Введение
Пока компании спорили, нужен ли в России отдельный закон об ИИ, законодатели выбрали рамочный подход. Закон «О поддержке развития технологий искусственного интеллекта в Российской Федерации» (законопроект № 1271570-8) не описывает каждый алгоритм по отдельности. Он задаёт общие понятия, принципы и несколько обязательных правил, которые касаются и разработчиков моделей, и компаний, которые ИИ только используют. Для большинства владельцев бизнеса важна вторая группа: договоры с поставщиками моделей, хранение данных, решения, которые принимает программа, и маркировка контента.
Этот материал опирается на карточку законопроекта на официальном сайте Государственной Думы и на разборы закона в деловых и правовых изданиях. Там, где источники расходятся, мы это отмечаем. Текст носит информационный характер и не заменяет консультацию юриста.
Что принято и когда это вступает в силу
Законопроект приняли во втором и третьем чтениях 8 июля 2026 года. По данным публикаций, президент подписал закон в конце июля, а текст был опубликован на портале официального опубликования правовых актов. Основной срок вступления в силу назван 1 сентября 2026 года, но разборы сообщают, что большая часть положений применяется с 1 марта 2027 года. Точный перечень норм с отдельными сроками стоит сверить по тексту закона: в описаниях этот момент отличается.
Для планирования важно понимать, что к весне 2027 года появятся правила, которые затронут выбор модели и место хранения данных. Если аудит ИИ-процессов откладывается до «потом», запас времени для спокойной подготовки заметно сокращается. Чем раньше компания составит карту своих ИИ-инструментов, тем меньше придётся переделывать договоры и процессы в спешке.
Что закон регулирует, а что оставляет открытым
Закон задаёт базовые понятия технологий ИИ, принципы развития и поддержки отрасли и отдельные обязанности в ограниченных областях. По разбору, он распространяется на крупные фундаментальные модели, а не на любой сервис с элементами ИИ. Общий запрет на иностранные нейросети в нём не установлен. Зато правительство получит полномочия определять сферы, где разрешено применять только российские суверенные или национальные модели. Какие это сферы, пока неизвестно: их предстоит определить отдельными решениями, и бизнесу стоит следить за ними.
Закон не решает вопрос, кому принадлежат права на контент, созданный нейросетью. По разбору, эту задачу оставили пользовательским соглашениям конкретных сервисов. Поэтому раздел о правах на результат становится практической задачей для каждой компании, которая публикует тексты, изображения или код, сгенерированные моделью. Если в договоре с поставщиком сказано, что права остаются у сервиса, а лицензия на результат ограничена, это нужно учитывать до первой публикации, а не после спора.
Маркировка ИИ-контента: что реально требуется
Обязательной маркировки ИИ-контента закон не вводит. Поправку о ней отклонил профильный комитет, а разбор закона прямо подчёркивает, что норма о маркировке предусматривает возможность, а не обязанность. По имеющимся описаниям, крупные площадки с суточной аудиторией от 500 тысяч пользователей должны будут дать авторам техническую возможность отметить контент, созданный с помощью ИИ. Формат такой отметки определят соглашением между разработчиками ИИ-сервисов и пользователями. По одной из версий, эта норма начнёт действовать с 1 марта 2027 года.
Для бизнеса из этого следует практический вывод. Пока никто не обязывает помечать каждую картинку в соцсетях, но внутренняя политика полезна уже сейчас. Отмечайте, где ИИ создал черновик, и сохраняйте версии: исходный запрос, модель, дату, итоговый вариант и того, кто его утвердил. Такой журнал снизит споры с клиентами и подрядчиками и упростит ответ, если требования к маркировке появятся в более жёсткой форме. Для публичных материалов заранее назначьте человека, который проверяет факты и отвечает за текст.
Какие процессы затрагивает закон
Наибольшее внимание стоит уделить трём группам процессов. Первая группа — решения, которые влияют на людей: кредитный скоринг, отбор кандидатов, проверка заявок, расчёт условий для клиента. Вторая — работа с персональными данными, которые попадают в запросы к моделям вместе с перепиской и документами. Третья — создание контента и кода, где важны права на результат и происхождение материала.
Закон о персональных данных уже сейчас ограничивает решения с юридическими последствиями, которые принимаются только на основе автоматизированной обработки, без письменного согласия субъекта. Закон об ИИ добавляет к этому вопрос ответственности: по разбору, за ошибку алгоритма отвечает организация, которая его применила. Например, банк при кредитном скоринге или работодатель при отборе персонала. При этом банк, работодатель или госорган не обязаны сообщать, что используют ИИ. Значит, внутренний учёт решений и возможность объяснить результат человеку становятся частью процесса, а не необязательной опцией.
Сценарии для разных компаний
Интернет-магазин, который использует ИИ для описаний товаров, ответов на типовые вопросы и обработки обращений, почти не попадает под правила о решениях с юридическими последствиями. Но ему важны три вещи: договор с поставщиком модели, условия хранения переписки с клиентами и право использовать сгенерированные описания на своей витрине без претензий со стороны сервиса.
Компания, которая автоматизирует подбор персонала, попадает в зону повышенного внимания. Если алгоритм сортирует резюме или отсеивает кандидатов, нужны понятные критерии, журнал решений и ручной путь для оспаривания. Отказ, который никто не может объяснить, создаёт проблему и с кандидатом, и с юристами компании.
Производитель или сервисная компания, которая встраивает модель в свой продукт, должна учитывать место обработки данных и возможный переход на отечественные модели, если их введут для отдельных сфер. Здесь полезно вести описание архитектуры: какие модели используются, в каком контуре, какие данные проходят через каждый этап и где они хранятся.
Небольшая команда, которая работает только с облачными чат-ботами, решает задачу прежде всего процедурно: кто в компании вправе загружать документы в сервисы, какие данные запрещено отдавать и кто проверяет результат перед отправкой клиенту. Такой регламент умещается на одну страницу и не требует отдельного бюджета.
Пошаговый план на месяц
Первая неделя уходит на инвентаризацию. Составьте список всех ИИ-инструментов, которыми пользуются сотрудники и отделы, включая бесплатные тарифы и личные аккаунты. Личные аккаунты для рабочих документов чаще всего становятся источником проблем, потому что компания не контролирует ни данные, ни доступ после увольнения сотрудника.
Вторая неделя — договоры и данные. Для каждого сервиса выпишите, где хранятся запросы и ответы, используются ли они для обучения моделей, кому принадлежит результат по условиям сервиса, как устроено удаление данных и кто является оператором персональных данных в цепочке. Если ответа в документах нет, запишите вопрос поставщику и сохраните его ответ.
Третья неделя — решения. Выберите процессы, где ИИ влияет на людей, и для каждого опишите правило: что решает модель, что проверяет человек, какие данные используются, как клиент или кандидат может попросить пересмотра и кто отвечает за итог. Этот документ нужен и для внутренней работы, и для ответа на претензию.
Четвёртая неделя — политика. Утвердите короткий внутренний документ: какие инструменты разрешены, какие данные запрещено загружать, как маркируются материалы, где хранятся версии, кто отвечает за проверку. Документ можно передать юристу на доработку. План не требует отдельного проекта: его ведёт руководитель процесса вместе с ИТ-специалистом, а на первом этапе хватает пары часов в неделю.
Требования к данным и инфраструктуре
Для большинства компаний главный технический вопрос — где обрабатываются данные. По разбору закона, суверенные и национальные модели должны обрабатывать и хранить данные на территории России. Для остальных моделей такого требования в описаниях нет, поэтому ответ зависит от конкретного сервиса и от того, какие данные в него попадают.
Минимальная инфраструктура для пилота выглядит так: рабочий аккаунт, оформленный на компанию, список разрешённых сервисов, журнал запросов для процессов, влияющих на людей, и хранилище для версий сгенерированных материалов. Если в запросах есть персональные данные, нужен договор с поставщиком и понимание, в какой стране хранится база и кто имеет к ней доступ. Локальные модели дают больше контроля, но требуют видеокарт, обслуживания, обновлений и людей, которые будут всё это сопровождать. Для малого бизнеса разумнее начинать с облачного сервиса в рамках регламента, а локальный контур добавлять, когда появится задача, которую облако решать не может или не должно.
Экономический эффект
Оценивать эффект от подготовки к закону в деньгах сложно, потому что он задаёт рамки, а не рынок. Затраты ориентировочно складываются из трёх частей: аудит процессов, пересмотр договоров с поставщиками и обучение сотрудников. Размер каждой части зависит от числа ИИ-процессов, объёма персональных данных и того, насколько документы компании уже приведены в порядок. Точные цифры требуют проверки на данных конкретной компании.
Эффект проявляется в снижении рисков: меньше споров из-за автоматических отказов, меньше утечек через личные аккаунты, быстрее ответ на запрос клиента или регулятора. Для компаний, которые уже ведут учёт процессов и договоров, основная работа сводится к дополнению существующих документов. Для тех, кто пользуется ИИ без учёта, первый аудит обычно находит больше вопросов, чем ожидалось, и это тоже результат, потому что без него риски остаются невидимыми.
Риски и ограничения
Первый риск — ложная уверенность. Закон рамочный, многие его нормы будут уточняться подзаконными актами, поэтому сегодняшняя картина может измениться. Второй риск — несовпадение источников. Даты и формулировки о маркировке в разборах различаются, и решения по ним нельзя принимать только на основе пересказа. Поэтому любой пункт, от которого зависит договор или процесс, нужно сверить с официальным текстом.
Третий риск — чрезмерная автоматизация. Если модель принимает решения без участия человека и без журнала, компания отвечает за результат, а объяснить его будет трудно. Четвёртый — выбор поставщика только по цене без учёта условий о правах на результат и хранении данных. Выигрыш в стоимости может обернуться спором о том, кому принадлежит готовый текст, код или база клиентов после обработки.
Ограничение этого материала в том, что он не оценивает конкретную ситуацию конкретной компании. Для решений о персональных данных, кадровых процессах и кредитовании нужен юрист, который работает с вашими документами.
Безопасность и защита данных
Защита начинается с простого правила: в запросы к моделям не попадают пароли, платёжные реквизиты, закрытые ключи и персональные данные без законного основания. Для рабочих процессов полезно разделить данные на три класса — публичные, внутренние и персональные — и закрепить, какие сервисы подходят для каждого класса. Публичные данные можно отдавать облачным сервисам, внутренние только в сервисы с подтверждёнными условиями хранения, персональные данные только в контур, который прошёл проверку.
Вторая мера — доступы. Рабочие аккаунты должны принадлежать компании, а не конкретному сотруднику, и отключаться при увольнении или смене роли. Третья мера — журналирование. Для процессов, которые влияют на людей, сохраняйте входные данные, версию модели, результат и решение человека. Это занимает место и требует дисциплины, но без такого журнала невозможно спокойно разобрать спорный случай.
Четвёртая мера — проверка результата. Модель может уверенно ошибиться в цифре, ссылке или юридической формулировке. Перед отправкой клиенту, публикацией или подачей документа в госорган результат должен смотреть человек, который отвечает за содержание.
Сравнение с альтернативами
Есть три основных варианта: иностранные облачные сервисы, российские модели в облаке и локальные модели внутри инфраструктуры компании. Иностранные сервисы обычно дают широкий выбор функций и быстрый доступ к новым версиям, но требуют внимания к хранению данных и условиям использования. Российские облачные модели проще с точки зрения суверенитета, но набор возможностей и условия доступа зависят от провайдера, и их стоит сравнивать на своих задачах. Локальные модели дают максимальный контроль над данными, но требуют инженерной работы, бюджета на оборудование и поддержку.
Выбор не обязан быть единственным. Частая схема такая: публичные задачи решаются облачным сервисом, персональные данные обрабатываются в российском или локальном контуре. Для неё нужна чёткая карта данных, иначе граница между контурами размывается уже через месяц работы: сотрудники начинают копировать в удобный сервис то, что должно оставаться внутри.
Если вы сравниваете варианты для конкретного процесса, полезно пройти короткий аудит: что должно попасть в модель, где это хранится, кто несёт ответственность за ошибку и сколько она стоит. Такой расчёт часто важнее рейтинга моделей, потому что он отвечает на вопрос, какой контур безопасно выбрать именно для этой задачи.
Частые вопросы
Нужно ли сейчас маркировать тексты, созданные с помощью ИИ? По описаниям закона, обязательной маркировки он не вводит. Внутренний журнал создания материалов при этом полезен в любом случае.
Можно ли продолжать пользоваться иностранными нейросетями? Закон не запрещает их общим образом. Вопрос в том, какие данные вы в них передаёте и какие условия принимает ваш сервис.
Кто отвечает, если алгоритм ошибся? По разбору закона, ответственность несёт организация, которая применила алгоритм. Поэтому решение о применении должно быть вашим, с понятным правилом проверки.
Что делать, если в договоре с поставщиком не написано, кому принадлежит результат? Запросите письменный ответ. Пока его нет, не используйте результат в коммерческих материалах без согласования.
Вывод и следующий шаг
Закон об ИИ в России — это рамка, которую нужно проверить на собственных процессах, а не список задач на завтра. Главное, что стоит сделать сейчас: составить карту ИИ-инструментов, проверить договоры и хранение данных, описать решения, которые касаются людей, и утвердить внутреннее правило по использованию сервисов.
Если нужна помощь с аудитом процессов и внедрением ИИ с учётом этих требований, посмотрите условия оказания услуг по внедрению ИИ. Практический порядок внедрения описан в материале как внедрить ИИ в бизнес-процессы. Пример пилота на документах, где ИИ помогает команде учёта, есть в разборе ИИ для бухгалтера. Новости о направлении ИИ-агентов собраны в посте ИИ-агенты: новости бизнеса за октябрь 2026.
Материал подготовлен с учётом SEO-требований и технически пригоден для индексации.
