Сегодняшний выпуск — об одной новости. Она достаточно большая, чтобы не разбавлять её случайными релизами.

Со второго августа AI Act в Евросоюзе перестал быть в основном будущим обещанием. Еврокомиссия и национальные органы начали применять основную часть закона, а обязанности по прозрачности превратились из рекомендации хорошего тона в требование к продукту.

Это не означает, что Европа за ночь запретила AI или сразу оштрафовала всех нарушителей. Изменение тоньше и практичнее: происхождение ответа, изображения или решения теперь должно учитываться в архитектуре так же рано, как authentication, logging и privacy.

От принципа к enforcement

AI Act получил органы, способные требовать не обещание, а документацию

С 2 августа European AI Office и национальные органы начали надзор и enforcement основной части AI Act. Для general-purpose AI это означает вполне конкретный контур: AI Office может запросить техническую документацию, провести оценку, потребовать корректирующие меры и назначить штраф за несоблюдение правил.

На уровне продукта меняется адресат доказательств. Раньше system card, eval и описание safeguards в основном убеждали покупателя, партнёра или общественность. Теперь часть этих материалов должна выдерживать запрос регулятора. «Мы считаем систему безопасной» и «мы можем показать, как она была оценена и кто за неё отвечает» — разные состояния зрелости.

При этом AI Act не включился одним рубильником. Запрещённые практики и AI literacy obligations действуют с февраля 2025 года. Governance и обязанности для GPAI начали применяться в августе 2025-го. Некоторые high-risk системы получили переход до конца 2027-го или 2028 года.

Поэтому правильная инженерная реакция — не общий panic mode, а карта собственных ролей и сроков. Одна компания может одновременно быть provider модели, deployer готовой системы и обычным покупателем стороннего API. Для каждой роли набор доказательств будет разным.

Что нужно понимать: provider, deployer, GPAI, technical documentation, enforcement.

Источники: объявление Еврокомиссии, официальная карта AI Act.

Прозрачность как часть интерфейса

Чатбот должен сообщить, что он не человек, до того как это станет сюрпризом

Article 50 требует от провайдеров интерактивных AI-систем сообщать человеку, что он взаимодействует с AI. На бумаге это выглядит как маленькая подпись. На практике она задаёт продуктовую границу.

Раскрытие должно происходить в момент, когда оно помогает человеку правильно интерпретировать взаимодействие, а не быть спрятано в Terms of Service. Особенно это важно там, где интерфейс сознательно имитирует живого собеседника: голосовой оператор, поддержка, персонаж, продавец или помощник внутри привычного канала.

Хороший disclosure не обязан разрушать продукт. Он должен убрать ложную предпосылку. Пользователь может охотно разговаривать с машиной, но решение должно быть его, а не следствием маскировки.

Для команды это означает, что AI identity нельзя оставлять исключительно контент-дизайнеру перед релизом. Она зависит от session flow, handoff человеку, локали, voice UI и поведения сторонней платформы, через которую идёт диалог.

Что нужно понимать: Article 50, AI disclosure, human handoff, interaction design.

Источник: разъяснения по transparency obligations.

Машиночитаемая маркировка превращает provenance в инфраструктуру

Для AI-generated или manipulated content закон требует не только заметной человеку подписи. Провайдер должен добавить машиночитаемый mark, чтобы происхождение можно было обнаруживать автоматически. Deployers отдельно раскрывают deepfake и AI-контент по вопросам общественного интереса, если за ним не стоит человеческая редакционная ответственность.

Здесь появляется неприятная инженерная правда: watermark в финальном файле — лишь начало. Контент проходит через resize, transcoding, screenshot, монтаж, экспорт в другой формат и повторную публикацию. Если provenance пропадает после первого же шага, формально добавленный marker мало помогает следующему участнику цепочки.

Значит, потребуется два слоя. Первый — устойчивый машинный сигнал внутри или рядом с медиа. Второй — сохранённая запись о генерации: какая система создала объект, кто его выпустил, был ли human review и какие преобразования произошли позже.

Это уже не задача одной модели. Это supply chain контента, в котором редактор, CMS, CDN, социальная платформа и пользовательские инструменты должны не уничтожить смысл маркировки по дороге.

Что нужно понимать: provenance, machine-readable mark, deepfake, content supply chain.

Источник: разъяснения Еврокомиссии.

Человеческая редакционная ответственность стала архитектурным переключателем

В правилах есть важная граница: AI-контент по вопросам общественного интереса оценивается иначе, если он прошёл human review или editorial control и за публикацию отвечает человек или организация.

Это делает фразу «у нас есть человек в цикле» недостаточной. Нажатие кнопки Approve после беглого просмотра не создаёт редакционной ответственности. Нужны роль, полномочия, достаточный контекст, время на проверку и сохранённое решение о публикации.

Иными словами, human-in-the-loop из маркетингового обещания превращается в операционную функцию. Если человек должен отвечать за материал, система обязана показать ему источники, изменения и спорные места до публикации — и позволить остановить процесс без давления автоматического дедлайна.

Что нужно понимать: editorial control, human review, accountability, approval evidence.

Источник: guidelines по Article 50.

Главный технологический сдвиг выпуска

Второго августа прозрачность перестала быть подписью под готовым AI-продуктом. Она стала его внутренним интерфейсом.

Система должна знать, где она разговаривает с человеком, какой контент создаёт, кто его публикует, прошёл ли он осмысленный review и сохраняется ли происхождение после экспорта. Регулятору недостаточно красивой policy page, если технический pipeline не умеет восстановить эти ответы.

В результате compliance перемещается в schema, event log, media pipeline и release gate. Это менее зрелищно, чем новая модель, но гораздо сильнее меняет продукт.

Что обсудить с технической командой

  1. В каких сценариях мы provider, deployer или downstream-пользователь AI?
  2. Где и когда интерфейс сообщает человеку, что он взаимодействует с AI?
  3. Переживает ли provenance resize, transcoding, screenshot и перепубликацию?
  4. Что именно подтверждает human reviewer и хватает ли ему контекста для реальной ответственности?
  5. Можем ли мы по журналу восстановить модель, версию, источник, преобразования и решение о публикации конкретного AI-объекта?