Какие модели ИИ получат статус суверенных в России

Дария Беседа: Олег, 1 сентября вступает в силу основная часть закона об ИИ. Что принципиально изменится для российского рынка?

Олег Сажин: В России впервые появляется отдельная федеральная нормативная база именно для больших фундаментальных ИИ-моделей. До этого регулирование ИИ складывалось из законодательства о персональных данных, интеллектуальной собственности, КИИ и отраслевых требований. Теперь на уровне федерального закона определены сами понятия и общие принципы регулирования технологии. При этом закон распространяется не на любые алгоритмы машинного обучения, а прежде всего на универсальные модели с количеством параметров не менее одного миллиарда, которые могут быть основой для программных продуктов.

При этом я не считаю, что с 1 сентября для российского бизнеса резко меняются правила использования нейросетей. Закон был смягчен по сравнению с первоначальной редакцией. Сейчас в нем нет общего запрета на использование иностранных моделей и нет требования, чтобы российский бизнес немедленно переходил на отечественный ИИ. Более существенные регуляторные механизмы начнут работать с 1 марта 2027 года, когда вступят в силу критерии суверенных и национальных моделей и правила их применения в различных случаях. Но и здесь предусмотрен переходный период. До 1 сентября 2032 года ограничения не будут распространяться на уже созданные или эксплуатируемые системы с большими фундаментальными моделями, созданные или эксплуатируемые на 1 марта 2027 года, при условии обработки и хранения данных в России.

На текущем этапе компании получают сигнал, в каком направлении будет развиваться регулирование, какие технологические и организационные характеристики будут давать доступ к господдержке и к тем сегментам рынка, где государство может установить особые требования.

Дария Беседа: Также важно отметить, что мы внимательно следим за изменениями в законодательной базе в отношении регулирования ИИ. В продуктах «Альт» доступен широкий набор инструментов для работы с искусственным интеллектом, которые можно установить из официальных и открытых репозиториев, включая непрерывно обновляемый «Сизиф».

Нам нужны инструменты для решения конкретных задач бизнеса, которые можно использовать автономно. Использование ИИ внутри нашей компании разделяется на два направления. Первое — предоставление универсальной платформы для каждого сотрудника с целью автоматизации задач. Второе — создание специализированных рабочих процессов под конкретные задачи отделов. Оба направления реализованы на внутренних серверах компании.

Искусственный интеллект применяется и в работе подразделения безопасной разработки — одного из самых многочисленных в компании — для оценки результатов статического и динамического анализов.

«Базальт СПО» ведет активную работу с технологическими партнерами, что позволяет обеспечить совместимость ИИ-решений, работающих в ИТ-инфраструктуре. Компания намерена улучшить ИИ-инструменты, чтобы в дальнейшем использовать их для обработки запросов заказчиков, подготовки технических предложений и расширения службы поддержки.

При этом в компании не собираются увольнять разработчиков, заменяя их на ИИ. Вместо этого в «Базальт СПО» планируют активно вовлекать специалистов в изучение и практическое применение современных инструментов на его базе для создания безопасных и качественных программных продуктов.

Дария Беседа: Весной, когда обсуждалась первая редакция законопроекта, рынок был настроен настороженно: опасались, что требования пропишут избыточно жестко и одинаково и для стартапа, и для крупного вендора. Оправдались ли эти опасения?

Олег Сажин: Скорее нет. Итоговый закон значительно отличается от первоначального проекта благодаря реакции игроков рынка. Весной эксперты отраслевых ассоциаций предупреждали об избыточной административной нагрузке, которая могла привести к росту затрат на внедрение ИИ и замедлению выпуска продуктов. Была и такая логика: крупная компания может нанять людей для детальной проверки кода, стартап же в этой ситуации рискует потерять свое главное конкурентное преимущество — скорость вывода продуктов на рынок.

В результате из закона ушло требование обучать российские модели исключительно на российских данных и создавать их исключительно с участием российских граждан. Государство сосредоточилось на больших фундаментальных моделях и технологической независимости. Опасение, что регулирование превратится в сплошную стену запретов, не подтвердилось, а именно оно было бы тупиковым путем для рынка. Важно, что пространство для экспериментов с ИИ в разных отраслях сохраняется. Это и дает экономике настоящий стимул для роста.

Дария Беседа: Какие положения закона, на ваш взгляд, окажут наиболее заметное влияние на разработчиков и компании, использующие ИИ?

Олег Сажин: Для разработчиков существенное значение будет иметь разделение больших фундаментальных моделей на суверенные и национальные. У этих категорий разная глубина технологической самостоятельности. Для суверенной модели закон требует, чтобы разработчиком выступало российское юридическое лицо, и чтобы обработка и хранение данных осуществлялись на территории России. Национальная модель, в свою очередь, допускает использование компонентов, распространяемых на условиях открытой лицензии, в том числе других фундаментальных моделей, при этом их происхождение значения не имеет. На мой взгляд, здесь принципиален именно критерий технологического контроля, а не формальная страна происхождения кода или данных для обучения.

Другой важный механизм — право правительства определять сферы и сценарии, где можно будет применять только суверенные или национальные модели. Сам закон пока не дает исчерпывающего перечня таких сфер, поэтому масштаб влияния будет зависеть от подзаконных актов.

Дария Беседа: Закон касается прежде всего разработчиков фундаментальных моделей. Но что изменится для корпоративных заказчиков, которые используют ИИ в своей работе?

Олег Сажин: Регулирование повлияет на всю цепочку внедрения. Для компаний, которые сами фундаментальные модели не разрабатывают, главный практический вопрос — выбор технологического поставщика. При проектировании систем придется учитывать не только качество и стоимость модели, но и ее будущий правовой статус, место обработки данных, потенциальные ограничения для конкретной отрасли. По сути, регулирование постепенно становится еще одним параметром архитектуры корпоративной ИИ-системы наряду с качеством модели и другими важными компонентами.

Дария Беседа: Насколько четко сегодня можно определить, соответствует ли конкретная модель критериям национальной или суверенной?

Олег Сажин: На уровне общих принципов критерии понятны, но юридически однозначно определить соответствие конкретной модели статусу суверенной или национальной пока сложно. Закон устанавливает базовые параметры, дальнейшую конкретизацию должно обеспечить правительство. Необходимо решить, какие именно характеристики национальной модели считаются «существенными», как будет подтверждаться соответствие модели российскому законодательству. Эти положения вступают в силу только с 1 марта 2027 года.

Здесь есть и объективная технологическая сложность. За любой современной фундаментальной моделью стоит большой программно-аппаратный стек. Это и фреймворки машинного обучения, и библиотеки, и инструменты оркестрации. В этом случае провести границу между собственной разработкой и использованием внешних технологий гораздо сложнее, чем для обычного прикладного продукта. Слишком жесткие критерии суверенности рискуют оказаться практически невыполнимыми, а слишком формальные, наоборот, позволят получить статус после минимальной модификации иностранной модели.

Если подзаконные акты позволят учитывать возможность самостоятельного обучения, модификации и эксплуатации моделей без критической зависимости от внешнего владельца технологии, то разделение будет работать.

Если же проверка сведется к формальным признакам юридического лица и места расположения серверов, такой статус будет значительно меньше свидетельствовать о реальной технологической независимости.

Дария Беседа: Закон задает правила игры, но у рынка своя динамика. Ваша компания занимается автоматизацией бизнес-процессов при работе с документами с помощью ИИ. Какие драйверы и барьеры вы ощущаете в настоящее время?

Олег Сажин: На первом этапе драйвером был высокий интерес к генеративному ИИ. К нам приходили компании, особенно из около государственного сектора, с запросом: «У нас болит KPI по ИИ, дайте нам что-нибудь». Казалось, что это магическая технология, которая решит многие проблемы. Но не каждый ИИ является генеративным. Есть множество других технологий в этом классе, которые отлично решают задачи заказчиков и зачастую более эффективны по затратам. Генеративный ИИ требует мощных вычислительных ресурсов и пока дорог. Поэтому следующим этапом стал прагматичный подход. Нужны решения, которые реально влияют на эффективность, помогают оптимизировать расходы или повышать доходы.

Еще один актуальный драйвер — укрупнение стека автоматизации. Клиенты хотят не точечного распознавания документов, а комплексное решение, ИИ-агента, который сможет взять на себя значительную часть процесса: распознает договор, сверит его положения с корпоративными регламентами, направит на согласование профильному сотруднику и сформирует ответ контрагенту.

Дария Беседа: Вы говорите о переходе от точечных ИИ-инструментов к автоматизации процессов целиком. В наших репозиториях p11 и Sisyphus уже доступны ИИ-агенты для программирования, анализа кода и поиска ошибок. А как этот тренд реализуется в ваших решениях?

Олег Сажин: Мы развиваем отдельный продукт — платформу автоматизации и оркестрации бизнес-процессов Content AI Capella. Она объединит ИИ-агентов, роботизацию бизнес-процессов (RPA) и технологии интеллектуальной обработки документов (IDP). Например, в платформе можно будет запустить сценарий разбора входящих сообщений. Формализованные операции выполняются заданной логикой и RPA, письма и документы со свободными формулировками обрабатывает агент. Распознавание опирается на наши технологии распознавания и извлечения данных, которые лежат в основе IDP-платформы ContentCapture. По нашей оценке, до 80% токенов взаимодействия с моделями уходит именно на распознавание текста. Мы же закрываем этот этап собственными технологиями и тем самым сокращаем расходы на LLM в 5 раз. Генеративный ИИ подключается только для задач, которые классическими технологиями не закрыть.

В текущей конфигурации Content AI Capella на всех критичных этапах действия агента подтверждает специалист, он же разбирает спорные случаи. Мы стремимся к полной автономии, но для этого требуется определенная подготовка — и инфраструктурная, и организационная, и связанная с готовностью сотрудников доверять ИИ. Пока к этому готовы далеко не все заказчики. На данном этапе мы сознательно сохраняем контроль там, где цена ошибки высока.

Дария Беседа: Мы говорили о том, что при внедрении ИИ для бизнеса важны не только возможности самой модели, но и вся технологическая среда. На ЦИПР наши компании подписали соглашение о сотрудничестве. Что дает такая интеграция заказчику на практике?

Олег Сажин: Для многих организаций, особенно из госсектора, совместимость софта с отечественными операционными системами — обязательное условие. Партнерство разработчиков дает заказчикам гарантию, что прикладные продукты будут стабильно работать в среде Linux. Мы не ограничиваемся разовым тестированием и формальным соглашением, а выстраиваем системное взаимодействие с технологическими партнерами. Это значит, что при добавлении в продукт новых инструментов разработчики сразу учитывают специфику и требования конкретной ОС. Например, сейчас в наших решениях активно появляются функции на основе генеративного ИИ, и каждую из них мы обязательно проверяем на устойчивость и работоспособность в отечественных операционных системах.