Гибридный подход вытесняет крайности

Главный структурный сдвиг в сфере IBP связан с поиском баланса между гибкостью, с одной стороны, и стоимостью, и простотой внедрения – с другой. Рынок уходит от покупки готовых специализированных решений к выбору платформ, позволяющих строить собственные модели планирования. При этом сами платформы разделились на два лагеря: low-code/no-code конструкторы и вендор-центричные платформы с готовыми модулями.

Артур Хамидуллин, директор департамента продвижения отраслевой экспертизы компании «Форсайт», формулирует тренд так: «Однозначного перевеса в сторону гибкой цифровой платформы или готового модульного решения нет – выбор зависит от зрелости компании, скорости изменений в бизнес-модели и влияния внешних факторов на ее бизнес. В последнее время заказчики все чаще выбирают гибридный подход – готовые модули и шаблоны на гибкой цифровой платформе. Чистая самописная гибкость уходит в прошлое из-за стоимости владения, а жесткие монолитные решения из коробки не выдерживают скорости изменений».

По словам эксперта, критерии выбора в реальных сделках сместились от функциональности к экономике адаптации. Заказчики смотрят на скорость внедрения в сопоставлении со скоростью изменений, на совокупную стоимость владения с учетом ресурсов собственной команды, на отраслевую специфику и интеграционный ландшафт, а также на риск вендор-лока и открытость форматов данных. Практика показывает: в холдингах с несколькими бизнес-направлениями до 30 % процессов оказываются уникальными, и именно они определяют, выдержит ли система изменения через год после внедрения.

Сергей Мозжеров, директор продукта In.Plan компании Axenix, подтверждает эту логику: «Мы почти не видим выбора по принципу "или-или". Для крупной компании это скорее вопрос пропорции между готовой функциональностью и возможностью адаптировать ее под свои процессы. Если недостающую функциональность можно настроить через конструкторы, система развивается вместе с бизнесом. Если любое отклонение от стандарта требует доработки ядра – основные проблемы начинаются уже после внедрения. Для enterprise-систем стоимость таких изменений со временем может оказаться важнее первоначальной стоимости лицензии».

ИИ уходит в производственный контур

Второе направление изменений – превращение ИИ и ML из маркетингового лозунга в ядро продуктовой дифференциации. Исследование показало, что лидеры рынка уже применяют машинное обучение для прогнозирования, оптимизации и сценарного анализа, но подход становится все прагматичнее: ставка делается не на сложность модели, а на ее измеримый вклад в результат.

Сергей Мозжеров объясняет: «Практика показала, что универсально лучшего алгоритма нет: на одном ряду выигрывает машинное обучение, на другом – сезонная статистическая модель, на третьем хорошо работает относительно простой статистический метод. Поэтому мы пошли по пути, где модели конкурируют: если алгоритм показывает меньшую ошибку на контрольном периоде, мы его используем; если ML проигрывает классике – остаемся на классике. Корректный выбор уровня прогнозирования и автоматический подбор метода под конкретный ряд дают прирост точности порядка 3–7 процентных пунктов».

Артур Хамидуллин обращает внимание на то, что ИИ в планировании – не «черный ящик» вместо специалиста: «Прогнозирование спроса и использование сценариев на базе ML – надстройка, которая уточняет базовый прогноз и автоматически пересчитывает цепочку: спрос – производство – закупки – запасы – cash flow. В одном из проектов модель обеспечивает комплексную оптимизацию всех переделов металлургического производства с учетом рыночных факторов, позволяет анализировать целесообразность новых видов сырья и находить оптимальные цены закупки. Следующий шаг – ИИ-агенты, которые не просто отвечают, а выполняют роли в процессе: агент-прогнозист уточняет спрос по SKU, агент-снабженец пересчитывает заказы, агент-финансист проверяет влияние на cash flow и маржу. Человек остается в роли арбитра и владельца допущений».

Исследование фиксирует, что ИИ все реже существует как отдельная функция и все чаще встраивается непосредственно в контур планирования.

Безопасность, аудит и конвергенция контуров

Третий и четвертый тренды связаны между собой. Системы планирования работают с планами, бюджетами, прогнозами и финансовыми моделями – это делает требования к безопасности, аудиту и прослеживаемости критическими, особенно в регулируемых отраслях. Одновременно классическое разделение на SCP, FP&A и IBP размывается: SCP-системы добавляют финансовый контур, финансовые платформы начинают моделировать операции, а универсальные решения объединяют оба мира. Заказчику все важнее способность системы обеспечить единую сквозную модель доступа и прослеживаемости поверх всех контуров.

Сергей Громов, основатель аналитического центра «Круги Громова», комментирует: «Сегодня заказчик приходит с вопросами высокого уровня зрелости: как устроена сквозная модель доступа и аудита; что произойдет с системой, если бизнес-модель изменится через год; сколько будет стоить адаптация силами собственной команды и тому подобными. К тому же регуляторные требования к безопасности и прослеживаемости перестали быть гигиеническим фактором и стали драйвером выбора. При этом границы между классами решений размываются: заказчик все реже выбирает систему по классу продукта и все чаще – по бизнес-задаче и требует понимания того, что физически должно произойти, каким будет финансовый результат и как связать оба ответа в одной среде».

Зрелость данных как главный барьер внедрения

Пятый тренд меняет восприятие проектов планирования: основные проблемы лежат в организационной зрелости, качестве данных и готовности бизнеса менять модель принятия решений. Отсутствие единых справочников, дублирование, расхождение классификаторов, разрозненные KPI коммерческого блока, финансов, производства и закупок – это то, с чем заказчик сталкивается раньше, чем с функциональными ограничениями платформы.

Сергей Громов подчеркивает: «Мы видим, что цифровизация редко решает фундаментальные организационные проблемы – в большинстве случаев она лишь делает существующие противоречия более заметными и масштабируемыми. Ошибка в одном контуре быстро распространяется на всю цепочку взаимосвязанных расчетов. Связка 1С и Excel остается привычной, а прозрачность, которую создает интегрированное планирование, вызывает сопротивление. Поэтому главный вопрос проекта все еще в том, кто в компании отвечает за модель принятия решений и готов ли бизнес менять ее вместе с системой».

Что это означает для заказчика

Помимо пяти основных трендов, на горизонте трех–пяти лет проявятся еще несколько сдвигов: управляемые сервисы на базе облаков, контейнеров и Kubernetes становятся инструментом быстрого запуска; средний бизнес все чаще выбирает пилоты и подписочные модели с первым эффектом за недели, а не месяцы. Регуляторные требования – реестр отечественного ПО, ФСТЭК, КИИ и пр. – сформировали понятные правила игры и в дальнейшем продолжат стимулировать платежеспособный спрос.

Сергей Мозжеров видит будущее направления таким: «AI перестанет быть отдельной функцией и встроится непосредственно в процесс. До расчета система сама проверяет данные, ищет аномалии, замечает конфликт прогноза и промо. После расчета планировщику уже не нужно вручную искать проблемы среди тысяч позиций – система показывает, где возник дефицит, где перегружено производство, почему вырос запас. Следующий шаг – не просто показать проблему, а объяснить ее: что произошло, почему, какие есть варианты действий и к чему приведет каждый из них. В нормальном целевом состоянии система берет на себя механику, а человеку остаются контекст, компромиссы, выбор и ответственность».

Артур Хамидуллин прогнозирует следующее: «ИИ-агенты будут выполнять роли в процессе, а не только отвечать на вопросы: агент-прогнозист уточняет спрос, агент-снабженец пересчитывает заказы, агент-финансист проверяет влияние на cash flow и маржу. Параллельно планирование перестанет быть событием раз в месяц и станет фоновым процессом: модель постоянно подтягивает факт, пересчитывает прогноз и держит актуальные сценарии в готовом виде. Компания, которая пересчитывает сценарий за два часа, а не за две недели, по-другому ведет переговоры с поставщиками, иначе реагирует на промо конкурента и иначе управляет оборотным капиталом».

«Мы видим будущее систем планирования как экосистему: ядро плюс сервисы, AI-агенты и сторонние решения. Такой подход позволяет гибко собирать сложные нагруженные решения под задачи разных типов. Второе направление – активное применение технологий vibe-coding для создания специальных компонентов: интерфейсов, вычислений, работы с данными. Благодаря этому заказчик получает возможность быстро дорабатывать модель под свои процессы. К тому же vibe-coding алгоритмов прогнозирования позволяет повысить точность прогнозов и скорость создания продукта. Заказчику важна не только математическая модель, но и то, как быстро она появляется и адаптируется под его данные», – считает Павел Шингарев, CEO Knowledge Space.

Сергей Громов резюмирует: «Тем, кто выбирает систему планирования сегодня, стоит смотреть не на текущий список функций, а на то, как решение поведет себя через два-три года. Рынок движется к гибридным моделям, ИИ-агентам и непрерывному планированию, и закладывать эту перспективу нужно уже на этапе выбора. Начинать стоит с ответа на три вопроса: какова зрелость наших процессов и данных, готовы ли мы менять модель принятия решений вместе с системой и кто в компании будет отвечать за эту модель. Без ответов на них любая платформа останется набором инструментов».