Что вводит закон
Регулирование распространяется на большие фундаментальные модели от миллиарда параметров. Появляются два статуса.
Суверенная модель — полный цикл разработки воспроизводится в России российским юридическим лицом.
Национальная модель — российский разработчик, при этом допускаются зарубежные компоненты с открытой лицензией.
Обе категории требуют обработки данных в российских дата-центрах. Правительство получает право определять случаи, когда допускается применение исключительно таких моделей, а в банковской сфере эти решения согласуются с Банком России. Перечень появится в подзаконных актах, которых пока нет.
Маркировка ИИ-контента остаётся добровольной.
Главная неопределённость именно в подзаконных актах. Никто сейчас не скажет, попадёт ли ваша отрасль в перечень обязательного применения. И это, как ни странно, определяет стратегию: проектировать надо так, чтобы ответ на этот вопрос не потребовал переписывать систему.
Два других документа, которые работают вместе с ним
Закон об ИИ не существует отдельно. Вместе с ним действуют два акта, и в совокупности они закрывают довольно много вариантов.
ФЗ-152 с поправками от 30 мая 2025 года. За первую утечку персональных данных штраф от 3 до 20 млн рублей. За повторную в течение года — от 1 до 3% годовой выручки, минимум 20 млн, максимум 500 млн. Для компании с оборотом 10 млрд рублей повторное нарушение обойдётся максимум в 300 млн.
Практический смысл этих цифр в том, что использование зарубежных облачных платформ ИИ для обработки персональных данных становится экономически бессмысленным. Не запрещённым, а именно бессмысленным: ожидаемые потери превышают выгоду от более дешёвого сервиса.
Приказ ФСТЭК России № 117, действует с 1 марта 2026 года. Устанавливает требования по защите информации в государственных информационных системах и системах госорганов, госучреждений, госпредприятий. При применении ИИ оператор обязан определить меры по выявлению недостоверных ответов, то есть по контролю галлюцинаций.
Прямого аналога у этого требования в мировой практике нет. Для тех, кто работает с госсектором, это означает, что валидация ответов модели становится не инженерным решением на усмотрение команды, а обязательным элементом системы, который придётся описывать в документации.
Три принципа архитектуры, которые сберегут инвестиции
Из всей этой неопределённости следуют довольно простые проектные требования. Они одинаково работают при любом сценарии развития регулирования, и в этом их ценность.
Развёртывание в собственной инфраструктуре. Если вы относитесь к критической инфраструктуре (банки, страховщики, операторы связи, энергетика, медицина) или просто работаете с персональными данными, публичные зарубежные облака в базовом сценарии не рассматриваются. Варианты: локальное развёртывание, частное или гибридное облако, российские корпоративные платформы — Yandex AI Studio, GigaChat Enterprise, MWS AI Agents Platform, Agent Platform от Just AI.
Отсутствие привязки к одной модели. Это главный пункт. Архитектура должна допускать замену LLM без переписывания бизнес-логики. Перечень случаев обязательного применения отечественных моделей определится подзаконными актами, и зависимость от единственного поставщика может обернуться полной переделкой через год.
Отдельно про открытые китайские модели: DeepSeek и Qwen сами по себе под статусы суверенной или национальной модели не подпадают. Могут ли они входить в российские решения как открытые компоненты — покажут подзаконные акты.
Модульность. Слой работы с данными, слой оркестрации, слой модели должны быть разделены. Тогда смена модели затрагивает один модуль, а не всю систему.
На практике это означает вполне конкретные вещи: абстракция над провайдером модели, промпты и инструменты вынесены из кода в конфигурацию, векторное хранилище и база знаний живут отдельно от модели, все внешние вызовы идут через единый слой с логированием. Ничего экзотического, обычная инженерная гигиена, но её удобно проигнорировать, когда нужно быстро показать демо.
Компаниям из чувствительных отраслей принципиальное решение об архитектуре разумно принять сейчас, а на выбор конкретного варианта, проектирование и поэтапное внедрение заложить 6–9 месяцев.
С чего начинать: первые 90 дней
Архитектурное решение принято, дальше нужен пилот. Девяносто дней — не жёсткий срок, а ориентир, за который компания должна понять три вещи: работает ли ИИ в выбранном процессе, умеет ли команда с ним работать, стоит ли масштабировать.
Первые 30 дней: аудит и выбор процесса.
Проанализируйте повторяемые сценарии и прогоните каждый через пять вопросов.
Процесс повторяемый и масштабный? Тысячи возвратов в месяц по шаблонному сценарию — да. Разовое решение о выходе на новый рынок — нет.
Есть чёткие критерии успеха? Время обработки, доля решений в рамках SLA, удовлетворённость клиентов — да. Многомерный успех с горизонтом измерения в три-пять лет — нет.
Данные доступны в цифровом виде? Заказ в CRM, история в тикет-системе, документы в СЭД — да. Неформализованные знания об отношениях с регуляторами и особенностях конкурентов — нет.
Цена ошибки приемлема? Возврат можно пересмотреть, спорный случай передать человеку — да. Ошибочный выход на рынок с списанием затрат и репутационным ущербом — нет.
Можно работать без проверки каждого решения? Большинство случаев закрывается автоматически, человек смотрит исключения — да. Каждое решение уникально и требует осмысления советом директоров — нет.
Если минимум три ответа отрицательные, агента внедрять рано. Начните с автоматизации рабочих процессов уровня L3: результат предсказуемее, риски ниже.
Выбрать нужно ровно один сценарий. Не функциональную область, а конкретный повторяемый процесс: обработку заявок на возврат на первой линии, проверку пакетов документов по претензиям, генерацию коммерческих предложений.
Параллельно собирается команда. Куратор уровня CEO-1 с занятостью 10–20% времени, который обеспечивает бюджет. Владелец продукта из бизнес-подразделения, а не из ИТ, на полной занятости. ИИ-инженер из своих или от поставщика. Инженер данных, желательно на полной занятости, минимум на половину. В среднем бизнесе это три штатных сотрудника плюс куратор, в крупном — семь-десять.
По данным McKinsey, в компаниях, которые извлекают из ИИ наибольшую пользу, сотрудники втрое чаще подтверждают, что высшее руководство лично отвечает за ИИ-проекты. Куратор не формальность.
Вторые 30 дней: пилот.
Сначала определяются целевые метрики, контрольная группа и способ измерения: длительность обработки, стоимость операции, доля успешных решений, удовлетворённость. Потом запускается сам пилот.
Управление проектом на этом этапе выглядит скучно и работает: назначенный владелец продукта, еженедельный разбор результатов, журнал ошибок и решений, дашборд с метриками.
Главное правило второго месяца — не расширять количество сценариев. Задача не в том, чтобы охватить больше, а в том, чтобы получить подтверждённый эффект в одном процессе.
Последние 30 дней: решение.
Оценка по заранее заданным метрикам и один из трёх выводов. Метрики достигнуты и юнит-экономика положительная — масштабируем. Направление верное, но нужны доработки — итерируем. Метрики не достигнуты, причина в процессе или данных — останавливаем.
Остановка не провал. 95% пилотов не окупаются за первые полгода, но часть из них после доработки выходит на результат. Если гипотеза не подтвердилась, причина почти никогда не в технологии: дело в данных, процессе, владельце продукта, выбранной метрике или контуре внедрения.
Реалистичные горизонты
Чтобы не создавать ложных ожиданий у совета директоров, стоит проговорить сроки заранее.
Три-шесть месяцев — первые ощутимые результаты. Шесть-двенадцать месяцев — доказанный операционный эффект в рамках одного процесса. Год-два — устойчивое влияние на финансовый результат. Три-пять лет — заметный вклад в EBITDA по портфелю проектов.
Отдельно стоит помнить, что 40% проектов по внедрению ИИ-агентов, по прогнозу Gartner, будут отменены к концу 2027 года. Попасть в эти 40% проще всего, начав с большого объекта, без владельца со стороны бизнеса и без базовых метрик.
И последнее. Если вы прочитали всё это и решили, что ИИ-агенты вам пока не нужны, это нормальное стратегическое решение, а не слабость. Откладывать имеет смысл, когда не выполнено хотя бы одно из трёх условий: данные процесса оцифрованы и машиночитаемы, есть повторяемый сценарий с измеримой метрикой и ответственным, есть куратор уровня CEO-1, готовый защитить бюджет и подтвердить эффект на горизонте 12–18 месяцев. Если условия не выполнены, разумнее сначала обеспечить их. Если выполнены все три, откладывать не стоит.
Мы в dzeta.ai строим системы с развёртыванием в контуре заказчика и заменяемой моделью — как раз под требования 152-ФЗ и будущих подзаконных актов. Если нужно разобраться, что делать с архитектурой до сентября, напишите: dzeta.ai
Источники: «Яков и Партнёры», «ИИ-агенты: где хайп, а где реальность» (2026); Федеральный закон о поддержке развития технологий ИИ (июль 2026); ФЗ-152 в редакции от 30.05.2025; приказ ФСТЭК России № 117; McKinsey; Gartner; MIT (2025).