Глоссарий прикладного ИИ и роботизации

Анти-паттерн внедрения — регулярно повторяющееся решение, которое выглядит разумным на старте и систематически приводит внедрение к провалу.

Анти-паттерны накапливаются из постмортемов и полевых наблюдений и публикуются вместе с паттернами: без них каталог даёт однобокую картину, где всё удаётся. Типичные примеры — автоматизация процесса, который дешевле исправить организационно, и интерфейс, создающий ложное чувство надёжности. В сервисной роботизации ту же роль играют анти-сценарии.

Работы института

• Интеграция больших языковых моделей в операционные процессы: каталог паттернов и анти-паттернов внедрения (версия 0.1)
• Постмортемы провалов внедрений ИИ: протокол разбора и шаблон отчёта
• Интерфейсы доверия: обзор практик объяснимости в пользовательских ИИ-инструментах

Связанные термины

Паттерн внедрения LLMПостмортем внедренияАнти-сценарий роботизации

Анти-сценарий роботизации — типовая ситуация, в которой роботизация не решает исходную задачу и требует пересмотра самого процесса.

Каталог анти-сценариев — ядро рамки оценки сервисных сред: он отвечает на вопрос «когда не надо», который в отраслевых материалах обычно отсутствует. Частый пример из полевых наблюдений — задача, которую дешевле снять процессным изменением, чем передать роботу. Анти-сценарий отличается от неудачного пилота: это свойство задачи, а не исполнения.

Работы института

• Рамка оценки сценариев роботизации сервисных сред: критерии применимости и анти-сценарии
• Роботизация гостеприимства: полевые наблюдения и типовые ошибки пилотных проектов

Связанные термины

Сервисная роботизацияАнти-паттерн внедренияTCO роботизированного решения

Барьеры внедрения — условия, которые останавливают внедрение ИИ-инструмента в организации: стоимость, отсутствие компетенций, недоверие, регуляторная неопределённость, несовместимость с существующими процессами.

Институт изучает барьеры полевыми методами — опросом по отраслям и регионам и протоколом кейс-стади, а не экспертными оценками. Отдельно фиксируется разрыв между декларируемым и фактическим использованием ИИ: часть заявленных внедрений при проверке оказывается разовыми пробами. По итогам исследования планируются количественные бенчмарки уровня адопции и открытый набор данных.

Работы института

• Барьеры внедрения ИИ-инструментов в малом и среднем бизнесе России: дизайн полевого исследования
• Первые 90 дней внедрения ИИ в малой компании: рамка наблюдения и роль внутреннего энтузиаста

Связанные термины

МСБ в контексте ИИВнутренний энтузиастПостмортем внедрения

Внутренний энтузиаст — сотрудник, который фактически тащит внедрение ИИ-инструмента в компании без формального мандата и выделенного ресурса.

В малых компаниях именно эта роль чаще всего определяет исход первых девяноста дней внедрения. Зависимость от одного человека делает результат хрупким: с его уходом инструмент обычно перестают использовать, даже если он работал. Институт наблюдает эту роль в рамке первых девяноста дней и в исследовании барьеров внедрения в МСБ.

Работы института

• Первые 90 дней внедрения ИИ в малой компании: рамка наблюдения и роль внутреннего энтузиаста
• Барьеры внедрения ИИ-инструментов в малом и среднем бизнесе России: дизайн полевого исследования

Связанные термины

Барьеры внедренияПилотный проектМСБ в контексте ИИ

Доверие к ИИ-ассистенту — готовность сотрудника принять рекомендацию системы без самостоятельной перепроверки, соразмерная фактической надёжности этой системы.

Полезно не максимальное доверие, а калиброванное: чрезмерное ведёт к некритичному принятию ошибок, недостаточное обесценивает инструмент. ИПИИР измеряет, как сотрудники офисных ролей принимают, корректируют и отклоняют рекомендации ассистентов, комбинируя дневниковые самоотчёты, полуструктурированные интервью и телеметрию использования. Протокол исследования опубликован до начала сбора данных — так гипотезы и метрики зафиксированы заранее.

Работы института

• Доверие к ИИ-ассистентам в офисных ролях: протокол полевого исследования
• Интерфейсы доверия: обзор практик объяснимости в пользовательских ИИ-инструментах

Связанные термины

Human-in-the-loopИнтерфейс доверияТелеметрия использования

Документирование данных (datasheet) — описание набора данных, объясняющее, как он собран, что в нём содержится, какие ограничения и допущения в нём заложены и на каких условиях он распространяется.

Datasheet отвечает на вопросы, которые невозможно восстановить из самих данных: как формировалась выборка, что из неё исключено, как проведено обезличивание. Для открытого набора данных ИПИИР эту роль играет опубликованная спецификация со словарём полей и лицензией CC BY 4.0. В регулируемых средах документирование данных входит в минимальный стандарт наравне с документированием модели.

Работы института

• Документирование моделей и данных: минимальный стандарт для регулируемых сред
• Открытый набор данных об использовании ИИ в МСБ России: спецификация и словарь данных (версия 0.1)

Связанные термины

Документирование моделей (model card)Спецификация данныхОткрытый набор данных

Документирование моделей (model card) — минимальный набор сведений о модели, который должен сопровождать поставку решения: назначение, данные обучения, метрики качества и известные ограничения.

Без такого документа аудит и расследование инцидента невозможны в принципе: восстановить постфактум, на чём и для чего обучалась модель, обычно уже некому. Институт предлагает минимальный стандарт документирования для регулируемых сред, опираясь на международную практику model cards и datasheets и адаптируя её к российским требованиям. Черновик стандарта открыт для отраслевых замечаний.

Работы института

• Документирование моделей и данных: минимальный стандарт для регулируемых сред

Связанные термины

Документирование данных (datasheet)Регулируемая средаОбъяснимость

Интерфейс доверия — элементы интерфейса ИИ-инструмента, показывающие пользователю границы компетентности системы: оценки уверенности, ссылки на источники, маркировка генеративного контента, подтверждение перед необратимыми действиями.

Обзор института систематизирует такие элементы и отделяет паттерны, которые действительно улучшают совместные решения человека и модели, от анти-паттернов, создающих ложное чувство надёжности. Интерфейс доверия — практическая сторона объяснимости: пользователь получает не отчёт постфактум, а сигнал в момент работы.

Работы института

• Интерфейсы доверия: обзор практик объяснимости в пользовательских ИИ-инструментах

Связанные термины

ОбъяснимостьHuman-in-the-loopАнти-паттерн внедрения

Компьютерное зрение на линии — применение моделей распознавания изображений для контроля качества непосредственно в производственном потоке, в темпе линии и при её реальном освещении и загрузке.

Лабораторная точность на эталонном датасете плохо предсказывает пригодность такой системы: линия даёт дрейф освещения, редкие классы брака и переменную загрузку. Институт предлагает набор эксплуатационных метрик вместо одной цифры точности, а испытания планирует на индустриальных данных партнёров направления.

Работы института

• Контроль качества на производственной линии: метрики машинного зрения за пределами лабораторных бенчмарков

Связанные термины

Машинное восприятиеЛожноположительное срабатывание на линииМетрика качества за пределами бенчмарка

Ложноположительное срабатывание на линии — случай, когда система контроля отмечает как дефект годную деталь, вызывая остановку, перепроверку или отбраковку без причины.

Цена такой ошибки и цена пропущенного дефекта различаются в разы и зависят от процесса, поэтому порог срабатывания настраивают по стоимости последствий, а не по точности модели. Частые ложные тревоги обесценивают систему в глазах операторов: сигнал начинают игнорировать, и контроль перестаёт работать вовсе. Институт включает соотношение этих двух ошибок в набор эксплуатационных метрик.

Работы института

• Контроль качества на производственной линии: метрики машинного зрения за пределами лабораторных бенчмарков

Связанные термины

Компьютерное зрение на линииМетрика качества за пределами бенчмаркаHuman-in-the-loop

Машинное восприятие — способность технической системы извлекать из сигналов датчиков сведения о состоянии физической среды, достаточные для действия в ней.

В промышленных и логистических средах восприятие работает не в лабораторных условиях: меняется освещение, появляются редкие классы брака, оборудование стареет, а темп задаёт линия, а не модель. Направление института изучает, какие свойства систем восприятия определяют их пригодность на реальном участке. Компьютерное зрение — наиболее развитая часть этой области, но не единственная.

Работы института

• Контроль качества на производственной линии: метрики машинного зрения за пределами лабораторных бенчмарков

Связанные термины

Компьютерное зрение на линииМетрика качества за пределами бенчмаркаСервисная роботизация

Метрика качества за пределами бенчмарка — эксплуатационный показатель модели, измеряемый в условиях реального процесса, а не на эталонном наборе данных.

Примеры таких показателей — устойчивость к дрейфу освещения, цена ложной тревоги против пропущенного дефекта, деградация на редких классах брака. Их объединяет привязка к последствиям ошибки в конкретном процессе, а не к усреднённой точности. Тот же принцип институт применяет к измерению отдачи автоматизации: значение имеет эффект в процессе, а не показатель на стенде.

Работы института

• Контроль качества на производственной линии: метрики машинного зрения за пределами лабораторных бенчмарков
• Метрики реальной отдачи автоматизации: экономия против перераспределения работы

Связанные термины

Компьютерное зрение на линииЛожноположительное срабатывание на линииROI автоматизации

МСБ в контексте ИИ — малые и средние компании, для которых внедрение ИИ ограничено не доступностью моделей, а отсутствием ресурса на интеграцию, сопровождение и обучение сотрудников.

Малый и средний бизнес почти не представлен в отраслевых обзорах адопции ИИ, хотя составляет основную массу организаций. ИПИИР ведёт по нему отдельное направление: полевое исследование барьеров внедрения, рамку наблюдения за первыми девяноста днями и открытый набор данных об использовании ИИ-инструментов. Спецификация набора данных опубликована до начала сбора, чтобы отрасль могла прокомментировать структуру заранее.

Работы института

• Барьеры внедрения ИИ-инструментов в малом и среднем бизнесе России: дизайн полевого исследования
• Открытый набор данных об использовании ИИ в МСБ России: спецификация и словарь данных (версия 0.1)
• Первые 90 дней внедрения ИИ в малой компании: рамка наблюдения и роль внутреннего энтузиаста

Связанные термины

Барьеры внедренияВнутренний энтузиастОткрытый набор данных

Объяснимость — свойство ИИ-системы давать пользователю или аудитору понятные основания своего вывода: источники, степень уверенности, границы применимости.

В регулируемых средах объяснимость перестала быть пожеланием: требования к воспроизводимости и объяснимости решений закрепляются в российском регулировании, систематизированном в докладе института. В пользовательских интерфейсах она принимает форму оценок уверенности, ссылок на источники и маркировки сгенерированного содержимого. Институт отличает объяснимость от её имитации — оформления, которое создаёт ложное чувство надёжности, ничего не объясняя.

Работы института

• Интерфейсы доверия: обзор практик объяснимости в пользовательских ИИ-инструментах
• Правовой контур прикладного ИИ в регулируемых средах: здравоохранение, финансы, образование (2019–2026)

Связанные термины

Интерфейс доверияДокументирование моделей (model card)Регулируемая среда

Операционный слой ИИ — совокупность точек в процессах организации, где модель встроена в повседневную работу и её результат приводит к действию, а не остаётся демонстрацией.

Рамка полезна тем, что переносит вопрос с технологии на процесс: значение имеет не наличие модели, а то, какое решение принимается по её выводу и кто за это решение отвечает. Институт ведёт открытый каталог паттернов интеграции больших языковых моделей в операционные процессы; для каждого паттерна фиксируются условия применимости, типовая архитектура, метрики отдачи и характерные причины провала.

Работы института

• Интеграция больших языковых моделей в операционные процессы: каталог паттернов и анти-паттернов внедрения (версия 0.1)
• Метрики реальной отдачи автоматизации: экономия против перераспределения работы

Связанные термины

Прикладной ИИПаттерн внедрения LLMROI автоматизации

Остров тепла — участок городской территории, устойчиво более тёплый, чем окружающая местность, из-за плотной застройки, дорожных покрытий и дефицита растительности.

Институт строит открытые карты городских островов тепла России по снимкам Landsat и Sentinel-2 с разрешением 30 метров. За 2015—2025 годы по десяти городам зафиксированы, в частности, самая высокая средняя температура поверхности в Астрахани (43,6 °C) и самый быстрый рост в Москве (+1,25 °C в год по медиане города). Все значения воспроизводятся конвейером проекта из исходных данных.

Работы института

• Карта жары: методика построения открытых карт городских островов тепла России по данным Landsat и Sentinel-2
• Городские острова тепла десяти городов России: первые результаты открытого мониторинга

Связанные термины

LST (температура поверхности)PMTilesОткрытый набор данных

Открытый набор данных — данные исследования, опубликованные под свободной лицензией вместе со словарём полей и описанием процедуры сбора, пригодные для независимой перепроверки выводов.

Институт публикует данные как самостоятельный результат, а не приложение к тексту: набор данных об использовании ИИ в МСБ распространяется по лицензии CC BY 4.0, а результаты мониторинга городских островов тепла воспроизводятся конвейером проекта из исходных снимков. Открытость здесь — условие проверяемости, а не жест доброй воли.

Работы института

• Открытый набор данных об использовании ИИ в МСБ России: спецификация и словарь данных (версия 0.1)
• Городские острова тепла десяти городов России: первые результаты открытого мониторинга

Связанные термины

Спецификация данныхДокументирование данных (datasheet)Остров тепла

Паттерн внедрения LLM — воспроизводимый способ встроить большую языковую модель в операционный процесс, описанный через условия применимости, типовую архитектуру, метрики отдачи и характерные причины провала.

Каталог паттернов ИПИИР строится снизу вверх — из разборов реальных внедрений, преимущественно в малом и среднем бизнесе. Паттерн считается описанным только тогда, когда для него зафиксированы не только удачные случаи, но и границы, за которыми он перестаёт работать. Версия 0.1 каталога открыта и пополняется по мере накопления верифицированных кейсов.

Работы института

• Интеграция больших языковых моделей в операционные процессы: каталог паттернов и анти-паттернов внедрения (версия 0.1)

Связанные термины

Анти-паттерн внедренияОперационный слой ИИROI автоматизации

Перераспределение работы — эффект автоматизации, при котором высвобожденное время исполнителя не уходит из процесса, а переходит на проверку выводов модели, доработку результатов и обработку исключений.

Отличить перераспределение от экономии можно только измерением на уровне процесса, а не отдельной операции: на операции выигрыш виден всегда. Если этого не сделать, отчётный эффект внедрения оказывается переупаковкой трудозатрат, а не отдачей. Институт предлагает метрики, разделяющие эти два случая.

Работы института

• Метрики реальной отдачи автоматизации: экономия против перераспределения работы

Связанные термины

ROI автоматизацииМетрика качества за пределами бенчмаркаHuman-in-the-loop

Пилотный проект — ограниченное по масштабу и сроку внедрение ИИ- или роботизированного решения, задача которого — проверить пригодность решения в реальных условиях, а не продемонстрировать технологию.

Полевые наблюдения института за пилотами роботизации показывают устойчивый набор ошибок: выбор задачи, которую дешевле решить процессно, недооценка затрат на сопровождение и обучение персонала, отсутствие критерия остановки. Пилот без заранее сформулированного условия неуспеха превращается в демонстрацию: его нельзя провалить, а значит, нельзя и ничему научиться.

Работы института

• Роботизация гостеприимства: полевые наблюдения и типовые ошибки пилотных проектов
• Первые 90 дней внедрения ИИ в малой компании: рамка наблюдения и роль внутреннего энтузиаста

Связанные термины

Постмортем внедренияАнти-сценарий роботизацииВнутренний энтузиаст

Постмортем внедрения — структурированный разбор неудачного внедрения ИИ: интервью с участниками, классификация причин отказа и итоговый отчёт по единому шаблону.

Причины отказа институт делит на технические, организационные и экономические — смешение этих слоёв как раз и приводит компанию к неверным выводам о собственном опыте. Протокол включает правила анонимизации, позволяющие публиковать разборы без ущерба для участников. Собранные постмортемы пополняют открытый каталог паттернов и анти-паттернов внедрения.

Работы института

• Постмортемы провалов внедрений ИИ: протокол разбора и шаблон отчёта

Связанные термины

Анти-паттерн внедренияПилотный проектБарьеры внедрения

Прикладной ИИ — использование методов искусственного интеллекта для решения конкретных задач в уже существующих рабочих процессах организаций, в отличие от исследования самих моделей.

Предмет прикладного ИИ — не архитектура модели, а то, что происходит на стыке инструмента и работы людей: кто принимает или отклоняет подсказку системы, во что обходится сопровождение, как меняется распределение обязанностей. ИПИИР изучает именно этот слой полевыми методами — наблюдением за реальными внедрениями, а не лабораторными экспериментами. Шесть направлений института описывают его с разных сторон: от взаимодействия человека и ИИ до регулирования и машинного восприятия.

Связанные термины

Операционный слой ИИПаттерн внедрения LLMБарьеры внедрения

Регулируемая среда — отрасль, в которой применение ИИ ограничено отраслевым законодательством и надзором: здравоохранение, финансовый рынок, образование.

В таких средах к системе предъявляются требования воспроизводимости, объяснимости и явного распределения ответственности, которых в общем случае нет. Институт систематизировал российский правовой режим применения ИИ в трёх регулируемых средах за период с октября 2019 по август 2026 года. Практическое следствие для разработчика — минимальный стандарт документирования модели и данных, без которого аудит невозможен.

Работы института

• Правовой контур прикладного ИИ в регулируемых средах: здравоохранение, финансы, образование (2019–2026)
• Документирование моделей и данных: минимальный стандарт для регулируемых сред

Связанные термины

243-ФЗДокументирование моделей (model card)Объяснимость

Самоотчёты против телеметрии — методологическое противопоставление двух способов измерить использование ИИ: опроса сотрудника о его работе и автоматической регистрации его действий.

Между декларируемым и фактическим использованием устойчиво возникает расхождение, причём в обе стороны. Каждый метод даёт валидные данные в своих условиях: самоотчёт объясняет мотивы и контекст решения, телеметрия фиксирует частоту и исход. Институт сопоставляет их в отдельной работе и строит измерительный контур полевых исследований на комбинации обоих.

Работы института

• Телеметрия против самоотчётов: методы измерения фактического использования ИИ-ассистентов
• Барьеры внедрения ИИ-инструментов в малом и среднем бизнесе России: дизайн полевого исследования

Связанные термины

Телеметрия использованияБарьеры внедренияСпецификация данных

Сервисная роботизация — применение роботов в средах обслуживания людей (гостеприимство, клининг, доставка), где робот работает рядом с человеком и в неструктурированном пространстве.

Ключевой вопрос здесь не техническая возможность, а разделение задач между человеком и роботом и полная стоимость владения против ручного процесса. Институт ведёт рамку оценки таких сценариев и каталог анти-сценариев, опираясь на полевые наблюдения в отрасли гостеприимства: доставка в номера, клининг, зоны ресепшн.

Работы института

• Рамка оценки сценариев роботизации сервисных сред: критерии применимости и анти-сценарии
• Роботизация гостеприимства: полевые наблюдения и типовые ошибки пилотных проектов

Связанные термины

Анти-сценарий роботизацииTCO роботизированного решенияПилотный проект

Спецификация данных — документ, фиксирующий до начала сбора состав полей будущего набора данных, словарь значений, процедуры обезличивания и лицензию распространения.

Публикация спецификации заранее позволяет отрасли и другим исследователям прокомментировать структуру, пока её ещё можно изменить, и ограничивает подгонку состава данных под желаемый результат. Для набора данных об использовании ИИ в МСБ версия 0.1 спецификации открыта для замечаний. По той же логике институт публикует протоколы исследований до выхода в поле.

Работы института

• Открытый набор данных об использовании ИИ в МСБ России: спецификация и словарь данных (версия 0.1)
• Документирование моделей и данных: минимальный стандарт для регулируемых сред

Связанные термины

Открытый набор данныхДокументирование данных (datasheet)Самоотчёты против телеметрии

Телеметрия использования — автоматически собираемые данные о фактических действиях сотрудника с ИИ-инструментом: частота обращений, принятые и отклонённые подсказки, длительность работы.

Телеметрия закрывает разрыв между тем, что сотрудники сообщают о своём использовании ИИ, и тем, что происходит на самом деле. Институт рассматривает её вместе с этическими ограничениями: информированное согласие, обезличивание, право сотрудника видеть собранные о нём данные. Без этих условий телеметрия рабочего места непригодна для исследования, каким бы точным ни был замер.

Работы института

• Телеметрия против самоотчётов: методы измерения фактического использования ИИ-ассистентов
• Доверие к ИИ-ассистентам в офисных ролях: протокол полевого исследования

Связанные термины

Самоотчёты против телеметрииДоверие к ИИ-ассистентуМетрика качества за пределами бенчмарка

Human-in-the-loop — схема работы ИИ-системы, при которой человек обязательно участвует в контуре принятия решения: подтверждает, корректирует или отклоняет результат модели прежде, чем он приведёт к действию.

Обязательное подтверждение перед необратимыми действиями — один из механизмов, повышающих качество совместных решений человека и модели. Обратная сторона — привыкание: если подтверждение превращается в ритуал, контроль остаётся только на бумаге. Институт разбирает такие механики в обзоре интерфейсов доверия и наблюдает их в полевом исследовании работы офисных сотрудников с ИИ-ассистентами.

Работы института

• Интерфейсы доверия: обзор практик объяснимости в пользовательских ИИ-инструментах
• Доверие к ИИ-ассистентам в офисных ролях: протокол полевого исследования

Связанные термины

Доверие к ИИ-ассистентуИнтерфейс доверияОбъяснимость

LST (land surface temperature) — температура земной поверхности, рассчитанная по тепловым каналам спутниковых снимков; она не равна температуре воздуха и в жару заметно выше её.

LST — базовая величина в картах островов тепла: по ней считается зональная статистика в административных границах. Снимок фиксирует момент пролёта спутника, поэтому по одной сцене нельзя судить о суточном ходе температуры. Конвейер института проходит гейт публикации с порогом среднеквадратичной ошибки 2,5 K — ниже этого порога результат не публикуется.

Работы института

• Карта жары: методика построения открытых карт городских островов тепла России по данным Landsat и Sentinel-2
• Городские острова тепла десяти городов России: первые результаты открытого мониторинга

Связанные термины

Остров теплаPMTilesМетрика качества за пределами бенчмарка

PMTiles — формат хранения карты в одном файле, позволяющий отдавать интерактивные слои со статического хостинга без картографического сервера.

Формат снимает эксплуатационные расходы на публикацию карт: файл лежит рядом со статикой, а браузер запрашивает из него только нужные фрагменты. Институт публикует в PMTiles слои карт городских островов тепла. Для исследовательской организации это ещё и вопрос долговечности: карта переживает проект, потому что не зависит от работающего сервера.

Работы института

• Карта жары: методика построения открытых карт городских островов тепла России по данным Landsat и Sentinel-2

Связанные термины

Остров теплаLST (температура поверхности)Открытый набор данных

ROI автоматизации — отношение реальной отдачи от внедрения ИИ- или роботизированного решения к совокупным затратам на него, посчитанное с учётом работы, которая после внедрения не исчезла, а перешла на другие операции.

Типичная ошибка расчёта — засчитывать сэкономленное время исполнителя как чистую экономию. Часть высвобожденного времени уходит на проверку выводов модели, доработку результатов и обработку исключений, то есть остаётся в процессе. Институт предлагает набор метрик, отделяющих реальную отдачу от переупаковки трудозатрат, и проверяет их на внедрениях из каталога паттернов.

Работы института

• Метрики реальной отдачи автоматизации: экономия против перераспределения работы
• Интеграция больших языковых моделей в операционные процессы: каталог паттернов и анти-паттернов внедрения (версия 0.1)

Связанные термины

Перераспределение работы против экономииTCO роботизированного решенияМетрика качества за пределами бенчмарка

TCO роботизированного решения — полная стоимость владения роботом за весь срок эксплуатации: закупка, интеграция, сопровождение, простои, обучение персонала и стоимость возврата к ручному процессу.

Решение о роботизации почти всегда принимают по цене устройства, тогда как основная часть расходов возникает после установки. Методика института считает TCO на горизонте трёх—пяти лет и сравнивает роботизированный процесс с ручным, а не с идеализированным сценарием. Расчётные формы опубликованы в открытом формате и проверяются на пилотных кейсах направления.

Работы института

• Полная стоимость владения роботизированным решением: методика расчёта TCO
• Рамка оценки сценариев роботизации сервисных сред: критерии применимости и анти-сценарии

Связанные термины

ROI автоматизацииСервисная роботизацияАнти-сценарий роботизации

243-ФЗ — Федеральный закон № 243-ФЗ от 26 июля 2026 года, переводящий регулирование искусственного интеллекта в России со стратегических документов на прямые нормы; вступает в силу 1 сентября 2026 года.

Закон обозначает переход от «мягкого права» к позитивному законодательству и меняет операционные обязанности организаций в регулируемых средах. Для медицинских организаций, использующих системы поддержки врачебных решений, институт перевёл его требования на язык конкретных обязанностей отдельной запиской. Общий контур регулирования — экспериментальные правовые режимы, отраслевые требования, распределение ответственности — разобран в докладе о правовом контуре прикладного ИИ.

Работы института

• ИИ в здравоохранении: операционные требования 243-ФЗ для медицинских организаций
• Правовой контур прикладного ИИ в регулируемых средах: здравоохранение, финансы, образование (2019–2026)

Связанные термины

Регулируемая средаДокументирование моделей (model card)Объяснимость