Девочки из ИИ
1 пост
Технологический суверенитет по талонам. Как Россию могут оставить между двумя цифровыми заборами
Два цифровых забора. Как ограничения зарубежного интернета могут ударить по российскому производству
Зарубежные компании уже ограничивают россиянам доступ к части передовых технологий. Теперь обсуждаются дополнительные ограничения международного интернет-трафика внутри России. А между этими решениями находятся российские инженеры, разработчики и производственные предприятия, которым вообще-то нужно работать.
Интернет — это не только YouTube и котики
28 октября 2026 года Forbes сообщил, что Минцифры рассматривает возможность введения лимитов на зарубежный интернет-трафик и обязательного пропуска такого трафика через технические средства противодействия угрозам (ТСПУ). [1]
Ранее «Коммерсантъ» писал об обсуждавшейся плате за международный мобильный трафик свыше 50 ГБ в сетях 5G. Это один из рассматривавшихся вариантов, а не утверждённое правило. [2]
Сразу оговорюсь: окончательное решение не принято. Неизвестны будущие лимиты, условия применения к юридическим лицам и проводному интернету, возможные исключения и порядок расчёта трафика.
Минцифры объясняет подготовку изменений необходимостью повышения безопасности услуг связи. Цель понятная. Но любое подобное решение необходимо оценивать не только с точки зрения безопасности, но и с точки зрения последствий для экономики.
Потому что современный интернет — это не просто развлекательные сайты.
Это международная техническая документация, инженерные каталоги, программные библиотеки, системы разработки, научные публикации, облачные вычисления и инструменты искусственного интеллекта.
И если кто-то думает, что ограничения затронут только любителей иностранных видеороликов, предлагаю посмотреть на проблему с другой стороны.
Со стороны обычного российского производственного предприятия.
Как мы внедряем искусственный интеллект в реальную работу
Работаю на небольшом российском предприятии, которое занимается сложным ремонтом и восстановлением промышленного оборудования.
Практически каждый ремонт индивидуален. Разные производители, конструкции, неисправности, технические требования. Часто приходится работать с иностранной документацией, искать давно снятые с производства комплектующие, подбирать материалы и восстанавливать детали.
При этом значительная часть рабочего времени квалифицированных специалистов уходит не непосредственно на инженерную деятельность, а на поиск, проверку, перенос и сопоставление информации.
Именно эту рутину мы постепенно пытаемся автоматизировать с помощью искусственного интеллекта и собственных разработок.
Не ради красивого отчёта о цифровизации. И не ради демонстрации руководству очередного модного чат-бота.
Нам нужен помощник, который действительно помогает выполнять работу, а не просто красиво рассказывает, как её выполнить.
Приведу несколько конкретных примеров.
Ремонт промышленного оборудования
Поступает сложный промышленный узел.
Его необходимо зарегистрировать, изучить сопроводительные документы, провести разборку и диагностику, зафиксировать дефекты, определить необходимые комплектующие, проверить материалы и передать информацию следующим участникам производственного процесса.
На каждом этапе появляются фотографии, измерения, замечания, технические документы и дополнительные требования.
Мы разрабатываем инструменты, которые позволяют связывать эти сведения в последовательный процесс, чтобы не приходилось многократно переносить одни и те же данные вручную.
ИИ помогает искать техническую информацию, сопоставлять сведения и находить возможные расхождения. В перспективе он должен также помогать учитывать опыт предыдущих аналогичных ремонтов.
Инженер при этом остаётся ответственным за технические решения.
Снабжение: когда одна недостающая деталь может остановить весь ремонт
На первый взгляд снабжение — это найти поставщика, получить счёт и заказать необходимое. На практике всё гораздо интереснее.
На предприятии одновременно идут разные ремонты, возникают десятки потребностей, поступают предложения от поставщиков, меняются сроки, согласовываются замены, приходят счета, сертификаты, уведомления об оплате и отгрузке. При этом информация распределена между заявками, таблицами, электронной почтой, документами и складскими данными.
И самое сложное — не потерять взаимосвязь между всем этим.
За время работы с одной потребностью могут смениться несколько поставщиков, предложений и технических решений. Первоначальные условия теряют актуальность, договорённости уточняются, появляются новые обстоятельства. Чтобы принять правильное решение, приходится восстанавливать всю историю вопроса, отделять актуальные сведения от устаревших и проверять, чем подтверждается каждый вывод.
Мы постепенно учим цифрового помощника разбираться в этой информационной паутине: сопоставлять потребности производства с закупками и остатками, разбирать переписку и документы, находить частично закрытые заявки, выявлять расхождения и незавершённые вопросы, учитывать историю взаимодействия с поставщиками.
Причём важно не просто собрать сведения, а установить их фактическую достоверность.
В идеале достаточно поставить задачу обычным языком: «Разберись, что нам ещё необходимо для выполнения текущих заказов, что уже закуплено, что зависло у поставщиков и какие вопросы требуют решения».
А получить не очередную гигантскую таблицу, в которой самому придётся разбираться несколько часов, а конкретную картину: подтверждённые факты, обнаруженные проблемы, необходимые действия и документы, на основании которых сделаны выводы.
Часть подобных операций мы уже выполняем с помощью ИИ, другие ещё разрабатываем и испытываем. Решения о закупках, технической применимости комплектующих и расходовании средств остаются за человеком.
Именно здесь искусственный интеллект может дать реальную пользу: не заменить снабженца, а снять с него значительную часть информационной нагрузки и помочь не упустить то, из-за чего может остановиться целый производственный заказ.
Техническая документация
Представьте иностранное техническое руководство объёмом более тысячи страниц.
Внутри схемы, таблицы, формулы, параметры оборудования, специальные термины.
Нужен не просто перевод текста, а технически корректный материал, пригодный для работы инженера.
Это требует обработки больших объёмов информации, сохранения структуры документа, проверки терминологии и возможности продолжать длительную работу с ранее сохранённого результата.
Именно здесь особенно заметна разница между обычным чат-ботом и мощной интеллектуальной системой.
Работа с компьютерами и документами
Ещё одно направление — возможность поручать цифровому помощнику реальные действия обычным человеческим языком.
Например:
«Проверь поступившие документы, сравни их с предыдущими заказами, найди несоответствия и подготовь вопросы поставщикам».
Или:
«Собери сведения по конкретному ремонту, проверь комплектующие и покажи, какие позиции требуют внимания».
Помощник должен работать с разрешёнными ему инструментами, сохранять результаты, сообщать об ошибках и не объявлять задачу выполненной без проверки.
Мы экспериментируем с взаимодействием нескольких компьютеров, обработкой документов и продолжением длительных заданий.
И сразу для любителей комментариев «покажи готовую систему»: полностью автономного и безошибочного цифрового сотрудника у нас пока нет.
Часть возможностей уже используется, часть испытывается, остальное разрабатывается. Ошибок и переделок хватает.
Но сама работа вполне реальная.
Мы пытаемся освободить квалифицированных специалистов от рутины, чтобы они занимались тем, ради чего их, собственно, и нанимали.
Что изменится, если международная связь станет ограниченной
Современный интеллектуальный помощник не обязательно представляет собой одну программу на одном компьютере.
Часть задач выполняется локально, часть — во внутренних системах предприятия, а для сложного анализа и некоторых видов автоматизации используются внешние вычислительные ресурсы.
Если соединение внезапно прерывается посреди многоэтапного задания, необходимо выяснить, какие операции действительно выполнены, какие результаты сохранены и что можно безопасно повторить.
Грамотно построенная система должна переживать подобные сбои. Но для этого нужны дополнительные механизмы: сохранение состояния, журналы операций, очереди заданий, восстановление соединений и проверка результатов.
Всё это требует времени, денег и работы специалистов.
Причём проблема не сводится к объёму трафика.
Один служебный запрос может занимать несколько килобайт, но быть необходимым для завершения рабочего процесса. А загрузка моделей, архивов или больших технических материалов способна потребовать десятки гигабайт.
Поэтому лимит трафика и блокировка соединения — разные угрозы, но обе могут создавать реальные производственные издержки.
Не обязательно остановится весь завод. Последствия могут выглядеть гораздо прозаичнее: больше ручной работы, медленнее обработка заявок, дороже сопровождение программных систем, дольше разработка новых инструментов.
И вот это уже вопрос производительности труда.
«А разве сами зарубежные компании не запретили россиянам пользоваться их ИИ?»
Справедливое замечание.
И отрицать его было бы нечестно.
Ряд ведущих зарубежных компаний действительно ограничивает официальное предоставление своих интеллектуальных сервисов в России.
Например, Россия отсутствует в опубликованном OpenAI перечне стран, где поддерживается доступ к API. Компания предупреждает о возможности блокировки аккаунтов при использовании сервисов из неподдерживаемых регионов. [3]
Россия также отсутствует в перечне регионов официальной доступности Google AI Studio и Gemini API. [4]
Это уже создаёт проблемы российским разработчикам и предприятиям.
Причины могут включать санкционное законодательство, экспортный контроль и собственные коммерческие решения компаний.
Спорить об их справедливости можно долго. Но от этого ограничения не исчезнут.
И здесь возникает принципиальный вопрос: если иностранные компании уже осложняют доступ российских предприятий к передовым технологиям, каким образом дополнительные ограничения со стороны России должны улучшить положение этих предприятий?
Ведь зарубежные технологии — это далеко не только коммерческие облачные чат-боты.
Существуют открытые модели, программные библиотеки, научные публикации, техническая документация и общедоступные репозитории.
Именно эти ресурсы в том числе помогают российским разработчикам создавать собственные продукты.
Когда сайт открывается, а технология недоступна
Возьмём конкретный пример.
GitHub в своей официальной политике указывает на стремление сохранять доступ к публичным репозиториям, в том числе проектам с открытым исходным кодом, для разработчиков из регионов, затронутых санкциями, в пределах применимого законодательства. [5]
Это не означает, что абсолютно все его услуги доступны всем без исключения. Но показывает, что даже при санкционных ограничениях существуют разные режимы доступа.
Другой пример — Hugging Face, международная платформа распространения моделей машинного обучения.
В её официальной документации прямо указано: чтобы скачать модель, недостаточно иметь доступ только к основному сайту. Файлы могут передаваться с дополнительных серверов хранения и доставки данных. Если эти адреса недоступны, загрузка может не работать. [6]
Получается интересная ситуация.
Российский инженер хочет уменьшить зависимость от иностранного облачного сервиса. Для этого выбирает открытую модель, которую разрешено установить и использовать локально.
Но прежде её необходимо скачать.
А для этого нужен доступ к международной инфраструктуре.
То есть ограничения потенциально способны затруднить даже переход к собственным автономным решениям.
И вот здесь уже хочется спросить: если часть технологических дверей нам закрыли снаружи, зачем дополнительно запирать оставшиеся изнутри?
Что говорят российские специалисты по ИИ
18 сентября 2026 года Российский совет по международным делам опубликовал статью Антона Колонина «Прикладной ИИ: проблемы развития и риски для России». Автор — кандидат технических наук, ведущий научный сотрудник Центра искусственного интеллекта НГУ. [7]
Материал интересен тем, что рассматривает проблему сразу с нескольких сторон.
Автор признаёт ограничения со стороны американских разработчиков, указывает на риски передачи корпоративной информации зарубежным облачным системам и выступает за развитие отечественных и локальных решений.
При этом он отмечает технологические ограничения доступных альтернатив и рекомендует избегать дополнительных блокировок зарубежных ИИ-сервисов до появления полноценного замещения, решая вопросы безопасности адресно.
То есть речь не о безусловном доверии иностранным технологиям.
Речь о необходимости одновременно обеспечивать безопасность информации и доступность инструментов, без которых невозможно развивать собственные технологии.
И это позиция российского исследователя, а не просто недовольного пользователя зарубежного интернета.
Насколько российский ИИ уступает зарубежному?
У России есть собственные языковые модели, инженерные команды и полезные интеллектуальные продукты.
Некоторые из них хорошо справляются с русскоязычными задачами, обработкой документов и корпоративной информацией.
Но наличие отечественного чат-бота ещё не означает наличия полноценной замены всем возможностям передовых зарубежных интеллектуальных систем.
Чтобы не спорить на уровне рекламы и личных впечатлений, обратимся к независимым испытаниям.
Что показывает MERA
MERA — российская платформа оценки языковых моделей, в том числе на задачах, связанных с русским языком.
В версии MERA 2.0 опубликованы следующие результаты отдельных моделей на 29 октября 2026 года: [8]
МодельОбщая оценкаGemini 3.7 Flash0,678GPT 5.6 Sol0,639Claude Opus 50,631GigaChat 3.5 Reasoning0,423
Это баллы конкретной методики, а не проценты интеллекта. По ним нельзя утверждать, что одна модель на определённый процент умнее другой или что все российские разработки уступают всем зарубежным.
Однако результаты наглядно показывают, почему заявления о полной взаимозаменяемости необходимо подтверждать испытаниями.
Написать письмо, пересказать договор и выполнить сложную последовательность действий с инженерными документами — совершенно разные уровни задач.
Если отечественная модель справляется с необходимой работой не хуже, при приемлемой стоимости и соблюдении требований безопасности — отлично. Нет причин отказываться от её использования.
Но если сопоставимого качества пока нет, административные ограничения не создадут его автоматически.
Что происходит у мировых лидеров
По данным Stanford AI Index 2026, более 90% значимых передовых моделей ИИ, учтённых за 2025 год, созданы промышленными компаниями. Исследование также отмечает быстрое сокращение разрыва между ведущими американскими и китайскими системами. [9]
Особенно интересны результаты автономных ИИ-агентов.
На тесте OSWorld, проверяющем выполнение задач на компьютере, успешность ведущей системы достигла 66,3%.
Это серьёзный прогресс. Но примерно треть заданий в таком тестировании всё ещё оставалась невыполненной.
А теперь представьте требования к системе, которая работает с производственными данными, технической документацией и закупками.
Здесь недостаточно просто получить уверенный ответ.
Нужны точность, надёжность, контроль полномочий и возможность проверить каждую выполненную операцию.
Поэтому качество самой интеллектуальной модели — только часть задачи. Но чрезвычайно важная часть.
«Так установите всё на собственный сервер!»
Мы и сами развиваем локальные решения.
Они позволяют часть операций выполнять без постоянного обращения к зарубежным сервисам, уменьшают зависимость от связи и помогают защищать внутреннюю информацию.
Но возможности небольшой модели на обычном компьютере не всегда сопоставимы с мощными интеллектуальными системами, работающими на специализированной вычислительной инфраструктуре.
В одних задачах локального решения вполне достаточно. В других потребуется дорогое оборудование, а иногда и оно не гарантирует необходимого качества.
И здесь возникает вопрос экономической целесообразности.
Мы производственное предприятие.
Наш основной бизнес — ремонт и изготовление сложных технических изделий.
Нам что, вместо покупки очередного станка предлагается приобрести вычислительный кластер?
И нанять дополнительных специалистов только для того, чтобы воспроизвести возможности, которые уже существуют на технологическом рынке?
Крупная компания, возможно, сможет себе это позволить.
А для небольшого предприятия дополнительные расходы могут означать отказ от других проектов и модернизации оборудования.
Именно доступность готовых инструментов позволяет малому бизнесу внедрять передовые технологии без несоразмерных затрат.
А как же безопасность данных?
Передавать внутренние документы предприятия во внешние интеллектуальные системы без контроля, разумеется, нельзя.
Для корпоративного применения ИИ необходимы разграничение доступа, классификация информации, соблюдение законодательства и договорных обязательств, журналирование действий и проверка результатов.
Некоторые данные вообще не должны покидать внутреннюю инфраструктуру.
Поэтому сочетание локальных и внешних инструментов там, где использование последних разрешено и обосновано, представляется разумным подходом.
Развитие отечественных систем также необходимо.
Но защита информации — это управление конкретными рисками, а не автоматическое объявление любой зарубежной технологии ненужной.
Иначе можно добиться снижения одного вида зависимости ценой появления новых проблем.
Что в результате получит российское производство?
Всё зависит от окончательных условий возможных ограничений.
Если предусмотрят разумные исключения, прозрачную классификацию трафика и механизмы защиты легальной производственной деятельности, часть рисков можно уменьшить.
Но если международный обмен данными станет дороже или менее надёжным без сопоставимых альтернатив, предприятия столкнутся с дополнительными издержками.
Особенно небольшие, у которых нет собственных дата-центров и крупных команд разработчиков.
Причём эти издержки будут не обязательно отражаться отдельной строкой в бухгалтерии.
Инженер потратит лишний час на поиск документации. Разработчик — дополнительный день на восстановление рабочего инструмента. Снабженец — несколько часов на ручную проверку сведений, которые раньше можно было обработать автоматически.
Мы не измеряли эти потери применительно к ещё не принятой инициативе и не собираемся выдавать предположения за готовую статистику.
Но их механизм вполне понятен.
Поэтому хотелось бы увидеть публичную оценку возможных последствий: будут ли ограничения применяться к предприятиям, как предполагается определять зарубежный трафик, какие исключения предусмотрят для науки и производства и во сколько обойдётся поддержание работоспособности существующих систем.
Это тем более важно, что сами эксперты телекоммуникационной отрасли указывают на техническую сложность безошибочного разделения российского и зарубежного трафика. [1]
Вместо заключения
Нам постоянно говорят о необходимости повышать производительность труда, развивать отечественные технологии, внедрять искусственный интеллект и автоматизировать промышленность.
Мы именно этим и пытаемся заниматься.
Самостоятельно. За собственные средства и рабочее время.
Создаём инструменты, тестируем, ошибаемся, исправляем ошибки и постепенно внедряем новые возможности.
И прекрасно понимаем необходимость собственной технологической инфраструктуры.
Но есть принципиальная разница между постепенным снижением зависимости от зарубежных решений и созданием дополнительных ограничений до появления полноценной замены.
Технологический суверенитет — это когда у предприятия появляется собственный инструмент, который оно выбирает за качество, надёжность и эффективность. А не когда иностранный инструмент просто перестал открываться.
Нам уже ограничили доступ к части технологий со стороны иностранных компаний.
Теперь существует риск получить дополнительные ограничения внутри страны.
А между двумя цифровыми заборами окажутся российские разработчики, инженеры и предприятия, которым нужно не выяснять, кто виноват, а выполнять свою работу.
Нельзя ликвидировать технологическое отставание, административно ограничив доступ к более передовым инструментам.
Можно уменьшить международный интернет-трафик.
Можно осложнить доступ к зарубежным сервисам.
Но отечественные технологии не станут от этого автоматически качественнее, доступнее или конкурентоспособнее.
И хотелось бы, чтобы при принятии подобных решений учитывали интересы не только операторов связи и регулирующих органов, но и тех российских предприятий, которые непосредственно создают продукцию, внедряют автоматизацию и пытаются повышать производительность труда.
Потому что технологическая независимость должна означать больше возможностей для российского производства, а не меньше.
Примечание автора
Статья подготовлена совместно человеком и искусственным интеллектом, с последующей редактурой человеком.
ИИ помог структурировать материал, проверить аргументы, сопоставить источники и подготовить текст.
Производственные примеры основаны на реальных направлениях моей работы с автоматизацией и внедрением искусственного интеллекта. Часть описанных возможностей уже применяется, часть находится на стадии испытаний и разработки.
Окончательные формулировки, оценка содержания и решение о публикации остаются за автором.
И, кстати, сама эта статья — пример того, о чём в ней говорится.
Я определил задачу, предоставил практический опыт и обозначил свою позицию. Искусственный интеллект помог обработать информацию, собрать доказательства и оформить материал.
Это не искусственный интеллект вместо человека. Это человек, возможности которого расширяет искусственный интеллект.
Именно такой подход мы и пытаемся внедрять на производстве.
Источники и доказательства
Номера соответствуют ссылкам в тексте. Дата предыдущей проверки источников — 29 октября 2026 года.
[1] Forbes, 28.10.2026. «Доменная печь: Минцифры может ввести лимит на потребление зарубежного трафика». Сообщения об инициативе, позиция Минцифры и мнения технических специалистов.
[2] Коммерсантъ, 05.10.2026. «Использование VPN может стать платным». Обсуждавшиеся варианты лимитов и технические сложности их внедрения.
[3] OpenAI. Официальный перечень стран и территорий, где поддерживается доступ к API, и предупреждение о последствиях использования из неподдерживаемых регионов.
[4] Google. Официальная география доступности Google AI Studio и Gemini API.
[5] GitHub. Политика торговых ограничений, включая положения о доступности публичных репозиториев и открытого исходного кода.
[6] Hugging Face. Официальная документация по загрузке моделей, включая перечень дополнительных серверов, необходимых для передачи файлов.
[7] Российский совет по международным делам, 18.09.2026. Антон Колонин, «Прикладной ИИ: проблемы развития и риски для России». Анализ зарубежных ограничений, рисков передачи данных, отечественных альтернатив и проблем импортозамещения.
[8] MERA, версия 2.0. Российский рейтинг оценки языковых моделей.
Карточки с конкретными результатами:
Gemini 3.7 Flash — 0,678: https://mera.a-ai.ru/en/text/submits/2.0/2
GPT 5.6 Sol — 0,639: https://mera.a-ai.ru/en/text/submits/2.0/8
Claude Opus 5 — 0,631: https://mera.a-ai.ru/en/text/submits/2.0/1
GigaChat 3.5 Reasoning — 0,423: https://mera.a-ai.ru/ru/text/submits/2.0/68
[9] Stanford University, AI Index Report 2026. Международное исследование развития и технических возможностей искусственного интеллекта.
Раздел о технических возможностях моделей и агентов:
Результаты рейтингов могут меняться при обновлении моделей и методик оценки. Сведения о возможных ограничениях международного трафика основаны на сообщениях СМИ, а не на окончательно принятом нормативном акте.
Показать полностью
