Впровадження генеративного штучного інтелекту (GenAI) у компаніях часто виявляється складним і тривалим процесом. Багато організацій стикаються з тим, що пілотні проєкти або спроби самостійно розгорнути рішення, спираючись лише на власний досвід, можуть тривати кілька місяців, а іноді й понад пів року, перш ніж почнуть приносити відчутні результати. При цьому чимало ініціатив так і залишаються на стадії експериментів і не переходять до повноцінного використання.

Причинами такого повільного впровадження часто стають відсутність чітких бізнес-цілей, недостатня якість даних, а також потреба у вузькопрофільних спеціалістах для розгортання, налаштування та масштабування AI-рішень.

Додатковим викликом є використання публічних хмар для підготовки GenAI до промислової експлуатації. На практиці такі експерименти нерідко виявляються менш ефективними, ніж очікувалося, і супроводжуються значними витратами. Поєднання високої вартості та невисокої ефективності стає серйозною перешкодою для компаній, які прагнуть інтегрувати генеративний ШІ у свої бізнес-процеси.

Саме тому зростає попит на спеціалізовані AI-платформи, створені з урахуванням потреб корпоративного сектору. Такі рішення спрощують впровадження, прискорюють інтеграцію, пропонують попередньо налаштовану інфраструктуру та інструменти, які відповідають конкретним бізнес-завданням. Завдяки цьому компанії можуть швидше перейти від експериментів до практичного використання ШІ, мінімізувати ризики невдалих пілотних проєктів і значно швидше отримати реальну бізнес-цінність від GenAI.

Далі розглянемо саме таке рішення від HPE — Private Cloud AI, яке покликане допомогти підприємствам подолати більшість перелічених викликів.

Якщо ви не плануєте читати статтю повністю, рекомендуємо ознайомитися з аналітичним звітом The Futurum Group під назвою HPE Private Cloud AI with NVIDIA AI Computing by HPE: Essential to Accelerating GenAI Industrial Transformation, підготовленим у партнерстві HPE та NVIDIA. У ньому детально розглянуто, чому HPE Private Cloud AI допомагає вирішувати ключові проблеми, що виникають під час впровадження корпоративного ШІ, та як прискорити перехід від пілотних проєктів до промислової експлуатації. Якщо ж хочете розібратися в темі детальніше — продовжуємо.

Якщо говорити простими словами, HPE Private Cloud AI — це масштабоване приватне хмарне рішення, попередньо протестоване та оптимізоване для роботи зі штучним інтелектом. Воно дозволяє ІТ-командам і AI-фахівцям ефективно експериментувати, швидко впроваджувати нові сценарії та масштабувати AI-проєкти.

Завдяки комплексній екосистемі моделей штучного інтелекту та інструментів для розробки компанії можуть контролювати витрати, знижувати фінансові ризики та значно скорочувати час від ідеї до запуску рішення. Платформа створена у співпраці з NVIDIA і є готовою до використання приватною AI-хмарою, що дозволяє бізнесу зосередитися не на побудові інфраструктури, а на створенні AI-рішень, які підвищують продуктивність і відкривають нові джерела доходу.

Детальніше про AI-інфраструктуру HPE можна прочитати тут:
https://lantec.ua/news/hpe-alletra-storage-mp-x10000-otrymav-sertyfikatsiiu-nvidia-dlia-ai-navantazhen

Варто також зазначити, що HPE Private Cloud AI — це не концепція і не лабораторний експеримент. Сьогодні платформа вже має понад 100 успішних впроваджень у всьому світі, зокрема у фінансовому секторі, медицині, державних установах та виробничій галузі. Це повноцінні робочі рішення, які виконують реальні AI-навантаження у виробничому середовищі.

Ще однією важливою перевагою є гнучке масштабування. Компанія може розпочати з конфігурації на 8 графічних процесорах (GPU) для базових AI-завдань і поступово розширити платформу до 64 GPU у міру зростання потреб, не змінюючи повністю наявну інфраструктуру. Це дозволяє інвестувати в розвиток AI поступово та без зайвих витрат.

Однією з головних переваг HPE Private Cloud AI є можливість почати саме з тієї конфігурації, яка потрібна вашому бізнесу сьогодні, і поступово масштабувати її в міру зростання потреб. Це означає, що компанії не потрібно інвестувати в надлишкові ресурси на старті або хвилюватися, що обрана конфігурація не дозволить розширити інфраструктуру в майбутньому.

Лінійка рішень побудована за принципом поступового розвитку AI-інфраструктури.

• Developer System — найкомпактніша конфігурація, призначена для розробників. Це своєрідна AI-пісочниця, де команди Data Science можуть тестувати моделі, експериментувати з робочими процесами та знайомитися з платформою у готовому ізольованому середовищі. Це єдина конфігурація, яка не передбачає масштабування.
• Small — рішення для департаментів або окремих підрозділів. Воно оптимально підходить для задач інференсу (Inference) та RAG (Retrieval-Augmented Generation). Прикладами використання можуть бути AI-чатбот для HR-відділу, пошук юридичної документації або інтелектуальний помічник служби підтримки клієнтів.
• Medium — конфігурація, яка додає можливість тонкого донавчання (Fine-tuning) моделей. Це дозволяє адаптувати готові AI-моделі під власні корпоративні дані та одночасно підтримувати потреби кількох підрозділів компанії.
• Large — повноцінна корпоративна AI-платформа для масштабних навантажень. Вона підтримує одночасну роботу виробничих RAG-рішень, донавчання моделей та AI-інференсу для кількох бізнес-напрямів або сценаріїв використання.

Окремо варто відзначити Expansion Rack — стійку розширення, яка дозволяє збільшити потужність системи до 64 графічних процесорів (GPU) без повної заміни інфраструктури. Фактично компанія просто додає необхідні обчислювальні ресурси, а не перебудовує всю платформу заново.

Незалежно від обраної конфігурації користувач отримує єдину систему управління, політики безпеки та механізми контролю відповідності вимогам. Незалежно від того, використовує компанія 8 чи 64 GPU, принцип адміністрування, операційна модель та інструменти керування залишаються однаковими. Це значно спрощує масштабування та має ще одну важливу перевагу — команді не потрібно повторно навчатися роботі з платформою після її розширення.

Опис рішення

Як уже зазначалося, HPE Private Cloud AI — це комплексне рішення «під ключ», яке містить усе необхідне для швидкого розгортання застосунків на базі генеративного штучного інтелекту.

До складу платформи входять:

• попередньо інтегрована AI-інфраструктура;
• програмне забезпечення для роботи зі штучним інтелектом;
• попередньо навчені моделі AI та машинного навчання від HPE, NVIDIA та інших партнерів;
• сервери HPE ProLiant DL;
• системи зберігання даних HPE;
• мережева інфраструктура NVIDIA;
• програмне забезпечення NVIDIA AI Enterprise;
• хмарна платформа HPE GreenLake.

Рішення може бути розгорнуте локально на майданчику замовника та постачається разом із професійними послугами з впровадження. За потреби цей пакет можна доповнити сервісами компанії Лантек, що дозволить прискорити інтеграцію та адаптацію платформи під конкретні бізнес-потреби.

Крім того, HPE Private Cloud AI включає інструменти для розгортання AI-навантажень і постачається з ліцензіями HPE OpsRamp Enterprise. Це рішення забезпечує централізовану спостережуваність усієї інфраструктури, автоматизує моніторинг, управління подіями та оповіщеннями, допомагаючи ІТ-командам швидше виявляти й усувати потенційні проблеми.

Завдяки модульній архітектурі та масштабованим конфігураціям HPE Private Cloud AI підходить як для компаній, які лише починають використовувати штучний інтелект, так і для великих підприємств, що вже експлуатують AI-рішення на рівні всієї організації.

Програмне забезпечення

Спостерігається тенденція до індустріалізації корпоративного штучного інтелекту, тобто переходу від разових індивідуальних проєктів до повторюваних і масштабованих шаблонів. Саме це й дозволяє реалізувати HPE Private Cloud AI у поєднанні з готовими еталонними архітектурами для штучного інтелекту — NVIDIA Blueprints.

Зліва HPE Private Cloud AI забезпечує базові рівні. Це ваша інфраструктура, ваша платформа, ваше операційне середовище. Вона надає три найважливіші можливості:

• Централізований доступ до даних та керування ними. Ваші дані залишаються під вашим контролем завдяки уніфікованим політикам доступу, журналам аудиту та засобам забезпечення відповідності вимогам — без розподілу між кількома орендарями публічної хмари.
• Стандартизація даних, моделей і конвеєрів. Вам не потрібно винаходити велосипед для кожного проєкту. Ваші команди працюють з єдиними форматами даних, реєстрами моделей і процесами MLOps (Machine Learning Operations), що прискорює розробку та зменшує кількість помилок.
• Посилення економічної ефективності. Якщо порівняти інфраструктуру приватної хмари, створену власними силами, з витратами на використання публічної хмари, HPE Private Cloud AI забезпечує прогнозовані капітальні витрати (CapEx) та нижчу довгострокову сукупну вартість володіння (TCO), особливо в міру масштабування використання штучного інтелекту.

Праворуч представлені NVIDIA Blueprints, які охоплюють типові шаблони для найпоширеніших сценаріїв використання штучного інтелекту в корпоративному середовищі. Це не просто демонстраційні приклади — це готові до промислового використання еталонні архітектури з готовими компонентами, які можна розгортати, налаштовувати та масштабувати.

Тут також можна виділити три основні категорії:

• Аналіз документів — це RAG (генерація, доповнена пошуком) та OCR (оптичне розпізнавання символів). Витяг корисної інформації з договорів, рахунків, інструкцій, електронних листів — будь-якого неструктурованого тексту або відсканованих документів.
• Мультимодальний ШІ — діалогові інтерфейси та візуальна аналітика. Наприклад, чат-боти служби підтримки клієнтів, які розуміють зображення, або системи контролю якості, що поєднують дані датчиків із візуальним оглядом.
• Агентний ШІ — оркестрація та розгортання автономних агентів. Це системи штучного інтелекту, здатні планувати, виконувати багатокрокові робочі процеси, викликати API та приймати рішення з мінімальним втручанням людини.

Фактично ця синергія забезпечує перехід від разових індивідуальних проєктів до типових, масштабованих шаблонів. Тепер вам не потрібно винаходити велосипед для кожного проєкту. Ваші команди працюють з єдиними форматами даних, реєстрами моделей і процесами MLOps, що прискорює розробку та скорочує кількість помилок.

І насамкінець. На платформі HPE Private Cloud AI вже протестовано 5 готових рішень:

• AI Virtual Assistant (AIVA) — інтелектуальний помічник для корпоративних робочих процесів.
• Enterprise RAG — технологія генерації тексту з використанням даних із бази знань для запитів до вашої власної бази знань.
• VSS (Video Search and Summarization) — витяг корисної інформації з великих обсягів відеоконтенту.
• AI-Q — діалоговий помічник для роботи з даними на базі LangChain.
• Data Flywheel — автоматизація циклу зворотного зв'язку між виробничим штучним інтелектом і безперервним удосконаленням моделей.

Крім того, віднедавна підтримується Omniverse Blueprint для створення цифрових двійників і моделювання рідин. Це так званий фізичний ШІ — створення віртуальних копій заводів, складів, центрів обробки даних або навіть цілих міст. Ви можете моделювати операції, тестувати зміни, оптимізувати планування та навчати роботизовані системи у високоточному цифровому середовищі ще до їхнього впровадження в реальному світі. Це революційне рішення для виробництва, логістики та планування інфраструктури.

Кожен із цих шаблонів був протестований, налаштований і задокументований на цій платформі.

Висновки

HPE Private Cloud AI — це гнучка екосистема моделей та інструментів штучного інтелекту від NVIDIA і HPE, що базується на масштабованій і попередньо протестованій інфраструктурі. Така гнучкість дозволяє організаціям експериментувати з різними AI-проєктами, використовуючи широкий спектр моделей та інструментів розробки.

HPE Private Cloud AI забезпечує інтеграцію користувацьких AI-інструментів і фреймворків, а також інструментів і фреймворків незалежних постачальників програмного забезпечення (ISV), що дозволяє компаніям ефективно використовувати вже наявні інвестиції та накопичений досвід.

Забезпечуючи надійну основу для AI-ініціатив, HPE Private Cloud AI дає підприємствам можливість ефективно масштабувати свої можливості у сфері штучного інтелекту, адаптуючись до змін технологій і потреб бізнесу.

Автор статті - Михайло Федосєєв, архітектор інфраструктурних рішень Lantec.

AI поступово став одним із найпомітніших інструментів у корпоративному середовищі, в тому числі в Microsoft 365. Сopilot обговорюють на рівні CIO, CISO, HR, фінансів, юридичних департаментів, compliance та керівників бізнес-напрямів. І це зрозуміло: ідея мати AI-асистента, який допомагає працювати з документами, поштою, зустрічами, презентаціями, таблицями та корпоративними знаннями, виглядає дуже привабливо.

Але саме тут виникає важлива пастка.

Copilot не варто сприймати як “нову кнопку” в Microsoft 365, яку можна просто увімкнути для всіх користувачів і чекати на зростання продуктивності. Перед впровадженням потрібно чесно відповісти на кілька базових питань: які дані є в компанії, де вони зберігаються, хто має до них доступ, які документи відкриті ширше, ніж потрібно, чи є класифікація інформації, чи налаштовані політики DLP, чи контролюються зовнішні доступи, гостьові користувачі та посилання для спільної роботи.

Головна теза проста: Copilot не створює хаос у даних. Він робить видимим той хаос, який вже існував.

Якщо в компанії роками накопичувались зайві доступи в SharePoint, відкриті Teams-канали, документи з конфіденційною інформацією без класифікації, старі гостьові акаунти та неконтрольовані зовнішні посилання, AI може дуже швидко показати ці проблеми. Не тому, що Copilot “небезпечний”, а тому, що він працює поверх існуючої моделі доступів і корпоративних даних.

Саме тому впровадження Copilot потрібно починати не з купівлі ліцензій, а з Copilot Readiness Assessment — оцінки готовності компанії до AI з точки зору даних, доступів, безпеки, процесів і користувачів.

Для кого цей матеріал

Ця інформація буде корисна CIO, CISO, керівникам IT та інформаційної безпеки, compliance-командам, юридичним департаментам, HR, фінансовим службам, власникам даних і керівникам бізнес-підрозділів, які планують використовувати Copilot у Microsoft 365.

Матеріал особливо актуальний для компаній, які вже активно використовують Teams, SharePoint, OneDrive, Exchange Online, Microsoft Entra ID, Microsoft Purview або планують запускати AI-сценарії в середовищі Microsoft.

1. Чому AI змінює підхід до корпоративних даних

До появи корпоративних AI-асистентів більшість користувачів працювала з даними досить лінійно: відкрив документ, знайшов файл, зайшов у папку, написав запит колезі, пошукав лист у пошті. Навіть якщо доступи були надмірними, це не завжди створювало миттєво видимий ризик. Щоб знайти щось зайве, користувачу потрібно було знати, де шукати.

AI змінює цю модель.

Copilot може допомагати користувачу працювати з інформацією швидше: знаходити документи, узагальнювати зміст, готувати відповіді, створювати чернетки, аналізувати матеріали, витягувати ключові думки із зустрічей або листування. Це дає бізнесу очевидну перевагу: менше ручної роботи, швидший доступ до знань, краща підготовка матеріалів, менше часу на рутинні задачі.

Але водночас AI підвищує значення якості даних і моделі доступів. Якщо користувач має доступ до великого обсягу документів, Copilot потенційно може допомогти йому швидше працювати з цими документами. Якщо доступ правильний — це плюс. Якщо доступ надмірний — це ризик.

Тому перед впровадженням AI компанія має подивитися на свої дані не як на “файли в SharePoint”, а як на керований інформаційний актив. У кожного важливого набору даних має бути власник, рівень чутливості, правила доступу, політика зберігання, аудит дій і зрозумілий бізнес-контекст.

Без цього Copilot може бути технічно коректно впровадженим, але організаційно ризикованим.

2. Головний ризик Copilot — не сам AI, а неправильні права доступу

Один із найпоширеніших страхів навколо Copilot звучить так: “AI може показати користувачу те, що він не повинен бачити”. Насправді правильніше формулювати це інакше: Copilot може зробити більш видимим те, до чого користувач уже мав доступ, але раніше, можливо, не знаходив або не використовував.

Це дуже важлива різниця.

Якщо співробітник має доступ до відкритої бібліотеки SharePoint із фінансовими документами, проблема не в Copilot. Проблема в тому, що доступ до цієї бібліотеки був відкритий неправильно. Якщо колишній підрядник досі є guest user у Teams-команді з внутрішніми матеріалами, проблема не в AI. Проблема в життєвому циклі гостьових доступів. Якщо HR-документи лежать у загальній папці без sensitivity labels, проблема не в технології узагальнення тексту. Проблема в data governance.

Саме тому перед запуском Copilot потрібно перевіряти не лише технічну сумісність користувачів і ліцензій, а насамперед модель доступів до даних.

Типові зони ризику виглядають так:

• надмірні доступи до SharePoint-сайтів;
• відкриті Teams-команди без чітких власників;
• старі або неперевірені guest users;
• зовнішні посилання на документи без строку дії;
• відсутність sensitivity labels для конфіденційної інформації;
• відсутність DLP-політик;
• дублювання документів у різних бібліотеках;
• відсутність власників даних;
• старі файли, які вже не потрібні, але залишаються доступними;
• слабкий контроль privileged accounts і адміністраторів tenant-а.

У традиційній IT-моделі ці проблеми могли залишатися “фоновим шумом”. У світі AI вони стають прямою умовою безпечного впровадження.

3. Що потрібно перевірити до запуску Copilot

Підготовка до Copilot має починатися з оцінки Microsoft 365 tenant-а, даних, доступів і політик безпеки. Нижче — ключові зони, які варто перевірити до пілота.

SharePoint

SharePoint часто є головним сховищем корпоративних документів. Саме тут потрібно перевірити структуру сайтів, власників, групи доступу, зовнішній доступ, анонімні посилання, успадкування прав, критичні бібліотеки документів і файли з чутливою інформацією.

Особливу увагу варто приділити сайтам, які створювались давно або під конкретні проєкти, але після завершення проєкту не були переглянуті. Часто саме там залишаються зайві доступи, дублікати документів і матеріали без актуального власника.

Teams

Teams — це не тільки чати та зустрічі. Кожна команда має пов’язаний SharePoint-сайт, канали, файли, учасників, гостей і налаштування спільного доступу. Якщо Teams використовується хаотично, без правил створення команд, життєвого циклу, власників і політик зовнішнього доступу, це швидко перетворюється на проблему data governance.

Перед запуском Copilot потрібно зрозуміти, які Teams-команди є активними, які архівні, хто є власниками, чи є зовнішні учасники, які документи зберігаються в каналах і чи відповідає доступ реальним бізнес-потребам.

OneDrive

OneDrive часто сприймають як особисте сховище користувача, але на практиці там можуть бути комерційні пропозиції, договори, фінансові файли, HR-документи, презентації для клієнтів, тендерні матеріали та внутрішня аналітика.

Потрібно перевірити політики sharing, зовнішні посилання, синхронізацію на пристрої, доступ після звільнення співробітника, retention policies і сценарії передачі даних новому власнику.

Sensitivity labels

Sensitivity labels допомагають класифікувати документи за рівнем чутливості: публічна інформація, внутрішня, конфіденційна, строго конфіденційна тощо. Але цінність labels з’являється лише тоді, коли вони не просто створені, а реально застосовуються до документів і зрозумілі користувачам.

До Copilot-пілота варто визначити мінімальний набір labels, правила їх застосування, відповідальність власників даних і поведінку для різних типів інформації.

DLP

Data Loss Prevention потрібен для того, щоб зменшити ризик витоку чутливої інформації: персональних даних, фінансових реквізитів, юридичних документів, комерційної таємниці, технічної документації або іншої інформації, критичної для бізнесу.

Перед запуском Copilot потрібно перевірити, чи є DLP-політики, чи вони застосовуються до потрібних сервісів, чи не створюють надмірних блокувань для бізнесу, чи є процес обробки спрацювань і винятків.

Guest access та external sharing

Гостьові доступи та зовнішні посилання — одна з найчутливіших зон. Вони потрібні для роботи з партнерами, клієнтами, підрядниками та консультантами. Але без контролю можуть накопичуватись роками.

Потрібно перевірити, хто має гостьовий доступ, до яких команд і сайтів, чи є власник цього доступу, чи переглядаються такі доступи регулярно, чи обмежені anonymous links, чи є правила для роботи з зовнішніми доменами.

4. Як запустити безпечний Copilot pilot на 20–50 користувачів

Правильний запуск Copilot не починається з масштабного розгортання на всю компанію. Набагато зріліший підхід — обмежений пілот на 20–50 користувачів із різних бізнес-функцій.

До пілотної групи доцільно включити представників кількох напрямів: IT, інформаційна безпека, фінанси, HR, юридичний департамент, продажі, маркетинг, керівники підрозділів. Але важливо не просто видати їм ліцензії. Для кожної групи потрібно визначити конкретні сценарії використання.

Наприклад, фінансовий департамент може тестувати узагальнення документів, підготовку аналітичних матеріалів і роботу з таблицями. HR — підготовку внутрішніх комунікацій, описів вакансій, аналіз політик і відповідей на типові запити. Юридичний департамент — роботу з договорами, пошук по внутрішніх шаблонах, підготовку чернеток. Продажі — підготовку follow-up, презентацій, комерційних пропозицій і аналіз зустрічей. Керівники — підсумки нарад, пріоритизацію задач, підготовку управлінських документів.

Перед стартом пілота потрібно виконати кілька кроків.

По-перше, провести data readiness assessment: перевірити критичні SharePoint-сайти, Teams-команди, OneDrive, зовнішні доступи, sensitivity labels, DLP і власників даних.

По-друге, визначити правила пілота: хто бере участь, які сценарії тестуються, які дані можна використовувати, які дані не можна використовувати, куди звертатися з питаннями, як фіксувати результати.

По-третє, провести коротке навчання користувачів. Багато проблем Copilot виникає не через технологію, а через неправильні очікування. Користувачі мають розуміти, що AI — це помічник, а не автономний експерт. Його відповіді потрібно перевіряти, особливо в юридичних, фінансових, HR та клієнтських сценаріях.

По-четверте, налаштувати моніторинг, збір зворотного зв’язку та механізм ескалації. Якщо користувач бачить неочікуваний доступ до інформації, некоректну відповідь або незрозумілу поведінку, має бути зрозумілий процес, як це зафіксувати та кому передати.

По-п’яте, після завершення пілота потрібно не просто сказати “сподобалось / не сподобалось”, а оцінити результати через KPI.

5. Які KPI рахувати

AI-впровадження не повинно оцінюватися лише кількістю виданих ліцензій або кількістю користувачів, які спробували Copilot. Це технічні показники, але не бізнес-результат.

Правильні KPI мають бути пов’язані з процесами.

Перший показник — економія часу. Наприклад, скільки часу користувач витрачав на підготовку підсумку зустрічі, чернетки документа, презентації, аналізу листування або пошуку інформації до Copilot і після.

Другий показник — якість відповідей. Для деяких сценаріїв важливо оцінювати не тільки швидкість, а й коректність, повноту, релевантність і потребу в ручному доопрацюванні.

Третій показник — зниження ручної роботи. Наприклад, менше повторюваних запитів до HR, швидша підготовка типових документів, автоматизація рутинних чернеток, швидший пошук у корпоративних матеріалах.

Четвертий показник — задоволеність користувачів. Якщо Copilot технічно працює, але користувачі не розуміють, як його застосовувати у власній роботі, бізнес-ефект буде низьким. Тому adoption потрібно вимірювати окремо.

П’ятий показник — кількість успішних сценаріїв. Не всі use cases однаково цінні. Завдання пілота — знайти ті сценарії, де AI реально дає ефект, і відсіяти ті, де користі мало або ризики перевищують очікувану вигоду.

Важливо також рахувати security KPI: кількість виявлених надмірних доступів, кількість переглянутих SharePoint-сайтів, кількість закритих anonymous links, кількість класифікованих критичних документів, кількість видалених або переглянутих guest users, кількість політик, які потрібно змінити до масштабування.

Саме такі показники дозволяють прийняти зріле рішення: масштабувати Copilot, обмежити його певними департаментами, доопрацювати data governance або спочатку провести додатковий hardening Microsoft 365 tenant-а.

6. Як виглядає Copilot Readiness

Copilot Readiness — це не один технічний чек-лист. Це комплексна оцінка готовності компанії до AI, що може складатися з п’яти блоків.

Data.
Потрібно зрозуміти, які дані є в компанії, де вони зберігаються, які з них критичні, хто є власником, чи є дублікати, чи є архівні або застарілі документи, які вже не повинні бути активними.

Access.
Потрібно перевірити права доступу до SharePoint, Teams, OneDrive, Microsoft 365 Groups, guest users, external sharing, privileged accounts і рольову модель.

Security.
Потрібно оцінити MFA, Conditional Access, sensitivity labels, DLP, audit logs, Microsoft Purview, Microsoft Defender, політики для пристроїв і реакцію на інциденти.

Use Cases.
Потрібно визначити, для яких бізнес-процесів Copilot може дати найбільший ефект: документи, зустрічі, продажі, HR, фінанси, юридична робота, внутрішні знання, підтримка користувачів.

Adoption.
Потрібно підготувати користувачів, навчальні матеріали, правила використання AI, процес зворотного зв’язку, KPI і план масштабування.

Саме тому логіка підготовки виглядає так:

Data → Access → Security → Use Cases → Adoption

Спочатку потрібно зрозуміти дані. Потім — доступи. Потім — безпеку. Лише після цього варто переходити до бізнес-сценаріїв і масштабного використання.

7. Що робить LANTEC

У LANTEC ми розглядаємо Copilot не як окрему ліцензію, а як частину ширшої Microsoft-архітектури: Microsoft 365, Entra ID, SharePoint, Teams, OneDrive, Purview, Defender, Intune, Azure та процеси управління даними.

Наша роль — допомогти замовнику пройти шлях від інтересу до AI до безпечного і вимірюваного впровадження.

Висновок

Copilot може стати сильним інструментом для підвищення продуктивності, роботи з корпоративними знаннями, підготовки документів, аналізу зустрічей і прискорення щоденних процесів. Але його не можна впроваджувати як “ще одну функцію” в Microsoft 365.

AI працює з даними. А значить, перед його запуском потрібно зрозуміти, чи готові самі дані, доступи, політики безпеки, користувачі та бізнес-процеси.

Copilot не створює хаос у даних. Він робить видимим той хаос, який вже існував.

Тому зрілий шлях до AI виглядає так: спочатку оцінити дані та доступи, потім налаштува

Авторка статті — Олена Друм, Cloud Product Manager, LANTEC

Зміни, які стрімко розпочалися після придбання компанією Broadcom компанії VMware за 61 млрд доларів наприкінці 2023 року, продовжують формувати «простір для маневру» у сфері віртуалізації та хмарних обчислень. Деякі компанії, які зіткнулися із суттєвим підвищенням цін і новими планами ліцензування (бандлами), шукають альтернативи, постачальники пропонують їх, а системні інтегратори, такі як компанія Лантек, розробляють плани допомоги в міграції.

Далі йтиметься про нову пропозицію в цій сфері — HPE Morpheus VM Essentials, а також про деякі практичні поради/рекомендації щодо її впровадження.

https://lantec.ua/news/veeam-hpe-morpheus-vm-essentials-bekap-bez-ahentiv

Почнемо з простого: що це за продукт. HPE Morpheus VM Essentials — це окреме програмне забезпечення, яке надає можливість створювати високодоступні кластери на базі власного гіпервізора HPE Morpheus VM Essentials (HVM) на основі KVM, а також забезпечує можливість підключення до наявних кластерів VMware для уніфікованого керування робочими навантаженнями двох віртуальних середовищ. Це рішення ліцензується на основі фізичних процесорів/сокетів. І найголовніше: HPE Morpheus VM Essentials — це пропозиція корпоративного рівня, доступна як окреме програмне забезпечення «на землі» або як вбудована опція в розширених пропозиціях HPE Private Cloud та HPE Private Cloud Business Edition (та інших), і все це підтримується глобальною службою підтримки HPE.

Гіпервізор HPE VM Essentials (HVM) розширює можливості завдяки вдосконаленим функціям керування кластером, таким як: інтелектуальне розміщення ресурсів, жива міграція з хоста на хост, висока доступність, гаряча зміна розмірів конфігурації віртуальних машин (ВМ), розширені функції безпеки віртуального середовища та вбудований захист даних. У разі відмови фізичного сервера в кластері HPE VM Essentials (HVM) віртуальні машини автоматично перезапускаються на іншому доступному сервері, забезпечуючи безперервну доступність і мінімальний час простою.

Щоб забезпечити гнучкість і зручність для тих, хто ще продовжує використовувати кластери VMware vSphere від компанії Broadcom, за допомогою консолі HPE VM Essentials Manager можна підключатися до наявних кластерів VMware. Це дозволяє спростити керування та надання ВМ як на серверах із встановленим гіпервізором VMware ESXi, так і на серверах із HPE VM Essentials (HVM) з одного уніфікованого рішення. Окрім зручного каталогу надання віртуальних машин, рішення HPE VM Essentials Manager включає інтеграцію із зовнішніми сервісами IPAM і DNS, керування ключами безпеки, автоматизацію виконання різноманітних завдань, вбудований захист даних і базове перетворення форматів образів VMware ESXi/ESX у HPE VM Essentials. Але для цього треба використовувати останні версії даного продукту!

Нарешті, програмне забезпечення HPE Morpheus VM Essentials пропонує шлях оновлення до повноцінної програмної хмарної платформи HPE Morpheus Enterprise для розширеного керування фізичними та віртуальними серверами, гібридними хмарами, включаючи підключення та підтримку десятків локальних і публічних хмар, керування кластерами Kubernetes, із застосуванням різних політик керування та можливостей FinOps для оптимізації, обліку й звітності витрат.

Ключові особливості HPE Morpheus VM Essentials для VMware та VM Essentials

✓ Підтримка кількох гіпервізорів: VM Essentials дозволяє легко ініціалізувати та керувати віртуальними машинами VM Essentials, а також віртуальними машинами VMware.

✓ Централізована ідентифікація та єдиний вхід (SSO / Single Sign-On): можливість зовнішньої автентифікації користувачів за допомогою Active Directory (AD) або LDAP. Забезпечення єдиного входу за допомогою сервісів Okta, OneLogin, Azure AD або SAML.

✓ Інтеграція з IPAM (IP Address Management): інтеграція із зовнішніми IPAM-провайдерами (Infoblox, phpIPAM, BlueCat, SolarWinds) для автоматизації резервування IP-адреси (-ів) для віртуальної машини під час процесу ініціалізації.

✓ Інтеграція DNS: інтеграція із зовнішніми DNS-провайдерами (Infoblox, Microsoft DNS, BlueCat, SolarWinds) для автоматизації створення DNS-записів для віртуальної машини під час процесу ініціалізації.

✓ Автоматизація процесу ініціалізації: виконання сценаріїв Bash або PowerShell під час ініціалізації віртуальних машин для автоматизації операцій завантаження системи (включно з автоматизацією встановлення програмного забезпечення/застосунків).

✓ Керування секретами: безпечне зберігання та отримання секретів із Cypher — вбудованого менеджера секретів — для використання разом із вбудованою функцією автоматизації завдань Bash і PowerShell.

✓ HTML5-консоль віртуальних машин: доступ до керування віртуальними машинами VM Essentials і VMware за допомогою консолі на базі HTML5.

Огляд рішення HPE Morpheus VM Essentials

Наведені нижче практичні поради та архітектура демонструють найкращі практики й типове розгортання серверного обладнання для підтримки віртуальних середовищ, які створюють хмарне рішення в корпоративному ЦОД і розгортають різноманітні застосунки в автоматизованому режимі. Рішення базується на ПЗ HPE VM Essentials із використанням серверів HPE ProLiant, підключених до системи зберігання даних HPE Alletra Storage MP B10000 за протоколом Fibre Channel (також підтримується протокол iSCSI). HPE Morpheus VM Essentials, що складається з гіпервізора VM Essentials (HVM) та компонента HPE VM Essentials Manager, надає єдину платформу для керування кластерами HPE VM Essentials (HVM) і віртуальними середовищами на базі VMware.

Ця архітектура може містити такі підтримувані компоненти для HPE VM Essentials:

✓ Сервери HPE — сервери HPE ProLiant і HPE Synergy, перелічені в матриці сумісності (https://www.hpe.com/support/VME-Compatibility-Matrix).

✓ СЗД HPE — основна рекомендована система зберігання даних HPE Alletra Storage MP B10000 налаштовується як основне блочне сховище для серверів (у наведеній вище матриці сумісності можна знайти й інші системи зберігання даних від компанії HPE і не тільки).

✓ Мережеві комутатори HPE — комутатори HPE Aruba 8325 (Top-of-Rack) і Aruba 6300 (Management), що з'єднують сервери та СЗД.

✓ SAN-комутатори — комутатори HPE Fibre Channel B-серії, що з'єднують сервери та СЗД для передавання даних мережею SAN (основного трафіку).

✓ HPE VM Essentials Manager — консоль, що дозволяє адміністратору HPE VM Essentials легко керувати системами зберігання даних, дисковим простором і віртуальними машинами.

Компоненти програмного рішення HPE Morpheus VM Essentials

Фізичні сервери

ПЗ HPE VM Essentials і гіпервізор HPE (HVM) перевірені/сертифіковані для роботи на серверах HPE ProLiant, HPE Synergy, а також на деяких серверах Dell, і протестовані з відповідними апаратними та програмними компонентами. Цей перелік постійно розширюється.

Програмне забезпечення

Логічна архітектура стеку HPE VM Essentials складається з таких компонентів:

HPE VM Essentials Manager

HPE VM Essentials Manager забезпечує кластеризацію на базі KVM, керування ідентифікацією, ініціалізацію віртуальних машин, моніторинг і ведення журналів. HPE VM Essentials Manager можна завантажити із сайту HPE Software та встановити з уже готового аплайнса/шаблону. Цей сервіс встановлюється як віртуальна машина на базі KVM на будь-який фізичний сервер, який входитиме до складу кластера. Сам менеджер працюватиме на сервері, на якому встановлено ОС Ubuntu версії 24.04 (раніше 22.04), і розгортається з використанням одного з трьох варіантів із такими розмірами/ресурсами ВМ:

• Small: 2 vCPU та 12 ГБ RAM (керує максимум 1 кластером HVM).
• Medium: 4 vCPU та 16 ГБ RAM (керує максимум 3 кластерами HVM).
• Large: 4 vCPU та 32 ГБ RAM (керує максимум 10 кластерами HVM).

Гіпервізор HPE Morpheus VM Essentials

Гіпервізор HVM — це гіпервізор на базі KVM, на якому розміщуються віртуальні машини, що керуються VM Essentials Manager. Мінімальні вимоги до ресурсів цього сервісу такі:

• Процесор: один або більше процесорів архітектури x86 із тактовою частотою не менше 1,5 ГГц і підтримкою технологій Intel VT або AMD-V.
• Пам'ять: не менше 8 ГБ.
• Дисковий простір: для ОС Ubuntu 24.04 потрібно не менше 50 ГБ дискового простору, причому щонайменше 15 ГБ має бути виділено під розділ ОС. У сховищі віртуальних образів має залишатися не менше 20 % вільного корисного дискового простору, щоб уникнути автоматичного видалення старих образів. Кластери можуть бути налаштовані з використанням зовнішніх сховищ за протоколами iSCSI, Fibre Channel або NFS.
• Мережеві налаштування: серверам із HVM-гіпервізорами мають бути призначені статичні IP-адреси. Також їм необхідне DNS-розпізнавання для VM Essentials Manager і доступ до Інтернету для завантаження та встановлення додаткових системних пакетів для залежних компонентів VM Essentials, таких як KVM, Open vSwitch (OVS) тощо. Але можна використовувати airgap варіант з ручним додаванням оновлень.

Для кластерів HVM необхідно щонайменше три хости при використанні мережі Fibre Channel як основного протоколу зберігання даних.

Morpheus Agent

Програмне забезпечення, яке запускається на кожному сервері, де встановлено гіпервізор HVM, збирає системну статистику, веде журнали та виконує операції, отримані від VM Essentials Manager.

Ubuntu 24.04

Встановлення ОС Ubuntu 24.04 є обов'язковою умовою для розгортання гіпервізора HVM. Ubuntu 24.04 може бути встановлена як на локальні диски серверів HPE ProLiant, так і шляхом завантаження із SAN-мережі (Boot from SAN), використовуючи, наприклад, СЗД HPE Alletra Storage MP B10000.

HPE Service Pack for ProLiant

HPE Service Pack for ProLiant (SPP) — це набір програмного забезпечення, мікропрограм і драйверів для серверів HPE. Він постачається у вигляді ISO-образу, який можна використовувати для оновлення вбудованого та системного програмного забезпечення на серверах HPE ProLiant.

Апаратне забезпечення

У цьому розділі пропонуються до використання апаратні компоненти рекомендованої нами архітектури.

• Сервери — сервери HPE ProLiant DL320 Gen12 / DL360 Gen10+ / DL360 Gen11 / DL360 Gen12 / DL325 Gen11 / DL365 Gen11 / DL385 Gen11 / DL345 Gen11 / DL340 Gen12 / DL380 Gen10 / DL380 Gen10+ / DL380 Gen11 / DL380a Gen11 / DL380 Gen12 / ML350 Gen12, HPE Synergy 480 Gen11 із двопортовими мережевими Ethernet-адаптерами (на вибір) 10/25/100 Гбіт/с і двопортовими FC-адаптерами (на вибір) 16/32/64 Гбіт/с як хости для гіпервізора HVM (список постійно зростає).
• СЗД — HPE Alletra Storage MP B10000 є найкращим варіантом як основне блочне сховище для серверів HPE ProLiant із використанням мережі Fibre Channel (також підтримуються СЗД HPE Alletra 5000, HPE Alletra 6000, HPE Alletra 9000, HPE MSA Gen6, HPE MSA Gen7). При цьому також підтримуються сторонні СЗД: NetApp AFF A400, C800, Dell PowerStore, Pure x90, Pure c60, і цей перелік постійно розширюється.
• Комутатори мережі LAN — комутатори HPE Aruba 8325 і HPE Aruba 6300 забезпечують передачу основного трафіку та трафіку керування серверів HPE ProLiant.
• Комутатори HPE Aruba MP (опційно) — комутатори HPE Aruba MP використовуються як високопродуктивна «магістраль зберігання» для HPE Alletra Storage MP B10000, забезпечуючи надійне з'єднання між серверами HPE та вузлами контролерів, а також між вузлами контролерів і додатковими дисковими полицями. Для невеликих розгортань або обмеженого масштабування контролерів HPE Alletra Storage MP B10000 також підтримує конфігурації без комутаторів із прямим підключенням до додаткових дискових полиць, що робить цей варіант підключення придатним для тестових середовищ або невеликих промислових інсталяцій.
• Комутатори мережі SAN — комутатори HPE Fibre Channel B-серії з'єднують сервери HPE ProLiant і HPE Alletra Storage MP B10000 для організації SAN-трафіку.

Мережева архітектура та вимоги

Варто виділити основні мережеві підключення та протоколи, що підтримуються під час розгортання та подальшої експлуатації кластера HPE VM Essentials із різними конфігураціями мережевих адаптерів, а також адаптерів мережі Fibre Channel:

• Link Aggregation Control Protocol (LACP) 802.3ad — це тип мережевого з'єднання, який є більш ефективним для віртуальних середовищ. Мережеві порти, що приймають трафік керування та обчислень (робочого навантаження) для кластера HPE VM, об'єднані в режимі 802.3ad для забезпечення максимальної пропускної здатності та резервування мережевих шляхів.
• Трафік Fibre Channel до СЗД може передаватися через двопортові FC HBA-адаптери на серверах із HVM, де перший порт підключено до SAN-комутатора A, а другий — до SAN-комутатора B.

Кожен тип трафіку — керування, обчислення та зберігання — ізольований і зіставлений із виділеним набором фізичних адаптерів. Трафік керування та обчислень обробляється через окремі пари мережевих Ethernet-карт, кожна з яких налаштована з використанням об'єднання каналів на основі LACP для забезпечення відмовостійкості та високої продуктивності. Таке розділення забезпечує чітку ізоляцію трафіку й оптимізацію продуктивності мережі. Трафік Fibre Channel, своєю чергою, передається виключно через виділені двопортові FC HBA-адаптери, забезпечуючи високошвидкісне підключення до зовнішніх мереж зберігання даних із низькою затримкою.

На наведеній нижче схемі показано комутацію на сервері, оснащеному двома двопортовими мережевими адаптерами (на вибір — 1*/10 Гбіт/с або 10/25/100 Гбіт/с) та одним двопортовим адаптером Fibre Channel 16, 32 або 64 Гбіт/с:

• pNIC01 та pNIC03 об'єднані для обробки трафіку керування.
• pNIC02 та pNIC04 об'єднані для обробки обчислювального трафіку (робочого навантаження).
• Порт 1 FC HBA підключений до SAN-комутатора A.
• Порт 2 FC HBA підключений до SAN-комутатора B.

* — не рекомендується.

Підсумки

ІТ-керівники дедалі частіше шукають способи спростити керування віртуалізацією, скоротити витрати та забезпечити перспективність своєї інфраструктури в міру переходу до гібридних хмарних операційних моделей. Традиційні гіпервізори, такі як VMware, тривалий час домінували у сфері віртуалізації, однак їх використання в гібридних середовищах пов'язане зі зростанням витрат і обмеженою гнучкістю. Сьогодні зростає потреба в сучасній, економічно ефективній і комплексній платформі, здатній керувати наявними середовищами VMware та одночасно забезпечувати плавний перехід до відкритих хмарних архітектур.

Розширення можливостей завдяки поєднанню HPE VM Essentials і Morpheus Software надає користувачам, які шукають альтернативу VMware, ще один варіант для розгляду. Ключовим моментом є те, що рішення HPE забезпечує понад 80 % скорочення витрат на ліцензування навіть у порівнянні з мінімальною редакцією VMware (не бандлами)*.

* Порівняння виконувалося на базі одного сервера з одним сокетом і 48 ядрами з використанням ПЗ HPE Morpheus VM Essentials та VMware vSphere редакції Standard.

https://www.youtube.com/watch?v=_mhFL7JbdH8

Автор статті - Михайло Федосєєв, архітектор інфраструктурних рішень Lantec.

 Керівники бізнес-підрозділів та ІТ-відділів приділяють пріоритетну увагу модернізації, орієнтованій на дані, щоб відповідати темпам цифрової трансформації та мінливим вимогам бізнесу. Дані забезпечують конкурентну перевагу, і в середовищі, що швидко змінюється, компаніям необхідно оперативно реагувати, створювати нові можливості та діяти швидше за конкурентів. Водночас, коли йдеться про критично важливі робочі навантаження, підприємствам потрібна надійна, безпечна та стійка технологічна основа.

У компаніях, які досі використовують застарілу та неоднорідну ІТ-інфраструктуру, дані часто розпорошені між різними сховищами. Деякі ключові дані можуть виявитися «замкненими» у застарілих системах, які складно модернізувати. Ці застарілі системи також складно обслуговувати, оскільки дедалі більше співробітників, які володіли навичками їх тривалої експлуатації, звільнилися або вийшли на пенсію. Тому багато компаній украй обережно ставляться до внесення змін у працюючі критично важливі системи, які забезпечують необхідний рівень безвідмовної роботи. Проте, відкладаючи модернізацію, компанії ще більше відстають від своїх конкурентів, орієнтованих на дані та таких, що використовують, наприклад, хмарні технології.

Компанія Hewlett Packard Enterprise розробила рішення, яке дає змогу здійснити модернізацію ваших критично важливих застосунків із пріоритетом на дані. HPE Compute Scale-up Server 3250 — це потужне рішення на базі єдиної системи, у якому використовується модульна масштабована архітектура для надійної обробки робочих навантажень, що лежать в основі вашого бізнесу. Ці робочі навантаження охоплюють увесь спектр даних, включаючи системи різних видів обліку, що обробляють транзакції, аналітичні системи, які аналізують дані, а також системи аналітики, побудовані на цих даних і доповнені ШІ для розвитку бізнесу. Сервер HPE Compute Scale-up Server 3250 на базі процесорів Intel пропонує унікальне поєднання масштабованості, надійності та безпеки для роботи з критично важливими базами даних і застосунками, включаючи SAP HANA, Oracle та Microsoft SQL Server, а також системами ведення електронних медичних карток, банківськими системами, системами планування ресурсів підприємства та багатьма іншими. Він здатний обробляти величезні масиви даних Інтернету речей (IoT) і ШІ як на периферії, так і в центральному ЦОД, забезпечуючи аналітику даних у режимі реального часу та комплексне вирішення складних завдань високопродуктивних обчислень (HPC).

Розвиток архітектури

Лінійка серверів HPE Superdome за 26 років еволюціонувала від монолітних UNIX-шаф до модульних x86-систем. Перші покоління систем HP 9000 та Integrity Superdome будувалися у вигляді великих стійок на базі процесорів PA-RISC та Intel Itanium. Представлений у 2010 році Superdome 2 перейшов на блейд-дизайн із комутаційною кросбар-фабрикою для процесорів Itanium. Революційний Superdome X зберіг блейд-шасі, але перейшов на масову x86-архітектуру з процесорами Intel Xeon E7. Сучасні флагмани Superdome Flex і Flex 280 використовують технології компанії SGI, збираючись із гнучких «стійкових блоків» високої надійності (RAS) із масштабованістю до 32 сокетів/процесорів. А сучасні моделі Compute Scale-up Server 3200 і 3250 завершують цю еволюцію, пропонуючи екстремальну продуктивність «in-memory» на базі новітніх процесорів Intel Xeon 6.

Опис HPE Compute Scale-up Server 3250

Цей високонадійний, масштабований і безпечний сервер оснащується від 4 до 16 потужних процесорів Intel Xeon Scalable 6-го покоління (до 86 ядер у кожному) із кроком у 4 сокети. Його модульна архітектура дозволяє економічно розширювати обчислювальні потужності відповідно до потреб зростаючих обсягів оброблюваних даних. Завдяки 4 каналам UPI наступної версії на кожен процесор сімейства Intel Xeon (67XX P-core) забезпечується вища пропускна здатність і більша швидкість передавання даних порівняно з попередніми поколіннями. Розроблений для підтримки від 128 ГБ до 64 ТБ оперативної пам’яті, він є ідеальним вибором для баз даних in-memory, аналітики даних та інших робочих навантажень, що отримують переваги від використання великого обсягу пам’яті. Технологія Extreme Superdome RAS, яка включає розширену відмовостійкість пам’яті, підхід «Firmware First», аналітичний рушій та автоматичне самовідновлення, забезпечує максимальну надійність для критично важливих застосунків. Високий рівень безпеки, спрямований на мінімізацію потенційної поверхні атаки, включаючи Silicon Root of Trust і два модулі TPM, захищає ваші робочі навантаження та дані від атак на прошивку і шкідливого програмного забезпечення.

Станом на літо 2026 року доступні два варіанти серверів Scale-up цієї модельної лінійки — 3200 та 3250. При цьому сервер HPE Compute Scale-up Server 3250 Gen12 забезпечує значне підвищення продуктивності процесора, обсягу пам’яті, пропускної здатності каналів введення-виведення та надійності порівняно з моделлю 3200. Ці вдосконалення дають змогу безпосередньо усунути обмеження застарілої інфраструктури та закласти основу для модернізації, орієнтованої на дані.

Сфери застосування

Сервер HPE Compute Scale-up Server 3250 призначений для високонавантажених, критично важливих для бізнесу (mission-critical) завдань, що потребують колосальних обсягів оперативної пам’яті та роботи з даними в режимі реального часу.

Основні цільові робочі навантаження:

• Бази даних в оперативній пам’яті.
• Екосистема SAP — SAP HANA/SAP BWH.
• Високоінтенсивна транзакційна обробка OLTP.
• Критично важлива бізнес-аналітика OLAP/BI.
• Корпоративний ШІ — агентний та генеративний ШІ (із підтримкою GPU у майбутньому).
• Високопродуктивні обчислення HPC.
• Консолідована віртуалізація.

Висновки

HPE Compute Scale-up Server 3250 — це революційний критично важливий сервер, який завдяки об’єднанню до 16 процесорів Intel Xeon 6 і 64 ТБ оперативної пам’яті DDR5 в єдиний образ ОС повністю усуває мережеві затримки розподілених кластерів. Архітектура з когерентними UPI-зв’язками дозволяє обробляти гігантські бази даних in-memory рівня SAP HANA та Oracle безпосередньо в пам’яті, прискорюючи транзакції в сотні разів. Перехід на швидший дисковий стандарт EDSFF E3.S NVMe із шиною PCIe 5.0 гарантує максимальну пропускну здатність введення-виведення для завдань Gen AI. А екстремальний рівень надійності (RAS) з ізоляцією збоїв «Firmware First» забезпечує надійність «99,999» і запобігає критичним збоям ОС. Апаратна безпека HPE iLO7 з постквантовою криптографією захищає систему від кіберзагроз майбутнього, а модульне шасі 5U дозволяє нарощувати продуктивність кроками по 4 сокети в міру зростання бізнесу.

https://www.youtube.com/watch?v=07qeYHa9SUA

Автор статті - Михайло Федосєєв, архітектор інфраструктурних рішень Lantec.