Новость
По оценке компании «К2Тех», не более 20% субъектов критической информационной инфраструктуры (КИИ) обладают достаточным уровнем зрелости data-инфраструктуры, управления и работы с данными, чтобы выполнять требования нового закона в сфере искусственного интеллекта. Более чем половине компаний (55%) потребуется доработка уже существующих систем и подходов, а четверти участников рынка (25%) — их значительная трансформация. В основу исследования легли анализ свыше 80 предпроектных обследований и аудитов, проведенных «К2Тех», а также результаты опроса 150 респондентов из компаний, относящихся к субъектам КИИ.
8 июля 2026 года Государственная Дума приняла законопроект «О поддержке развития технологий искусственного интеллекта в РФ». Документ вводит понятия суверенных и национальных моделей ИИ, а также устанавливает требования к большим фундаментальным моделям, которые должны применяться в государственных информационных системах и на значимых объектах КИИ. Для таких моделей обязательным станет соответствие требованиям безопасности и качества, а также обработка и хранение данных на территории России. Согласно нормам закона, компании обязаны точно понимать, какие модели и сервисы используются в их корпоративном контуре, на каких данных они обучены, к каким системам имеют доступ и кто несет ответственность за результаты их применения.
Как показало исследование «К2Тех», одним из ключевых препятствий на пути к соответствию новым требованиям становится качество данных. Лишь у 20,3% опрошенных компаний массивы данных полностью готовы и размечены — то есть адаптированы для обучения алгоритмов. В 42,6% организаций данные нуждаются в очистке или консолидации, а четверть респондентов (25%) назвали низкое качество данных главным барьером для реализации ИИ-проектов.
Проблема не исчерпывается очисткой и разметкой информационных массивов. Более четверти компаний до сих пор работают без стратегии управления данными, что серьезно затрудняет формирование единой и проверяемой основы для ИИ-инициатив. По мнению экспертов «К2Тех», отсутствие корпоративной модели данных порождает три системных риска. Во-первых, данные, на которых обучалась модель, со временем теряют актуальность. Во-вторых, происхождение выдаваемых моделью результатов оказывается невозможно подтвердить. В-третьих, возникает семантический разрыв между терминами, используемыми в повседневной практике, и названиями полей в источниках данных, что усложняет интерпретацию ответов ИИ-модели. В результате свыше 50% проектов в области искусственного интеллекта закрываются именно из-за проблем с качеством данных и невозможности отследить их происхождение.
Еще одним системным риском эксперты называют организационную структуру ответственности за направление ИИ. В 40% компаний она либо распределена между разными бизнес-подразделениями, либо не закреплена ни за кем вообще. При этом новый закон возлагает четкие обязанности на разработчиков, операторов и владельцев сервисов — включая тестирование, учет инцидентов и обеспечение безопасной эксплуатации систем. Отсутствие единого центра компетенций существенно затрудняет исполнение этих требований. Так, в подразделениях без назначенного ответственного за ИИ массовое и нерегулируемое использование публичных нейросетей — таких как ChatGPT и аналогичные сервисы — фиксируется в два раза чаще, чем в компаниях с выделенным директором по данным или искусственному интеллекту. В целом о массовом использовании внешних ИИ-сервисов без централизованного контроля сообщили 15,5% респондентов. Это создает риск утечки корпоративной информации через промпты, загружаемые документы, базы знаний и интеграции с внешними системами.
Гоша Шатиров, директор по искусственному интеллекту и инновациям «К2Тех», отметил: «Новый закон нельзя сводить только к вопросу, какую модель установить в корпоративном контуре. Для компаний КИИ основная задача — обеспечить управляемость всего жизненного цикла ИИ. По мере увеличения глубины проникновения ИИ в деятельность компании эта задача становится критичной. Агент, в отличие от чат-бота, способен совершать действия в информационных системах компании. Поэтому регуляторная готовность — это не отдельный проект по работе с массивами данных и не закупка отечественной LLM. Это AI Governance: единая архитектура, управление данными, безопасность, аудит, экономика инициатив и закрепленная ответственность. Компании, которые начнут выстраивать этот контур только после выхода всех подзаконных требований, могут обнаружить, что основная проблема находится не в самой модели, а в хаосе вокруг нее».
Принятие закона обязывает компании — субъекты КИИ пересмотреть подходы к управлению данными, инвестициям в соответствующие технологии и организационной структуре. Только комплексная работа по повышению зрелости data-инфраструктуры и выстраиванию четкой системы ответственности позволит минимизировать регуляторные риски и в полной мере использовать потенциал искусственного интеллекта в рамках новых правовых норм.