State of DevOps Russia 2025

Методология исследования

Отчёт State of DevOps Russia 2025 основан на масштабном опросе более 3300 специалистов, проведённом в России и странах СНГ. Исследование носит одномоментный (поперечный) характер и отражает текущее состояние DevOps-практик в индустрии.

Целевая аудитория:

• разработчики, DevOps-инженеры, SRE;
• тимлиды, техлиды, руководители команд и направлений;
• специалисты, вовлечённые в разработку, тестирование и эксплуатацию ПО.

Метод формирования выборки:

• использован метод «снежного кома»;
• распространение анкеты через профессиональные сообщества, email-рассылки, социальные сети и партнёрские каналы;
• исходная база контактов сформирована из собственных и партнёрских списков организаторов исследования.

География и индустрии:

• представлены все федеральные округа РФ (около трети респондентов — Москва и Московская область);
• участие специалистов из стран СНГ и отдельных стран вне СНГ;
• ключевые отрасли: ИТ (~40%), финансы, торговля, e-commerce, промышленность.

Аналитический подход:

• для оценки зрелости DevOps использован иерархический кластерный анализ;
• команды распределены по профилям эффективности: Elite, High, Medium, Low;
• кластеризация основана на метриках:
  • частота развёртываний,
  • срок поставки изменений,
  • время восстановления,
  • доля неуспешных изменений;
• различия между кластерами статистически подтверждены.

Ключевые результаты

Общая зрелость DevOps

• В 2025 году зафиксирован рост эффективности DevOps-команд по сравнению с 2024 годом.
• Увеличилась доля команд профилей Elite (+4 п.п.) и High (+2 п.п.).
• Сократилась доля команд уровня Medium, что указывает на переход части команд в более зрелые сегменты.
• Автоматизация CI/CD и observability стала индустриальным стандартом: менее 8% компаний не используют CI/CD.

Использование AI / ML в разработке

• 71,4% респондентов используют ML/AI-инструменты в работе.
• Около половины отмечают явную практическую пользу от применения AI.
• AI перестал быть экспериментом и стал частью повседневных инженерных процессов.

Ключевые сценарии использования AI:

• автоматическая генерация кода — ~63%;
• работа с документацией и текстами — ~53%;
• тестирование и генерация тестов — ~37%;
• анализ кода, поиск ошибок и уязвимостей;
• аналитика и вспомогательные задачи DevOps.

Влияние AI на эффективность

• 54,1% считают, что AI повышает индивидуальную эффективность.
• 45,6% отмечают рост командной эффективности.
• Эффект напрямую коррелирует с уровнем владения AI-инструментами:
  • новички чаще не видят эффекта;
  • опытные пользователи фиксируют значительный прирост продуктивности.
• Навыки prompt-engineering становятся новым фактором инженерной зрелости.

Ограничения и сложности внедрения AI

Основные барьеры:

• конфиденциальность данных — 55,7%;
• требования информационной безопасности — 44,7%;
• сложность интеграции в существующие процессы — ~34%;
• выбор подходящей модели и инструментов — ~33%;
• недостаток обучения и экспертизы — ~33%;
• стоимость и эксплуатационные сложности.

AI-инициативы всё чаще требуют организационных изменений, а не только технических решений.

DevSecOps и безопасность

• 77% респондентов используют инструменты информационной безопасности.
• 66,8% интегрировали ИБ-инструменты в CI/CD-пайплайны.
• 75% собирают метрики безопасности.
• DevSecOps становится стандартом, а не «опцией».
• Рост вовлечённости инженеров в задачи ИБ — устойчивый тренд.

Инфраструктура, облака и импортозамещение

• Продолжается переход на российское ПО и on-premise-решения.
• Каждый четвёртый использует российские ОС как базовые контейнерные образы.
• Растёт доля российских дистрибутивов Kubernetes.
• Использование зарубежных облаков сокращается; AWS остаётся единственным иностранным провайдером без значимого падения.
• Half-on-premise Kubernetes стал нормой для крупных компаний.

Выводы и тенденции

1. AI становится встроенной частью DevOps
   Генерация кода, документация и тестирование — первые зрелые сценарии применения. В крупных компаниях AI интегрируется в production-конвейеры (AIOps, GenAI-копилоты), повышая скорость и качество поставки.

2. Эффективность AI зависит от зрелости команды
   Польза от AI напрямую связана с культурой разработки, DevEx и уровнем инженерных навыков. AI усиливает сильные команды, но не компенсирует системные проблемы.

3. Безопасность и экономика выходят на первый план
   DevSecOps и FinOps становятся обязательными компонентами DevOps-ландшафта. Рост стоимости инфраструктуры (включая GPU) усиливает внимание к ROI и TCO.

4. Формируется гибридный технологический стек
   Реалистичный сценарий развития:
   OSS-база (GitLab, Kubernetes, Ansible) + локальные российские надстройки.
   Это не противопоставление «западное vs российское», а прагматичный гибрид.

5. On-premise и автономность — новая норма
   Регуляторика, ИБ и контроль над данными стимулируют рост локальных инсталляций, особенно для Kubernetes и CI/CD.

6. Консолидация и обмен знаниями ускоряют рынок
   Ограничения по «железу» и технологиям приводят к горизонтальным альянсам и обмену моделями, платформами и экспертизой между крупными игроками.

---

Итог

State of DevOps Russia 2025 фиксирует переход индустрии от адаптации к устойчивому развитию.
DevOps в России становится:

• более зрелым,
• более автоматизированным,
• более безопасным,
• и всё более AI-driven.

AI уже не эксперимент, а новый слой инженерной продуктивности. В ближайшие годы выиграют команды, которые смогут совместить скорость, безопасность и экономическую эффективность, встроив AI в DevOps-процессы осознанно и системно.