Внедрение искусственного интеллекта перестало быть экспериментом и превратилось в статью бюджета, требующую строгого контроля. Эта статья дает практический инструментарий для ИТ-директоров, финансовых контролеров и юристов: как корректно учитывать расходы на ИИ, избегать налоговых рисков и грамотно встраивать нейросети в корпоративную инфраструктуру. Материал основан на актуальной деловой повестке, обсужденной 15 октября на XI конференции ITAMday, и предлагает готовые решения, которые можно применить в работе уже сегодня для защиты активов компании.

Высокий уровень экспертизы и практическая направленность

Дискуссия о будущем ИИ-активов велась на основе реальных корпоративных практик. В работе конференции приняли участие более 250 профильных специалистов из 145 компаний. Своим опытом оптимизации расходов и управления рисками поделились представители «Сбера», Альфа-Банка, «Норильского никеля», «Газпромнефти» и «АЛРОСА». Особый вес аргументам придавало участие регуляторов и ведущих юридических практик: в сессиях также выступили эксперты Банка России и профильных юридических фирм. Это подтверждает, что вопросы учёта, налогообложения и правового регулирования ИИ перешли в приоритетную стратегическую повестку крупного бизнеса.

Правовой и финансовый фокус

Особое внимание в деловой программе было уделено правовым и финансовым аспектам новых технологий. Елена Силкина, основатель SILA Union, выступила почетным спикером профильной сессии, посвященной учёту, регистрации и налогообложению ИИ-активов.

Эксперты разобрали реальные кейсы: как ставить ИИ-разработку на баланс по ФСБУ 14/2022, кому принадлежат права на сгенерированный код и как обосновать ФНС затраты на вычислительные мощности (GPU) и программные интерфейсы приложений (API).

«Эти вопросы необходимо прорабатывать ещё на этапе проектирования ИИ-решения. Заранее определять права на модели, данные и результаты их использования, фиксировать условия в договорах и разделять затраты. Иначе можно вложить серьёзные средства в проект, а впоследствии столкнуться с невозможностью оценить актив, поставить его на баланс и подтвердить на него права перед регуляторами и налоговой», — отметила Елена Силкина.

Финансовые и юридические риски корпоративного ИИ

Если раньше ИТ-департаменты боролись с теневым использованием неучтенного программного обеспечения, то сегодня бизнес столкнулся с теневым искусственным интеллектом. Сотрудники и целые отделы используют внешние нейросети для аналитики или генерации кода через неподконтрольные корпоративные каналы.

Почему это требует немедленного реагирования:

  1. Налоговые риски: ФНС все чаще запрашивает обоснование экономической целесообразности расходов на «нематериальные алгоритмы». Без прозрачного трекинга потребления токенов компания не сможет доказать, что ИИ генерирует добавленную стоимость.
  2. Угроза ИТ-льготам: Использование зарубежных больших языковых моделей (LLM) в ядре продукта ставит под угрозу попадание компании в Реестр отечественного ПО и сохранение налоговых преференций.
  3. Проблемы с интеллектуальной собственностью: Без грамотного договора с вендором компания не сможет легально монетизировать свой ИИ-продукт, так как права на результат генерации могут остаться у разработчика модели.

Практическое руководство: интеграция ИИ в архитектуру предприятия и учёт затрат

Для ИТ-архитекторов, SAM-менеджеров (специалистов по управлению ИТ-активами) и FinOps-инженеров (специалистов по управлению финансовыми операциями в ИТ) мы сформировали алгоритм действий, обеспечивающий бизнесу прозрачность и безопасность.

Шаг 1. Разделение затрат: капитальные (CapEx) и операционные (OpEx)

  • OpEx (операционные расходы): Списывайте затраты на инференс (потребление токенов), аренду облачных мощностей и подписки на SaaS-ИИ как текущие расходы на поддержание бизнес-процессов.
  • CapEx (капитальные вложения): Затраты на сбор уникальных датасетов, архитектурный дизайн и фундаментальное дообучение (тонкую настройку) модели, которая станет ядром проекта, необходимо документировать для последующей постановки на баланс как нематериального актива (НМА).

Шаг 2. Встраивание ИИ-моделей в корпоративную архитектуру предприятия (Enterprise Architecture) 

ИИ не должен быть «черным ящиком». Он должен стать управляемым, документированным слоем общей ИТ-архитектуры. Чек-лист для внедрения:

  • Картирование потоков данных: четко определено, какие данные передаются во внешние модели, а какие обрабатываются исключительно в защищенном внутреннем контуре.
  • Закрепление прав на интеллектуальную собственность: в договорах с поставщиками ИИ-решений юридически зафиксировано право компании на коммерческое использование результатов генерации и на веса дообученной модели.
  • Архитектура мониторинга: внедрены инструменты для отслеживания потребления токенов, контроля доступа к ИИ-сервисам и алертинга при превышении бюджетных лимитов.

Шаг 3. Аудит и легализация теневого искусственного интеллекта

Проведите инвентаризацию корпоративного периметра: выявите все неконтролируемые ключи доступа (API-ключи) и личные подписки сотрудников на ИИ-сервисы. Переведите их в корпоративный контур через единые шлюзы безопасности (API Gateway), где можно настроить логирование запросов для соблюдения политик информационной безопасности.

Главный вывод для ИТ-лидеров 

Дисциплина управления ИТ-активами остается неизменной, меняются лишь объекты контроля. Искусственный интеллект теперь требует такого же строгого управления жизненным циклом, как и классическая корпоративная и ИТ-архитектуры.

Экспертиза SILA Union подтверждает: успешные корпоративные ИИ-проекты стартуют не с написания кода, а с моделирования. Только такой подход позволяет трансформировать инновации в защищенные, ликвидные активы, а не в скрытые юридические и налоговые риски.