Компания «К2 Тех» провела исследование среди объектов КИИ для оценки готовности их инфраструктуры к новому закону об ИИ (законопроект № 243-ФЗ «О поддержке развития технологий искусственного интеллекта в Российской Федерации»). Метод исследования включал анализ более 80 проведенных предпроектных обследований и аудитов, наряду с опросом 150 респондентов из компаний, работающих в рамках КИИ.
В результате исследования эксперты «К2Тех» пришли к выводу, что менее 20% субъектов КИИ обладают достаточной зрелостью в области data-инфраструктуры, управления и работы с данными для соблюдения требований нового закона в сфере ИИ. Более чем половине (55%) объектов требуется доработка существующих систем и подходов, а 25% нуждаются в значительной трансформации.
Директор департамента реализации инфраструктурных проектов «Софтлайн Решения» (входит в ГК Softline) Виталий Попов пояснил причины низкой готовности компаний к новым требованиям закона: «Требования касаются не только самих моделей ИИ или вычислительных ресурсов. Организация должна осознавать весь жизненный цикл ИИ: понимать, какие модели и внешние сервисы используются, какие данные им предоставляются, к каким информационным системам они имеют доступ и кто отвечает за результаты их применения. На практике задачи часто распределены между несколькими бизнес-юнитами: кто-то запускает пилот, кто-то подписывается на внешний сервис, а кто-то внедряет ИИ в своих процессах. При этом у компаний может отсутствовать общая стратегия и централизованный контроль, и не всегда известно, что менеджер приобрел платную подписку на ChatGPT и передает туда какие-то данные.»
Законопроект об ИИ вводит понятия суверенных и национальных моделей ИИ и устанавливает требования для крупных фундаментальных моделей, которые должны использоваться в государственных информационных системах и на значимых объектах КИИ. Обязательным является соответствие требованиям безопасности и качества, а также обработка и хранение данных на территории России. Нормы закона обязывают компании точно знать, какие модели и сервисы используются в корпоративной среде, на каких данных они работают, к каким системам имеют доступ и кто несет ответственность за результаты их применения.
По словам аналитиков «К2Тех», одним из основных препятствий на пути к соответствию новым требованиям является качество данных. Только у 20,3% респондентов массивы данных полностью готовы и размечены, т.е. адаптированы для обучения алгоритмов. В 42,6% компаний данные требуют очистки или консолидации, а 25% участников указывают на низкое качество данных как на главный барьер для внедрения ИИ-проектов.
«Эффективная работа с данными в организации — это data governance — монотонный процесс с длинным горизонтом планирования и неопределенной в моменте отдачей. Он требует зрелого ИТ, высококачественных процессов, надежного менеджмента и ответственности исполнителей. ИИ требует нового взгляда на управление данными: нужны не только чистые данные, но и новые типы данных — текст, аудио, видео — а также новые методы их разметки и хранения, которые не соответствуют традиционному data-management», — отметил директор департамента бизнес-решений и цифровой трансформации «Софтлайн Решения» (входит в ГК Softline) Егор Ворогушин.
«Проблема зачастую заключается не в нехватке данных, а в их дублировании, хранении в различных форматах, ручном заполнении и отсутствии четкого владельца внутри бизнеса. ИИ лишь подчеркивает качество исходной информации. Если данные неполные или противоречивые, модель будет выдавать аналогичные результаты, поэтому серьезные ИИ-проекты фактически начинают не с алгоритма, а с упорядочивания данных», — добавил управляющий директор ООО «Экспанта» Илья Измайлов.
«Низкое качество данных является следствием того, что они долгое время собирались и использовались для операционного учета, а не для обучения моделей. Они дублируются, неполные, используют разные справочники и часто не имеют подтвержденного происхождения. Для ИИ это критично, так как система может выдавать убедительные ответы, которые невозможно проверить и безопасно применять в критических процессах. Поэтому основным ограничением становится не выбор отечественной модели, а готовность компании отвечать за полный жизненный цикл данных и решений ИИ», — подчеркнул директор по связям с государственными органами ГК «УльтимаТек» Дмитрий Трунов.
Более 25% организаций по-прежнему работают без стратегии управления данными, что усложняет формирование единого и проверяемого основания для ИИ-инициатив. Эксперты К2Тех отметили, что без корпоративной модели данных возникнут три системных барьера. Во-первых, данные, на которых обучена модель, могут устаревать со временем. Во-вторых, происхождение выдаваемых результатов невозможно подтвердить. В-третьих, семантический разрыв между терминологией, используемой в обиходе, и названиями в источниках данных затрудняет понимание ответов ИИ-модели.
Директор департамента сопровождения конкурентных процедур ООО «Гигант компьютерные системы» Дмитрий Битченков предположил, с какой скоростью компании могут подготовить свою инфраструктуру к новым требованиям закона об ИИ: «Некоторые компании смогут закрыть наиболее очевидные пробелы, если начнут действовать незамедлительно. Однако подготовка данных, назначение владельцев и выстраивание AI Governance обычно занимают больше времени, чем внедрение самой модели. Поэтому организациям, которым необходима значительная трансформация, будет сложно осуществить это в кратчайшие сроки. Ждать выхода всех подзаконных актов в данной ситуации рискованно.»
«Успеть провести глубокую модернизацию за короткое время смогут лишь единицы, преимущественно те, кто уже инвестировал в Data-инфраструктуру и имеет выделенные команды дата-инженеров. Остальным придется имитировать готовность через формальный слой отчетности, что создаст иллюзию безопасности, но не защитит. Основной риск заключается в том, что компании начнут ограничивать применение ИИ в чувствительных зонах, чтобы не попасть под регуляторные ограничения, что замедлит инновации», — заключил основатель ООО «Интернет-розыск» (входит в ГК «Киберсистема») Игорь Бедеров.