Аннотация

Аннотация: В Федеральном казначействе успешно апробируется 17 ИИ-моделей, а сложившийся распределённый процесс разработки (прототипирование в НОЦ РТУ МИРЭА, внедрение в ЦОД Федерального казначейства) доказал свою эффективность. Дальнейшее совершенствование этого процесса требует устранения таких ограничений, как отсутствие единой среды управления жизненным циклом, нарушение воспроизводимости результатов и высокие трудозатраты на ручной перенос моделей, что и определяет цель статьи — проектирование и разработку унифицированной on‑premise MLOps‑платформы, обеспечивающей полный жизненный цикл ИИ-моделей с гарантией идентичности их работы в исследовательской и промышленной средах. Основные результаты: предложена архитектура платформы, включающая модули подготовки данных (MinIO, DVC), разработки и оркестрации (MLflow, GitLab, Airflow), деплоя (BentoML, Kubernetes, FastAPI), хранения (Redis, Kafka, PostgreSQL) и мониторинга (Prometheus, ELK, Jaeger). Научная новизна заключается в создании интегрированного решения для государственного финансового органа, реализующего принцип «внутреннего контура» и сквозную автоматизацию ML-процессов в изолированных инфраструктурах. Практическая значимость подтверждается достижимыми эффектами: сокращение времени развёртывания модели с 1-2 недель до 2–3 часов, снижение трудозатрат на сопровождение на 60%, уменьшение числа инцидентов из-за расхождения окружений на 90%.