Язык
В 2025–2026 годах тема искусственного интеллекта окончательно вышла за рамки технологических дискуссий. Компании массово заявляют о внедрении ИИ в операционные процессы, аналитику и управление ИТ. На этом фоне всё чаще звучит тревожный тезис: если алгоритмы умеют анализировать данные, строить прогнозы и находить аномалии, нужны ли вообще специалисты по управлению активами и лицензиями?
Именно здесь возник опасный миф. На форумах, в медиа и даже внутри корпоративных стратегий всё чаще встречается идея, что ИИ способен полностью заменить функции ITAM и SAM специалистов. Следствием такого восприятия уже становятся сокращения команд и попытки «автоматизировать всё». Проблема в том, что подобная логика опирается на упрощённое понимание самих дисциплин.
Во многих организациях управление ИТ-активами по-прежнему воспринимается как техническая поддержка, отчётность или ведение таблиц. Когда ITAM и SAM сводятся к инвентаризации и выгрузке данных, действительно возникает ощущение, что алгоритмы справятся быстрее и дешевле. Но такое представление игнорирует реальную роль этих функций в корпоративном управлении.
ITAM это не просто учёт оборудования или облачных ресурсов. Речь идёт о контроле жизненного цикла активов, прозрачности ИТ-среды, управлении затратами и рисками. SAM, в свою очередь, выходит далеко за пределы подсчёта лицензий. Это область, где пересекаются финансы, контракты, юридические обязательства и архитектурные решения. Ошибки здесь измеряются не удобством работы, а финансовыми последствиями, возможными штрафами при аудите и неоптимальным расходованием бюджета.
ИИ действительно меняет повседневную работу ITAM и SAM специалистов. Наиболее заметный эффект сегодня проявляется на уровне специализированных платформ управления активами и лицензиями, где интеллектуальные механизмы используются для повышения качества данных, ускорения аналитики и снижения операционной нагрузки.
Подобные подходы уже реализованы в специализированных решениях, включая Flexera One.
Интеллектуальные модели формируют прогнозы потребления и расходов, упрощая бюджетирование и финансовое планирование.
ИИ применяется для структурирования и сопоставления лицензионных данных. Это снижает трудозатраты на ввод и анализ контрактной информации.
ИИ может использоваться для анализа выгрузок discovery-данных, включая наименования ПО, производителей, версии, атрибуты установок и хостов.
Алгоритмы помогают выявлять неконсистентные записи, скрытые дубли, а также несоответствия между разными источниками инвентаризации.
В специализированных платформах например, Flexera One, подобный механизм реализован как интеллектуальная нормализация данных.
В более широком применении ИИ может использоваться для дополнительной проверки выгрузок, сравнения сред или анализа нестандартных случаев, выходящих за рамки автоматической модели системы.
Алгоритмы упрощают работу с данными и запросами, уменьшая сложность взаимодействия с моделью системы.
Интеллектуальный помощник ускоряет доступ к справочной информации и снижает время поиска необходимых сведений.
Однако применение ИИ в ITAM и SAM не ограничивается встроенными возможностями платформ.
ИИ может использоваться для виртуального моделирования различных вариантов лицензирования до принятия архитектурных решений.
Например, в среде с Microsoft SQL Server можно сравнить несколько сценариев: текущее размещение виртуальных машин по кластерам, их консолидацию на меньшее число хостов или перераспределение нагрузок с учётом core-лицензирования и наличия Software Assurance (SA).
Алгоритмы анализируют количество физических ядер, размещение ВМ, редакции (Standard/Enterprise) и условия SA. В результате специалист получает оценку:
Такой подход позволяет протестировать гипотезы без изменения продуктивной среды и заранее оценить последствия решений.
ИИ может использоваться не только для расчётов, но и для проверки архитектурных и лицензионных гипотез.
Например, алгоритмы помогают выявлять потенциальные нарушения лицензионных правил: несоответствие редакции фактическому использованию, размещение компонентов в инфраструктуре, не соответствующее требованиям вендора, или ситуации, когда используется более дорогая редакция при отсутствии её функциональной необходимости.
ИИ может анализировать:
Это позволяет выявить сценарии переплаты, избыточного лицензирования или потенциального аудиторского риска до того, как проблема станет финансовым инцидентом.
В совокупности такие механизмы меняют характер повседневной работы. ИИ снижает долю рутинных операций, позволяя специалистам концентрироваться на интерпретации данных, управлении рисками и принятии стратегических решений.
При этом критически важно понимать границы подобных возможностей. ИИ эффективно работает с данными, паттернами и отклонениями, но не способен самостоятельно формировать управленческую позицию. Алгоритмы не учитывают договорные нюансы, не определяют допустимый уровень финансового риска, не ведут переговоры с вендорами и не принимают стратегических решений. Они выявляют сигналы, но интерпретация их значимости для бизнеса остаётся задачей специалистов.
Кроме того, качество аналитики ИИ напрямую зависит от исходных данных. Алгоритмы не способны компенсировать неконсистентную инвентаризацию, ошибки учёта или неполные сведения об инфраструктуре. Аналитика от ИИ эффективна ровно настолько, насколько достоверна информационная база, на которой он работает. Это означает, что задачи корректного учёта активов и качества данных сохраняют фундаментальное значение вне зависимости от уровня автоматизации.
ИИ не устраняет потребность в экспертизе, а меняет характер работы. Автоматизация и интеллектуальные механизмы снимают значительную часть механических операций, однако ценность ITAM и SAM всё больше смещается в сторону анализа, интерпретации и принятия решений. Управленческую ценность создают не алгоритмы, а люди, которые понимают архитектуру среды, лицензионные модели, контрактные ограничения и финансовые последствия технических изменений.
Именно в этой точке возникает дополнительный управленческий риск. В ряде организаций внедрение ИИ и автоматизации уже привело к сокращению отдельных ролей и перераспределению функций. То есть задачи, ранее выполнявшиеся профильными специалистами, переходят к руководителям и смежным подразделениям, которым приходится самостоятельно полагаться на выводы интеллектуальных систем.
Важно учитывать, что современные нейросети представляют собой вероятностные модели, которые могут формировать неточные или некорректные рекомендации. Оценка корректности таких выводов требует профессиональной экспертизы, особенно в областях, связанных с лицензированием и финансовыми обязательствами. Без профильной экспертизы риск ошибок увеличивается, при этом ответственность за выводы ИИ остаётся неопределённой.
В этих условиях ключевым фактором становится не просто внедрение технологий, а способность команд правильно использовать ИИ как инструмент усиления аналитики и принятия решений.
ИИ не отменяет управление активами и лицензиями. Он радикально повышает скорость обработки информации, но не устраняет необходимость в контексте, ответственности и профессиональной интерпретации данных.
Будущее управления ИТ-активами в компаниях в Казахстане принадлежит командам, которые понимают стратегическую природу ITAM и SAM и используют ИИ как инструмент усиления своих решений. В этой модели технологии ускоряют анализ и повышают прозрачность среды, а специалисты формируют политику, управляют рисками и определяют экономически обоснованные действия.
