Узбекистан регулирует ИИ. Наконец-то вопрос не в хайпе, а в данных
Законопроект про AI и персональные данные прошел первое чтение. Хороший старт, если за ним будет аудит, а не табличка «сделано ИИ».
Узбекистан правильно заходит через данные и маркировку AI-контента. Но закон без технического аудита моделей быстро станет бумажной дубинкой.
Факт: 15 апреля 2025 года Законодательная палата Олий Мажлиса рассмотрела и одобрила в первом чтении законопроект о регулировании искусственного интеллекта и защите персональных данных. В фокусе: ответственность за злоупотребление персональными данными, определение AI, маркировка AI-контента и ограничения на вредные применения.
Почему это важнее, чем кажется на первый взгляд
Пока рынок спорит, какой чат-бот умнее и у какой модели выше бенчмарк, реальные риски для бизнеса и пользователей уже лежат в совершенно другом месте: deepfake, утечки персональных данных, подмена личности, автоматические решения без объяснения причин и данные, которые гуляют между системами без чёткого владельца. Разница между «у нас есть закон об AI» и «у нас есть реальная защита от этих рисков» — это разница между документом и практикой, и первое не гарантирует второе автоматически.
Что маркировка AI-контента решает, а что нет
Маркировка AI-контента — правильный первый шаг, потому что она хотя бы формально даёт пользователю право знать, что перед ним синтетический материал. Но она не решает проблему целиком: маркировка работает только для контента, который проходит через добросовестные каналы и добровольно себя раскрывает, а не для контента, специально созданного для введения в заблуждение — то есть именно там, где риск максимальный, маркировка работает хуже всего просто по конструкции механизма.
Чего не хватает без технического аудита моделей
Нужны AI governance — формальные процедуры принятия решений о том, где и как AI-системы применяются, data lineage — прослеживаемость того, откуда пришли данные и как они использовались на каждом этапе, журналы решений — записи о том, почему автоматическая система приняла конкретное решение, и понятная ответственность за модель, которая ошиблась — то есть конкретный человек или структура, отвечающая за последствия, а не размытая коллективная ответственность, на которую в итоге никто не может сослаться при разборе инцидента.
Первое чтение — это только начало пути
Законопроект прошёл первое чтение в апреле 2025 года — это означает, что финальная редакция, включая объём требований к техническому аудиту и реальные механизмы контроля, ещё не зафиксирована. Разница между законом, который реально меняет практику компаний, и законом, который существует на бумаге без правоприменения, обычно определяется именно на этой стадии — в деталях подзаконных актов и в том, появляется ли у надзорного органа реальный технический ресурс для проверки моделей, а не только полномочия на бумаге.
Кому реально нужно работать над этим
Нужны AI governance lawyer, который переводит требования закона в конкретные внутренние процедуры компании; security engineer, который отвечает за техническую защиту данных на уровне инфраструктуры; и data protection officer, который держит общую картину того, какие данные собираются, зачем и кто имеет к ним доступ. Если в компании нет хотя бы одного человека, который одновременно понимает право, данные и технические риски моделей, внедрение AI становится лотереей — не потому что технология плохая, а потому что никто не отвечает за то, что происходит, когда она ошибается.
Вердикт AISOLUTION
Правильный вектор регулирования — данные и маркировка вместо запрета технологии как таковой. Но ценность закона для бизнеса определится не текстом, одобренным в первом чтении, а тем, появится ли у надзорного органа реальная техническая экспертиза для аудита моделей, а не только полномочия штрафовать за отсутствие маркировки на табличке.
Источник: Science and technology in Uzbekistan