Национальный план внедрения ИИ на 2027–2030: что он меняет для компании, которая только начинает

Утверждён 01.10.2026: 170+ показателей, 16 направлений, 32 ведомства. Обязательств для бизнеса нет, но с 2027 эффект внедрения ИИ придётся доказывать цифрой.

Коротко

1 октября 2026 года правительственная подкомиссия по развитию и внедрению ИИ определила национальный план внедрения искусственного интеллекта на 2027–2030 годы: более 170 федеральных показателей по 16 направлениям, за выполнение отвечают 32 ведомства, согласовано свыше 100 расчётных методик. Прямых обязательств для частных компаний в документе нет — план обязывает инстанции, а бизнесу он меняет среду: доступ к данным, вычислительную инфраструктуру, нормативные ограничения и требования к измеримости эффекта. Практическое следствие для поставщика: с 2027 года «мы внедрили ИИ» придётся доказывать цифрой, и тот, кто научится считать эффект раньше, выигрывает тендеры и бюджеты. Материал актуален на 04.10.2026 и носит информационный характер — для решений в регулируемых отраслях и работы с персональными данными привлекайте профильных юристов.

Что именно появилось 1 октября 2026 года

Дата важная, но не потому, что с неё что-то запрещают. Национальный план — это документ планирования: в нём зафиксированы конкретные меры, ответственные ведомства и измеримые показатели на период 2027–2030 годов. Три вещи из опубликованных материалов Правительства важны для понимания механики.

Показатели, а не намерения. Более 170 федеральных показателей по 16 направлениям — это значит, что у каждого направления есть число, которым будут отчитываться. Для рынка это сигнал: спрос смещается из «покажите демо» в «покажите, как вы измерите».

Ответственные распределены. Координацию делят 32 министерства и агентства. Когда за показатель отвечает конкретное ведомство, у него появляется бюджет и техзадание, а у рынка — заказчик с формулировкой в документах.

Методики уже посчитаны. Утверждено более 100 расчётных методик. Это самый скучный и самый важный пункт: эффект начнут считать по единой формуле, и «внедрили, стало лучше» в приёмку не пройдёт.

Для регионов часть показателей сделают обязательной, часть — добровольной. То есть темп внедрения по стране будет неравномерным, и это тоже рыночная новость: в одних секторах спрос появится в 2027-м, в других — позже.

Чем национальный план отличается от закона об ИИ

В июле 2026 года опубликован Федеральный закон № 243-ФЗ «О поддержке развития технологий искусственного интеллекта в Российской Федерации» — он задаёт правовую рамку: понятия суверенных и национальных больших фундаментальных моделей, меры поддержки разработчиков. План — это не закон и не новый регуляторный режим для бизнеса. Закон отвечает на вопрос «что такое модели и кто их поддерживает», план — на вопрос «в каких отраслях и в каких числах ИИ должен появиться к 2030 году».

Путаница между этими двумя документами стоит рынку денег: в обсуждениях подрядчики пугают клиентов штрафами, которых в плане нет, а заказчики ждут, что внедрение станет обязательным. Обязательным оно станет для инстанций, отвечающих за показатели. Частная компания по-прежнему свободна не внедрять ничего — но тогда она проигрывает тендер, где у конкурента есть подтверждённый эффект.

Какие направления в плане и почему это касается не только их

В опубликованных перечнях называются, среди прочих: госуправление, капитальное строительство, коммунальная сфера, энергетика, машиностроение, торговля, транспортная логистика. Полного перечня всех 16 направлений в открытых сообщениях нет, и придумывать его мы не будем — следите за текстом документа на официальных порталах.

Но для поставщика важны не сами отрасли, а то, что они закупают.

Правый столбец — это не обещание из плана, а наш опыт: ровно такие задачи стоят в проектах, которые мы делали для производственного холдинга, онлайн-магазина мебели и тендерной компании (см. ИИ-центр закупок и снабжения).

Что значит «измеримый экономический эффект» для поставщика

Формулировка «переход от разрозненных ИИ-проектов к системному внедрению с измеримым экономическим эффектом» — самая практичная часть всего документа. Она описывает то, к чему рынок шёл два года: единичные пилоты перестают быть аргументом.

Для заказчика это означает, что в техзадании появится базовая метрика: сколько стоила операция до, сколько после, за счёт чего считается экономия. Для подрядчика — что выигрывает не тот, у кого красивее демо, а тот, кто в договоре умеет описать, как именно будет считаться эффект и что считается приёмкой. Мы формулируем это так: если проект нельзя описать одной метрикой и одной датой замера, это не проект, а эксперимент — и платить за него из бюджета автоматизации нельзя.

Как считать эффект и какие KPI не врут — разобрали отдельно в материале «Как считать ROI AI-проекта».

Нужно ли малому бизнесу что-то сдавать и отчитываться

Нет. Ни отчётности по ИИ, ни обязанности использовать отечественные модели, ни «налога на нейросети» план для обычных компаний не вводит. Обязанности у инстанций. Есть три косвенных канала, через которые план всё равно дойдёт до небольшой фирмы.

Канал первый — госзаказ и крупный заказчик. Когда ведомство отчитывается показателем, оно спускает требование поставщику: «у вас должен быть электронный документооборот / обработка обращений / отчётность в таком-то виде». Требование приходит не из плана, а из тендерной документации — читать надо её.

Канал второй — доступ к данным и инфраструктуре. В мерах заявлены снятие нормативных ограничений, упрощение получения доступа к данным и расширение вычислительной базы. Для бизнеса это означает появление новых легальных источников данных и, возможно, более дешёвых мощностей — но произойдёт это не 1 октября, а в течение периода планирования.

Канал третий — ожидания клиентов. Как только «ИИ у нас есть» становится строчкой в отраслевом отчёте, вопрос «а что у вас с ИИ?» начинает звучать в переговорах. Отвечать на него «попробовали чат-бота в 2024-м» к 2027 году будет слабее, чем «вот метрика, вот прирост».

С чего начать внедрение ИИ компании без IT-отдела

Пять шагов, которые стоят дешевле любого пилота и при этом делают возможным измеримый эффект.

1. Опишите процессы, а не технологии. Список из 10 повторяющихся операций с временем выполнения и частотой ошибок. Не «хотим нейросеть», а «45 заявок в неделю, 6 из них теряются, средняя обработка 40 минут».

2. Найдите одну операцию с ценой ошибки. Автоматизация ради экономии времени окупается плохо; автоматизация, которая перестаёт терять деньги, окупается измеримо.

3. Снимите базовую метрику до старта. Две недели наблюдений: сколько операций, сколько минут, сколько ошибок, сколько стоит минута сотрудника. Без этих цифр эффект доказать невозможно — и это ровно то, что начнут требовать в приёмке с 2027 года.

4. Начните с контура, который не ломает данные. Права доступа, выгрузка, хранение, кто видит переписку с клиентами. Половина провалов — не в модели, а в том, что к ней привели нечищеные данные и не настроили доступы.

5. Только после этого выбирать: API, своя модель или контур у себя. Критерии выбора и цены — в материале «Закрытый AI-контур: когда нужен on-premise».

Какие ошибки убивают эффект от внедрения

Мы разбирали их отдельно, здесь назовём те, что становятся критичными именно в мире измеримых показателей.

Пилот без сценария продолжения. Красивое демо, которое никто не вводит в эксплуатацию, — это расход, а не инвестиция, и в отчётности он никак не светится.

Метрика, выбранная после результата. Сначала «давайте посмотрим, что улучшилось», потом под это подгоняется показатель. С 2027 года, когда методики уже утверждены, такой приём перестанет проходить хотя бы потому, что формула будет задана снаружи.

Автоматизация ошибочного процесса. Быстро делать то, чего делать не надо, — дорогое достижение.

Экономия на проверке результата. Разбор 20 реальных ответов вместо 500, «на глаз» вместо замера. Подробно — в «Почему AI-проекты не окупаются: 9 ошибок».

Отсутствие ответственного. Если за проект не отвечает конкретный человек с доступом к данным и правом менять регламент, проект не идёт.

Как посчитать результат до старта

Формула приземлённая: (время операции до − время после) × количество операций × стоимость минуты + стоимость предотвращённых ошибок − расходы на внедрение и сопровождение. Сопровождение — обязательная часть: модель без поддержки деградирует вместе с данными, и через полгода метрика вернётся к исходной.

Горизонт окупаемости для прикладного внедрения в малой и средней компании — кварталы, не годы; если подрядчик обещает эффект через три года, скорее всего, он не понимает, что считает. Если обещает через две недели — не понимает, что будет считать.

Как выбрать того, кто не наврёт в расчёте, — в «Как выбрать AI-подрядчика: 12 критериев»; правовая рамка, в которой всё это существует, — в «Закон об ИИ в России 2026» и «Суверенные и национальные AI-модели».

Что делать заказчику и подрядчику в 2027–2030

Заказчику — завести одну таблицу процессов с базовыми цифрами и обновлять её раз в квартал. Это дешевле аудита и сильнее любого стратегического документа, а в 2027-м позволит за час собрать ответ на любой тендерный вопрос про эффект.

Подрядчику — перестать продавать «внедрение ИИ» и начать продавать измерение: аудит процессов, пилот с метрикой, сопровождение с контролем показателя. Рынок, где у 32 ведомств есть показатели, будет закупать именно это.

Если вы хотите привести процессы в состояние «можно показать цифрой» — начните с AI-консалтинга или напишите нам в контакты: разберём ваши операции и скажем, что действительно стоит автоматизировать, а что нет.

Из той же повестки: маркировка ИИ-контента по 243-ФЗ — кого реально обязывают с 1 марта 2027 года, и открытые веса Alice AI Foundation — технологическая часть, на которую этот план опирается.