Мировой нефтегазовый гигант, входящий в тройку лидеров отрасли, осознал необходимость модернизации своей ИТ-инфраструктуры, чтобы оставаться конкурентоспособным в быстро развивающемся энергетическом секторе. Имея разнообразный портфель дочерних предприятий и уделяя большое внимание инновациям, компания стремилась использовать облачные нативные технологии, упростить разработку и развертывание приложений, обеспечить возможности пограничных вычислений для своей экосистемы IoT и изучить потенциал больших языковых моделей (LLM) для расширенной аналитики и автоматизации.
Внедрив контейнерную платформу Alauda Container Platform, мировой нефтяной лидер преобразовал свой ИТ-ландшафт, обеспечив модернизацию приложений, единый PaaS для всех дочерних компаний, платформенный инжиниринг с инфраструктурой самообслуживания, возможности пограничных вычислений и поддержку LLMOps. Компания получила гибкость, масштабируемость и экономическую эффективность, что позволило ускорить внедрение инноваций и повысить операционную производительность. Благодаря ACP компания расширила возможности своих разработчиков, оптимизировала ИТ-операции, использовала мощь граничных вычислений и раскрыла потенциал LLMs для цифровой трансформации и сохранения лидирующих позиций в высококонкурентной энергетической отрасли.
Единый подход PaaS способствовал сотрудничеству и обмену знаниями между дочерними компаниями, ускорению инноваций и снижению затрат на разработку на 40 %. Он также упростил ИТ-операции, обеспечив централизованное управление и контроль приложений и инфраструктуры в масштабах всей организации.
Самостоятельное предоставление инфраструктуры и поддержка нескольких облаков значительно повысили производительность труда разработчиков, сократив время создания среды на 80 %. Разработчики могли сосредоточиться на написании кода и создании новых продуктов, а не на управлении инфраструктурой.
Благодаря поддержке LLMOps со стороны ACP компания ускорила внедрение LLM для расширенной аналитики и автоматизации. Время развертывания приложений на базе LLM сократилось на 75 %, а точность и эффективность моделей предиктивного обслуживания и обнаружения аномалий повысилась на 60 %.