Сбербанк объяснил необходимость создания суверенного ИИ в России

Сбербанк делает ставку на разработку суверенного искусственного интеллекта, чтобы исключить зависимость от западных технологий и сохранить культурную идентичность. По словам топ-менеджера банка Антона Фролова, обучение моделей с нуля требует огромных мощностей, но это единственный способ гарантировать устойчивость систем в условиях санкционных рисков.

Контроль над обучением и технологические риски

Разработка по-настоящему суверенного ИИ предполагает полный контроль над этапом pre-training (предобучения). Как сообщил РБК старший вице-президент Сбербанка Антон Фролов, компания изначально обучала языковую модель «ГигаЧат» с нуля, отказавшись от готовых открытых архитектур. Такой подход требует кратно большего количества вычислительных ресурсов (GPU), но защищает от внезапного закрытия доступа к зарубежным Open Source решениям или прекращения выпуска их обновлений.

При этом разработчики признают, что полностью отказаться от иностранных данных невозможно, так как основной массив мировой информации представлен на английском языке. Стратегия Сбербанка заключается в фильтрации западного контента и приоритетном «взвешивании» российских текстов. Это необходимо, чтобы нейросеть понимала локальный контекст: например, генерировала изображение Винни-Пуха в советской стилистике, а не в образе из мультфильмов Disney.

Законодательное регулирование и безопасность

Параллельно с технологическим развитием в России формируется правовая база. В марте 2026 года Минцифры представило законопроект, вводящий понятия суверенных и национальных ИИ-моделей. Согласно документу, статус «доверенных» получат решения, прошедшие проверку ФСБ и ФСТЭК на кибербезопасность.

Такие модели планируют использовать на приоритетных направлениях:

• в государственных информационных системах;
• на объектах критической инфраструктуры (энергетика, транспорт, финансы);
• в сетях связи органов власти.

Сейчас отрасль и научное сообщество активно занимаются оцифровкой российских архивов и библиотек. Это должно решить проблему дефицита качественных отечественных датасетов, которые необходимы для корректного обучения нейросетей в рамках национальной идентичности.