EU AI Act перешёл к enforcement: маркировка ИИ-контента, запросы 30+ компаниям, штрафы до 15 млн евро

Что произошло

2 августа 2026 года прозрачностные статьи EU AI Act — прежде всего Article 50 — стали непосредственно применимым правом. С этой даты провайдеры и деплойеры чат-ботов, генераторов синтетического контента, deepfake-инструментов и систем распознавания эмоций обязаны маркировать AI-сгенерированные материалы и явно уведомлять пользователя о том, что он взаимодействует с ИИ, а не с человеком. Одновременно вступили в силу процедурные полномочия Европейской комиссии и AI Office: запросы информации (RFI), требования доступа к моделям, предписания по снижению рисков и штрафы. До этой даты требования жили в формате добровольных кодексов и рекомендаций — теперь это надзор.

В конце августа 2026 года Комиссия впервые применила новые инструменты на практике. Технокомиссар Henna Virkkunen сообщила о направлении формальных запросов информации крупнейшим разработчикам GPAI-моделей по вопросам кибербезопасности, безопасности систем и соблюдения авторских прав. 1 сентября представитель Комиссии Thomas Regnier на ежедневном брифинге подтвердил: запросы информации направлены более чем 30 AI-компаниям, и это первые enforcement-действия под AI Act. Список имён Комиссия официально не подтверждает; репортинг Euractiv и связанные обзоры называют OpenAI, Google и Anthropic.

Цифры штрафов фиксированы в «Quick Facts» Комиссии по прозрачностным правилам: за нарушение Article 50 — до 15 млн евро или до 3% совокупного мирового годового оборота, в зависимости от того, что больше. Отдельное штрафное производство предусмотрено по Article 101 — за неверные, неполные или вводящие в заблуждение ответы на запросы Комиссии, с тем же порогом. Для институтов ЕС верхний предел — 750 тыс. евро; для малого бизнеса в ЕС действует принцип пропорциональности, но глобальные пороги сами по себе не снижаются.

Инфраструктура надзора наращивается: по данным аналитических обзоров, AI Office набирает около 40 сотрудников под enforcement, открывает каналы приёма жалоб от граждан и организаций и готовится к усилению проверок в четвёртом квартале 2026 года. Политический контекст при этом расходящийся: 3 сентября 2026 года в международных обзорах отмечалось, что крупнейшие экономики поддержали более гибкий подход к AI-governance, продвигаемый США, в отличие от жёсткой европейской линии. Для компаний это означает не единый глобальный режим, а фрагментацию с самым дорогим комплаенсом в ЕС.

Как это устроено

Article 50: три группы обязанностей вместо одной

Article 50 распределяет требования между провайдерами (тот, кто выпускает систему на рынок) и деплойерами (тот, кто встраивает её в свой сервис или использует в работе). Первая группа — маркировка синтетического контента: текст, изображения, видео, аудио, созданные или существенно модифицированные ИИ, должны быть явно обозначены как AI-сгенерированные. Вторая — раскрытие для deepfake: помимо метки о синтетичности требуется указание, что изображённые события или лица не являются фактической записью. Третья — уведомление о взаимодействии: пользователь должен ясно понимать, что общается с ИИ-системой, а в ряде случаев — знать назначение системы, её ключевые характеристики и ограничения, включая возможную неточность генераций.

Практический вывод, который часто теряется: обязательства ложатся не только на разработчика модели, но и на компанию, которая просто встроила чужой API в свой продукт. Если ваш SaaS вызывает GPT-5.6 или Claude и показывает результат пользователю в Германии, вы деплойер и отвечаете за интерфейсное раскрытие и маркировку выходов — вне зависимости от того, что написано в политике вендора.

Code of Practice как де-факто стандарт

В июле 2026 года Комиссия совместно с AI Board подтвердила, что «Code of Practice on Transparency of AI-Generated Content» признаётся достаточным механизмом демонстрации соответствия Article 50. Формально кодекс добровольный, но его соблюдение считается доказательством комплаенса — это классическая европейская конструкция «мягкая форма, жёсткие последствия». Одновременно вышли финальные guidelines по прозрачностным обязательствам с разъяснением сроков.

По нашему опыту проектов именно эта развилка определяет стоимость соответствия. Компания, которая подписывается на кодекс и реализует его требования буквально, получает предсказуемую линию защиты. Компания, которая выбирает «свою» трактовку, каждый раз доказывает регулятору эквивалентность — а это уже юридические часы, экспертизы и переписка с AI Office в сроки, которые задаёт не она.

Сроки: day one для нового, декабрь 2026 для существующего

Категория	Дата	Что требуется
Новые системы, выводимые на рынок ЕС	с 2 августа 2026	Полное соответствие Article 50 с первого дня
Системы, уже присутствовавшие на рынке до 2 августа 2026	до 2 декабря 2026	Внедрение маркировки синтетического контента по Article 50(2), согласно «AI Omnibus»
Контент, сгенерированный и опубликованный до 2 августа 2026	—	Ретро-маркировка не требуется
Контент, сгенерированный до 2 августа, опубликованный после	с 2 августа 2026	Маркировка обязательна
Полномочия Комиссии и AI Office (RFI, доступ к моделям, штрафы)	с 2 августа 2026	Обязанность отвечать на запросы; ответственность по Article 101

Переходный период до 2 декабря 2026 — единственная реальная «форточка», и она закрывается менее чем через три месяца. Дальше разница между legacy-продуктом и новым релизом исчезает.

Техническая реализация: watermarking, метаданные, логи

Требования переводятся в три инженерных задачи. Первая — механизм маркировки: водяные знаки в изображениях и видео, метаданные о происхождении в файлах, машиночитаемые метки для текста, визуальные бейджи в интерфейсе. Вторая — изменение UI/UX: явное уведомление о взаимодействии с ИИ должно быть заметным, а не спрятанным в раздел «Условия». Третья — логирование: хранение записей о генерациях и информации об обучающих данных в форме, пригодной для проверки регулятором и внешнего аудита.

Ограничения известны и признаются самими экспертами. Механизмы watermarking технически реализуемы неравномерно: для изображений и аудио они устойчивее, для текста — слабее и легко теряются при пересохранении, кропе, пересжатии или редактировании. Это создаёт enforcement-разрыв: обязанность есть, а надёжного технического доказательства соответствия в ряде форматов нет. Практический выход — комбинировать несколько слоёв: метаданные, визуальную метку и запись в собственных логах.

Документация по training data и GPAI-надзор

Отдельный контур — модели общего назначения. Провайдер должен располагать документацией по источникам обучающих данных и методам генерации, достаточной для оценки рисков и проверки соблюдения авторского права. AI Office вправе запросить описание мер безопасности, результаты независимых экспертных оценок и процедуры пост-деплой-мониторинга. Именно этот блок и стал содержанием августовских RFI: безопасность моделей и соблюдение европейских правил по авторскому праву и прозрачности.

Впервые надзор централизуется не только вокруг «высокорисковых» систем, но и вокруг самих моделей — их архитектуры, данных и выходов. Для компании, которая дообучает open-weight модель на своих или собранных данных, это означает: fine-tuning без реестра источников данных превращается в неснимаемый юридический риск при выходе на рынок ЕС.

Как это выглядит на практике

Сценарий первый: российская продуктовая компания с B2B SaaS для европейских ритейлеров. Внутри — модуль генерации описаний товаров и чат-поддержка на базе API западного вендора. В типовом сценарии обнаруживается три пробела: описания товаров уходят в каталог клиента без метки о синтетичности, чат-виджет не имеет явного уведомления «вы общаетесь с ИИ», а в договоре с клиентом не распределены роли провайдера и деплойера. Ни один из пробелов не требует переписывания модели — все три закрываются на уровне шаблонов вывода, компонента UI и приложения к контракту, но выявляются только при целевом аудите.

Сценарий второй: аутсорс-разработка и white-label. Российская команда делает ИИ-функциональность для европейского заказчика, продукт выходит под его брендом. Формально основным адресатом требований выступает заказчик, но фактическая реализация маркировки и логирования лежит на исполнителе. Здесь критично зафиксировать в договоре, кто держит документацию по обучающим данным, кто отвечает на RFI и в какие сроки исполнитель обязан предоставить технические артефакты. Без такой фиксации при первом запросе регулятора заказчик перекладывает риск на подрядчика через положения о возмещении убытков.

Сценарий третий: маркетинг и контент. Профильные обзоры прямо указывают, что рекламные и креативные компании в ЕС перестраивают процессы: синтетические объявления, включая deepfake-форматы и AI-текст, требуют раскрытия, а порог ответственности — те же 15 млн евро или 3% оборота. Для российского агентства, ведущего кампании на европейскую аудиторию, это означает маркировку креативов на уровне производственного пайплайна, а не постфактум в отчёте.

Что это значит для российской компании

AI Act применяется экстерриториально — по логике, знакомой из GDPR. Если ИИ-система или её выходы доходят до пользователей в ЕС, требования распространяются на провайдера и деплойера независимо от места регистрации. Российская компания попадает под регулирование в трёх типовых случаях: продаёт SaaS или ПО со встроенным ИИ в ЕС; использует модели OpenAI, Anthropic, Google внутри продукта, доступного европейским пользователям; генерирует контент, который публикуется или показывается аудитории в ЕС.

Отдельных положений про российские компании или санкционно-специфических исключений в открытых материалах по AI Act нет — это отсутствие нормы, а не изъятие. Практический эффект другой: доступ к западным моделям для российского юрлица нестабилен, поэтому комплаенс и техническая база часто строятся вокруг зарубежного контура — европейского или иного, — а внутренний российский продукт живёт на отечественном стеке. Такое расщепление удваивает работу по документации, но снимает вопрос «кто провайдер» на границе юрисдикций.

Направление	Как было до августа 2026	Как стало	Что это стоит компании
Маркировка выходов ИИ	Добровольные практики, метка «по желанию»	Обязательна для контента, доступного в ЕС	Доработка пайплайна генерации, UI-бейджи, метаданные
Уведомление пользователя	Хорошая практика UX	Обязанность по Article 50	Изменение интерфейсов, тексты раскрытий, локализация
Документация training data	Внутренний артефакт для R&D	Основание для ответа на RFI и проверки авторских прав	Реестр источников, лицензии, хранение подтверждений
Ответ регулятору	Отсутствовал как процедура	Юридическая обязанность; риск по Article 101	Назначенный ответственный, регламент ответа, юрсопровождение
Роли в договорах с клиентами ЕС	Общие формулировки об ИИ	Распределение обязанностей провайдер/деплойер	Пересмотр DPA-подобных приложений, SLA на артефакты
Юридическая модель выхода	Прямые контракты из РФ	Чаще — зарубежное юрлицо как провайдер	Расходы на структуру, аудит, локальное представительство
Архитектура	Единый продукт на все рынки	Разделение контуров ЕС / РФ / прочие рынки	Feature flags, отдельные конфигурации, разные модели

Бюджетный эффект в наших проектах распадается на разовую часть (аудит систем, инженерные доработки маркировки, юридическая переработка договоров и документации) и регулярную (поддержка реестров, логирование, ежегодная переоценка, дежурство на случай RFI). Экономически это ближе всего к GDPR-командам: юрист, специалист по data governance, security-инженер — но с добавлением инженерных задач по маркировке. Обходной вариант «не работать с ЕС» тоже считается: он дешевле, но закрывает рынок, где юридическая определённость выше, чем в большинстве других.

Что делать: пошагово

1. Составить карту ИИ-функциональности с признаком «доходит ли выход до пользователя в ЕС». Инвентаризация делается по фичам, а не по продуктам: один модуль генерации в одном экране уже создаёт обязанность.
2. Определить роль по каждой системе — провайдер или деплойер. От этого зависит объём: провайдер отвечает за документацию модели и данных, деплойер — за раскрытие и корректность применения.
3. Закрыть маркировку до 2 декабря 2026 для всего, что уже на рынке. Для нового функционала — включать маркировку в definition of done, иначе релиз выходит с day-one нарушением.
4. Внедрить уведомление о взаимодействии с ИИ в интерфейсах: заметный статичный элемент в чатах и генеративных экранах, а также раскрытие назначения и ограничений системы в справке.
5. Собрать реестр обучающих и дообучающих данных: источник, тип лицензии, дата получения, подтверждающий документ. Без этого невозможно ответить на вопрос по авторским правам, а именно он был центральным в августовских RFI.
6. Принять решение по Code of Practice on Transparency и зафиксировать его письменно. Следование кодексу считается доказательством соответствия — это дешевле, чем доказывать эквивалентность собственной схемы.
7. Написать регламент ответа на запрос регулятора: кто получает, кто согласовывает, какие артефакты выдаются, в какие сроки. Риск по Article 101 — за неполный или вводящий в заблуждение ответ — равен риску по самому нарушению.
8. Пересобрать договоры с европейскими клиентами и подрядчиками: роли, обязанность предоставить артефакты, распределение ответственности за штрафы, право на аудит.

Типичные ошибки

• Считать, что обязанности лежат на вендоре модели. Соглашение с OpenAI или Anthropic не переносит на них ваши обязанности деплойера: маркировку выходов и уведомление пользователя реализуете вы, и штраф адресуется вам.
• Полагаться на юрисдикцию регистрации. AI Act экстерриториален; отсутствие юрлица в ЕС не выводит из-под требований, если выходы системы доходят до европейских пользователей.
• Прятать раскрытие в юридические документы. Требование — чтобы пользователю было ясно, что он взаимодействует с ИИ; строка в пользовательском соглашении этой проверки не проходит.
• Ограничиваться визуальным бейджем без метаданных и логов. При запросе регулятора нужны воспроизводимые доказательства, а не скриншот интерфейса; отсутствие логов превращает спор в презумпцию нарушения.
• Дообучать модели на данных без учёта лицензий. Авторские права — один из двух блоков августовских RFI; отсутствие реестра источников делает ответ либо пустым, либо рискованным по Article 101.
• Оставлять legacy-продукты «на потом». Переходный период по маркировке для систем, бывших на рынке до 2 августа 2026, истекает 2 декабря 2026 — после этой даты аргумент о «старой версии» не работает.

Как понять, что вы на верном пути

• Для каждой ИИ-фичи в продукте есть письменный ответ на три вопроса: доступна ли она в ЕС, кто провайдер, кто деплойер.
• Маркировка синтетического контента реализована минимум двумя способами — в интерфейсе и в метаданных или логах — и проверяется автотестами при релизе.
• Существует актуальный реестр обучающих и дообучающих данных с указанием лицензий, который можно выгрузить за один рабочий день.
• Назначен ответственный за коммуникацию с регуляторами, и по регламенту черновик ответа на RFI собирается за срок, короче формально отведённого.
• Договоры с клиентами и подрядчиками из ЕС содержат распределение ролей по AI Act и обязательство предоставлять технические артефакты.
• Решение по Code of Practice on Transparency принято и оформлено, а не обсуждается второй квартал подряд.

Вопросы, которые нам задают

Попадаем ли мы под AI Act, если у нас нет юрлица в ЕС и мы просто продаём подписку европейцам

Да, если выходы вашей ИИ-системы достигают пользователей в ЕС. Юридические обзоры фиксируют экстерриториальность AI Act по логике GDPR: значение имеет доступность системы и её результатов для европейских пользователей, а не место регистрации. Обязанности при этом распределяются по фактической роли — провайдер или деплойер. Отсутствие представительства в ЕС не защищает от штрафа, но осложняет коммуникацию с регулятором, поэтому в наших проектах вопрос о представительстве обычно решается вместе с вопросом о юрлице для контрактов.

Что делать, если мы используем модель западного вендора и не знаем, на чём её обучали

Разделить два контура ответственности. Документация по обучающим данным самой foundation-модели — обязанность её провайдера, и именно ему AI Office направляет RFI по этому блоку. Ваша зона — собственные данные: тексты для RAG, датасеты для fine-tuning, промпт-библиотеки, а также прозрачность выходов и корректность раскрытий. На практике это оформляется как реестр своих источников плюс ссылки на публичные документы вендора о прозрачности данных, закреплённые в договоре.

Насколько подход США мягче и можно ли на этом сэкономить

В США нет единого акта: применяются NIST AI RMF, отдельные объявления администрации и секторальные правила, что аналитики оценивают как заметно более гибкий режим по сравнению с ЕС. 3 сентября 2026 года в международных обзорах отмечалась поддержка этого подхода крупнейшими экономиками. Экономия возможна, но только при архитектурном разделении: если продукт единый и доступен в ЕС, то более строгий режим фактически задаёт стандарт для всей кодовой базы. Дешевле не «не соблюдать в США», а разделить конфигурации рынков технически — feature flags, отдельные тексты раскрытий, разные наборы моделей.

Стоит ли ждать разъяснений и переносов сроков

Переносы уже были учтены: «AI Omnibus» дал существующим системам время до 2 декабря 2026 по маркировке. Дальнейшего смягчения ожидать неразумно — Комиссия одновременно наращивает штат enforcement (около 40 человек), открывает каналы жалоб и уже направила запросы более чем 30 компаниям. Тактика «дождёмся первых штрафов и посмотрим» проигрышна: RFI приходит быстрее, чем формируется практика, а ответственность за неполный ответ сопоставима с ответственностью за само нарушение.

Источники

• Enforcement of the AI Act — European Commission
• Quick facts: transparency rules for AI systems — European Commission
• Exclusive: EU orders leading AI labs to detail security practices — Euractiv
• The AI Act’s transparency obligations: rules, scope and timeline — Stibbe
• CSA Research Note: EU AI Act Article 50 Transparency — Cloud Security Alliance
• EU AI Office hiring 40 enforcement staff signals Q4 crackdown — Forkast