Что произошло
1 сентября 2026 года в Российской Федерации официально вступил в силу Федеральный закон № 243-ФЗ «О поддержке развития технологий искусственного интеллекта». Этот документ стал первым в России рамочным актом, целенаправленно регулирующим сектор больших фундаментальных моделей, и знаменует собой завершение этапа «дикого запада» в отечественном ИИ-рынке. Закон принят Госдумой 8 июля и одобрен Советом Федерации 17 июля, подписан Президентом 26 июля, что дало бизнесу чуть более месяца на подготовку к базовым изменениям правового ландшафта. Ключевым нововведением становится легальное определение «большой фундаментальной модели ИИ» и введение специальных режимов доступа к государственным информационным ресурсам для их обучения.
Важно понимать, что закон разделяет внедрение норм во времени. С 1 сентября 2026 года начали действовать положения, определяющие государственную политику, понятийный аппарат и общие меры поддержки разработчиков. Однако наиболее существенные для бизнеса обязательства — правила маркировки ИИ-контента, требования к разработчикам по раскрытию информации и порядок работы с объектами авторского права — отложены до 1 марта 2027 года. Такой переходный период предусмотрен законодателем для того, чтобы рынок и регулятор успели подготовить необходимую инфраструктуру и подзаконные акты.
На глобальном фоне это событие совпадает с ужесточением регулирования в других юрисдикциях. 2 августа 2026 года в ЕС вступили в силу прозрачностные статьи EU AI Act (Article 50), вводящие жёсткие требования к маркировке и штрафы до 15 млн евро за нарушения. Параллельно OpenAI после инцидента с немецкой wiki, где агенты оставили 18 000 постов, объявила о создании фреймворка отчётности об инцидентах несоответствия. Россия движется в том же направлении трекинга ответственности и прозрачности, но с акцентом на технологический суверенитет и доступ к данным, а не только на ограничительные меры.
Для российского бизнеса 243-ФЗ фиксирует новые правила игры: разработчики крупных моделей (от 1 млрд параметров) получают преференции, но и попадают под повышенное внимание регулятора. Компании-интеграторы и корпоративные заказчики должны учитывать, что использование иностранных решений в критической инфраструктуре может столкнуться с ограничениями, в то время как отечественные «суверенные» модели получают доступ к уникальным датасетам государства. Это меняет экономику проектов: ставка делается не просто на эффективность алгоритма, а на его юридическую чистоту и соответствие национальным интересам.
Как это устроено
Определение и порог входа
Центральным понятием закона является «большая фундаментальная модель ИИ». Закон определяет её как программу для ЭВМ, предназначенную для выполнения интеллектуальных задач на уровне человека или выше, обучающуюся на составах данных и являющуюся основой для создания различного ПО. Ключевым количественным критерием является наличие не менее 1 млрд параметров. Это означает, что закон не касается классических ML-моделей для скоринга или прогнозирования спроса, используемых в банках или ритейле, если они не достигают этого порога. Регуляторное поле сужается до класса LLM и генеративных систем, что позволяет сосредоточить усилия на самых рискованных и ресурсоёмких технологиях.
Статусы моделей: суверенная и национальная
Закон вводит два ключевых статуса для больших фундаментальных моделей, которые определяют доступ к господдержке и будущим рынкам. «Суверенная модель» — это модель, разработчик которой является российским юридическим лицом, полностью контролирующим все этапы жизненного цикла. Для неё обязательна полная техническая и технологическая воспроизводимость в России, а обработка и хранение данных должны осуществляться в российских ЦОД, принадлежащих российским юрлицам. «Национальная модель» также требует российского разработчика и локализации обработки запросов и хранения данных, но допускает использование компонентов и технологий на открытых лицензиях, то есть не требует такой же полной независимости от иностранных решений.
| Критерий | Суверенная модель | Национальная модель |
|---|---|---|
| Разработчик | Российское юрлицо | Российское юрлицо |
| Воспроизводимость | Полная в РФ | Полная в РФ |
| Компоненты | Только российские | Допускаются open-source |
| Обработка данных | Только в российских ЦОД | Только в российских ЦОД |
| Доступ к госс данным | Максимальные преференции | Преференции |
Режим доступа к государственным данным
Одной из важнейших экономических новелл является механизм предоставления разработчикам суверенных и национальных моделей доступа к государственным данным для обучения. Закон 243-ФЗ создаёт правовую основу для того, чтобы датасеты из госуправления, статистики, науки и культуры могли быть использованы для тренировки российских моделей. По нашему опыту проектов, качество модели напрямую зависит от объёма и разнообразия обучающей выборки, и доступ к государственным массивам информации, недоступным частным компаниям, создаёт непреодолимое конкурентное преимущество для отечественных разработчиков. Это меняет экономику ИИ-проектов, смещая фокус с вычислительных мощностей на эксклюзивность данных.
Маркировка контента и сроки
С 1 марта 2027 года вступает в сила статья 9 закона, устанавливающая требования к маркировке. Важно отметить, что закон не вводит абсолютную обязанность маркировать весь сгенерированный контент. Вместо этого он возлагает на владельцев сайтов, информационных систем и программ для распространения информации и рекламы с суточной аудиторией более 500 тыс. пользователей из России обязанность обеспечить пользователям техническую возможность размещения информационного предупреждения о том, что аудио- или визуальный материал создан с применением большой фундаментальной модели. Этот подход снижает нагрузку на малый бизнес, но ставит сложную техническую и организационную задачу перед крупными медиахолдингами и платформами.
Правовая «безопасная гавань» для обучения
Закон содержит важное положение, которое можно назвать «safe harbor» для разработчиков. Использование охраняемых авторским правом произведений для извлечения, сравнения, классификации, поиска паттернов и обучения нейросетей не считается нарушением, если разработчик получил «законный доступ» к материалу и он не был защищён техническими средствами. Это распространяется на тренировку нейросетей и другие формы анализа данных. Для российского ИИ-рынка это серьёзное преимущество по сравнению с европейским режимом, где text-and-data-mining ограничен, и снижает юридические риски для компаний, обучающих модели на открытых данных из интернета.
Как это выглядит на практике
В типовом сценарии крупный банк, планирующий внедрение генеративного ассистента для клиентов, сталкивается с выбором. Использование зарубежной модели вроде GPT-6 Astra или Claude Fable 5.1 обеспечивает высокое качество, но несёт в себе долгосрочные регуляторные риски. В будущем для взаимодействия с госсистемами или в критически важных процессах могут быть введены ограничения на использование иностранных моделей. Банк вынужден рассматривать российские аналоги, например, GigaChat или YandexGPT, которые стремятся получить статус суверенных или национальных. Выбор в их пользу открывает доступ к господдержке и государственным данным, но может потребовать дополнительных затрат на адаптацию и интеграцию, если функционал уступает западным лидерам.
Другой пример: медиахолдинг, владеющий новостным порталом с аудиторией более миллиона пользователей. С 1 марта 2027 года он обязан предоставить своим авторам и редакторам инструмент для отметки материалов (аудио, видео, иллюстраций), созданных с помощью ИИ. Это не просто добавление галочки в интерфейсе. Это целый проект, включающий модификацию CMS, разработку бэкенд-логики для хранения метаданных о генерации, обновление пользовательских соглашений и политик модерации. Задержка с началом этого проекта может привести к срыву сроков и риску административной ответственности в 2027 году.
Третий сценарий касается промышленного предприятия, использующего ИИ для предиктивной аналитики сбоев оборудования. Вероятнее всего, используемые им модели являются узкоспециализированными и не достигают порога в 1 млрд параметров. В таком случае закон 243-ФЗ напрямую на него не распространяется. Однако если предприятие решит внедрить корпоративную систему на базе большой фундаментальной модели для анализа отчётности или автоматизации документооборота, оно сразу попадает в поле регулирования как пользователь. Ему необходимо будет оценить статус поставщика БФМ и убедиться, что обработка данных осуществляется в соответствии с требованиями закона, особенно если речь идёт о чувствительной информации.
Что это значит для российской компании
Для среднего и крупного бизнеса в России закон 243-ФЗ не является запретительным, но он кардинально меняет ландшафт принятия решений в области ИИ. Стратегия, построенная исключительно на зарубежных решениях, становится рискованной в долгосрочной перспективе, особенно для компаний, работающих с госсектором или в отраслях, признанных критически важными. Доступность иностранных моделей пока остаётся высокой, но их использование в будущем может быть ограничено для определённых классов задач. Вместе с тем, закон создаёт стимулы для развития отечественной экосистемы, предлагая разработчикам суверенных и национальных моделей доступ к уникальным государственным датасетам и меры господдержки, детали которых будут определяться подзаконными актами.
Правовые и санкционные ограничения делают статус модели ключевым фактором при выборе поставщика. Суверенная модель гарантирует полную локализацию данных и разработки, что минимизирует риски, связанные с международной обстановкой. Национальная модель предоставляет гибкость за счёт использования открытых мировых технологий, но при этом требует локализации обработки данных. Это напрямую влияет на бюджеты: проекты, изначально заложенные на дешёвых зарубежных API, могут потребовать перестройки и перехода на более дорогие или менее зрелые отечественные платформы. Процессы закупок и контрактования должны быть пересмотрены, чтобы включать в них требования к статусу модели, месту хранения данных и соответствию российскому законодательству.
| Аспект | Иностранные модели (OpenAI, Anthropic) | Национальные модели | Суверенные модели |
|---|---|---|---|
| Регуляторный риск | Высокий (будущие ограничения) | Средний (соответствие закону) | Низкий (приоритет) |
| Доступ к госс данным РФ | Нет | Да (преференции) | Да (максимальные преференции) |
| Требования к ЦОД | Зарубежные | Российские | Российские |
| Влияние на бюджеты | Низкая стоимость API, высокие риски | Средняя стоимость, адаптация | Высокая стоимость/инвестиции |
| Идеальный сценарий | Некритичные внутренние сервисы | B2B-сервисы, корпоративные задачи | Госсектор, критическая инфраструктура |
Что делать: пошагово
- Проведите полный аудит используемых и планируемых к внедрению ИИ-систем. Классифицируйте их по признаку «большая фундаментальная модель» (≥ 1 млрд параметров), чтобы понять, подпадаете ли вы под прямые регулирования как разработчик или пользователь БФМ.
- Сегментируйте все ИИ-проекты по уровню критичности и риску. Выделите направления, связанные с госсектором, критической инфраструктурой и обработкой больших объёмов персональных данных — здесь приоритет должен отдаваться суверенным или национальным моделям.
- Создайте матрицу текущих и потенциальных поставщиков ИИ-услуг. Оцените их по критериям: российское юрлицо, потенциальный статус модели (суверенная/национальная), местоположение ЦОД, планы по получению господдержки.
- Если ваша компания владеет информационной ресурсом с аудиторией более 500 тыс. пользователей, немедленно инициируйте проект по подготовке к требованиям маркировки контента. Разработайте техническое задание и дорожную карту с дедлайном 1 марта 2027 года.
- Внесите изменения в политики закупок и договорные шаблоны. Включите в них пункты, обязывающие поставщика подтверждать статус модели, место обработки и хранения данных, а также соблюдать требования по использованию авторских прав при обучении.
- Привлеките юридический отдел для детального анализа контрактов с текущими поставщиками ИИ на предмет соответствия новым требованиям, особенно в части локализации данных и прозрачности обучения моделей.
- Заложите в бюджет на следующий год расходы на комплаенс-процессы, возможную миграцию на отечественные платформы и доработку внутренних систем под требования маркировки.
- Назначьте ответственного за мониторинг подзаконных актов и разъяснений regulatorа (Минцифры, Роскомнадзор), чтобы оперативно реагировать на появление технических требований и процедур подтверждения статуса моделей.
Типичные ошибки
Игнорирование закона под предлогом, что компания «только пользователь» ИИ. Это дорого обходится, так как будущие отраслевые ограничения могут заблокировать использование критически важных сервисов на иностранных моделях, заставляя в срочном порядке искать замену. Путаница между понятиями «национальная» и «суверенная» модель. Выбор национальной модели для проекта в госсекторе может не соответствовать будущим требованиям регулятора, что приведёт к необходимости переделки работы или потере контракта. Откладывание проекта по внедрению маркировки контента на 2027 год. Техническая реализация этой функциональности для крупных платформ — сложная задача, требующая времени на разработку, тестирование и внедрение. Запуск в последний момент чреват срывом сроков и штрафами. Выбор поставщика ИИ исключительно по качеству модели без оценки её юридического статуса. В долгосрочной перспективе модель с чуть более низким качеством, но имеющая суверенный статус, может оказаться экономически более выгодной из-за доступа к господдержке и отсутствия регуляторных рисков. Отсутствие инвентаризации данных, обрабатываемых ИИ-системами. Требование об обработке данных в российских ЦОД для суверенных и национальных моделей означает, что компания должна точно знать, где физически находятся её данные, иначе она не сможет обеспечить соответствие.
Как понять, что вы на верном пути
Ваша ИИ-стратегия явно разделена на три уровня: проекты на суверенных моделях (госсектор, критическая инфраструктура), на национальных (корпоративные B2B-сервисы) и на зарубежных (внутренние R&D, некритичные задачи). Процессы закупок и юридической проверки договоров уже обновлены и включают оценку статуса модели, места расположения данных и соответствия требованиям 243-ФЗ. Существует утверждённая дорожная карта и выделенный бюджет на реализацию требований по маркировке ИИ-контента к 1 марта 2027 года. Руководство компании и ИТ-директор понимают разницу между большой фундаментальной моделью и узкоспециализированной ML-моделью и правильно оценивают, на какие проекты распространяется действие закона. В компании назначен ответственный сотрудник или отдел, который отслеживает выпуск подзаконных актов к 243-ФЗ и анализирует их влияние на текущие и будущие проекты.
Вопросы, которые нам задают
Обязательна ли маркировка всего ИИ-контента с 2027 года?
Нет, закон вводит более сложную обязанность. Владельцы крупных информационных ресурсов (аудитория > 500 тыс. пользователей в сутки из РФ) должны обеспечить техническую возможность для пользователей проставлять специальное предупреждение о том, что аудио- или визуальный материал создан с применением большой фундаментальной модели ИИ. Универсальной обязанности маркировать любой контент нет.
Что произойдёт с уже внедрёнными иностранными моделями?
Закон предусматривает длительный переходный период. Требование использовать исключительно суверенные или национальные модели не будет распространяться на системы, в которых большие фундаментальные модели созданы или эксплуатируются до 1 марта 2027 года, при условии, что обработка и хранение данных осуществляются в России. Этот режим действует до 1 сентября 2032 года.
Как компания может доказать, что её модель «суверенная»?
Порядок подтверждения соответствия будет установлен Правительством РФ. Предполагается, что потребуется доказать российскую юрисдикцию разработчика, полный контроль над всеми этапами жизненного цикла модели, возможность полной воспроизводимости разработки и обучения в России, а также обработку данных исключительно в российских ЦОД.
Касается ли закон наших узкоспециализированных ML-моделей?
Скорее всего, нет. Закон целенаправленно сфокусирован на «больших фундаментальных моделях» с порогом в 1 млрд параметров, которые служат основой для создания множества разных программных продуктов. Ваши внутренние модели для скоринга, прогнозирования или распознавания образов, если они не являются платформой и имеют меньше параметров, не подпадают под специальное регулирование 243-ФЗ.