Относительно недавно выбор LLM для российского бизнеса был простым: бери ту, что дает лучший результат за меньшие деньги. Claude Code или DeepSeek для кода, YandexGPT или Гигачат для текстов на русском, Qwen для дешевых высоконагруженных задач. В 2026 году так уже не работает. С 1 сентября вступил в силу 243-ФЗ, а Минцифры уже анонсировало первые отраслевые требования. Теперь перед руководителем AI-проектов стоит вопрос не «какая модель умнее», а «какую модель можно безопасно развернуть, чтобы завтра не пришлось переписывать всю систему из-за новых правил». 152-ФЗ существует с 2006 года, но с массовым внедрением LLM бизнес столкнулся с тем, что обычный промпт с ФИО клиента это уже обработка персональных данных. Добавьте к этому новые требования к локализации и вы получите гремучую смесь, где техническое решение неотделимо от юридического.

1. Главный миф: «Иностранные модели запрещены»

В 243-ФЗ нет прямого запрета на иностранные модели. Но Правительство вправе определить случаи, где допустимы только суверенные или национальные модели (с 1 марта 2027 года), и установить отраслевые требования. Перечня пока нет, поэтому архитектура уже сейчас должна быть готова к уточнению правил.

2. 152-ФЗ: Промпт с персональными данными (ПД) это уже обработка

Если вы отправляете в модель текст с ФИО или телефоном, вы обрабатываете ПД и отвечаете как оператор. Иностранное облако это прямой риск по локализации (ст. 18) и трансграничной передаче (ст. 12). Поэтому в своих проектах я использую архитектуру с обязательным маскированием (замена ФИО, телефонов, e-mail) до отправки в API. Важно: признавать данные обезличенными в смысле закона должен юрист, маскирование это техническая мера.

3. Три архитектуры на выбор PM:

On-premise (Локально): Абсолютный контроль и безопасность. Данные не покидают ваш контур, что идеально закрывает требования 152-ФЗ по локализации. При этом, высокий порог входа: вам потребуются серьезные инвестиции в GPU-оборудование, собственные MLOps-инженеры для поддержки и обновления модели, а также полная ответственность за отказоустойчивость системы.

Российское облако (API): Оптимальный вариант для быстрого старта и пилотов. Вы не тратитесь на покупку GPU, платите только за фактически использованные токены (Pay-as-you-go), а провайдер берет на себя локализацию данных и обновление модели. Ключевые игроки: YandexGPT (Yandex Cloud) и ГигаЧат (Сбер). Минусы: При высоких нагрузках оплата за токены может превысить затраты на свою инфраструктуру; вы не контролируете обновления модели (провайдер может изменить ее так, что ваши промпты сломаются); плюс риск простоя — упал провайдер, встал ваш продукт.

Иностранное облако: Доступ к топовым моделям (GPT, Claude) и передовым технологиям. Минусы: Прямой конфликт с 152-ФЗ и слабая позиция по 243-ФЗ. Решение: использование российских шлюзов-агрегаторов или собственного контролируемого шлюза

4. Чек-лист руководителя AI-проекта:

Сначала классифицируйте данные. Нет ПД - нет проблем с 152-ФЗ.

Сделайте модель заменяемой. Клиент модели должен быть спрятан за единым интерфейсом, а название модели в конфиге. Переезд на «суверенную» модель займет часы, а не месяцы.

Держите человека в контуре. Статья 16 152-ФЗ запрещает решения, затрагивающие права человека, принятые исключительно автоматически без согласия. Этот принцип я закладываю в агентов: на пограничных случаях диалог передается менеджеру.

Считайте инциденты. Утечка через логи промптов это одна из самых недооцененных проблем. При инциденте у вас есть 24 часа на первичное уведомление Роскомнадзора и 72 часа на результаты расследования.

Вывод:

Лучшая LLM — это не самая умная модель, а та, которую можно безопасно развернуть в нужной юрисдикции и безболезненно заменить при смене правил.

P.S. это мое чтение текстов законов на 12.11.2026, не является юридической консультацией.