачуваним може бути зростання витрат, стали приклади великих компаній. В AT&T за 18 місяців наростили денне споживання токенів у 27 разів, Uber вичерпав річний бюджет на AI ще до квітня, а один медичний страховик наростив споживання токенів у 50 разів усього за рік. За словами Містюка, ціна токенів при цьому стабільно падає - вхідні токени GPT-4 подешевшали за два роки в 12 разів, вихідні - у 4 рази, Claude від Anthropic - утричі, але сумарні витрати компаній усе одно зростають. Спрацьовує так званий парадокс Джевонса - зростання ефективності й падіння ціни ресурсу відкриває нові сценарії його використання, а отже і нові витрати.

Містюк навів приклад впровадження FinOps у групі компаній ДТЕК. Так заплановані на перший рік 1,4 млн доларів додаткового ефекту команда Modus X оцінила як амбітну ціль - і реально досягла результату в 550 тисяч доларів. І це попри те що в ДТЕК на момент початку співпраці вже функціонував доволі розвинений Cloud Center of Excellence.

Головна частина доповіді - про те, чим FinOps для штучного інтелекту принципово відрізняється від класичного хмарного. За оцінкою Містюка, відмінності криються у багатьох вимірах. Життєвий цикл хмарних резервацій становить від одного до трьох років, тоді як передові AI-моделі оновлюються щопівроку. Модель ціноутворення змінюється з плати за ядра й пам'ять на тарифікацію за токени. Передбачувані місячні бюджети хмари протистоять вкрай волатильному споживанню штучного інтелекту. Замість класичного rightsizing основними інструментами оптимізації стають роутинг моделей під прості задачі, промпт-інженерія та повторне використання контексту. Зрештою, вагомим залишається людський фактор: якщо 99% хмарного бюджету витрачають інженери, то в AI один неточний запит керівника компанії здатний миттєво вичерпати ліміт усієї організації.

Запропонована Modus X (за схемою, яку в червні 2026 року представила команда FinOps від SAP на форумі в Сан-Дієго) модель роботи з AI-витратами складається з трьох етапів. А саме прозорість - розуміння, хто і на які запити витрачає токени, економіка - робота з вартістю токена, кешування, контроль над агентами, щоб вони не зациклювалися в нескінченних повторних спробах. І, нарешті, цінність - відповідь на питання, який реальний прибуток приносить впровадження AI, зокрема через співвідношення витрат на inference до прибутку від продукту.

Далі слухачів чекала доповідь представника Райффайзен Банку Павла Клеця, який відповідає за роботу співробітників банку з хмарною інфраструктурою - на сьогодні це 95% усієї інфраструктури банку.

Павло Клець нагадав контекст попередніх років: у 2022-2023 роках банк за рекордні 100 днів мігрував всю інфраструктуру з наземних дата-центрів у хмари AWS, IBM Cloud та Oracle Cloud за підходом Lift & Shift - без перероблення систем. Це дозволило користувачам практично не помітити зміни інфраструктури, але вже до 2023 року стало зрозуміло: підхід, який виглядав адекватним компромісом на початку повномасштабного вторгнення, обертається великими прихованими витратами, і почалась робота над адаптацією інфраструктури під хмару та впровадженням практик FinOps.

До 2026 року банк наростив і масштаб, і складність: 107 акаунтів в AWS, 372 інженери, об'єднаних у 41 команду, і понад 10314 інфраструктурних ресурсів, описаних як код. За словами Клеця, за два тижні з моменту підготовки презентації ця цифра, ймовірно, зросла ще приблизно на 500. При цьому організація одночасно відповідає вимогам НБУ, Центробанку в межах групи RBI, а також Європейського центрального банку. Доповідач підкреслив, що Райффайзен є одним з небагатьох українських банків, які відповідають цим вимогам.

Головний виклик, на якому будувалась доповідь, - Developer Experience. А саме, як дати розробнику можливість швидко творити в умовах жорсткої регуляторики та воєнного часу, не втрачаючи при цьому контроль. «Якщо ти його посадиш перед стосторінковим PDF-файлом і скажеш, що поки ти не прочитаєш, ти не можеш почати свою роботу - він скоріше за все втече», - описав Клець типову проблему найму сильних розробників у регульованому середовищі.

Класичний підхід AWS Landing Zones, за словами доповідача, лише частково розв'язує проблему: він визначає базові налаштування нового акаунта (мережі, безпека), але нічого не каже про те, що саме команда будує поверх цього фундаменту - «цегляний будинок чи шалаш». Банк розв'язав цю проблему через повну кодифікацію правил - за аналогією з правилами дорожнього руху: у маленькому селі можна їхати й без чітких правил, а от на «автобані» з високою швидкістю й великою кількістю учасників єдині правила стають обов'язковими. Для цього банк використовує Atlantis як єдиний інструмент застосування змін, Terraform для опису самих правил у вигляді коду, а Terragrunt - як фреймворк, що дозволяє відобразити структуру організації (департаменти, команди, рівень критичності) і повторно використовувати готові конфігурації для різних середовищ.

Практичний результат - повна відмова від ручних змін через вебконсоль AWS. Інженер описує бажану конфігурацію в текстовому файлі, команда безпеки окремо описує допустимі правила, і якщо суперечності немає - зміна автоматично отримує погодження й застосовується; якщо суперечність є - команді, чия політика спрацювала, миттєво надходить нотифікація. «Ми вийшли зі стану, коли людина в перший робочий день не знає, як почати роботу, щоб не помилитися», - підсумував Клець, додавши, що це водночас спрощує проходження аудитів. Систему змін завжди можна показати як прозорий і задокументований процес. У 2026 році до цієї системи додався і штучний інтелект - усі політики стали читабельними машиною, тож розробник може просто попросити модель проаналізувати наявні правила директорії на предмет супротивності перед внесенням змін, суттєво економлячи час.

Експерт медіа- та телеком-бізнесу Олег Нагорний, який будував такі платформи, як Oll.tv з понад пів мільйона активних підписників, а також мультимедіа платформи для дітей й архіви суспільного мовника, розповів про трансформацію індустрії інтернет-телебачення (OTT) під впливом штучного інтелекту. Головна теза його виступу - спроби просто «прикрутити» окрему мовну модель до наявних процесів компанії здебільшого провалюються. Оскільки потрібен перехід від традиційної монолітної інфраструктури, де з інцидентами розбираються постфактум, до повноцінних мультиагентних систем, у яких агенти самі приймають рішення і спілкуються між собою. За наведеними даними від Google, Azure та AWS, такий перехід дає бізнесу приріст ефективності приблизно на 40%.

Ринок OTT, до якого належать сервіси на кшталт Netflix, MEGOGO чи Sweet.tv, за оцінками, до 2030 року сягне майже 600 млрд дол. Й на цьому ринку, за словами доповідача, контент більше не є вирішальним фактором конкуренції: перемагає той, хто дає глядачеві найзручніший спосіб цей контент споживати.

Нагорний перерахував конкретні напрямки, де агентні системи вже змінюють медіавиробництво: автоматизація продакшену (розбиття відео на сцени, підбір найкращих кадрів, нормалізація звуку), локалізація з автоматизованим дубляжем зі збереженням інтонації, що скорочує виробничий цикл на 40%, прогнозне кешування контенту ближче до глядача, динамічне підставляння реклами (наприклад, якщо герой фільму їсть піцу - глядачу показують банер найближчої піцерії, що, за наведеними даними, підвищує ROI щонайменше на 40%), а також аналіз відтоку користувачів, коли модель заздалегідь розпізнає намір скасувати підписку й автоматично формує персональну пропозицію утримання.

Окремо доповідач навів приклад локалізації від українського провайдера Sweet.tv, у якого вихід на ринки 17 країн Європи зайняв сім років значною мірою через високу вартість дубляжу. Сучасні технології на кшталт ElevenLabs дозволяють отримати дубляж голосом оригінального актора іншою мовою - «таке відчуття, що Брюс Вілліс просто вивчив іспанську». А анонсована Google модель Gemini 3.5 дозволяє перекладати живі трансляції практично без затримки: переклад спортивного матчу на 70 мов, за словами Нагорного, коштує близько 2,5 долара на годину проти сотень доларів на редакторів і коментаторів за традиційного підходу. 

Завершив доповідач поясненням, чому, за дослідженнями, близько 85% AI-ініціатив зазнають невдачі. Три головні причини: брак якісних даних, розкиданих по розрізнених системах (Data Silos); ігнорування безпеки, коли конфіденційні дані масово завантажують у публічні моделі без урахування прав на контент; і відсутність культури - страх співробітників за свою роботу, який без належного навчання перетворюється на саботаж нових інструментів. Рецепт  Нагорного - повний аудит інфраструктури й даних, запуск MVP з вимірюваним ROI та повноцінне впровадження MLOps/AIOps. «Штучний інтелект замінить не людей, а тих людей, які не вміють ним користуватися», - резюмував доповідач, навівши приклад Klarna, яка не звільняла співробітників кол-центру, а перекваліфіковувала їх на маркетологів і аналітиків.

Завершив конференцію IT-директор COMFY Сергій Гаврилов з доповіддю про дуже практичну проблему: що робити, коли компанія вже переїхала в хмару, витрати вже великі, а виділеної команди FinOps чи навіть Cloud Operations просто немає.

За словами доповідача, минулого року вся інфраструктура e-commerce COMFY повністю переїхала з власних потужностей у хмару AWS, а частка онлайн-продажів компанії зросла до 33% і залишається для бізнесу критично важливою метрикою. Разом з перевагами хмари прийшли й нові проблеми, і Гаврилов сформулював три з них, які, на його думку, актуальні для будь-якої компанії, що серйозно працює в AWS. Хмара непомітно дорожчає - окремий сплеск витрат легко губиться в загальному щоденному шумі змін складної інфраструктури. Крім того, разовий аудит застаріває майже миттєво - структура хмари змінюється швидше, ніж команда встигає відреагувати на висновки консультантів. А сама цифра у звіті - ще не причина - Cost Explorer покаже, що, скажімо, вартість RDS зросла на 20%, але не пояснить чому.

Рішенням стала не одноразова акція, а постійний конвеєр: аудит перетворили на циклічний процес і додали до нього штучний інтелект для аналізу знахідок. В основі системи - сканер, розроблений спільно з консультантом AWS, який через API компанії сканує різні типи ресурсів (RDS, EC2, DocumentDB та інші). Результати роботи сканера команда COMFY згодовує штучному інтелекту для аналізу в контексті власної системи, а знахідки складає в базу даних для подальшої систематичної роботи - з виведенням на дашборд і щоденними алертами та тижневим дайджестом у корпоративному Telegram.

В основу підходу Гаврилов поклав методологічний принцип CostFirst. Він зіставляє точні дані Cost Explorer про кожен витрачений долар із результатами сканера, який фізично інвентаризує ресурси. Оскільки сканер бачить не все (через специфіку Kubernetes чи обмеження API), між джерелами виникають розбіжності. Компанія розглядає це не як проблему, а як сигнал: якщо за ресурс сплачують кошти, але під час інвентаризації його не видно, він залишається поза контролем. При цьому з підсумкового показника одразу вираховують фіксовані зобов'язання за Savings Plans та транзитні суми за покупку сторонніх сервісів через Marketplace, де Amazon виступає лише фінансовим посередником.

Роль штучного інтелекту в системі - не просто поставити мітку «дорого», а сформувати структурований вердикт. Він пропонує конкретну дію (видалити, зменшити, дослідити чи залишити як є), оцінює потенційну економію, висвітлює ризики та вказує, що саме слід перевірити перед внесенням змін. На прикладах Сергій Гаврилов показав, чим такий контекстний аналіз переважає сухі правила. Скажімо, інструмент на кшталт Karpenter бачить середнє навантаження CPU на рівні 20% і радить скоротити ресурси. Натомість AI зважає на пікові навантаження, розуміючи: після даунсейзингу система просто не витримає чергового сплеску трафіку. Інший приклад - база даних кошиків інтернет-магазину. Середнє навантаження на процесор там становить лише 8%, але оперативна пам'ять заповнена кешем на 80%. Зменшення інстансу уріже й обсяг RAM, що сповільнить оформлення замовлень і зрештою вдарить по конверсії.

Для складніших випадків, коли вердикт AI звучить як «розібратися детальніше», COMFY побудувала окремий інструмент Investigation, де людина спрямовує аналіз штучного інтелекту, перевіряючи власні гіпотези. Показовий приклад: найдорожчий інстанс RDS компанії за стандартною логікою мав би просто отримати Reserved Instance для економії, але глибший аналіз навантаження - циклічного, не пов'язаного з реальним бізнес-трафіком, - виявив один-єдиний запит, що генерував 88% навантаження на базу. Джерелом виявився застарілий крон-скрипт, який давно втратив актуальність; після його відключення базу вдалося реально зменшити.

Знайти причину - це, за словами Гаврилова, лише половина роботи: якщо знахідку нікуди не передати, ефект від неї мінімальний. Тому в COMFY кожна така подія автоматично перетворюється на задачу з призначеним відповідальним і терміном - система сама шле нагадування, частота яких зростає із наближенням дедлайну, а якщо термін уже минув, нагадує щодня. Якщо ж ресурс подешевшав сам по собі, задача автоматично закривається без втручання людини. Ще одна корисна функція системи - прогноз витрат від очікуваного бізнес-трафіку за формулою «фіксовані витрати плюс змінні, помножені на трафік». Маркетингова команда закладає очікувану кількість сесій на Чорну п'ятницю, а система одразу показує орієнтовну вартість цього навантаження в AWS, корелюючи прогноз із потенційним ефектом від виконання 30% чи 50% рекомендованих оптимізацій.

Запущений лише кілька тижнів тому, інструмент, за словами Гаврилова, вже дав ефект приблизно в 10% вартості всього інфраструктурного рахунку компанії. А буквально під час підготовки презентації з'явилась і несподівана зовнішня валідація підходу: Amazon випустив у превью власний схожий інструмент - імовірно, Amazon Q, - агента, який аналізує інфраструктуру клієнта та відповідає на запитання інженерів. «Якщо найбільший хмарний провайдер створив у себе такий самий інструмент - це найкраща валідація, що ми рухались правильним шляхом», - резюмував Гаврилов, зазначивши головну відмінність: рішення Amazon буде керованим сервісом із нативною інтеграцією та підтримкою мультиакаунтів «з коробки», але коштуватиме грошей, тоді як власна розробка COMFY, побудована на майже безоплатних токенах мовних моделей, реально обходиться компанії в копійки.

В завершення можна зазначити, що загальний лейтмотив конференції IT Infrastructure, Cloud & Security Summit 2026: штучний інтелект однаково активно змінює і роботу зловмисників, і роботу захисту - від управління доступами й моніторингу до бекапів і фінансового контролю над хмарою. А головним ресурсом, який справді варто масштабувати, за словами багатьох спікерів, залишаються не сервери й не диски, а накопичені знання команди.

Стратегія охолодження ЦОД для епохи AI