EU AI Act может звучать как проблема исследовательских лабораторий, банков, производителей медицинского оборудования и государственных органов. Отчасти это так. Самые тяжёлые обязательства ложатся на поставщиков систем высокого риска и поставщиков ИИ-моделей общего назначения.
Но малым и средним предприятиям (МСП) всё равно нужна работающая модель управления. Если компания использует ИИ в найме, клиентском сервисе, обработке документов, продажах, поддержке, маркетинге, разработке ПО или внутренней поддержке решений, вопрос не в том, «являемся ли мы регулируемой ИИ-компанией?». Вопрос в другом: «какие ИИ-системы мы используем, какой риск они создают и кто отвечает за их безопасное применение?».
Эта статья — практический план управления для МСП. Это не юридическая консультация. Это та операционная основа, которая должна быть выстроена до того, как юридическая экспертиза станет дорогой.
Сначала относитесь к готовности к AI Act как к задаче операционной инвентаризации. Если вы не можете перечислить свои ИИ-системы, поставщиков, пользователей, категории данных, влияние на решения и правила человеческого надзора, вы не готовы ни классифицировать риск, ни доказать ответственное использование.
Сроки, которые действительно важны
EU AI Act (Regulation (EU) 2024/1689, полный текст на EUR-Lex) применяется поэтапно; приведённые ниже даты повторно сверены 2026-07-28 со страницей Еврокомиссии об AI Act. Акт вступил в силу 1 августа 2024 года. Запрещённые практики начали действовать 2 февраля 2025 года, а правила управления и обязательства для ИИ-моделей общего назначения — 2 августа 2025 года. AI Omnibus вступил в силу 27 июля 2026 года и заменил обязательное требование к ИИ-грамотности организаций необязательной рекомендацией. Практическое обучение сотрудников всё равно остаётся разумной мерой управления. Правила прозрачности статьи 50 применяются со 2 августа 2026 года.
Согласно окончательному графику AI Omnibus, правила для систем в отдельных областях высокого риска — таких как биометрия, критическая инфраструктура, образование, занятость, миграция, убежище и пограничный контроль — применяются со 2 декабря 2027 года, а системы высокого риска, встроенные в регулируемые продукты, — со 2 августа 2028 года. Поскольку эти даты уже сдвигались однажды, сверьтесь со страницей Еврокомиссии, прежде чем закладывать бюджет под конкретный срок соблюдения.
Сколько на самом деле стоит несоблюдение
Вопрос, который каждый владелец МСП задаёт первым. Уровни штрафов согласно статье 99 (проверено 2026-07-28):
- Запрещённые практики (перечень статьи 5 — социальный скоринг, манипулятивные техники, большинство систем удалённой биометрической идентификации в реальном времени): до €35 млн или 7% мирового годового оборота — в зависимости от того, что больше.
- Большинство остальных обязательств, включая требования к системам высокого риска и обязанности по прозрачности: до €15 млн или 3% оборота.
- Предоставление органам недостоверной или вводящей в заблуждение информации: до €7,5 млн или 1% оборота.
В акт заложены два послабления, важных для МСП: для МСП и стартапов каждый потолок применяется как меньшая из фиксированной суммы и процента, а национальные органы обязаны учитывать соразмерность. Практический вывод при этом не меняется: перечень запрещённых практик — тот, к которому стоит относиться как к абсолютному, а реестр, описанный ниже, — то, что удерживает вас от случайного попадания под регулирование.
Кто осуществляет надзор за этим в Эстонии
Департамент защиты прав потребителей и технического надзора (TTJA) сообщает, что в будущем будет выполнять в Эстонии функции компетентного органа по надзору за ИИ-системами. Детальная институциональная схема и местная правоприменительная практика ещё формируются (проверено 2026-07-28). Для эстонского МСП это сейчас означает следующее: опирайтесь на текст Регламента, а не ждите накопления практики; держите реестр и доказательства от поставщиков наготове; и подготовьтесь к обязанностям по прозрачности из статьи 50, которые применяются со 2 августа 2026 года.
Используйте эти даты как исходные данные для планирования, а не как замену юридического подтверждения. Практический вывод для МСП проще: начинайте сейчас, потому что инвентаризация, распределение ответственности, документирование и человеческий надзор требуют времени.
Поставщик, внедряющая сторона или покупатель?
Большинство МСП не обучают передовые модели. Обычно они выступают в одной из трёх ролей:
| Роль | Что это значит | Пример для МСП | Практическая обязанность |
|---|---|---|---|
| Покупатель | Вы покупаете инструмент с ИИ-функциями | Ассистент в CRM, конспектирование встреч, ассистент для программирования | Проверка поставщика и внутренние правила использования |
| Внедряющая сторона | Вы вводите ИИ-систему в работу бизнеса | Сортировка обращений в поддержку, скоринг лидов, отбор кандидатов | Надзор, мониторинг, информирование, ведение записей |
| Поставщик | Вы выводите ИИ-систему на рынок под своим именем | ИИ-чат-бот как продукт, скоринговый API, отраслевой инструмент | Соответствие продукта требованиям, техническая документация, управление рисками |
Можно совмещать несколько ролей. Компания, которая покупает API модели, оборачивает его в отраслевой продукт и продаёт клиентам, — это, скорее всего, больше чем покупатель. Компания, которая использует SaaS-чат-бот внутри, обычно является внедряющей стороной или пользователем — в зависимости от сценария использования.
Не пытайтесь угадать это на совещании. Внесите каждую ИИ-систему в реестр и определите её роль.
Составьте реестр ИИ-систем
Начните с таблицы. Каждая ИИ-система получает одну строку:
| Поле | Почему это важно |
|---|---|
| Название системы | Людям нужна общая метка |
| Поставщик или владелец | Кто-то должен отвечать на вопросы |
| Бизнес-цель | Риск зависит от предполагаемого использования |
| Пользователи | Внутренние сотрудники, клиенты, кандидаты, публика |
| Категории данных | Публичные, внутренние, персональные, конфиденциальные, ограниченного доступа |
| Использование результата | Черновик, рекомендация, автоматизированное решение, ответ клиенту |
| Человеческий надзор | Кто проверяет и когда |
| Информирование | Сообщают ли людям, что они взаимодействуют с ИИ |
| Журналы | Какие доказательства остаются после использования |
| Оценка риска | Низкий, ограниченный, возможно высокий, запрещено/не допускается |
Такой реестр ценнее политики, которую никто не читает. Он показывает, где ИИ реально присутствует в компании.
Классифицируйте практический риск
Не начинайте с вопроса «относится ли это к высокому риску по Приложению III?». Начните с операционного влияния:
Помощь с низким риском. Черновики писем, конспекты внутренних встреч, мозговой штурм, редактирование текста. Человек использует результат как черновик. Действуют обычные правила приватности.
Взаимодействие с ограниченным риском. Чат-боты, голосовые агенты, сгенерированные ИИ материалы, публичные тексты или ответы поддержки. Важны информирование и ясность для пользователя.
Процессы поддержки принятия решений. Скоринг лидов, маршрутизация обращений, обработка счетов, контроль качества, метки подозрительных операций. Важны человеческий надзор, мониторинг и пути обжалования.
Потенциально высокорисковые области. Занятость, образование, кредитование, жизненно важные услуги, здравоохранение, правоохранительная деятельность, миграция, критическая инфраструктура, биометрическая категоризация. Перед внедрением необходима юридическая экспертиза.
Не допускается без явного одобрения юристов или службы безопасности. Определение эмоций в чувствительных контекстах, манипулятивные системы, социальный скоринг, схемы слежки за сотрудниками или системы, способные существенно затрагивать права без надлежащих мер защиты.
Это не окончательная юридическая классификация. Это сортировка, которая показывает, где нужна экспертная оценка.
Минимальные меры управления для МСП
Для каждой нетривиальной ИИ-системы обеспечьте шесть мер контроля:
- Владелец. Один конкретный человек или команда, отвечающие за систему.
- Границы использования. Для чего систему можно и нельзя применять.
- Правило по данным. Какие данные могут попадать в систему.
- Человеческий надзор. Какие результаты требуют проверки до совершения действия.
- Мониторинг. Как отслеживаются ошибки, жалобы, дрейф и изменения со стороны поставщика.
- Запись. Какие доказательства сохраняются: документация поставщика, промпты, настройки, согласования, журналы, результаты тестов.
Эти меры скучные. Именно поэтому они работают. ИИ-инциденты обычно начинаются с того, что рабочим процессом никто не владеет, никто не знает, какие данные в него попали, и никто не может восстановить, почему результат был использован.
Проверка поставщика
Для инструментов от поставщиков просите доказательства, а не обещания:
- Используются ли клиентские данные для обучения по умолчанию?
- Где данные обрабатываются и хранятся?
- Какие есть механизмы контроля сроков хранения?
- Доступны ли корпоративные настройки для отказа от обучения на данных, журналирования, SSO и контроля доступа?
- Предоставляет ли поставщик документацию по AI Act, GDPR, безопасности и субподрядчикам обработки данных (субпроцессорам)?
- Можно ли отключить или ограничить ИИ-функцию?
- Раскрывает ли поставщик поставщиков моделей и существенные изменения архитектуры?
- Что произойдёт, если поставщик изменит модель, промпт или логику извлечения данных?
Если поставщик не может ответить на эти вопросы по инструменту, который будет обрабатывать клиентские, кадровые или конфиденциальные данные, оставьте сценарий низкорисковым или выберите другой инструмент.
Информирование и человеческий надзор
Для ИИ, обращённого к клиентам, информирование должно быть простым и заметным. Если клиент общается с ИИ-чат-ботом или голосовым агентом, сообщите об этом. Если сгенерированный ИИ текст отправляется человеком после проверки, внутренняя политика должна определить, требуется ли информирование для этого канала.
Человеческий надзор должен быть конкретным. Фразы «человек в контуре» недостаточно. Определите:
- какой результат видит человек;
- какие исходные данные он может проверить;
- может ли он отменить или отклонить результат;
- сколько у него есть времени;
- фиксируется ли согласование в журнале;
- что происходит, если человек не согласен с системой.
Надзор без полномочий — это театр. Если человек не может остановить действие, это не осмысленный надзор.
30-дневное внедрение для МСП
Неделя 1. Реестр. Перечислите все ИИ-инструменты и рабочие процессы. Включите несанкционированные инструменты, которыми люди реально пользуются.
Неделя 2. Сортировка рисков. Классифицируйте: низкий, ограниченный, поддержка решений, возможно высокий или не допускается. Эскалируйте всё, что «возможно высокий».
Неделя 3. Меры контроля. Для каждой активной системы добавьте владельца, правило по данным, правило надзора, правило информирования, правило журналирования и доказательства от поставщика.
Неделя 4. Политика и обучение. Опубликуйте короткую внутреннюю политику использования ИИ и проведите 45-минутную командную сессию. Сосредоточьтесь на практических примерах, а не на юридической теории.
Этого достаточно, чтобы перейти от стихийного использования ИИ к управляемому.
Пока не делайте этого
Не покупайте платформу для комплаенса до того, как составите реестр. Она автоматизирует неразбериху.
Не позволяйте каждому отделу писать свою политику использования ИИ. Централизуйте базовый уровень, а затем разрешайте отделам добавлять свои правила.
Не считайте условия поставщика управлением. Договор с поставщиком не говорит отделу продаж, что можно вставлять в модель.
Не ждите идеальной регуляторной определённости. Сроки и разъяснения могут меняться, но реестр, распределение ответственности, правила по данным, надзор и журналирование всё равно понадобятся.
Главный вывод
Готовность к AI Act для МСП — не аврал, а привычка управления.
Начните с реестра. Классифицируйте риск по сценариям использования. Оставляйте людей ответственными за значимые решения. Требуйте доказательств от поставщиков. Документируйте меры контроля. Эскалируйте сценарии, связанные с занятостью, кредитованием, здоровьем, образованием, жизненно важными услугами, биометрией и затрагивающие права, ещё до запуска.
Если вы это сделаете, вы окажетесь впереди большинства компаний. Что важнее, ваши ИИ-системы будет проще понимать, безопаснее эксплуатировать и легче отстаивать перед клиентами.
