«Диасофт» запускает платформу для управления жизненным циклом ML-моделей: что нужно знать

Российская компания «Диасофт» выпустила платформу для управления жизненным циклом моделей машинного обучения — ML Lifecycle Management. Это первый отечественный продукт такого класса, который автоматизирует полный цикл работы с ML-моделями: от разработки до вывода из эксплуатации. Решение ориентировано на корпоративных заказчиков, особенно в банковской сфере, где регуляторные требования к моделям особенно строги. В условиях ухода западных вендоров платформа призвана заместить импортные аналоги и обеспечить соответствие требованиям Центробанка.

Что такое ML Lifecycle Management и зачем он нужен

Управление жизненным циклом машинного обучения — это комплекс процессов и инструментов, которые позволяют организациям эффективно разрабатывать, развертывать и поддерживать ML-модели в промышленной эксплуатации. В отличие от разовых экспериментов, в корпоративной среде модели требуют постоянного мониторинга, обновления и документирования. Платформа «Диасофт» охватывает все этапы: сбор и подготовку данных, проектирование и обучение моделей, их валидацию и тестирование, развертывание в промышленную среду, мониторинг производительности и дрейфа данных, а также управление версиями и документирование. Решение интегрируется с популярными фреймворками машинного обучения, такими как TensorFlow, PyTorch и Scikit-learn, а также с корпоративными системами «Диасофт» для финансовой автоматизации. Пилотные внедрения в нескольких крупных российских банках показали снижение времени вывода моделей в эксплуатацию на 30–40%.

Почему российский рынок нуждается в отечественной платформе для ML

Рынок управления жизненным циклом ML-моделей активно развивается во всем мире, однако в России до сих пор доминировали зарубежные решения, такие как MLflow от Databricks и Kubeflow от Google. После ухода многих западных вендоров с российского рынка возникла потребность в отечественных аналогах, особенно в регулируемых отраслях, где требуется соответствие требованиям Центробанка и других регуляторов. «Диасофт» уже имеет опыт создания платформ для автоматизации банковских процессов, поэтому расширение в область ML выглядит логичным шагом. Кроме того, в 2025 году Банк России ужесточил требования к валидации и мониторингу моделей машинного обучения, используемых в кредитовании и риск-менеджменте, что создает дополнительный спрос на подобные решения.

Чем новый продукт отличается от существующих решений?

В отличие от открытых фреймворков, таких как MLflow, продукт «Диасофт» предлагает коробочное решение с поддержкой российских стандартов и интеграцией с локальными системами. Ключевое преимущество — встроенные модули для соответствия требованиям регуляторов: автоматическое документирование моделей, аудит изменений, контроль версий и возможность воспроизводимости результатов. Также платформа включает инструменты для обнаружения дрейфа данных и дрейфа концепций, что критично для долгоживущих моделей в финансах. По словам разработчиков, система поддерживает гибридное и мультиоблачное развертывание, включая работу с российскими облаками.

Технические подробности и архитектура платформы

Архитектурно решение построено на микросервисах и использует Kubernetes для оркестрации контейнеров. Платформа включает следующие компоненты: реестр моделей (model registry), систему управления экспериментами (experiment tracking), сервис развертывания (deployment service) и модуль мониторинга (monitoring dashboard). Для хранения метаданных используется PostgreSQL, а для артефактов — S3-совместимое объектное хранилище. Платформа поддерживает REST API и gRPC для интеграции с внешними системами. Важной особенностью является возможность работы в офлайн-режиме, что востребовано в организациях с высокими требованиями к информационной безопасности. Производительность: по заявлению «Диасофт», система способна обрабатывать до 10 000 запросов в секунду на одной инстанции.

Кого затронет и как: банки, финтех и не только

Основная целевая аудитория — крупные банки и финансовые организации, которые активно используют ML для скоринга, антифрода, кредитного риск-менеджмента и персонализации. В России это, например, Сбербанк, ВТБ, Альфа-Банк и другие. Однако продукт может быть полезен и в других отраслях: страховании, телекоме, розничной торговле и промышленности, где требуется управление моделями. Для российских компаний это возможность заместить зарубежные решения и снизить зависимость от санкционных рисков. Кроме того, платформа может быть востребована в странах ЕАЭС и других дружественных государствах, где также актуальны вопросы регуляторного соответствия.

Что будет дальше: планы и перспективы

«Диасофт» планирует активно развивать продукт, в ближайших планах — добавление поддержки AutoML, расширение списка поддерживаемых фреймворков и интеграция с системами управления данными. Компания намерена занять лидирующую позицию на российском рынке ML-платформ, конкурируя с Open Source-решениями и другими отечественными разработками, такими как платформа от «Сбера» или «Ростеха». Ожидается, что в течение 2026 года продукт будет сертифицирован Федеральной службой по техническому и экспортному контролю (ФСТЭК) для использования в государственных информационных системах. Эксперты рынка отмечают, что успех продукта будет зависеть от качества документации и поддержки, а также от способности интегрироваться с legacy-системами заказчиков.

Итог

Вывод на рынок продукта «Управление жизненным циклом машинного обучения» от «Диасофт» — значимое событие для российского рынка корпоративного ПО. Решение закрывает критическую потребность в отечественной платформе для управления ML-моделями, особенно в регулируемых отраслях. Если продукт подтвердит заявленные характеристики и получит необходимые сертификации, он может стать стандартом де-факто для российских банков и других организаций, работающих с машинным обучением.