ИИ не станет преступником. Но может стать отягчающим обстоятельством

На ПМЮФ советник главы СК РФ Александр Федоров заявил, что искусственный интеллект не может быть субъектом преступления. Причина проста: у ИИ нет сознания, воли и правосубъектности.

Ответственность несут люди:

разработчики;
владельцы сервисов;
операторы систем;
пользователи.

При этом он предлагает признать использование ИИ отягчающим обстоятельством при совершении преступлений.

По сути, государство начинает рассматривать ИИ не как самостоятельного участника правоотношений, а как инструмент усиления мошенничества, дипфейков и других противоправных действий.

AI для бизнеса

Заменить человека на ИИ — это законно? Разбираем с юристом

Мы поговорили с Марией Самарцевой, к.ю.н., руководителем практики интеллектуальной собственности и технологий юридической фирмы «Дякин, Горцунян и Партнеры», о том, как российское право смотрит на использование ИИ в трудовых и договорных отношениях.

Короткий вывод: регулирования почти нет, а прогресс не остановить.

— Можно ли уволить сотрудника с формулировкой «есть ИИ - ты больше не нужен»?

По сути, это обычное сокращение должности. Если работодатель оптимизирует процессы и сокращает позицию (а не конкретного человека), оснований для защиты от такого увольнения я пока не усматриваю. Это автоматизация в новом виде — как когда-то исчезли фонарщики.

Если бы человечество берегло их должности, мы бы до сих пор жили в темноте. Всё, что тормозит прогресс, обречено на провал.

— Работодатель забирает мои рабочие документы для обучения нейросети. Я могу возразить?

Здесь работает принцип служебных произведений: всё, что создано работником по заданию работодателя, принадлежит работодателю, если не согласовано иное. Если документы созданы в рамках трудовых задач — это право работодателя.

— А что с мониторингом работы через ИИ? Меня должны предупредить?

Ключевой момент — можно ли идентифицировать личность. Если мониторинг ведётся в безличном формате и по его результатам нельзя установить конкретного сотрудника, возражать против этого сложно.

А вот если личность идентифицируется, а работник не был заранее проинформирован — теоретически может вставать вопрос о его защите.

Но я бы не связывала это с защитой персональных данных: выполнение трудовых задач сложно с этим увязать, особенно если нет утечки или распространения ПД. Это скорее вопрос этики и слежки. Хотя похожую функцию несут, например, камеры в помещениях.

— Есть ли вообще регулирование использования ИИ в договорах с клиентами?

В России пока нет никакого регулирования, поэтому ссылаться на закон сложно. В новом законопроекте Минцифры тоже ничего подобного нет. Более того, маркировку авторского ИИ-контента в финальной версии закона решили не вводить.

При этом нюансов в договорах с клиентами много: от признания самого факта использования ИИ — и далее вопросы о том, какой ИИ, в каком количестве и для каких целей применяется, а также об ответственности за результат и о стоимости работ.

— Нужны ли вообще механизмы защиты работников при замене на ИИ?

От слежки, вероятно, появятся правила или вспомнят про аналогию закона. А в остальном — под прикрытием автоматизации процессов будет много сокращений должностей. Но это уже ни для кого не секрет.

Каких-либо инициатив о новых налогах на компании, которые выбирают сокращение вместо переобучения, я пока не слышала.

Итог простой: пока закон молчит, использование ИИ регулируется здравым смыслом и договорённостями сторон. Защита от «слежки» через ИИ, вероятно, появится. Защиты от автоматизации как таковой — ждать не стоит.

AI для бизнеса

Siemens встроил нейросеть прямо в упаковочные машины

IMA Group, мировой лидер в упаковочном оборудовании, совместно с Siemens внедряет промышленный ИИ в управление машинами.

Что изменилось

Классическая автоматизация работает по запрограммированным инструкциям: машина делает ровно то, что заложено. IMA и Siemens перешли к другой парадигме — нейросеть работает прямо внутри ПЛК (программируемого логического контроллера) и управляет движением в реальном времени. Машина не следует жёсткому сценарию, а адаптируется к условиям производства.

Это переход от детерминированного управления к системам, способным обучаться и подстраиваться на лету.

Модель обучают через цифровой двойник. Производственные сценарии моделируются виртуально, генерируя синтетические данные для обучения управляющих моделей. Это сокращает физические испытания на реальном станке и даёт более продвинутую отправную точку при вводе в эксплуатацию.

На практике это проще пуск, легче смена формата, машина лучше адаптируется к разным продуктам. Сокращаются трудозатраты на ввод в эксплуатацию.

Сегодня большинство кейсов промышленного ИИ — это аналитика поверх процессов: прогнозирование, мониторинг, оптимизация. Здесь ИИ встроен в саму машинную логику и напрямую влияет на поведение оборудования в реальном времени.

AI для бизнеса

Дефицита ИИ-навыков в России почти нет. Проблема в другом

Исследование ВШЭ развенчивает популярный тезис о «катастрофической нехватке» специалистов с ИИ-компетенциями. Реальность, как обычно, интереснее.

Избыток встречается чаще дефицита.

Навыками работы с ИИ владеют 37,5% занятых, но необходимы они только 4,9%. Если работа требует ИИ-компетенций, в 73% случаев у работника ровно тот уровень, который нужен. У трети занятых уровень владения даже превышает требования работодателя.

Массового дефицита нет. Базовые навыки в значительной степени уже удовлетворены — дефицит здесь всего 6%.

Но зоны реального дефицита всё же есть.

Чем выше требования — тем заметнее нехватка. При среднем уровне дефицит испытывает каждый пятый (20%), при продвинутом — почти каждый четвёртый (24%).

Самая большая проблема — переход от бытового использования к профессиональному. Работа требует среднего уровня, а человек освоил только базовый. Это разрыв между «умею пользоваться чат-ботом» и «понимаю логику алгоритмов, работаю со специализированными инструментами и корпоративными данными».

Вторая зона — нехватка продвинутых компетенций у самих айтишников. Специалист уверенно пользуется ИИ, но для разработки и внедрения решений ему не хватает фундаментальной подготовки.

По интенсивности дефицита лидируют айтишники (специалисты по ИКТ — 4,7%). Но по абсолютному вкладу в общий дефицит картина другая:

образование (учителя, преподаватели) — 15,5%. ИИ массово используют школьники и студенты, и педагоги вынуждены догонять;
бизнес и администрирование (финансисты, бухгалтеры, HR, маркетологи) — 12,2%;
специалисты по ИКТ — только 10,4%.

Основной запрос на ИИ-навыки формируют не программисты, а педагоги и офисные работники. ИИ становится технологией общего назначения и выходит далеко за пределы ИТ-сектора.

AI для бизнеса

Компании начали запрещать ИИ в договорах. Но суд не на их стороне.

Заказчики все чаще прописывают в контрактах запрет на использование ИИ при оказании услуг.

Они готовы платить за экспертизу конкретного специалиста, а не за результат, который был частично или полностью сгенерирован нейросетью.

Но суды пока не считают использование ИИ нарушением само по себе.

Если работа выполнена качественно, принята заказчиком и соответствует условиям договора, то сам факт использования нейросети не становится основанием для возврата денег или признания услуги некачественной.

Более того, аргумент «это сделал ИИ, значит работа ничего не стоит» также не находит поддержки. Для суда важен результат, а не инструмент, которым он был создан.

Раньше заказчик выбирал между человеком и автоматизацией.
Теперь он выбирает между прозрачным и непрозрачным использованием ИИ.

Но если исполнитель использует нейросети, то должен понимать:

какие задачи переданы ИИ;
какие данные загружаются в модели;
кто несет ответственность за результат;
как проверяется качество работы;
сохраняется ли конфиденциальность информации.

Именно поэтому компании начинают не просто запрещать ИИ, а регулировать его использование через договоры.

Минцифры уже обсуждает норму, которая может обязать исполнителей сообщать заказчику о применении ИИ при оказании услуг.

Все движется к модели обязательной прозрачности

AI для бизнеса

ИИ Mythos от Anthropic за часы нашёл уязвимости в засекреченных системах США

Во время тестовых учений модель Mythos обнаружила уязвимости в особо чувствительных компьютерных системах правительства США — не за недели, а за считанные часы. Тестирование Anthropic проводила совместно с американскими разведслужбами.

Сенатор Марк Уорнер на слушаниях в Сенате заявил, сославшись на главу АНБ:

Этот инструмент взломал почти все наши секретные системы не за недели, а за часы.

Модель обнаружила дыры, но не эксплуатировала их.

Тестирование шло в рамках Project Glasswing — той самой программы, про которую мы уже писали. Тогда речь шла о том, что закрытая модель за месяц нашла более 10 000 уязвимостей в Cloudflare, Firefox и тысячах open source-проектов. Теперь — засекреченные системы правительства.

Теперь контекст с блокировкой становится яснее.

В начале июня США издали директиву, запрещающую иностранцам доступ к Fable 5 и Mythos 5. Anthropic отключила модели для всех. Теперь понятно, почему правительство так нервничает — если модель за часы вскрывает секретные системы, доступ к ней хочется контролировать жёстко.

Но индустрия не согласна.

Более ста экспертов по кибербезопасности и руководителей компаний, включая Adobe и Nvidia, написали правительству письмо с призывом отменить директиву.

Их аргумент: Mythos хорошо ищет уязвимости и превращает их в оружие, но «не является уникальной» в этом. Те же задачи решают другие базовые и открытые модели. Лишаться лучших средств киберзащиты на фоне усиления противников — опаснее, чем сам риск.

Попали в замкнутый круг: Anthropic сама просила государство о жёстком регулировании, государство пошло навстречу — но так, что теперь против и компания, и вся индустрия.

AI для бизнеса

ИИ помог посчитать, сколько людей после рекламы в Смарт ТВ пришли в магазин

«Дикси», T2 AdTech и «Росст» показали интересный кейс: с помощью ИИ-моделирования и технологии Stable ID удалось связать просмотр рекламы на Смарт ТВ с реальными визитами в офлайн-магазины.

Обычно медийная реклама работает через косвенные метрики: охват, просмотры, частоту контакта, узнаваемость бренда. Нобизнесу нужны не просмотры, а реальные действия клиентов. Особенно в офлайне.

Смарт ТВ всегда считается сложным каналом для такой аналитики. Пользователь увидел рекламу на телевизоре, а покупку совершил через несколько дней в физическом магазине. Связать эти события непросто.

Но ИИ помог объединенить данных из разных сред.

Алгоритмы анализируют поведенческие сигналы пользователя, связывают взаимодействия между устройствами и помогают понять, какой вклад конкретный рекламный контакт внес в итоговое действие.

В результате все переходит от модели «мы думаем, что реклама сработала» к «мы можем посчитать».

Итого:

медийные каналы становятся измеримыми;
бюджеты можно распределять на основе реального влияния на продажи;
снижается зависимость от интуиции маркетологов;
растет роль данных и ИИ в принятии маркетинговых решений.

В кейсе «Дикси» прирост посещаемости составил 4,8%, а также известно, что:

средний путь от просмотра рекламы до визита — 7 дней;
пик посещений пришелся на выходные;

Больше не получится делать маркетинг и защищать бюджеты «на глаз». Теперь цифровой след и реальные действия вполне себе измеряются.

AI для бизнеса

Каждое седьмое российское предприятие использует ИИ — ЦБ оценил масштабы

Банк России опросил 14,7 тыс. нефинансовых организаций. Каждое седьмое предприятие уже применяет ИИ, каждое пятое планирует.

Лидеры по отраслям:

Сфера услуг (20%), добывающий сектор, обрабатывающая промышленность и строительство (по 14%), торговля (13%).

По функциям лидирует маркетинг и продажи — почти каждое второе предприятие. Каждое пятое использует ИИ в производстве, каждое десятое — в управлении персоналом.

Рост производительности труда смогла подтвердить лишь треть компаний (35%). Остальные либо не заметили разницы, либо сомневаются, что могут корректно её посчитать.

Рост прибыльности отметили 11%, сокращение численности занятых — 7%.

Кирилл Смеловец из Cloud X:

Чтобы ИИ действительно повышал производительность, его недостаточно подключить как отдельный инструмент. Его нужно встроить в ИТ-ландшафт: связать с CRM, ERP, документооборотом, базами знаний, системами информационной безопасности.

Парадокс, о котором мы уже писали: 37,5% работников владеют ИИ-навыками, но только 4,9% говорят, что они нужны для работы. ВШЭ назвала это «феноменом опережающего освоения» — люди учатся работать с ИИ быстрее, чем компании создают на это спрос.

AI для бизнеса

В Россию приходит мировой тренд — доступ к ИИ за токены вместо аренды серверов

Пока компаний покупают или арендуют мощности под ИИ, рынок постепенно движется к другой модели — оплате за фактическое потребление токенов.

Если вы тестируете гипотезу, запускаете MVP и еще не понимаете будущую нагрузку, покупать инфраструктуру заранее невыгодно. Гораздо проще платить только за те токены, которые реально использовали.

Так уже работает значительная часть мирового рынка ИИ.

Что это дает?

ниже порог входа в ИИ-проекты;
не нужно сразу инвестировать в дорогие GPU;
можно быстро тестировать идеи;
легче считать экономику проекта до масштабирования.

При этом для крупных нагрузок и постоянного использования собственная инфраструктура по-прежнему остается выгоднее.

Фактически рынок ИИ повторяет путь облачных технологий: от покупки железа к модели pay-as-you-go. И в ближайшие годы доступ к мощным моделям будет всё чаще восприниматься как коммунальная услуга — открыл, использовал, заплатил за результат.

AI для бизнеса

«От "дайте человека" к "дайте токенов"»: как Аскона перестроила финансы на ИИ-агентах

Раньше руководители приходили с запросом «нам не хватает ресурсов, нужен ещё человек». Теперь звучит: «нам нужно больше токенов, чтобы масштабировать AI-агентов». Финансовый блок превращается в команду из 10–15 специалистов, которые управляют 45–60 ИИ-агентами.

Для сравнения: вся финансовая функция Асконы — 77 человек. У сопоставимых по масштабу ритейлеров аналогичные функции насчитывают 200–300 сотрудников. Разница — в уровне автоматизации.

Раньше ключевым инструментом были RPA-роботы. Но робот заменяет лишь одну стандартную операцию без принятия решений. ИИ-агенты берут на себя значительную часть функционала сотрудника, включая аналитику и базовые решения.

Кейс 1 — нейроаналитик вместо отдела аналитики:
Раньше запрос «почему просела категория подушек относительно прошлого года?» означал несколько дней работы аналитика. Сегодня сотрудник формулирует запрос в Telegram-боте, n8n маршрутизирует задачу в Claude, который сам обращается к витринам данных и ERP, анализирует отклонения по каждому SKU (десятки тысяч позиций), ищет драйверы изменений и сопоставляет внутренние и внешние факторы. На выходе — готовая аналитическая записка или дашборд.

Кейс 2 — оплата счетов:
Раньше на обработку одной заявки уходило 7–10 минут, а их тысячи. Теперь ИИ-агент сам забирает заявку из ЭДО, распознаёт документы через OCR, проводит проверки в ERP и отправляет платёж дальше. Сотрудники теперь управляют агентами, а не обрабатывают счета вручную.

Стоимость внедрения одного агента не превышает нескольких сотен тысяч рублей. Запускать можно силами текущей команды аналитиков. Главный барьер — не бюджет, а готовность быстро перестраивать процессы.

AI для бизнеса

«Диасофт» выдал системным администраторам ИИ-помощника

ИИ-ассистент появился там, где его сильно ждали: прямо в консоли администрирования серверов. «Диасофт» встроил его в Digital Q.AppServer — единую консоль управления серверами на базе TomEE и WildFly, реестр российского ПО №18179.

Что умеет ИИ-помощник

Анализировать параметры конфигурации, рекомендовать настройки под требования регуляторов.

Обрабатывать логи и метрики в реальном времени, выявлять аномалии, предсказывать сбои, предлагать сценарии устранения.

«Диасофт» позиционирует новинку как проактивного ассистента. Однако нет данных, какая именно модель находится под капотом ИИ-помощника. А это принципиальный момент.

Как ИИ справляется с инцидентами

Исследование ICCS 2025 фиксирует, как GPT-4o, Gemini и Mistral справляются с поиском первопричины сбоя. Модели анализировали реальные инциденты и должны были указать, где именно упала система.

Даже в лучших условиях — когда модели давали примеры похожих случаев — Gemini ошибалась в каждом четвёртом инциденте: 74% точности против 82% у живого инженера. Без примеров результат падал до 44%.

Авторы исследования рекомендуют рассматривать ИИ как помощника, которому нельзя доверять самостоятельные решения.

Thoughtworks поделились наблюдением: проекты с ИИ-мониторингом проваливаются, когда в команде нет ответственного за работу с моделью, и никто не обновляет её под новые типы инцидентов.

Даже с учётом открытых вопросов «Диасофт» занял правильную нишу. Нагрузка на администраторов растёт, есть запрос на автоматизацию L2-диагностики. ИИ-помощника тоже никто не называет заменой реального специалиста.

Серверная

Tesla выходит на рынок модульных дата-центров для ИИ — но есть нюанс

Tesla подала заявку на товарный знак Megapod — модульные дата-центры для ИИ. Хотят продавать готовые «строительные блоки» для ИИ-дата-центров, объединяющий в одном корпусе серверы, сетевое оборудование, электропитание и охлаждение.

Проблема в том, что у этого рынка уже есть безоговорочный лидер — NVIDIA GB200 NVL72: стоечный комплекс с жидкостным охлаждением, 72 GPU Blackwell и 36 процессоров Grace. Аналоги предлагают Dell и Supermicro.

Tesla придётся войти в рынок, где доминирует компания, чьи процессоры обеспечивают большую часть мировой ИИ-инфраструктуры.

А еще у Tesla нет собственного бизнеса по продаже вычислительного оборудования.

Крупнейший кластер компании Cortex использует около 67 тысяч GPU от Nvidia. То есть Tesla — один из крупнейших клиентов Nvidia, а не её конкурент.

Опыт собственных ИИ-систем тоже неубедителен. В августе 2025 года Tesla закрыла суперкомпьютер Dojo — Маск назвал его архитектуру «эволюционным тупиком». Собственные чипы AI5 и AI6 задерживаются, массовое производство ожидается лишь к концу 2027 года.

Но есть то, в чём Tesla реально сильна — энергетика.
Системы накопления энергии Megapack и новое решение Megablock уже используются в ИИ-дата-центрах как буферные мощности.

xAI Маска закупила Megapack примерно на $1 млрд для своих кластеров.

Самый реалистичный сценарий: Megapod — это не конкуренция с Nvidia в вычислениях, а инфраструктура вокруг них. Электропитание, охлаждение, готовые модульные площадки.

AI для бизнеса

Ни GenAI единым: математика для систем управления нефтегазом

Пока все носятся с чат-ботами, в промышленности ИИ решает другую задачу — находит оптимальные решения там, где тысячи ограничений и взаимосвязей.

Российская компания HiveMind AI развивает систему интегрированного планирования «ИИ-Канторович», в основное которой (внезапно!) не генеративный ИИ, а математическая оптимизация (MILP).

AI/ML-инструменты идут надстройкой.

Система рассчитывает оптимальный сценарий работы предприятия — что производить, как загружать мощности, как выстраивать логистику.

Конкретный кейс — нефтяная корпорация из ТОП-3:

Три НПЗ, более 300 связей между объектами, пять видов транспорта, около 60 видов продукции, порядка 1000 событий планирования.

Планирование занимало 2–3 дня вручную — стало 2–4 часа. Простые перерасчёты — практически мгновенно сократили простои вагонов и логистические расходы.

Управление реальными производственными, логистическими и инфраструктурными системами — путь, по которому уже идут Китай, США, страны Ближнего Востока и Казахстан, создавая собственные платформы управления промышленностью.

Для России с её ограниченным доступом к зарубежным решениям — это вопрос не хайпа , а устойчивости.

AI для бизнеса

37,5% занятых россиян владеют навыками ИИ — но нужны они только 4,9%

ВШЭ на данных Росстата проанализировала ИИ-навыки на российском рынке труда. Опрос охватил 314 тыс. человек и репрезентативен для 46,7 млн занятых. Это первое масштабное исследование такого рода.

Уровни владения:

Базовый — 22,7% (работа со стандартными чат-ботами и генераторами через готовые интерфейсы, мало отличается от бытового использования). Средний — 11,7% (специализированные ИИ-сервисы для прикладных задач). Продвинутый — лишь 3,2% (разработчики ИИ, ML-инженеры, аналитики данных).

Кто владеет навыками:

Возраст — главный фактор. Среди молодёжи 15–29 лет — 46–47%, после 50 лет — 30%. Образование тоже решает: среди работников с высшим образованием — 47%, со средним профессиональным — 33%. Гендерный разрыв минимален: 40% у мужчин, 36% у женщин.

Для базового уровня барьеры входа почти отсутствуют — генеративный ИИ легко преодолевает возрастной и образовательный барьер. А вот на среднем и продвинутом уровнях образовательный градиент проявляется чётко.

Главный парадокс — феномен опережающего освоения.

37,5% владеют навыками, но только 4,9% говорят, что они нужны для их работы. Разрыв в 7,6 раза. Люди осваивают ИИ не потому что работа требует, а потому что рассматривают это как страховку своей конкурентоспособности на рынке труда.

Хотя цифра 4,9% — это, скорее всего, заниженная оценка. Часть применения ИИ происходит в «серой зоне»: сотрудники используют открытые сервисы с личных устройств, и такие навыки не воспринимаются как формальное требование к работе. Реальный спрос — где-то между 4,9% и 37,5%, но ближе к нижней границе.

Где ИИ нужен больше всего:
Профессиональная и научная деятельность, финансы и страхование, информация и связь. Лидеры — специалисты по ИКТ, затем наука и техника, руководители.

Неожиданные лидеры — в традиционных отраслях. 41% госслужащих владеют навыками ИИ (используют для подготовки документов), хотя нужны они лишь 6%. Вероятно, это результат целенаправленных программ цифровой трансформации госсектора.

AI для бизнеса

ЦБ тестирует платформу для обмена данными между банками для обучения ИИ

Банк России тестирует обмен данными, которые в дальнейшем могут использоваться для разработки ИИ-моделей, антифрод-систем и оценки рисков.

Идея — институт «доверенных посредников».

Это платформы, на базе которых финансовые организации смогут добровольно обмениваться данными для разработки моделей — особенно в социально значимых вопросах вроде антифрода. Предложение ЦБ озвучил ещё в ноябре 2025 года, и рынок его поддержал.

Зачем это нужно — и кому.

Российский рынок данных существенно меньше, чем в Китае или США. Сейчас в России два ключевых драйвера ИИ — «Яндекс» и «Сбер», которые обладают самыми широкими данными. В финансах доля «Сбера» в некоторых сегментах доходит до 70%.

И возникает парадокс. Крупным игрокам данные других банков почти не помогут — у них и так всё есть. А вот средним и небольшим банкам с маленькими собственными базами наработки крупных игроков определённо помогут. То есть платформа выгодна в первую очередь малым и средним.

До сих пор нет единой модели подсчёта экономического эффекта от ИИ. Как говорит председатель ассоциации «Финансовые инновации» Роман Прохоров:

Хайп вокруг ИИ — это хорошо, но хотелось бы иметь и какой-то реальный измеритель экономического эффекта.

AI для бизнеса

Власти передумали запрещать иностранные нейросети в России и обновили законопроект об ИИ

Из финальной версии законопроекта об ИИ исчезли самые жёсткие ограничения, которые весной вызвали споры у бизнеса.

22 июня документ рассмотрит правкомиссия, до конца недели его могут внести в Госдуму.

Главное изменение — документ сократился.

Было больше положений, осталось 13 страниц и 13 статей. Регулирование теперь касается только больших фундаментальных моделей — от 1 млрд параметров.

Решения «поменьше», включая модели на открытом коде и решения в области компьютерного зрения, под требования не подпадают.

Модели разделили на два типа:

«Суверенная» — разработана российским юрлицом на всех этапах и работает только на инфраструктуре в РФ.

«Национальная» — существенно разработана российским юрлицом, но может включать компоненты с открытым исходным кодом.

Формулировку «доверенные» модели убрали — требования к софту для КИИ уже прописаны ФСТЭК и ФСБ отдельно.

На объектах критической инфраструктуры можно работать только с «суверенными» и «национальными» моделями. Они же единственные претенденты на господдержку.

Что убрали из проекта.

Запрет на использование зарубежных нейросетей в принципе — его не будет. Обязательную маркировку ИИ-контента — теперь нужно лишь предоставить пользователю возможность маркировать, не обязательно делать это принудительно.
Усиленную ответственность владельцев ИИ-сервисов — сократили до общей формулировки «несут ответственность в соответствии с законодательством РФ».
Регулирование центров обработки данных.
Почти все вопросы авторского права, включая спорное право разработчиков обучать модели на защищённых данных безвозмездно.
Ограничения для «трансграничных» моделей.

Основные положения вступают в силу с 1 сентября 2026 года, нормы о полномочиях правительства — с 1 марта 2027 года.

❗️Уже внедрённые иностранные ИИ-решения в критически важных сферах — от госуправления до объектов КИИ — смогут работать минимум до 1 сентября 2032 года, при условии что данные обрабатываются на территории России. Частный бизнес никто не обязывает переходить исключительно на российские модели.

Григоренко подчеркнул: речь не о запрете или ограничении доступа к иностранным нейросетям. Задача — создать условия, при которых отечественные разработки получают приоритетную поддержку, особенно в чувствительных отраслях — госуправлении, обороне, здравоохранении.

Российский рынок уже строит продукты на основе зарубежных открытых моделей — Qwen, DeepSeek, Llama. Жёсткий запрет остановил бы работу множества сервисов.

AI для бизнеса

NVIDIA раздаёт мощный ИИ бесплатно — и зарабатывает на этом больше конкурентов

NVIDIA выпустила Nemotron 3 Ultra — крупнейшую открытую модель в линейке Nemotron 3. В открытый доступ выложили веса, обучающие данные и сами методики обучения. Можно скачать, дообучить на своих данных и запустить на своей инфраструктуре.

Это гибрид из трёх подходов:

слои Mamba-2 (быстро обрабатывают длинные тексты)
слои внимания (удерживают большие объёмы в памяти
латентная смесь экспертов (направляет запрос только к нужным «специалистам»).

Всего 550 млрд параметров, но на обработку токена задействуется только около 55 млрд. Контекстное окно — 1 млн токенов, скорость свыше 300 токенов в секунду. Результат: в 5–6 раз большая пропускная способность и на 30% ниже стоимость задач.

На что рассчитывает NVIDIA

Главная ценность релиза не в самой модели, а в экосистеме вокруг оборудования NVIDIA. Тот, кто запускает Nemotron, скорее всего делает это на видеокартах NVIDIA, дообучает её программными инструментами компании и разворачивает на её же софте. Открытость — не благотворительность, а способ привести разработчиков обратно к покупке железа.

При капитализации свыше $5 трлн обучение модели, которое стоило вероятно сотни миллионов долларов, для NVIDIA почти незаметная статья расходов. Продажи видеокарт покрывают исследования с запасом.

По своей эффективности модель не лидер

48 баллов по Intelligence Index — лучший результат среди открытых моделей США, но в мире уступает Kimi K2.6 (54 балла) и DeepSeek. Отставание открытых моделей от закрытых оценивается в 3–7 месяцев.

Но для большинства задач это не критично.

Банку, который ставит модель для обработки кредитов на своих серверах, не нужен флагманский интеллект — нужна модель, которую можно дообучить на закрытых данных и держать в защищённом контуре.

Есть и политический контекст. Открытую модель можно проверить, изменить и развернуть на своих серверах — это привлекательно для стран, которые строят независимый национальный ИИ. Такую модель никто не отключит удалённо, что особенно ценно на фоне недавних ограничений вокруг закрытых моделей.

AI для бизнеса

#дайджест

Про безопасность.

Российский бизнес боится ИИ: 42,5% отказываются внедрять из-за рисков утечки данных.
ЦБ выпустил первые методические рекомендации по защите ИИ-систем в финансах.
SoftBank и OpenAI запустили Patching as a Service — кибербезопасность как сервис для ИИ-систем.

Про инфраструктуру.

ПСМ запускает локальные ИИ-контуры для промышленности.
Qualcomm готовится к миру без приложений и разрабатывает 40+ устройств с локальным ИИ.

Про деньги.

Российский рынок ПО для ИИ вырастет в 4 раза к 2030 году — с 25 до 94,8 млрд рублей.
ИИ может вернуть девелопменту маржинальность 2022 года — эффект до 0,9 трлн рублей в год.
Реклама в ИИ-поиске станет самым быстрорастущим сегментом рекламного рынка к 2031 году.

Про регулирование и геополитику

Совфед хочет закрепить авторские права на ИИ-контент за людьми, а не за разработчиками моделей
Mistral оказался самой уязвимой к российским нарративам моделью среди протестированных.
Microsoft поместил Россию на 117-е место по использованию ИИ — наши данные говорят про топ-20.

Про людей и производительность.

ИИ экономит сотрудникам 11 часов в неделю — но 6 из них уходят на присмотр за самим ботом.

AI для бизнеса

ИИ разделил рынок труда на две части

PwC проанализировала более миллиарда вакансий в 27 странах.

Главный вывод: ИИ делит рынок труда на два трека.

«Профессионализированные» роли (радиологи, рекрутеры) — где ИИ автоматизирует рутину, а человеческая экспертиза становится только важнее.

Они растут вдвое быстрее, чем «демократизированные» роли (менеджеры IT-сервисов, медицинские секретари) — где ИИ просто упрощает выполнение задачи. Зарплаты в первой категории растут на 42% быстрее.

Компании, активно использующие ИИ, нанимают быстрее (52% против 36%) и платят больше (рост зарплат 24% против 17%), чем менее ИИ-ориентированные конкуренты.

Джо Аткинсон, глобальный директор PwC по ИИ:

Компании с наибольшей отдачей от ИИ используют его для усиления человеческой экспертизы, а не просто для автоматизации. Именно поэтому они отрываются по продуктивности и росту.

Топ-20% компаний, наиболее экспонированных к ИИ, показали рост производительности труда на 163% относительно 2018 года — почти в пять раз выше, чем у остальных ИИ-ориентированных компаний.

Вакансии, требующие конкретных ИИ-навыков, растут почти в 8 раз быстрее общего рынка труда (69% против 9%).

Надбавка к зарплате за ИИ-навыки достигла 62% (была 57% год назад). В отдельных отраслях, например в потребительском секторе, надбавка доходит до 118%.

Самое неожиданное — про junior-позиции.

В США позиции начального уровня, наиболее подверженные ИИ, в 7 раз чаще требуют традиционных «senior»-навыков — лидерства, креативности, умения работать с людьми. Такие вакансии выросли на 35% с 2019 года, в то время как остальные junior-позиции сократились на 10%.

Пит Браун, глобальный лидер PwC по работе с персоналом:

Традиционная связь между опытом и экспертизой меняется. ИИ убирает часть рутинной работы, которая раньше служила своеобразным “учением”, и одновременно повышает требования к суждению, лидерству и адаптивности на гораздо более раннем этапе карьеры.

AI для бизнеса

SoftBank и OpenAI запустили Patching as a Service — новую модель кибербезопасности

SoftBank совместно с OpenAI представили продукт Patching as a Service — решение для защиты от кибератак и утечек данных, связанных с использованием ИИ.

Продвигается через совместное предприятие на японском рынке.

Что такое Patching as a Service и почему это важно.

Классическая модель кибербезопасности: компания покупает защитное ПО и сама занимается обновлениями и патчингом.

Patching as a Service переносит эту ответственность на провайдера — он постоянно мониторит уязвимости и устраняет их как услугу, без участия клиента.

Применительно к ИИ — модели обновляются быстро, новые уязвимости появляются постоянно, а внутренних компетенций у большинства компаний не хватает.

Мы уже писали, что Microsoft выпустил RAMPART именно для этой задачи — тестирования агентов на уязвимости.

SoftBank и OpenAI идут дальше: не инструмент, а готовый сервис.

Запуск совпал с блокировкой США моделей Anthropic для иностранных граждан из соображений безопасности.

AI для бизнеса