Как состав комиссии по вопросам развития технологий ИИ, так и предварительный текст правительственного законопроекта говорят о том, что федеральные регуляторы сосредоточены прежде всего на государственном контроле применения ИИ. Между тем для будущего ИИномики более важное значение имеет не контроль применения, а регулирование в области создания ИИ-инструментов, в том числе правила доступа к большим данным (датасетам) и регламент их использования, считает управляющий директор по стратегическим проектам инвестиционной компании Sk Capital (группа ВЭБ.РФ) Сергей Федосеев.
«Скорость против конфиденциальности» — такова регуляторная развилка, перед которой сейчас стоит ИИномика не только в России, но и во всем мире. Правительствам необходимо сделать выбор: либо скорость развития технологий, либо защита данных. Большие данные — хлеб и топливо ИИ. От их доступности ИИномика зависит практически полностью. И в этом деле на сегодняшний день определились примерно три подхода — европейский, американский и китайский.
Европейский подход — максимальная осторожность. Там действует, например, EU AI act, который для любого действия в области ИИ требует получения множества формальных разрешений. ИИ-бизнес Евросоюза вынужден тратить большие ресурсы на соблюдение строгих законодательных норм работы с данными. «Есть риск, что Европа станет первым регионом в современной истории, который решил отрегулировать технологическую революцию раньше, чем успел ее возглавить», — говорит Сергей Федосеев.
Подход американский — максимальная свобода, ограниченная лишь традиционной бизнес-этикой. Поэтому американские компании сейчас — главные, с большим опережением поставщики больших ИИ-решений (LLM) на мировой рынок.
Китайский же путь — создание «суверенных решений» на основе собственных больших данных. К которым у местных ИИ-компаний доступ максимально открыт, а иностранцам затруднен. Китай большой, больших данных там много, так что некоторые китайские ИИ-решения сейчас, по мнению многих аналитиков, не уступают американским. В Китае работают четыре биржи данных, где можно купить большие данные для обучения ИИ-моделей. Одна из этих бирж доступна иностранцам без ограничений, другие — нет.
«Есть и еще один путь — по нему до сих пор шла Россия. Это не принимать принципиальных решений в области регулирования ИИномики, а ждать, к каким общим решениям придет мировой ИИ-рынок. Но он к ним может и не прийти. Фрагментация регулирования может привести к расколу мирового рынка ИИ на две-три несовместимые экосистемы к 2027 году», — прогнозирует Сергей Федосеев.
Чтобы, например, вывести на рынок новый продукт, сегодня необходимо множество больших данных для анализа с помощью ИИ-моделей. Покупают обезличенные данные от мобильных операторов, финансовых организаций, соцсетей. Составляют сценарии поведения покупателя и прогнозы продаж нового продукта в разных сегментах, регионах, возрастных группах. В Китае все эти данные можно просто купить на бирже. Они обезличены и удовлетворяют всем китайским требованиям по комплаенсу. У нас же торговля подобными данными — топливом для современного бизнеса — это серая зона.
Отсутствие регуляторики в области больших данных приводит еще и к тому, что затрудняется создание так называемых доменных моделей — ИИ-решений, ориентированных на потребности конкретной отрасли. Строительство, телекоммуникации, банковский сектор, ритейл — во многих странах давно созданы специализированные ИИ-решения для работников этих отраслей. Множество стартапов во всем мире занимаются разработкой доменных моделей на заказ, под конкретные потребности. В России же чуть ли не единственный пример реальной доменной модели — METALgpt. Это ИИ-решение для горно-металлургической отрасли, созданное «Норильским никелем».
«Мы делали всё сами: собирали данные, структурировали их, обучали модель, — говорит руководитель ИИ-направления компании „Норильский никель“ Данил Ивашечкин. — В горно-металлургической отрасли оборачивается огромное количество специализированных данных, о которых не знает никакой ChatGPT. Поэтому без доменной модели нам было никак не обойтись».
По оценке Данила Ивашечкина, эффект от применения ИИ в горно-металлургическом секторе сопоставим с результатами применения ИИ в ритейле, IT или банковском секторе. За прошлый год этот эффект в «Норникеле» составил $100 млн при охвате 70% ключевых производственных процессов.
Макроэкономическое значение законодательного регулирования ИИномики выражается прежде всего в стоимости для конкретной страны так называемого инференса — элементарной ИИ-транзакции. Чем ниже эта стоимость, тем ближе массовое применение ИИ в бизнесе и жизни. Так вот, в тех странах, где принят «американский» подход к регулированию работы с большими данными (США, Сингапур, Великобритания), цена инференса снижается, по оценкам Sk Capital, в 2–3 раза быстрее, чем в Евросоюзе.
Больше новостей читайте в нашем телеграм-канале @expert_mag
