Директор по информационным технологиям

Владимир
Петров

CIO × AI × ROI

Сейчас — CIO, Газпромбанк Тех

Начинаю с экономики проекта. Отвечаю за архитектуру, команду и вывод решения в эксплуатацию.

Владимир Петров
18+лет в ИТ
до 170человек в командах
>1 млрд ₽ИТ-бюджеты в год
1 млн+устройств в инфраструктуре
Система управления

Живая архитектура решений

От гипотезы к результату

01

Экономика

Цель, эффект, срок окупаемости

02

Архитектура

Система, способная выдержать масштаб

03

Команда

Ответственность, роли и темп работы

04

Результат

Проверяемая бизнес-метрика

CIO · текущая роль

Газпромбанк Тех

Директор по информационным технологиям

Аудит ИТ-контура

Провёл аудит корпоративных информационных систем и затрат: собрал функции, стоимость поддержки, интеграции, критичность и пересечения между системами. Отделил подтверждённые данные от гипотез и пробелов.

Для каждой системы подготовил решение: оставить, оптимизировать, объединить, заменить или вывести. Сравнил модели работы с подрядчиками по TCO и рискам миграции; обосновал, какие критичные компетенции нужно вернуть внутрь компании.

ИнвентаризацияДанные и затратыМатрица решенийTCO и риски

Телепсихология · B2C/B2B-платформа онлайн-консультаций

ГРАНЬ.РФ

Контекст

Требовалось с нуля запустить коммерческий сервис онлайн-консультаций: от подбора специалиста и оплаты до защищённых аудио- и видеосессий.

Мандат

CIO и владелец продукта. Отвечал за ИТ-функцию, MVP и post-MVP, подрядчиков, инфраструктуру и информационную безопасность.

Решение

Сформировал ИТ-департамент и контур разработки; вывел MVP за 6 месяцев и организовал дальнейшее развитие платформы.

Результат

MVP выпущен в срок; SLA платформы — 98%.

6 мес.до запуска MVP
98%SLA платформы
B2C / B2Bмодель платформы
CIOи владелец продукта

R&D · БАС · производство полного цикла · AI

Гаскар / View Lab

Контекст

Технологический холдинг, развивавший продукты компьютерного зрения и беспилотные авиационные системы (БАС). В составе холдинга — завод полного цикла: от производства электроники и компонентов до финальной сборки дронов. В зоне ответственности — 10 функций и около 170 человек.

Мандат

Отвечал за R&D, разработку, качество, подготовку производства и AI-функцию. Задача — связать исследования, инженерную разработку и серию в один управляемый цикл.

Решение

Зафиксировал критерии этапов по ETVX, для отбора проектов использовал rNPV и PoTS. Выделил независимую QA. Параллельно создал AI-функцию: продуктовые проекты компьютерного зрения и внутренние RAG-инструменты.

Результат

После изменений доля прототипов, доходивших до серийного производства, выросла с 30% до 70%. Поздних критических дефектов стало на 60% меньше. Доля бездефектной продукции достигла 99%.

Полный циклэлектроника, компоненты, сборка дронов
≈170человек в командах
30→70%прототипов дошли до серийного производства
−60%поздних критических дефектов

Модель — только мозг. Результат даёт архитектура

LLM сама по себе не решает бизнес-задачу. Вокруг модели нужен AI Harness: контекст, данные, память, агенты, инструменты, оркестрация, проверки и наблюдаемость. Он превращает возможности модели в систему, которой можно управлять, измерять её результат и считать экономику.

Context Engineering · RAG · Memory · Agents · MCP · Orchestration · Guardrails · Evals · Observability

Бизнес-задачаAI HarnessКонтрольROI