Российский финтех создал удобные банковские приложения, развитую платёжную инфраструктуру и сильные цифровые сервисы. Однако за интерфейсами, которые видят клиенты, нередко скрываются устаревшие системы, ручные операции, закрытые API и сложные процессы согласования изменений. Всё это замедляет развитие отрасли и запуск новых продуктов.
Deckhouse, журнал «Компьютерра» и экспертный лейбл «Тишина» изучили, какие технологии и подходы определят развитие финтеха в ближайшие годы. Вместе мы провели 12 глубинных интервью с топ-менеджерами банков и финансовых компаний, опросили 53 представителей отрасли и изучили 22 отраслевых исследования. Ключевые выводы и прогнозы собрали в аналитическом отчёте «Финтех нового уровня».
Отчёт будет полезен руководителям банков и финтех-компаний, директорам по технологиям и продуктам, вендорам и интеграторам, а также архитекторам, разработчикам и инженерным командам, которые занимаются модернизацией систем и внедрением ИИ. Внутри вы найдёте:
- Оценку зрелости клиентских сервисов и внутренних технологических процессов.
- Основные архитектурные и организационные барьеры, которые замедляют запуск продуктов.
- Требования к безопасному внедрению ИИ в финансовых организациях и оценку реального эффекта AI-native-подхода на разных этапах разработки.
- Анализ облачной, локальной и гибридной инфраструктуры.
- Сравнение моделей развития финтеха в России и на зарубежных рынках.
Отчёт «Финтех нового уровня» охватывает разные аспекты развития отрасли, а в этой статье мы остановимся на самых интересных. Разберём, как AI-native-подход может изменить разработку, зачем финансовым компаниям гибкая инфраструктура, какие архитектурные изменения помогут быстрее выпускать новые продукты и что определит конкурентоспособность отрасли в ближайшие пять лет.
Искусственный интеллект в разработке: от помощника по отдельным задачам к AI-native-процессам
Сегодня ИИ помогает инженерам и разработчикам финтех-компаний проверять качество и безопасность кода, писать и рефакторить его, создавать документацию, готовить требования и тестировать продукты. Реже его используют при проектировании архитектуры, подготовке релизов и управлении инфраструктурой.

Пока большинство компаний ограничиваются точечным применением ИИ. 32 % участников опроса используют модели как помощников для решения отдельных задач, и только в 4 % организаций есть процессы, изначально спроектированные как AI-native.
Следующий этап — передача ИИ практически всего цикла разработки. Для этого компаниям предстоит изменить рабочие процессы и распределение ответственности между человеком и моделями. Чем больше задач выполняют модели, тем важнее выстроить проверку их результатов, согласование изменений и дальнейшее сопровождение продуктов.
От AI-native-подхода в финтехе прежде всего ждут ускорения разработки (4,20 балла из 5) и тестирования (4,08 из 5). Влияние на безопасность программного обеспечения оценивают осторожнее, в 2,92 балла.
Единого подхода к контролю безопасности работы моделей пока нет. В 21 % компаний запрещено использовать внешние модели, и доступ предоставляется только к тем, что развёрнуты внутри собственного контура. Другие 19 % разрешают применять внешние ИИ-инструменты для отдельных задач или при соблюдении политик безопасности. Чаще всего выбирают гибридную модель — 23 %, ещё 9 % подключают внешние сервисы через шлюзы и guardrails.
Для защиты данных компании применяют маскирование и обезличивание, фильтрацию запросов, логирование действий моделей и ограничение их доступа к системам. Критически важные операции могут требовать подтверждения человека.

ИИ ускоряет отдельные этапы разработки, но не обязательно сокращает время запуска продуктов. По мере перехода к AI-native-подходу компаниям важно наравне со скоростью генерации учитывать возможности команд проверять качество кода, согласовывать изменения и сопровождать готовые решения. Если эти этапы отстают от темпов разработки, узкие места могут переместиться на другие участки процесса.
Эффект от ИИ в разработке существенный: выросли пропускная способность и объём изменений. Но вместе с этим возникает всё больше вопросов в процессах смежных с инженерным SDLC — в целеполагании, продуктовом процессе, поддержке решений в промышленной эксплуатации.
Когда проникновение ИИ-инструментов превысило 95 %, кодогенерация выросла, а бутылочное горлышко сместилось на код-ревью, версионирование и смежные этапы. Классические SRE-практики уже не справляются с таким объёмом изменений — всё приходится перестраивать.
Владислав Плющев, вице-президент, СТО Экосистемы B2C, «Сбер»
Инфраструктура финтеха: как компании сочетают собственные и облачные ресурсы
Текущая инфраструктура финансовых компаний формировалась годами. Новые сервисы появлялись поверх существующих систем, поэтому сегодня в одном контуре могут работать процессинг, аналитические платформы, клиентские приложения, среды разработки и ресурсоёмкие ИИ-модели. При этом у каждой нагрузки свои требования к производительности, доступности и защите данных.
Собственная инфраструктура даёт компаниям больше контроля над чувствительными данными, оборудованием и работой систем, но её расширение требует закупки серверов и систем хранения данных. Публичные облака позволяют быстрее получить ресурсы, когда нужно масштабировать сервисы или развернуть новые среды. При этом перенос критически важных систем в облако может потребовать дополнительных мер защиты и увеличить итоговую стоимость решения.
В таких условиях компаниям не обязательно выбирать что-то одно. Вместо того, чтобы размещать все системы только на собственных мощностях или полностью переходить в публичное облако, организации могут сочетать оба варианта. В гибридной инфраструктуре одни нагрузки работают on-premise, другие — в частном или публичном облаке. Их распределяют с учётом требований к производительности, доступности, безопасности и стоимости.
По данным отчёта, 15 % компаний используют гибридную инфраструктуру, в которой публичное облако предназначено только для некритичных нагрузок. Ещё 13 % размещают отдельные критичные нагрузки во внешних облаках, а 6 % используют внешнее облако для существенной доли нагрузок, оставляя часть систем на собственных серверах.

Само по себе сочетание собственных и облачных ресурсов ещё не означает, что ими управляют как единой системой. Такой принцип лежит в основе Distributed Hybrid Infrastructure (DHI), или распределённой гибридной инфраструктуры. Для её реализации используют гибридные инфраструктурные платформы: они позволяют централизованно управлять ресурсами в разных средах, применять единые политики безопасности и автоматизировать распределение нагрузок.
Гибридные инфраструктурные платформы помогают унифицировать среду, централизовать управление собственными и облачными ресурсами, единообразно управлять политиками безопасности, автоматически масштабироваться при пиковых нагрузках и сделать все технологические процессы абсолютно прозрачными. Такая основа даёт возможность в разы быстрее запускать инновации — от Open Banking до работы с цифровыми активами, — гарантируя их надёжность и масштабируемость.
Карапет Манасян, директор продуктовых направлений Deckhouse, «Флант»
Один из распространённых сценариев DHI — размещение некритичных сервисов и тестовых сред во внешнем облаке при сохранении чувствительных данных и основных систем в контролируемом контуре. Облачные мощности также можно использовать для нагрузочных испытаний, резервирования и отдельных задач машинного обучения.

Гибридная модель позволяет постепенно модернизировать инфраструктуру, не заменяя сразу системы, переход которых связан с высокими рисками. Это даёт компаниям возможность внедрять изменения поэтапно, сохраняя стабильность критически важных процессов.
Архитектура и процессы разработки: что мешает быстро запускать продукты
Финансовые компании годами развивали свои системы, добавляя новые сервисы и интеграции. Постепенно связи между компонентами становились сложнее, поэтому сегодня изменения в одной части всё чаще затрагивают другие. В результате запуск новых продуктов зависит не только от скорости разработки, но и от того, насколько легко встроить новое решение в сложившуюся архитектуру.

Проблема характерна не только для российского рынка. По оценке Accenture, почти 70 % технологических расходов банков направляется на сопровождение существующих систем и выполнение текущих обязательств. За последние 15 лет технологические затраты 150 крупнейших банков мира росли примерно в четыре раза быстрее выручки.
На скорость запуска новых продуктов влияет и выбор между собственной разработкой и готовыми решениями. Одни решения компании создают самостоятельно, другие покупают у поставщиков или адаптируют под свои задачи. Универсального подхода нет: выбор зависит от типа системы, её роли в бизнесе и доступных ресурсов.

Но даже удачно выбранная модель разработки не гарантирует, что инженерные команды смогут быстро выпускать новые продукты. Для этого нужны инструменты и процессы, которые не заставляют каждую команду заново решать инфраструктурные задачи. Эту проблему помогает решать Platform Engineering — создание внутренних платформ с инфраструктурой, инструментами и сервисами для разработки и эксплуатации приложений. 32 % участников опроса считают, что развитие такого подхода могло бы ускорить российский финтех.
Ещё один фактор — то, как в компании принимают технологические решения. Даже если команда видит необходимость изменить архитектуру, реализовать такие изменения бывает непросто: в крупных организациях полномочия распределены между разными уровнями управления, а отступление от принятых стандартов требует дополнительных согласований.
В крупной организации влияние на технологические решения распределено по уровням. На верхнем уровне принимаются наиболее масштабные, стратегические решения, оказывающие влияние на всю организацию. Стандартизация повышает эффективность производства, вместе с тем ограничивая вариативность применяемых технологий.
Руководители среднего уровня определяют ландшафт в своей зоне ответственности, оставаясь в рамках стандартов или влияя на их изменение. Инженеры, чаще являясь заложниками своей компетенции, влияют в основном на качество решений (technical excellence), а для совершения революции, например изменения стека или отступления от стандартов, требуется прохождение нескольких кругов согласований.
Михаил Тюрганов, руководитель департамента разработки цифровых сервисов, Альфа-Банк
В конечном счёте одних инвестиций в технологии недостаточно. Скорость запуска новых продуктов зависит от архитектуры, выбранной модели разработки и того, насколько удобно инженерным командам работать с внутренними платформами и процессами.
Что поможет российскому финтеху развиваться быстрее
У российского финтеха уже есть сильные стороны — развитые цифровые каналы, удобные платежи и высокие инженерные компетенции. Следующий этап развития будет зависеть от того, насколько успешно компании смогут:
- расширять применение ИИ в разработке и бизнес-процессах и переходить к AI-native-подходам;
- использовать гибридную инфраструктуру, сохраняя контроль над критически важными системами и данными;
- модернизировать устаревшие системы и упрощать интеграцию новых решений;
- развивать внутренние платформы для инженерных команд.
В статье мы не затронули тему Open API и API First-архитектуры, а также сравнение моделей развития финтеха в России и за рубежом. Подробности о них и о том, что определит конкурентоспособность и темпы развития отечественных банков и финансовых компаний, читайте в полной версии отчёта от команд Deckhouse, «Компьютерры» и «Тишины».