Маркировка ИИ-контента как инженерная задача: как выбрать архитектуру, чтобы не переделывать через полгода (альтернативный вариант «А ваш ИИ контент уже может рассказать, что он искуственный? Разбор способ и инструментов маркировки ИИ контента»)

Работа в условиях фрагментированного мира

Программный комитет ещё не принял решения по этому докладу

Целевая аудитория

1. Архитекторы и техлиды, которые встраивают генеративный ИИ в продукт (чат-боты, генераторы контента, ассистенты) и отвечают за то, как это будет жить в проде. 2. ML/AI-инженеры, которые уже работают с моделями генерации изображений, аудио, видео, текста и должны понимать, что от них скоро потребует не только продукт, но и закон. 3. DevSecOps и инженеры по комплаенсу, которые обычно первыми получают задачу «сделайте что-то с требованиями регулятора», не имея под рукой понятной технической спецификации. 4. CTO и руководители платформ с международными пользователями (ЕС, Китай, США).

Тезисы

8 июля 2026 года Госдума приняла во втором и третьем чтении базовый закон о поддержке развития технологий искусственного интеллекта. Документ вводит обязанность владельцев крупных интернет-ресурсов (с аудиторией >500 тыс. человек в сутки) предоставить пользователям техническую возможность маркировать аудио- и видеоконтент, созданный с помощью ИИ. Хорошая новость для бизнеса: закон дает время до 1 марта 2027 года. Плохая новость: он не даёт ответа на главный вопрос, как именно маркировать контент технически. Сам механизм маркировки в законе не определён и отнесён к подзаконным актам, которые ещё предстоит разработать. То есть у российского бизнеса сейчас есть рамка обязательства, но нет ни одного конкретного технического требования, под которое можно было бы подстроить продукт. Тем временем в Евросоюзе это уже пройденный путь: детальнейшая техническая спецификация, встроенная в Статью 50 AI Act и Кодекс практики Еврокомиссии, требования по которой вступают в силу 2 августа 2026. В докладе будет дан инженерный, а не юридический разбор того, что реально стоит за требованием «промаркируйте ИИ-контент»: 1) Почему маркировка и обнаружение (detection) два разных, но обязательных требования, и как это влияет на архитектуру. 2) Разбор четырёх технологий: метаданные с цифровой подписью (протокол C2PA), встроенные водяные знаки (на примере SynthID), перцептивный фингерпринтинг и логирование , что каждая умеет технически, и почему ни одна не работает как самостоятельное решение. 3) Требования к самому детектору как к отдельному сервису: доступность по API, нулевое хранение данных (GDPR), устойчивость к сжатию/конвертации/попыткам обхода, требования к интероперабельности с другими системами на рынке к февралю 2027. 4) Сравнение технических требований в ЕС, США (California AI Transparency Act), Китае, Индии и Корее, можно ли спроектировать архитектуру так, чтобы закрыть сразу несколько юрисдикций одним стеком, а не переделывать систему под каждый рынок отдельно. 5) Практический чек-лист: что заложить в архитектуру продукта уже сейчас, если планируете (или уже имеете) пользователей за пределами России.

Маслова Оксана

iSpring

Юрист-практик, руководитель, эксперт в области IT/FinTech, комплаенс,
AI Governance и международного права.
Мой профессиональный путь — это более 12 лет на стыке права, технологий и международного бизнеса. Сегодня я сфокусирована на одной из самых динамичных и критически важных областей: управлении Искусственным Интеллектом (AI Governance). Моя миссия - помочь компаниям внедрять и использовать ИИ не только эффективно, но и безопасно, ответственно и в полном соответствии с регулированием.
Мой опыт в AI Governance — это практика, а не теория:
В международной EdTech компании я с нуля запустила систему AI-комплаенса: разработала внутренние политики использования ИИ, создала документацию для разграничения ответственности с пользователями и внедрила процессы для безопасной интеграции ИИ-сервисов в рабочие потоки. Это позволило компании масштабно использовать технологии, минимизируя юридические и репутационные риски.
Я ежедневно повышаю ИИ-грамотность команд: провожу обучение для сотрудников — от разработчиков до маркетологов — о том, как легально и этично работать с инструментами вроде ChatGPT и Midjourney, проводить Due Dililegence ИИ-провайдеров и оценивать риски генерируемого контента.
Моя экспертиза охватывает все ключевые аспекты: от правового анализа и соответствия (ЕС AI Act, отраслевые стандарты) и управления рисками жизненного цикла ИИ-моделей до защиты данных (ПДн/GDPR в ИИ-контурах) и оформления интеллектуальных прав на ИИ-разработки.
Мой профессиональный бэкграунд:
Руководила юридическими функциями в банке и IT-компании, выстраивая команды и процессы с нуля.
Сопровождала международную экспансию, работала с регуляторами (ЦБ РФ, ФТС) и внедряла системы автоматизации (LegalTech).
Постоянно учусь: прохожу курсы по AI & Law (Lund University), Copyright Law (UPenn) и другим профильным направлениям.
Вне работы нахожу баланс между юридической практикой и материнством, увлечена темой профессиональной трансформации и верю, что глубокую экспертизу можно успешно менять и масштабировать.
Готова делиться своим опытом как консультант и ментор, помогая бизнесу выстраивать надежную правовую инфраструктуру для работы с искусственным интеллектом.