Чужой контент для корпоративного ИИ: как бизнесу подготовиться к 1 марта 2027

Таким образом, у бизнеса есть окно в несколько месяцев, чтобы разобраться с тем, на чьих данных работают корпоративные модели. Предлагаю разобрать, аудит каких данных необходимо провести до этой даты компаниям, использующим нейросети, как оформить документы на обучающие датасеты и кто получит права на результат, если тот или иной контент создан с помощью искусственного интеллекта.

Начинать надо с инвентаризации данных. Без нее любые дальнейшие меры не сработают: вы попросту не будете знать, на чем именно обучена ваша модель и откуда взяты исходные данные.

По степени риска все данные можно разделить на три условные корзины. 

Первая — собственные и созданные внутри компании данные, на которые у вас есть полные права. Сюда входят внутренние базы знаний, отчеты и материалы, оформленные как служебные произведения. Учтите, что факт того, что текст написан вашим сотрудником на рабочем месте в рабочее время, еще не делает его собственностью компании. Чтобы права на данные стали вашим полноценным активом, процесс их создания нужно оформить: зафиксировать в трудовом договоре или должностной инструкции обязанность по подготовке того или иного контента, выдать письменное задание и принять результат по акту. Только тогда созданные материалы становятся «юридически вашими» и могут безопасно использоваться для обучения нейросетей.

Вторая — контент, использование которого подкреплено лицензионным соглашением или четкими правилами доступа. Это материалы из легальных платных подписок, узкоспециализированные справочные базы и открытые датасеты, где правообладатель прямо разрешил коммерческое использование. Главное здесь — не просто найти правила, а заранее убедиться, что они допускают «обучение ИИ» или «машинную обработку» данных. Многие открытые лицензии, включая популярные Creative Commons, содержат оговорки, которые в глаза не бросаются, но при игнорировании могут сделать обучение модели юридически уязвимым.

И, наконец, третья — данные неизвестного происхождения: скачанные из интернета, датасеты, полученные от подрядчиков без подтверждения их происхождения, или пользовательский контент.

Обход прямо квалифицируется как нарушение: закон 243-ФЗ разрешает обучение на опубликованном контенте, только если он «доступен для анализа без ограничения техническими средствами». Именно поэтому данные неизвестного происхождения составляют зону максимального риска: если у вас нет документального подтверждения прав, любой такой набор становится миной замедленного действия.

Аудит данных стоит недорого, особенно в сравнении с возможными последствиями. Заплатить за будущее спокойствие сегодня выгоднее: я на практике видел, как одна спорная выборка превратила проект в затяжную судебную тяжбу, финансовые и репутационные потери от которой которой в разы превысили любые затраты на проверку исходных данных.

Чтобы выполнить требования закона, компании недостаточно просто иметь данные — нужно выстроить систему их учета. В идеале каждый набор в обучающей выборке должен иметь досье: от кого получен, на каком основании и по какой лицензия использован. Не пытайтесь собирать эти документы задним числом, когда претензия уже поступила, — в суде это будет выглядеть как попытка легализовать случайную находку. Учет должен быть построен так, чтобы юрист при взгляде на реестр данных сразу видел правовой фундамент на каждый терабайт информации.

Для стороннего контента это лицензионный или сублицензионный договор, договор об отчуждении прав или письменное согласие правообладателя. Особый случай — открытая лицензия: ее условия надо читать внимательно, потому что, как уже сказано выше, в некоторых из них запрещено коммерческое использование — обучать корпоративную модель на таком контенте нельзя.

В договорах с разработчиками, подрядчиками и поставщиками ИИ-сервисов я рекомендую обязательно закреплять три следующих условия. 

1. Гарантии того, что обучающие данные получены законно. Это значит, что в договоре подрядчик берет на себя прямую ответственность за чистоту датасета и подтверждает правомерность каждого источника, из которого он этот массив собрал. 

2. Обязательство возместить убытки, если претензию предъявит третья сторона (например, правообладатель, чей контент оказался в выборке). 

3. Закрепление прав на результат работы ИИ.

Без последнего пункта права на созданный контент нередко по пользовательскому соглашению уходят разработчику того инструмента (ИИ-сервиса), который вы используете, а ответственность за спорный результат по умолчанию ложится на того, кто его получил, то есть на ваш бизнес. Не лишним будет добавить и право запрашивать у поставщика документы по чистоте его обучающих массивов или проводить соответствующую инспекцию. Если подрядчик отказывается показать, откуда взяты обучающие выборки, — это плохой сигнал.

Рабочих моделей несколько, но все они упираются в отсутствие понятного рыночного механизма для покупки прав. Сейчас просто нет системы, которая позволила бы бизнесу быстро и легально выкупать доступ к массивам данных у миллионов авторов сразу.

То есть одно окно, где разработчик покупает доступ к каталогу, а вознаграждение распределяется многочисленным авторам по тому же принципу, который работает в музыкальной индустрии (когда радиостанция платит отчисления, а общество по коллективному управлению правами делит его между правообладателями). Механизм понятный, проверенный, но для ИИ его нужно выстраивать с нуля.

Автор помечает, можно ли брать его контент для обучения ИИ, и это считывается автоматически. Технически это похоже на уже существующий механизм opt-out (отказа от использования), который закон 243-ФЗ косвенно закрепил через уже упомянутую оговорку о технических средствах защиты.

В отличие от первых двух моделей, где вы получаете доступ к библиотекам или реестрам для самостоятельного поиска, здесь вы покупаете уже «очищенный» и структурированный продукт «с полки». Агрегатор берет на себя всю сложную работу: отбирает контент, проверяет права и формирует массив данных, готовый к немедленной загрузке в нейросеть. Вы платите за полностью легальный набор данных, с которым не нужно возиться вашим юристам.

Существует принципиальное ограничение: автором может быть только человек, а результат полностью автоматической генерации не охраняется вообще. Это следует из пункта 80 постановления пленума Верховного суда от 23 апреля 2019 года: результаты, созданные техническими средствами без творческого вклада человека, авторским правом не защищаются.

Права на итоговый материал напрямую зависят от того, насколько значим был вклад человека в полученный результат. Это постановка задачи, отбор, доработка, компоновка. Простое нажатие кнопки «Сгенерировать» такого вклада не создает. Если сотрудник ввел один промпт, получил результат и сразу опубликовал — доказать, что здесь есть творческий вклад, будет очень сложно.

Практический вывод таков: фиксируйте процесс. Записывайте промпты, версии, правки, кто из сотрудников участвовал и что вносил. Оформляйте результат как служебное произведение через трудовой договор, задание и акт. Тогда права точно останутся у компании, а вклад человека можно будет доказать.

Пока поправки к статье 1259 ГК о статусе ИИ-контента находятся на обсуждении, права на такой результат держатся исключительно на внутренних документах компании и доказательствах того, что человек вложил в создание материала реальный творческий труд.

До 1 марта 2027 года у компаний еще есть время провести ревизию своих обучающих данных и навести порядок. Вот чек-лист, который я рекомендую:

• провести инвентаризацию обучающих данных и разложить их по трем корзинам по степени риска;

• собрать досье на каждый набор — источник, дата, основание использования, охраноспособность;

• проверить, не обходились ли технические средства защиты при сборе данных;

• перезаключить договоры с подрядчиками, включив в них гарантии законности предоставляемых данных, обязательства возместить убытки в случае споров и закрепление прав на результат;

• начать фиксировать творческий вклад сотрудников при работе с нейросетями (промпты, версии, правки).

Начните с инвентаризации. Это самый бюджетный шаг, который сегодня отделяет вас от от состояния, когда вы можете сказать «мы точно знаем, на чем обучена наша модель».