24 сентября 2026 года в Москве прошел XI ежегодный форум «Управление данными» издательства «Открытые системы». Главная тема форума — адаптация корпоративных данных под задачи искусственного интеллекта и развитие инструментов работы с данными после завершения базовых проектов импортозамещения.
В треке «Технологии» Кирилл Евдокимов, директор практики Data Governance, Data Sapience, представил доклад «Каталог данных AI-Ready». Он показал, как меняется роль каталога, когда основным потребителем метаданных становится ИИ-агент. Качество решений агента определяется качеством данных и метаданных, поэтому каталог перестает быть справочником для людей и становится слоем, через который агент получает контекст о данных компании. Платформа должна отдавать метаданные через API и протокол контекста модели (Model Context Protocol, MCP), а не только через интерфейс. Семантический слой для ИИ отличается от бизнес-глоссария: его потребитель — языковая модель или агент, данные описаны машиночитаемыми схемами объектов, связями и правилами агрегации метрик, а права пользователя пробрасываются в каждый вызов инструмента.
Кирилл рассказал и об ИИ-модуле Data Ocean Governance, который состоит из чата, ИИ-агента, MCP-сервера и внешней языковой модели, заменяемой при необходимости. Агент EMM ищет объекты, анализирует происхождение данных (data lineage) на естественном языке и готовит SQL-запросы, агент Description составляет описания терминов и таблиц, агент DQ создает правила контроля качества. Черновики подтверждает человек.
«Выигрывают те, кто начал наводить порядок в метаданных до массового внедрения агентов. Описания, глоссарий и правила качества, которые раньше казались рутиной, теперь определяют, насколько полезным окажется ИИ для бизнеса», — говорит Кирилл Евдокимов, директор практики Data Governance, Data Sapience.
В отраслевой секции «Финансы. Страхование» Ирина Панфилова, руководитель группы, Data Sapience, выступила с докладом «MDM 2.0: инфраструктура доверия эпохи ИИ и вайбкодинга». Она рассказала про то, что современный MDM должен быть гибкой системой с открытой конфигурацией и защищенным ядром платформы.
Было отмечено, что ядро современной MDM-системы отвечает за то, как платформа работает с данными: управляет транзакциями и параллельной обработкой, разрешает конфликты, обеспечивает работу в памяти и масштабирование. В своем выступлении Ирина подчеркнула: эти функции нельзя выносить из ядра в доработки на основе вайбкодинга. Ядро должно оставаться под контролем разработчиков платформы и даже проверка сгенерированного кода экспертом не снимает рисков вмешательства в этот фундамент. Также большой блок доклада был посвящен конфигурации системы – изменяемой бизнес-логике, которую, наоборот, было рекомендовано использовать для вайбкодинга. Выделены шесть направлений: модель данных, правила обработки, интеграционные сервисы, библиотеки стандартных функций, пользовательский интерфейс, процессы согласования. Были разобраны примеры с вайбкодингом конфигурации, когда ИИ сокращает время на подготовку, доработку и первичную проверку изменений: помогает написать правило, подготовить преобразование данных или создать автотесты.
«Главная ценность современного MDM — надежное ядро, которое обеспечивает целостность и производительность обработки данных и должно оставаться закрытым для вайбкодинга. А вот применение ИИ к бизнес-конфигурации под контролем экспертов позволяет быстрее адаптировать систему к задачам бизнеса, сохраняя надежность платформы», — отмечает Ирина Панфилова, руководитель группы, Data Sapience.
Михаил Маслов, директор практики управления данными направления MDM, Data Sapience, принял участие в дискуссии «Перезагрузка дата-стратегии финансового сектора в эпоху интеллектуальных агентов». Участники подвели итоги года и обсудили, нужны ли специалисты по данным в мире ИИ. Михаил рассказал, как изменились сроки проектов: пилоты за счет вайбкодинга занимают дни там, где ранее требовались недели. По его оценке, нынешние модели не заменяют тимлида и архитектора, а ускоряют тех, кто хорошо делает свою работу.
«Вайбкодинг стал обычным рабочим инструментом команд: черновик правила появляется за минуты, а надежное ядро решения уже имеет все, чтобы корректно исполнять новую логику», — комментирует Михаил Маслов, директор практики управления данными направления MDM, Data Sapience.