Российский рынок корпоративных систем управления (ERP) вступает в фазу технологической пересборки. Уход западных вендоров, прежде всего SAP, создал не просто вакуум предложения, но и открыл окно возможностей для смены архитектурной парадигмы. Вместо линейного импортозамещения отрасль начинает движение в сторону систем с встроенным искусственным интеллектом, где бизнес-логика не зашита жестко, а генерируется динамически.

Одним из катализаторов этого тренда становится проект Сбера, который банк развивает последние три года. Как было заявлено в ходе конференции ЦИПР-2026 финансовым директором Тарасом Скворцовым, новая платформа (развиваемая на базе технологического стека Platform V) должна выйти на внешний рынок в 2027 году. Однако суть события — не в выходе нового игрока, а в смене потребительских ожиданий крупного бизнеса.

Экономика вопроса

Согласно оценкам Сбера, объем российского рынка ERP-систем по итогам 2025 года составляет порядка 100 млрд рублей. К 2030 году емкость может вырасти до 120 млрд рублей. В этом приросте потенциальная доля для решений нового поколения (включая разрабатываемую платформу) оценивается более чем в 20 млрд рублей.

Однако цифры отражают лишь прямой рынок лицензий и внедрения. Основной экономический эффект, который интересует инвесторов и топ-менеджмент, лежит в плоскости операционной эффективности: снижение TCO (совокупной стоимости владения) за счет отказа от монолитной архитектуры и сокращение времени на кастомизацию процессов.

От монолита к «автономному предприятию»

Ключевой рыночный тренд, который фиксирует данный проект — отказ от жестко сшитых бизнес-процессов. Исторически архитектура SAP и его локальных аналогов строилась по принципу «best practices»: система диктовала предприятию, как вести учет. В новой модели, которую условно можно назвать AI-native, система анализирует контекст деятельности компании и самостоятельно выстраивает цепочки действий.

Архитектурно такие решения отличаются тремя фундаментальными признаками:

• Микросервисная обвязка, позволяющая масштабировать отдельные блоки без остановки ядра.
• Встроенный GenAI-конструктор, дающий бизнес-пользователям возможность собирать процессы без участия программистов (low-code/ no-code подход).
• Self-learning слой, при котором размеченные данные обратной связи позволяют бэк-офису корректировать логику без ручного перепрограммирования.

Эти характеристики постепенно становятся отраслевым стандартом, а не конкурентным преимуществом одного вендора.

Рыночный контекст и риски внедрения

Следует учитывать, что переход на подобные системы сопряжен с высокими транзакционными издержками. Внедрение платформы в Сбере проходит поэтапно: старт наиболее массовых операций в промышленную эксплуатацию запланирован на январь 2027 года, при этом основной поток процессов перейдет на новую архитектуру лишь к январю 2028 года. Такой длительный цикл пилотирования подтверждает высокую сложность миграции с устаревших систем.

Для корпоративного сектора это означает, что в ближайшие 2-3 года рынок столкнется с дилеммой: выбирать проверенные, но устаревающие решения с низкой гибкостью, либо инвестировать в «сырые» AI-системы, требующие серьезной трансформации внутренних ИТ-ландшафтов и повышения квалификации персонала.

Сдвиг в модели управления

Наиболее значимым трендом, который данный кейс выводит на поверхность, является переход от управления через регламенты к управлению через данные. В новой модели цифровые агенты берут на себя рутинные операционные задачи (закупки, логистика, управление недвижимостью, HR-учет), превращая бэк-офис в автономную среду. Для рынка это означает постепенное обесценивание классических интеграторов, зарабатывавших на доработках монолитных ядер, и рост спроса на специалистов по машинному обучению и промпт-инжинирингу.

Таким образом, российский ERP-рынок входит в фазу не просто замещения, а архитектурного переопределения. Успех этой трансформации будет зависеть не от того, кто первым предложит AI-функцию, а от того, чья система сможет гарантировать устойчивость процессов во время самообучения — риск, который пока не имеет рыночных эталонов.

Иллюстрация создана с помощью нейросети Алиса.