Законопроект о регулировании ИИ в России: новые требования к фундаментальным моделям и сроки вступления в силу
В России доработали законопроект об ИИ. Сфера действия сузили: документ теперь регулирует не всю индустрию, а разработку, внедрение и применение больших фундаментальных моделей.
Архитектура документа
Ключевое изменение — от регулирования «ИИ вообще» к регулированию конкретного класса систем: крупных foundation models. Это структурный сдвиг. Средние и малые модели, узкоспециализированные сервисы и инструменты, по всей видимости, остаются за периметром обязательного нормативного контроля. Для нишевых разработчиков — меньше барьеров. Для лабораторий, тренирующих базовые модели с миллиардами параметров, — наоборот, точка входа в регуляторное поле.
В финальной версии сохранена концепция «суверенных моделей» ИИ, но с ослаблением: их разрешат обучать не только на российских датасетах. Ранее жёсткое требование к локальным данным ограничивало доступ разработчиков к англоязычным корпусам — крупнейшему источнику токенов для обучения. Смягчение снимает часть технических ограничений, хотя полный объём допустимых источников пока не уточнён.
Позиция отрасли
Бизнес выступает против жёсткого регулирования ИИ — об этом говорили участники пресс-конференции Общественной службы новостей, включая представителей Фонда развития цифровой экономики и профильных ассоциаций. Аргумент стандартный для отрасли: избыточные обязательства разработчиков тормозят итерации и увеличивают стоимость inference. На кону — темпы вывода моделей в продакшен.
Что отслеживать
Три точки неопределённости. Первое: точное определение «большой фундаментальной модели» в тексте закона — по каким параметрам (размер весов, количество токенов в датасете, архитектура) система попадает под регулирование. Второе: содержание правительственных подзаконных актов, которые появятся к марту 2027-го, — именно они определят обязанности разработчиков. Третье: насколько широко будет трактоваться допуск иностранных данных для обучения «суверенных» моделей — узкая или полная локализация.
Для инженерных команд, работающих с LLM на российском рынке, один практических вывод: проверить параметры своих моделей и пайплайнов обучения. Если система не попадает под определение «большой фундаментальной», регуляторные издержки минимальны. Если попадает — до сентября полгода на подготовку.