Антон Спирин: Баланс суверенитета и интересов бизнеса необходим для развития ИИ

Российский рынок искусственного интеллекта проходит этап взросления, где ключевой задачей является поиск прагматичного баланса. С одной стороны, государству и бизнесу необходима собственная база: суверенные и национальные модели, собственные датасеты и критически значимый софт. С другой стороны, полная изоляция от мировых практик и наработок open-source сообщества нерациональна. Оптимальное решение – обеспечить совместимость российских стандартов ИИ с международными практиками, в частности со странами БРИКС, на всех уровнях: от кейсов применения до технологических конфигураций.

Внятная государственная политика и прозрачное регулирование полезны для бизнеса, так как позволяют комфортно планировать программу необходимых изменений, и в этом контексте наши регуляторы выглядят последовательно. В то же время, поскольку нормативная база находится в процессе активного формирования, бизнесу уже сейчас важно закладывать новые требования в архитектуру своих продуктов. Создание долгосрочных решений требует внедрения принципа соответствия требованиям на этапе проектирования (compliance by design), при котором регуляторные нормы учитываются еще до разработки кода с прицелом не только на пилотирование, но и на полноценное масштабирование. Этому помогает и опережающая стандартизация: профильным специалистам важно отслеживать неофициальные декларации сообществ и проекты ГОСТов, на которых часто формируются будущие законы.

С технической точки зрения бизнес-критичным системам необходима архитектурная гибкость с четким разделением процессной логики и используемых в рамках нее моделей. В такой схеме модель работает как сменный картридж в принтере, и при изменениях в законодательстве ее можно заменить за дни или часы без остановки всей системы. При этом конфиденциальные и персональные данные должны обрабатываться строго в моделях локального контура, тогда как публичные облачные модели можно привлекать для более широких креативных задач. Юридическая чистота массивов данных, на которых происходит обучение и тестирование моделей, критична: датасеты должны быть полностью легитимными, без регуляторных рисков и серых зон.

В дискуссии о государственном регулировании выделяются три фактора, ограничение которых может нанести вред индустрии. Во-первых, это инфраструктура вычислительных мощностей, которая находится в состоянии жесткого дефицита на «рынке продавца». Пока альтернативные серверные решения на базе китайских чипов только появляются на замену Nvidia, процедуру закупок оборудования нужно не усложнять, а максимально упрощать. Во-вторых, нельзя ограничивать доступ к open-source разработкам, ведь ни одна корпорация не способна соревноваться с открытым сообществом по скорости инноваций. В-третьих, бизнесу и госструктурам необходима возможность экспериментировать с правом на ошибку. Жесткое законодательство о закупках сейчас оставляет очень мало пространства для маневра как заказчикам, так и исполнителям, особенно в госсекторе. Даже добросовестная IT-компания может автоматически попасть в реестр недобросовестных поставщиков из-за непредвиденных особенностей применения новой технологии в проекте – это снижает аппетит к инновациям и замедляет выработку успешных и масштабируемых практик, что важно и в международной конкуренции.

При этом регуляторный фокус логично направить на три приоритетных направления. Первое – определение ответственности за контент, созданный с помощью ИИ, с четкой квалификацией тяжести и мерой наказания в зависимости от нанесенного ущерба. Второе – прозрачные и равные для всех правила безопасного доступа бизнеса к государственным массивам данных. Третье – нормативное распределение юридической ответственности за критические ошибки ИИ в высокорисковых сферах, таких как транспорт и медицина, между вендором модели, IT-интегратором и конечным пользователем.