Договор на ИИ-решение чаще всего подписывают по шаблону договора на разработку или поддержку ПО. Шаблон отвечает на привычные вопросы: сроки, этапы, гарантийный период, ответственность. Вопросы, которые возникают именно с ИИ, в нём не решены: кому принадлежит модель после дообучения на ваших данных, что поставщик вправе делать с этими данными, как проверять качество системы, ответы которой каждый раз разные, и сколько она будет стоить, когда ей начнут пользоваться все сотрудники.
Устоявшейся практики таких договоров в России нет, судебной практики тоже. В споре стороны будут опираться только на текст договора. Ниже – пять блоков, которые стоит проверить до подписания.
1. Права на модель и результаты
Если поставщик дообучает модель на ваших данных, результат дообучения – веса модели – становится отдельным активом. Договор должен прямо ответить, кому он принадлежит, где хранится и может ли заказчик забрать его при смене поставщика. Если договор молчит, при расторжении вы рискуете остаться без результата, за который заплатили, и начинать дообучение заново у нового подрядчика.
Второй вопрос – права на результаты генерации: тексты, изображения, код, которые система создаёт для вас. Нормы 243-ФЗ о правах на результаты генерации и об обучении на охраняемом контенте вступают в силу с 01.03.2027. Договоры, которые подписываются сейчас, будут действовать уже по новым правилам, поэтому распределение прав лучше зафиксировать явно.
2. Режим ваших данных
Проверьте, что поставщик вправе делать с данными, которые вы передаёте для обучения и в ходе эксплуатации:
- можно ли использовать их для обучения моделей, которые поставщик продаёт другим клиентам;
- где хранятся данные и запросы пользователей, в каком контуре идёт обработка;
- передаются ли данные третьим лицам, например владельцу базовой модели;
- что происходит с данными после окончания договора.
Безопасность данных – барьер внедрения ИИ для 31% компаний. Если для вас критичен закрытый контур, это требование нужно записать в договор: обещание в презентации поставщика ни к чему его не обязывает.
3. Метрики качества в приёмке
Формулировка «система функционирует в соответствии с ТЗ» для ИИ не работает: ответы модели вероятностные, и одна и та же система может давать хороший результат на демонстрации и слабый в реальных процессах. Пилоты генеративного ИИ доходят до промышленной эксплуатации в 7–10% случаев, и одна из причин – отсутствие измеримых критериев успеха с самого начала.
В договор стоит включить:
- метрики качества для ваших сценариев и пороговые значения;
- тестовый набор, на котором проводится приёмка, и порядок его обновления;
- повторную проверку после обновлений модели, которые поставщик выпускает в ходе эксплуатации;
- последствия деградации качества: доработка за счёт поставщика, снижение платы, право расторжения.
4. Стоимость инференса при росте нагрузки
Пилот обычно оплачивается фиксированной суммой, а промышленная эксплуатация – по объёму: запросам, токенам, пользователям. На пилоте с десятком пользователей затраты незаметны, при подключении всей компании они могут превысить стоимость разработки. Проверьте:
- как рассчитывается плата и есть ли потолок;
- может ли поставщик в одностороннем порядке менять тарифы или базовую модель;
- предусмотрен ли переход на собственную инфраструктуру и на каких условиях.
До подписания имеет смысл смоделировать затраты в нескольких сценариях нагрузки. Это несколько дней работы, которые часто меняют выбор между облачным и локальным размещением.
5. Регуляторные изменения
Регулирование ИИ в России формируется прямо сейчас, и договор, заключённый в 2026 году, будет исполняться в другой нормативной среде:
- с 01.03.2027 вступают в силу обязанности разработчиков фундаментальных моделей от 1 млрд параметров, нормы о маркировке и о правах на результаты генерации по 243-ФЗ;
- ожидаются постановления Правительства о критериях и реестре суверенных и национальных моделей и о случаях, когда в ГИС, КИИ и чувствительных отраслях допускаются только такие модели;
- законопроект Минцифры «Об основах государственного регулирования технологий ИИ» (редакция от 04.07.2026) с плановым вступлением 01.09.2027 предусматривает журналы инцидентов, реестр доверенных моделей и обязательную маркировку;
- для финансовых организаций Банк России в июне 2026 года выпустил методические рекомендации № 3-МР по информационной безопасности при применении ИИ, включая оценку поставщиков.
В договоре полезно предусмотреть, кто отвечает за соответствие новым требованиям и как меняются условия, если используемая модель перестанет им соответствовать.
Цена и сроки: с чем сравнить
Отдельный вопрос – адекватны ли цена и сроки в коммерческом предложении. Заказчику обычно не у кого спросить: все, кто разбирается в теме, сами продают внедрение. Сравнение двух-трёх предложений помогает, но не показывает, какие допущения подрядчики заложили одинаково. Полезно разложить предложение на позиции – разработка, дообучение, интеграция, инфраструктура, поддержка – и сравнить каждую с рыночными ориентирами.
Короткий чек-лист
- Кому принадлежат веса дообученной модели и можно ли их забрать.
- Вправе ли поставщик обучать на ваших данных модели для других клиентов.
- В каком контуре обрабатываются данные и запросы.
- Какие метрики и на каком тестовом наборе проверяются при приёмке.
- Что происходит при обновлении базовой модели.
- Как считается плата при росте нагрузки и есть ли потолок.
- Кто отвечает за соответствие 243-ФЗ и будущим требованиям.
- Как выйти из договора и что заказчик получает при выходе.
АНО «Цифровые платформы» проводит независимую экспертизу ИТ-контрактов и коммерческих предложений, в том числе договоров с поставщиками ИИ-решений: проверяем права, приёмку, экономику и цену до подписания. Подробнее – на странице услуги «Независимая экспертиза ИТ-контрактов».