NGR Softlab в списке лидеров ИИ-разработки по версии CNews

Что именно оценивали и почему это важно

CNews Analytics составил рейтинг крупнейших разработчиков ИИ-решений на основе выручки от ИИ-проектов — то есть это не «кто громче пишет про нейросети», а «кто зарабатывает на внедрениях». Метрика грубая, но для практика полезная: она отсеивает студии, которые делают пилоты на коленке, и оставляет тех, у кого есть рабочие сценарии в продуктиве. Для команд, которые сейчас выбирают поставщика, это первая проверочная точка — есть ли вендор в подобных списках вообще, и за какую именно компетенцию он туда попал.

Dataplan как сценарий, а не «ещё один ИИ»

NGR Softlab вошла в рейтинг с аналитической платформой Dataplan, у которой официально подтверждён признак ИИ. Платформа ищет аномалии и скрытые угрозы в поведении пользователей, хостов, учётных записей и других объектов — то есть это инструмент для тех команд, где вопросы внутренней безопасности и утечек стоят не в презентации, а в регламенте. Характерно, что вендор попал в рейтинг как один из немногих разработчиков ПО именно для информационной безопасности — большая часть участников представляет ИТ-рынок в широком смысле. Для бизнеса это намёк: ниша ИБ+ИИ на российском рынке пока не перенасыщена, и выбор здесь конкурентный по смыслу, а не по количеству логотипов на сайте.

В свежей версии платформы — Dataplan 2.4 — появилась собственная ИИ-модель NGR Softlab под названием DivergentGPT, обученная анализировать отклонения во временных рядах. В этом году модель ушла в продуктив, и заявленный эффект в базовой реализации — сокращение числа событий, которые попадают к аналитику на ручный разбор, на 20%. Это не магическая цифра, но конкретная: меньше ложных срабатываний — меньше часов SOC-команды на разбор шума, и прямой выход в эффективность процессов, а не в маркетинговые слайды.

На что смотреть при выборе — практика внедрения

Замгенерального директора NGR Softlab Дмитрий Пудов в комментарии к рейтингу сам обозначил тренд, который мы наблюдаем у заказчиков: фокус сместился с «у нас есть ИИ» на измеримость результата — ROI, снижение нагрузки, понятный сценарий применения. Это созвучно нашему подходу к подбору инструментов: перед пилотом стоит зафиксировать 2–3 конкретные метрики (в случае с Dataplan это будут, например, доля ложных срабатываний, время расследования инцидента, нагрузка на аналитика первой линии) и договариваться с вендором о том, как их измерять до, во время и после внедрения.

Несколько точек, на которые имеет смысл обратить внимание при знакомстве с платформой и подобными ей решениями:

— Попросите у вендора описание архитектуры модели и принципа работы с временными рядами — это поможет понять, подходит ли инструмент под ваш объём данных и тип событий.

— Уточните сценарии дообучения: DivergentGPT уже в проде, но важно, есть ли возможность адаптации под специфику именно вашей инфраструктуры.

— Проверьте, как продукт встроится в существующий процесс — куда уходят алерты, кто отвечает за тюнинг порогов, как организован онбординг аналитиков.

— Запросите референсы из отрасли, близкой к вашей: поведение пользователей в банке и в ритейле — это разные временные ряды.

Рейтинг — это повод присмотреться, но не повод покупать. В случае с Dataplan стоит посмотреть на пилотный проект с измеримой гипотезой и понять, укладывается ли заявленное снижение шума в ваши процессы так же, как у текущих заказчиков вендора.