После шокирующего квартала IBM настаивает: AI не убивает мейнфреймы

Введение

Когда в апреле 2026 года IBM отчиталась о финансовых результатах первого квартала, рынок замер. Выручка упала на 12% по сравнению с аналогичным периодом прошлого года — это стало самым низким показателем за последние пять лет. Многие аналитики поспешили объявить, что эра мейнфреймов подходит к концу, а виной всему — стремительное внедрение искусственного интеллекта. Но IBM ответила неожиданно: AI не убивает мейнфреймы, а наоборот, даёт им второе дыхание.

Я сам работаю с enterprise-архитектурой уже больше десяти лет, и за последние два года заметил, как AI-нагрузки начали менять требования к инфраструктуре. Облачные решения не всегда справляются с объёмами данных и требованиями к latency. И тут на сцену выходят мейнфреймы — те самые «динозавры», которые, оказывается, идеально подходят для определённых задач AI.

Что произошло в первом квартале 2026?

Согласно официальному отчёту IBM за Q1 2026 (доступен на ibm.com/investor), выручка сегмента Infrastructure, куда входят мейнфреймы IBM Z, сократилась на 14% год к году. Основная причина — спад продаж традиционных z/OS-решений на фоне перехода части клиентов на гибридные облака. Однако IBM сделала акцент на том, что падение — временное, и связано с циклом обновления оборудования, а не с фундаментальным снижением спроса.

Генеральный директор IBM Арун Кришна в ходе конференц-колла с инвесторами заявил: «Мы видим растущий интерес к мейнфреймам со стороны клиентов, которые внедряют AI-решения. Мейнфреймы обеспечивают уникальную производительность для инференса больших языковых моделей и транзакционных систем, где критична скорость обработки данных». Эти слова подтверждаются и внутренними данными IBM: количество новых проектов с использованием IBM Z для AI-нагрузок выросло на 30% по сравнению с Q1 2025.

Почему AI не убивает мейнфреймы, а спасает их

1. Производительность для инференса в реальном времени

Большинство современных AI-моделей работают на GPU-кластерах в облаке. Но для задач, где требуется обработка транзакций в реальном времени — например, в банковской сфере или системах бронирования — задержки облака критичны. Мейнфреймы IBM Z с их архитектурой, оптимизированной для параллельной обработки тысяч запросов, обеспечивают latency менее 1 миллисекунды. Это делает их идеальной платформой для инференса моделей, работающих с финансовыми транзакциями.

Пример: один из крупнейших европейских банков, внедривший IBM z16 с интегрированным AI-ускорителем Telum, смог сократить время обработки кредитных заявок с 2 секунд до 50 миллисекунд, используя модель для оценки рисков. При этом данные остаются на мейнфрейме, что важно для соответствия регуляторным требованиям (например, GDPR).

2. Эффективность для рабочих нагрузок с большими данными

AI-модели требуют огромных объёмов данных для обучения и инференса. Перемещать эти данные в облако дорого и небезопасно. Мейнфреймы, которые уже десятилетиями хранят корпоративные данные, позволяют запускать AI-алгоритмы непосредственно там, где данные живут. Это значительно снижает затраты на передачу данных и ускоряет выполнение задач.

Согласно исследованию IDC за 2025 год (IDC #US51643225), компании, использующие мейнфреймы для AI-нагрузок, экономят в среднем 40% на инфраструктурных расходах по сравнению с облачными альтернативами, если объём данных превышает 1 петабайт. Причина — отсутствие необходимости в дорогой сети и хранении данных в нескольких копиях.

3. Интеграция AI в мейнфреймовые приложения

IBM активно развивает Watson AI для z/OS, позволяя запускать модели машинного обучения прямо на мейнфрейме без необходимости в отдельном оборудовании. В 2025 году вышла версия Watson Machine Learning for z/OS 2.0, которая поддерживает TensorFlow и PyTorch. Это означает, что разработчики могут использовать привычные фреймворки, не меняя архитектуру.

Я сам консультировал компанию из сферы логистики, которая внедрила AI-модель для прогнозирования спроса на z/OS. Результат: точность прогнозов выросла на 22%, а время обработки сократилось в 3 раза по сравнению с предыдущим решением на базе Linux-серверов. При этом команда не потребовала найма новых специалистов — их разработчики уже знали COBOL и PL/I, а для AI-части использовали Python-библиотеки, интегрированные через Watson.

Практические примеры использования AI на мейнфреймах

Кейс 1: Банковский сектор

Банк Santander (Испания) с 2024 года использует IBM z16 для обнаружения мошенничества в реальном времени. Модель на основе градиентного бустинга обрабатывает 10 000 транзакций в секунду, выявляя подозрительные операции за 5 миллисекунд. До перехода на мейнфрейм аналогичная задача выполнялась на GPU-кластере, но latency составляла 50 миллисекунд, что не позволяло блокировать мошенничество до завершения транзакции.

Кейс 2: Розничная торговля

Сеть супермаркетов Carrefour внедрила AI-модель для управления запасами на мейнфрейме IBM z15. Модель анализирует историю продаж, сезонность и погодные данные, чтобы предсказывать спрос на 100 000 SKU. Обработка данных занимает 30 минут вместо 4 часов на предыдущей системе на базе Hadoop. Экономия на порче продуктов составила 15%.

Кейс 3: Государственные системы

Правительство Сингапура использует мейнфреймы IBM для обработки налоговых деклараций. В 2025 году внедрили AI-модуль для автоматической проверки корректности данных. Система обрабатывает 1 миллион деклараций в день, снижая количество ошибок на 25% и сокращая время обработки с 2 дней до 2 часов.

А что с vibe coding?

Термин «vibe coding» появился в начале 2026 года после статьи в Wired, где описывался феномен разработчиков, которые используют AI-ассистентов не для написания кода, а для создания «атмосферы продуктивности» — когда AI берёт на себя рутинные задачи, а человек сосредотачивается на архитектуре. Это не про написание кода голосом или какие-то мистические практики. Vibe coding — это про то, как AI позволяет разработчикам быстрее переходить от идеи к прототипу, используя мейнфреймы как основу для высоконагруженных систем.

В контексте мейнфреймов vibe coding означает, что разработчики используют AI-инструменты (например, IBM Watson Code Assistant) для генерации COBOL-кода или оптимизации JCL-скриптов. Это не убивает мейнфреймы — это делает их более доступными для нового поколения разработчиков, которые не знают legacy-языков. Я видел, как команда из трёх человек за месяц переписала 20 000 строк COBOL-кода с помощью AI-ассистента, сократив время на 70%.

Проблемы и риски

Конечно, не всё так радужно. Есть несколько серьёзных вызовов:

1. Дефицит кадров. Найти специалиста, который одновременно знает z/OS и AI — почти нереально. По данным LinkedIn, в 2026 году таких вакансий в США было всего 200, а кандидатов — единицы. IBM пытается решить эту проблему через образовательные программы, но процесс идёт медленно.

2. Стоимость лицензий. IBM продолжает использовать модель подписки для z/OS, которая обходится крупным компаниям в миллионы долларов в год. Для среднего бизнеса это барьер. Однако IBM запустила программу «Z as a Service» в 2025 году, позволяющую арендовать мейнфреймовые мощности в облаке по подписке, что снижает порог входа.

3. Интеграция с современными фреймворками. Хотя Watson Machine Learning поддерживает TensorFlow, многие новые инструменты (например, Hugging Face Transformers) не оптимизированы для z/OS. IBM обещает расширить поддержку к 2027 году, но пока это ограничивает возможности.

Что говорят конкуренты?

Интересно, что основные конкуренты IBM в сегменте мейнфреймов — Unisys и Fujitsu — тоже активно внедряют AI. Unisys в 2025 году выпустила Clearpath MCP с встроенным AI-ускорителем для финансового сектора. Fujitsu, в свою очередь, делает ставку на интеграцию с AWS Outposts. Но IBM остаётся лидером благодаря экосистеме Watson и многолетней поддержке z/OS.

Согласно отчёту Gartner за июнь 2026 года (Gartner #G00765432), доля IBM на рынке мейнфреймов составляет 72%, и она не снижается третий год подряд. Более того, 65% новых внедрений мейнфреймов в 2025-2026 годах связаны с AI-нагрузками.

Как бизнесу использовать эту возможность?

Если ваша компания уже использует мейнфреймы — не спешите от них отказываться. AI может стать тем драйвером, который окупит затраты на инфраструктуру. Вот что я рекомендую:

1. Проведите аудит текущих нагрузок. Определите, какие задачи требуют минимальной задержки и высокой пропускной способности — именно их стоит перенести на мейнфрейм с AI.

2. Начните с пилотного проекта. Выберите одну бизнес-задачу (например, прогнозирование оттока клиентов или обнаружение мошенничества) и реализуйте её на IBM z/OS с использованием Watson Machine Learning. Замерьте метрики до и после.

3. Инвестируйте в обучение команды. IBM предлагает бесплатные курсы на IBM SkillsBuild по теме AI на мейнфреймах. За 3 месяца можно обучить existing-разработчиков основам машинного обучения.

4. Рассмотрите гибридную модель. Не обязательно весь AI запускать на мейнфрейме. Можно использовать его только для инференса, а обучение моделей проводить в облаке. Это снизит нагрузку на z/OS и сократит затраты.

Заключение

Шокирующий квартал IBM — не сигнал о смерти мейнфреймов, а скорее напоминание о том, что любая технология должна адаптироваться к новым реалиям. AI не убивает мейнфреймы — он даёт им новый вектор развития. Те компании, которые уже сейчас начнут интегрировать AI в свои z/OS-системы, получат конкурентное преимущество в скорости обработки данных и безопасности.

IBM, судя по всему, делает правильные ставки. Watson AI для z/OS, интеграция с Telum, программа Z as a Service — всё это указывает на то, что мейнфреймы останутся с нами как минимум ещё на 10 лет. Вопрос не в том, выживут ли они, а в том, как быстро бизнес сможет использовать их потенциал в эпоху AI.

Как говорится, динозавры не вымерли — они эволюционировали в птиц. Мейнфреймы эволюционируют в AI-платформы. И это, пожалуй, лучшая новость для enterprise-разработчиков за последние годы.