Госдума приняла в третьем чтении законопроект о поддержке развития технологий искусственного интеллекта в России. Для рынка это не рядовая поправка в цифровое законодательство: документ вводит две категории ИИ-моделей, закрепляет Минцифры как единого регулятора отрасли и задает правила доступа разработчиков к государственным данным.
Повод выглядит техническим, но последствия будут вполне земными. Если компания делает сервис для анализа финансовых операций, скоринга, клиентской поддержки банка, медицинских решений или госуслуг, качества модели уже недостаточно. Появится еще один фильтр: кто разработал модель, где хранятся данные, какие иностранные компоненты использованы и согласовано ли применение в чувствительной сфере.
В документе появляются два статуса: суверенная модель и национальная модель. Суверенная модель должна быть полностью создана российской компанией. Такая компания контролирует все этапы разработки и хранит данные на серверах в России. Национальная модель допускает зарубежные компоненты, но остается частью российского контура регулирования.
На бумаге разграничение выглядит аккуратно. На рынке оно сразу поднимает вопрос цены входа. Полностью локальная разработка требует команды, вычислительной базы, датасетов, безопасности, юридической поддержки и долгого цикла тестирования. Для крупного игрока это дорого, но реализуемо. Средняя команда без господдержки или партнерства с сильным заказчиком рискует упереться в стоимость инфраструктуры раньше, чем дойдет до допуска.
Мой вывод такой: закон пытается отделить модели, которые государство готово считать контролируемыми внутри страны, от решений с внешними зависимостями. Но сама классификация не отвечает на вопрос, насколько модель безопасна, как она ошибается, кто отвечает за ущерб и как пользователь может оспорить решение алгоритма.
Что меняется для рынка ИИ
Самый заметный блок касается чувствительных сфер. Применение суверенных и национальных моделей там будет возможно только по согласованию с правительством. Если модель работает с банковской системой, потребуется разрешение Банка России. Для финансового рынка это ключевой стоп-сигнал: ИИ в банке перестает быть только вопросом внутреннего IT и комплаенса.
Банки уже используют алгоритмы в антифроде, скоринге, оценке операций, обработке обращений и внутреннем контроле. После вступления новых норм часть решений придется описывать перед регулятором гораздо подробнее: какая модель используется, какие данные проходят через нее, где возникает риск дискриминации, утечки, ошибочного отказа или неверной рекомендации клиенту.
Для читателя, который смотрит на эту новость через деньги и личные данные, риск не в самом факте ИИ. Риск в том, что алгоритм может повлиять на доступ к кредиту, обслуживание счета, блокировку операции или скорость рассмотрения спорной ситуации. Если такая система закрыта от внешней проверки, статус суверенной модели сам по себе не защищает клиента.
| Критерий | Суверенная модель | Национальная модель |
|---|---|---|
| Разработка | Полный цикл у российской компании | Российский контур с возможными зарубежными компонентами |
| Данные | Хранение на серверах в России | Требования зависят от применения и будущих решений регулятора |
| Чувствительные сферы | Нужно согласование с правительством | Нужно согласование с правительством |
| Банковская система | Нужно разрешение Банка России | Нужно разрешение Банка России |
| Риск для небольших разработчиков | Высокий из-за стоимости полного локального цикла | Ниже, но остается зависимость от правил допуска |
Отдельная часть закона закрепляет за Минцифры статус единого регулятора в сфере ИИ. Это меняет баланс в отрасли. Когда у рынка один центр принятия решений, разработчикам легче понимать, куда идти за правилами, мерами поддержки и разъяснениями. Но слишком широкие полномочия одного ведомства могут привести к ручному режиму: одни игроки получают доступ и поддержку быстро, другие ждут критериев, которые пока не раскрыты.
Правительство сможет определять меры поддержки разработчиков и открывать им доступ к государственным базам данных. Для ИИ это сильный ресурс: качество модели часто упирается в объем и чистоту данных. Но доступ к государственным данным без жестких процедур аудита превращается в риск для граждан. Нужны ответы на бытовые вопросы: какие данные передаются, можно ли их обезличить, кто ведет журнал доступа, как расследуется утечка и что происходит при ошибке модели.
Здесь критика Натальи Касперской бьет в больную точку законопроекта. Она считает документ декларативным, технологически несистемным и слабым по части безопасности. Также она предупреждает, что нормы могут усилить позиции двух крупнейших разработчиков, Сбербанка и Яндекса, а права граждан, включая неприкосновенность частной жизни, остаются без достаточной защиты.
Эта критика не выглядит спором вокруг терминов. Если закон дает поддержку тем, кто уже обладает вычислениями, данными и доступом к заказчикам, рынок получает закрепление текущей расстановки сил. Новым командам придется доказывать качество продукта, проходить регуляторный маршрут, выдерживать требования к инфраструктуре и конкурировать за данные.
Еще один заметный пункт: маркировка ИИ-контента будет добровольной. Для медиа, рекламных платформ, маркетплейсов и образовательных сервисов это мягкий вариант. Компания может маркировать созданный ИИ текст, изображение или видео, но закон не делает такую маркировку массовой обязанностью.
Для пользователя это означает, что происхождение контента придется оценивать по косвенным признакам или правилам конкретной площадки. В спорных случаях добровольная маркировка работает хуже обязательной: добросовестные игроки ставят отметку, а те, кто хочет имитировать человека или скрыть источник генерации, могут ее не ставить. При этом жесткая обязательная маркировка тоже несет риск перегиба, особенно для редакций и авторов, которые используют ИИ как инструмент черновой обработки.
Закон также закрепляет, что обучение моделей на данных из открытых источников не станет нарушением авторского права. Для разработчиков это сильная защита, потому что сбор обучающих корпусов без такого правила постоянно упирается в претензии правообладателей. Для авторов и издателей картина менее комфортная: их тексты, изображения и иные материалы могут попадать в обучение, а механизм компенсации или отказа из предоставленной фактуры не просматривается.
Я бы смотрел на этот пункт особенно внимательно. Российский рынок получает сигнал: открытый источник можно использовать для обучения модели. Но открытый доступ к странице еще не означает согласие автора на коммерческое использование результата обучения. Если здесь не появятся уточнения, конфликты между разработчиками и владельцами контента уйдут в суды, договоры с платформами и будущие подзаконные акты.
Сроки тоже уже обозначены. Основные положения должны вступить в силу 1 сентября 2026 года. Часть норм заработает с 1 марта 2027 года. Для крупных компаний это короткий горизонт: нужно успеть провести инвентаризацию моделей, источников данных, иностранных компонентов, серверной инфраструктуры и сценариев применения в банковской или другой чувствительной сфере.
Разработчикам стоит начать с пяти проверок:
- кто фактически контролирует архитектуру, обучение, дообучение и обновления модели;
- где хранятся данные и можно ли подтвердить российскую инфраструктуру документами;
- какие зарубежные библиотеки, веса, датасеты или сервисы входят в продукт;
- используется ли модель в банковских процессах, госуслугах, персональных данных или другом чувствительном сценарии;
- кто внутри компании отвечает за журнал решений модели и разбор ошибки.
Для банков и финтеха отдельный вопрос: как согласование с Банком России будет сочетаться с уже существующими требованиями к защите информации, персональным данным, антифроду и внутреннему контролю. Если регулятор потребует описывать модель как часть критичного процесса, одной презентации о точности алгоритма не хватит. Понадобятся тесты на устойчивость, сценарии отказа, контроль доступа к данным и процедура ручного пересмотра спорного решения.
Для инвесторов и партнеров новость тоже меняет расчет. Проект, который строит модель под российский рынок, получает потенциальную поддержку и доступ к данным. Но в оценку компании придется закладывать регуляторный риск: статус модели, зависимость от иностранных компонентов, вероятность допуска в чувствительные сферы и затраты на соответствие требованиям.
На стороне государства просматривается желание не отстать в гонке ИИ и одновременно удержать контроль над критичными данными. Сергей Боярский при представлении проекта в первом чтении говорил, что суверенный ИИ должен соответствовать традиционным ценностям, и подчеркивал задачу регулировать технологию так, чтобы не мешать российским разработчикам. Этот баланс трудно удержать: чем больше политических и ведомственных критериев входит в оценку модели, тем выше риск, что технологическое качество уйдет на второй план.
Внутри российского рынка уже есть две разные линии. Первая линия: государству нужны свои модели, свои данные и своя инфраструктура, иначе ключевые сервисы зависят от внешних поставщиков. Вторая линия: слишком жесткая локализация и доступ к государственным данным для избранных игроков могут сузить конкуренцию. Вторая претензия особенно чувствительна для молодых команд, потому что ИИ-рынок растет за счет экспериментов, нишевых продуктов и быстрых проверок гипотез.
Для читателей TradExpert здесь есть прикладной вывод. Если банк, брокер, инвестиционный сервис или финансовое приложение сообщает, что использует российский ИИ, это еще не ответ на вопрос о защите клиента. Смотреть нужно на три вещи: как сервис объясняет решение модели, есть ли человек для пересмотра спорной ситуации и какие данные модель получает от пользователя.
В теме ИИ-инфраструктуры похожий риск уже виден на примере сделок и партнерств больших технологических компаний: рынок быстро концентрируется вокруг тех, у кого есть вычисления, дата-центры и доступ к капиталу. Об этом я писал в разборе про рынок ИИ-инфраструктуры. Новый российский закон добавляет к этой концентрации еще регуляторный контур.
Для трейдинга и анализа рынков вопрос тоже не отвлеченный. Модели уже помогают искать сигналы, обрабатывать новости и собирать данные, но ошибка алгоритма в день сильного движения может стоить денег. Поэтому в финансовых сервисах нужен статус модели, контроль качества решений и ручной сценарий на случай сбоя. Подробно этот угол я разбирал в материале про ИИ в трейдинге.
Моя оценка: закон фиксирует политический и инфраструктурный курс, но пока не закрывает пользовательский контур защиты. Термины суверенная и национальная модель помогут ведомствам распределять поддержку и доступ, однако гражданину нужен ответ на прикладные вопросы: кто отвечает за ошибку, как оспорить решение алгоритма, где хранятся его данные и можно ли проверить, что модель не стала черным ящиком с государственным допуском.
До 1 сентября 2026 года у рынка будет время подготовиться. Разработчикам стоит уже сейчас разложить свои модели по источникам данных, компонентам, серверам и сценариям применения, даже если подзаконные акты еще не готовы. Пользователям финансовых сервисов полезно смотреть на последствия решения технологии: деньги, доступ к счету, кредит, блокировку операции. Если алгоритм влияет на эти вещи, у человека должен оставаться путь к объяснению и пересмотру.
