Регулирование ИИ: ООН требует контроля автономных систем
Глобальный слой регулирования ИИ снова упёрся в жёсткий край: автономное оружие, дипфейки, ответственность разработчиков.

ООН выводит ИИ из зоны добровольных принципов
Формула ООН проста: регулирование нужно глобальное и срочное. В публичной рамке рядом стоят гражданские ИИ-системы и автономные боевые комплексы. Это важная связка. Она снимает удобное разделение на «безобидные чат-боты» и «военные технологии где-то отдельно».
Для разработчиков и интеграторов это означает не философский спор, а будущий контур требований. Придётся объяснять происхождение данных, логику выдачи, ограничения модели, зоны отказа, режимы контроля. Особенно там, где ИИ влияет на безопасность, финансы, медиа, госуслуги, критическую инфраструктуру.
PR-словарь про «умные помощники» здесь бесполезен. Регулятору нужен не слоган, а трассируемость: кто обучал, на чём обучал, кто внедрил, кто отвечает за ущерб, как помечается синтетический контент, как отключается система при сбое. Именно эти технические вопросы обычно исчезают из презентаций, но возвращаются в законопроектах.
Российский контур: базовые понятия, маркировка, национальные модели
Параллельно в России, по данным Marketpower.pro, Госдума рассмотрит правительственный законопроект о регулировании искусственного интеллекта. Сообщается, что парламентское большинство готово одобрить документ в первом чтении. По словам руководителя фракции «Единая Россия» Владимира Васильева, проект обсуждался с представителями правительства.
Ключевая механика — закрепление базовых понятий ИИ в российском законодательстве и регулирование отношений между разработчиками и пользователями таких систем. Это скучная часть, но без неё невозможны ни ответственность, ни сертификация, ни нормальные договоры на внедрение моделей через API или локальный контур.
В документе также предусмотрена возможность маркировки сгенерированных материалов. Обоснование — предотвращение мошеннических действий. На практике это удар по серой зоне дипфейков, синтетических текстов, поддельных изображений и аудио. Но маркировка сама по себе не решает проблему: остаётся вопрос, кто ставит метку, как она сохраняется при копировании, что считается генерацией, а что — редактированием.
Вице-премьер Дмитрий Григоренко, согласно источнику, подчеркнул, что проект не содержит запретов и направлен на стимулирование спроса на отечественные решения. Законопроект также вводит критерии национальных ИИ-моделей: они должны соответствовать традиционным ценностям и законам страны. Разработчики таких систем получат приоритетное право на господдержку.
Отдельные сообщения указывают, что регулирование ИИ в России перейдёт к Минцифры или что ведомство станет главным регулятором этой сферы. Деталей в доступных сниппетах нет, поэтому фиксировать можно только сам контур: центр тяжести регулирования, по сообщениям профильных медиа, смещается к цифровому ведомству.
Что проверять компаниям уже сейчас
Первый пункт — инвентаризация ИИ в продуктах. Не «используем нейросети» в маркетинговом смысле, а перечень конкретных моделей, провайдеров, датасетов, API, пользовательских сценариев и точек принятия решений. Без этой карты невозможно пройти даже мягкое регулирование.
Второй пункт — синтетический контент. Если сервис генерирует тексты, изображения, голос или видео, нужна политика маркировки и хранения следов генерации. Не пресс-релиз, а процедура: где метка появляется, как проверяется, кто несёт ответственность за её отсутствие.
Третий пункт — договоры между разработчиком и пользователем системы. Законопроект, как сообщается, отдельно затрагивает эти отношения. Значит, в зоне риска окажутся типовые SaaS-интеграции, где модель встроена в процесс, но ответственность размазана между поставщиком, подрядчиком и заказчиком.
Нерешённые узлы остаются прежними: галлюцинации моделей, утечки через промпты, неясное происхождение обучающих данных, перенос ответственности при использовании внешних API, техническая устойчивость маркировки. ООН давит сверху глобальной рамкой. Российский законопроект собирает внутренний контур. Между ними — практический слой, где компаниям придётся превратить ИИ из экспериментальной функции в управляемый инженерный объект.