Введение

Современные социально-экономические системы вступили в фазу глубокой структурной перестройки под влиянием сразу трех взаимосвязанных драйверов: климатической и ресурсной повестки, недовыполнения глобальных целей устойчивого развития (ЦУР) и стремительной цифровизации с повсеместным внедрением искусственного интеллекта (ИИ). По данным Всемирной метеорологической организации, 2024 г. стал самым теплым за всю историю наблюдений, средняя температура превысила доиндустриальный уровень примерно на 1,55 °C, а период 2015–2024 гг. полностью вошел в десятку самых жарких лет, что усиливает запрос к компаниям и государствам на измеримые зеленые действия и прозрачное раскрытие устойчивости. При этом глобальный прогресс по ЦУР существенно отстает: лишь 17 % целевых ориентиров находятся на траектории достижения, тогда как по более чем трети наблюдается стагнация или откат.

На фоне происходящих и активно обсуждаемых климатических изменений формируется нормативная консолидация стандартов нефинансовой отчетности. Совет по международной отчетности в области устойчивого развития (ISSB) сообщил, что 36 юрисдикций уже приняли, используют или финализируют интеграцию стандартов IFRS S1/S2 в регулирование, формируя единое «правило игры» для рынков капитала [1, 2]. В Европейском союзе вступила в фазу реализации Директива о корпоративной отчетности в области устойчивого развития (CSRD): первая волна отчетов за 2024-й финансовый год публикуется в 2025-м, охват постепенно расширяется до десятков тысяч компаний (около 50 тыс. в сравнении с 11 тыс. по прежней NFRD), при этом в 2025 г. Еврокомиссией приняты поправки к ESRS для снижения избыточной нагрузки [3]. Ужесточение требований повышает стоимость несоответствия и делает цифровые инструменты (включая ИИ) необходимым условием качества и сопоставимости раскрытия информации. Рыночная динамика подтверждает происходящие структурные сдвиги капитала. Согласно обзору Global Sustainable Investment Alliance, объем активов, относимых к устойчивым, в 2022 г. оценивался примерно в 30,3 трлн долл. [4]. Устойчивость закрепляется как фактор стоимости бизнеса и доступа к капиталу, а стандартизованная ESG-информация – как инфраструктура доверия между эмитентами и инвесторами [5].

Параллельно отмеченным процессам происходит бурное развитие технологий ИИ. По данным Stanford AI Index 2025, в 2024 г. 78 % организаций использовали ИИ, при этом частные инвестиции в ИИ в США достигли 109,1 млрд долл., что в 12 раз больше, чем в Китае. Генеративный ИИ привлек примерно 33,9 млрд долл. частных вложений. На уровне корпоративных ИТ-бюджетов к 2028 г. ожидается увеличение мировых расходов на ИИ до 632 млрд долл., из них на генеративный ИИ – 202 млрд долл. [6]. По данным Eurostat, продолжает увеличиваться разрыв в использовании ИИ между передовыми и прочими компаниями: в 2024 г. 13,5 % европейских предприятий уже использовали ИИ (против 8 % годом ранее), среди крупных компаний этот показатель достигает 41 % [7].

Отдельного внимания заслуживает поведение пользователей и организаций в части генеративного ИИ/LLM. Несмотря на то, что официальные подписки на LLM-сервисы закупили лишь 40 % компаний, сотрудники в 90 % компаний регулярно применяют персональные ИИ-инструменты для рабочих задач (теневая ИИ-экономика внутри фирм). Такая ситуация свидетельствует, с одной стороны, о высоком спросе на технологии генеративного ИИ, а с другой стороны, о необходимости скорейшего выстраивания корпоративной ИИ-политики, этики и контроля качества данных.

Сочетание климатической повестки, формирование и адаптация экономических механизмов «парникового» регулирования, ужесточающиеся требования к корпоративной прозрачности и доступности ИИ-инструментов нового поколения формируют новые условия трансформации социально-ответственных систем [1]. Искусственный интеллект, и главным образом большие языковые модели (LLM), перестают быть вспомогательной технологией и превращаются в инфраструктуру ответственного развития: они позволяют в больших объемах собирать и формализовывать ESG-данные, снижать транзакционные издержки отчетности, принимать управленческие решения на основе сценарного анализа и повышать доверие стейкхолдеров к социально-ответственным практикам компаний. Однако переход от «принципов, сформулированных на бумаге», к практическому воплощению, воспроизводимым и аудируемым практикам все еще остается проблемой. Значительная часть текущих исследований концентрируется либо на технических аспектах ИИ, либо на единичных кейсах его применения в ESG-контексте, в результате чего системная роль ИИ в трансформации социально-ответственных систем раскрыта недостаточно.

Российская и международная прикладная повестка подчеркивают необходимость создания национальных цифровых платформ поддержки управленческих решений на принципах ESG и ИИ (включая большие языковые модели, LLM), способных обеспечивать непрерывный мониторинг, предиктивную аналитику, сценарное моделирование и формирование объяснимых рекомендаций для ответственных решений в корпоративном и государственном управлении.  Россия и страны, ориентированные на технологический суверенитет (включая страны БРИКС), в качестве ключевого направления определили формирование суверенных платформенных решений, объединяющих данные, модели и инфраструктуру. Для достижения поставленной цели необходимо решить задачи:

– создание и развитие отечественных LLM и ESG-платформ, адаптированных к национальной нормативной базе и отраслевой специфике;

– создание государственных и корпоративных систем поддержки управленческих решений на основе ИИ-аналитики, способных обеспечивать непрерывный мониторинг и сценарное прогнозирование;

– интеграция ИИ-инструментов в процессы ответственного финансирования, особенно в банковском секторе, который может выступать системным интегратором ESG-трансформации.

Особая роль принадлежит банковскому сектору и крупным корпорациям, способным выступать «системными интеграторами» ESG-трансформаций, в том числе через развитие платформенных ИТ-решений и внедрение стандартов ответственного финансирования.

Достижение ЦУР и внедрение цифровых технологий в бизнес-процессы формирует новую управленческую парадигму (концепции и модели управления), в которой ИИ выступает связующим звеном между корпоративным управлением, стратегиями устойчивости и инвестиционными практиками. С помощью ИИ формируется инфраструктура данных, доверия и прозрачности, т. е. всех ключевых условий перехода к экономике ответственного роста. Идея создания суверенных платформенных решений (данные, модели, инфраструктура), учитывающих национальные приоритеты и отраслевую специфику, пока трудно реализуема, поскольку отсутствует целостная концептуальная модель, позволяющая классифицировать ИИ-инструменты по функциям и эффектам в ESG/SDG-контексте, описывать механизмы их встраивания в циклы ответственного управления (стратегирование, операционные процессы, риск-менеджмент, аудит), определять метрики результативности (прозрачность, подотчетность, инклюзивность, снижение транзакционных издержек) и условия масштабируемости (регуляторные, этические, технологические).

Искусственный интеллект как инфраструктура ответственного развития

 За последние несколько лет ИИ, и особенно большие языковые модели (LLM), перестал быть вспомогательной ИТ-функцией и превратился в базовую инфраструктуру социально-ответственных систем. Технологии ИИ фактически являются тем «транспортом данных», без которого невозможно обеспечить сопоставимую отчетность по устойчивому развитию, сценарную аналитику рисков и доверие стейкхолдеров. В качестве доказательства можно отметить следующие положительные аспекты распространения технологий машинного обучения и генеративных алгоритмов:

– нормативная стандартизация раскрытий: 36 юрисдикций уже приняли/используют или финализируют интеграцию стандартов ISSB (IFRS S1/S2), формируя единое «правило игры» для рынков капитала, что ускоряет спрос на цифровые контуры сбора, нормализации и верификации ESG-данных;

– расширение обязательной отчетности в ЕС (CSRD/ESRS): порядка 50 тыс. компаний, зарегистрированных и занимающихся бизнес-деятель-ностью в ЕС, опубликовали корпоративную отчетность в области устойчивого развития за 2024 г. уже в 2025 г. [7];

– экономика ИИ и темпы внедрения: 78 % организаций сообщили об использовании ИИ в 2024 г. (55 % – годом ранее), инвестиции частного сектора в генеративный ИИ достигли 33,9 млрд долл. (примерно 20 % всех частных инвестиций в ИИ) [8].

Устойчивость становится регуляторным стандартом и фактором стоимости капитала, ИИ/LLM – это уже не проект, а необходимая инфраструктура управления данными об устойчивости (от сырья до заверенной отчетности). Инфраструктурный характер ИИ проявляется и в его капиталоемкости:

– глобальные расходы на ИИ, по прогнозу IDC, достигнут порядка 632 млрд долл. к 2028 г., из них на генеративный ИИ приходится примерно 202 млрд долл. (32 % всех трат на ИИ), наибольшую долю составят финансы, ПО/информационные сервисы и ритейл [8];

– по оценке Citi Research, капвложения гиперскейлеров в ИИ-инфраструктуру превысят 2,8 трлн долл. к 2029 г., а к 2030 г. миру потребуется дополнительно порядка 55 ГВт мощности под ИИ-вычисления.

Вышеперечисленное подтверждает, что ИИ требует сопоставимых с энергетикой и телекомом инфраструктурных решений [9].

Последствия для социально-ответственных систем:

– появление новой «сметы устойчивости», поскольку энергопрофиль и углеродный след цифровой инфраструктуры становятся метриками;

– отчетность должна формироваться на основе принципа прозрачности об ИТ-следе (Scope 2/Scope 3);

– функционирование на базе энергоэффективных архитектур (модели, дата-центры, охлаждение).

Без ИИ/LLM и масштабируемых цифровых средств сбора, нормализации и анализа обеспечить сопоставимость и контролируемость показателей об устойчивости (ESG/ЦУР) невозможно. Сегодня наиболее важные прикладные контуры применения ИИ определяются в следующем:

– сбор и нормализация ESG-данных: LLM автоматизируют извлечение показателей из отчетов, договоров, цепочек поставок и регистров, сопоставляя их с ISSB/ESRS/GRI, что снижает транзакционные издержки и повышает сопоставимость раскрытий, особенно при переходе десятков тысяч компаний под CSRD (Corporate Sustainability Reporting Directive – директива ЕС, которая требует от компаний раскрывать подробную информацию о влиянии их деятельности на окружающую среду и общество, была принята Европейской комиссией в ноябре 2022 г. и заменяет предыдущую директиву о нефинансовой отчетности (NFRD));

– сценарный риск-менеджмент: модели поддерживают анализ «двойной существенности», т. е. строят ранние предупреждения по климатическим (физические/переходные), социальным и управленческим рискам, помогают калибровать риск-аппетит и корректировать стратегию;

– объяснимость и «заверяемость»: LLM генерируют контролируемые обоснования и ссылки на источники данных, повышая доверие регуляторов/инвесторов к раскрытиям, что особенно критично на фоне массового перехода к обязательной отчетности;

– доступ к «устойчивому капиталу»: на рынке примерно 30,3 трлн долл. активов, относимых к устойчивому инвестированию, соответственно, высокое качество ESG-данных (полнота, сопоставимость, верификация) напрямую влияет на стоимость капитала и включение эмитента в SRI-стратегии, ИИ снижает информационную асимметрию между эмитентами и инвесторами и повышает прозрачность.

Переход к ИИ как инфраструктуре ответственного развития можно измерять с использованием следующих показателей:

– охват – доля функций, где применяется ИИ (от отчетности и аудита данных до климат-сценариев и закупок): целевым ориентиром применения данного показателя является путь от точечных кейсов к платформенной модели (единый слой данных, единый каталог метрик, единые контуры контроля качества);

– скорость цикла отчетности – сокращение времени подготовки нефинансового отчета / ESG-раскрытий и снижения потребности в ручной консолидации благодаря LLM-экстракции и валидации;

– соответствие стандартам – доля показателей, по которым автоматически определяется соответствие ISSB/ESRS/GRI, и доля показателей, прошедших автоматизированные проверки целостности и достоверности;

– энергопрофиль ИИ – удельное энергопотребление и углеродный след ИИ-задач (в том числе перенос в более энергоэффективные/зеленые дата-центры) – метрики, которые становятся частью E в ESG.

Для России и других государств, ориентированных на технологический суверенитет, переход к ответственному ИИ должен включать три стратегических направления:

– развитие отечественных больших языковых моделей и национальных платформ ESG-аналитики, учитывающих отраслевые особенности и язык деловой документации;

– создание энергоэффективной цифровой инфраструктуры, минимизирующей углеродный след вычислений и обеспечивающей локализацию данных на территории РФ;

– интероперабельность с международными рамками (ISSB/ESRS) при соблюдении российских стандартов и законодательства о защите информации.

Вышеизложенный подход позволит выстроить суверенную систему ответственного управления, где ИИ выступает не зависимой технологией, а стратегическим активом национальной безопасности и устойчивого развития. Искусственный интеллект становится новой инфраструктурой устойчивости, объединяющей регуляторов, компании и инвесторов в едином цифровом контуре данных, что открывает следующие практические направления для России:

– формирование национальной ESG-платформы с использованием отечественных LLM;

– разработка метрик цифровой ответственности для учета энергоемкости и прозрачности ИИ-систем;

– поддержка проектов в области зеленого и ответственного ИИ через программы Фонда «Сколково», РВК и Минэкономразвития;

– интеграция ИИ-аналитики в государственную систему мониторинга ЦУР ООН и национальных целей развития.

В совокупности перечисленные меры позволят России занять позицию одного из технологических лидеров в области суверенного ответственного ИИ, обеспечив баланс между инновационностью, этикой и устойчивым экономическим ростом.

Большие языковые модели как инструмент когнитивной трансформации

Большие языковые модели (LLM) переводят цифровую трансформацию из плоскости автоматизации операций в плоскость когнитивного усиления, ускоряя анализ, синтез и интерпретацию знаний, а также поддержку решений. Если классические информационные системы хорошо справлялись с регламентными процессами, то LLM работают с неструктурной частью управленческой деятельности: текстами, нормами, сигналами СМИ/соцсетей, обратной связью стейкхолдеров. На уровне организаций это уже стало новой нормой. По данным McKinsey, 78 % компаний используют ИИ хотя бы в одном бизнес-процессе (против 72 % в начале 2024 г. и 55 % годом ранее), причем значительно активнее это происходит в ИТ, маркетинге/продажах и сервисных операциях.

Ключом к когнитивной трансформации является резкий рост доступного контекстного окна и переход к мультимодальности (текст, таблицы, изображения, аудио, видео), что превращает LLM в «рабочую память» знаний организации:

– Google объявил Gemini 1.5 Pro с контекстом до 1 млн токенов (а в облачной документации – до 2 млн токенов), что позволяет анализировать многотомные массивы документов без дробления;

– Anthropic указывает для Claude 3.5 Sonnet контекст 200 тыс. токенов (бета-режимом – до 1 млн), что уже соответствует сотням страниц текста/кода;

– MIT (Noy & Zhang, 2023 г.) – среднее время выполнения профессиональных письменных задач сокращается примерно на 40 %, качество текста повышается примерно на 18 % при использовании генеративного ИИ;

– GitHub Copilot (контролируемый эксперимент) – разработчики из группы с ИИ-ассистентом выполняли задачу на 55,8 % быстрее, чем контроль;

– BCG/Harvard (полевая работа с 758-ю консультантами) – ИИ повышает скорость и качество выполнения сложных, «знаниеемких» задач, но эффект неоднороден и требует грамотной постановки задач и верификации результатов («зазубренная граница» применимости).

Управленческие и регуляторные досье (ESG/ЦУР, договоры, отраслевые стандарты) можно подавать в модель целиком и получать обобщения, выверенные ссылки и сценарные сравнения без потерь от разбиения на куски. Растет массив экспериментов, показывающих значимый подъем скорости и качества, LLM дают устойчивый выигрыш в качестве черновиков решений, но требуют процессной «обвязки» (валидируемые источники данных, роли редакторов/экспертов, регламенты проверки фактов). Появляются новые контуры управленческих задач:

– навигация по нормам и регуляторике: автоматическое сопоставление требований (ISO 26000, ISSB/IFRS S1-S2, ESRS, отраслевые кодексы) с текущими политиками компании и разрывы соответствия; благодаря длинному контексту модели держат в памяти весь массив норм;

– сценарная аналитика и «двойная существенность»: быстрая сборка сценариев (климат / социальные последствия / управленческие риски) на одном полотне источников; снижение транзакционных издержек аналитики;

– диалог со стейкхолдерами: суммирование писем/обращений, картирование ожиданий групп интересов, подготовка адресных ответов для совета директоров, регулятора, инвесторов;

– когнитивные «протезы» для функций: от юридического скрининга договоров до генерации ESG-паспортов проектов, от аудита цепочки поставок до постинцидентного анализа комплаенса.

Когнитивную зрелость LLM в организации целесообразно измерять следующими ключевыми показателями эффективности (KPI):

– долю решений/документов, прошедших через LLM-поддержку (например, ≥50 % отчетов к совету директоров / комитетам устойчивости);

– среднее время от постановки вопроса до аналитической записки (цель – сокращение на 30–50 % по бенчмаркам MIT/BCG);

– процент автоматической нормализации данных (сколько метрик автоматически проверяются на соответствие ISSB/ESRS/GRI);

– доля проверяемых ссылок/обоснований в выводах модели;

– эффект на производительность ИТ/разработки (ориентир – прирост скорости +50 % в типовых задачах).

Когнитивная трансформация несет и новые риски – фактические ошибки/галлюцинации, утечки данных, зависимость от внешних провайдеров. Международные исследования подчеркивают, что там, где ИИ силен, он может сильно ускорять и повышать качество, но в «зонах слабости» также уверенно может ошибаться. Следовательно, необходимо использовать следующие инструменты: политику источников, «человеческую» верификацию, журналы вывода с цитированием источников, а также «красные линии» по чувствительным темам.

Важно видеть разрыв между компаниями-лидерами и так называемыми остальными компаниями. В ЕС ИИ применяют 13,5 % предприятий (10+ сотрудников), при этом среди крупных компаний – около 41 %; в отдельных странах Северной Европы – доля существенно выше среднего [7], что подтверждает важность данных разработок для России, «когнитивная фабрика» на базе LLM быстро становится конкурентным преимуществом, а отставание начинает конвертироваться в издержки.

Применение ИИ в различных секторах социально-ответственных систем

Во всех секторах экономики наблюдаются схожие эффекты от внедрения ИИ/LLM: сокращение транзакционных издержек в отчетности/аналитике; повышение сопоставимости данных (мэппинг ISSB/ESRS/GRI) и качества управленческих решений; рост доверия стейкхолдеров за счет объяснимости и отслеживания источников; снижение рисков (климатических, социальных, комплаенс) благодаря ранним предупреждениям.

Корпоративный сектор (управление, устойчивость, цепочки поставок).

Корпоративная «ответственность» стала режимом по умолчанию. По данным KPMG, 96 % компаний глобальной группы G250 уже публикуют отчетность по устойчивости, а среди N100 (5,8 тыс. крупнейших компаний по странам) средний показатель – около 79 % [10]. Это отражает переход к обязательным форматам раскрытия (ESRS/CSRD, ISSB) и растущий спрос на цифровые контуры сбора/нормализации данных, где ИИ и LLM берут на себя «тяжелую» работу по поиску данных в соответствии с отчетными метриками, мэппингу (визуализации информации) под стандарты и автоматическим проверкам на целостность и достоверность. С точки зрения технологической зрелости предприятия ЕС ускоряют внедрение ИИ: 13,5 % компаний (10+ сотрудников) использовали ИИ в 2024 г. (рост на 5,5 пунктов за год), причем среди крупных компаний – 41 % [7]. Это подтверждает переход от пилотов к операционному применению (ESG-отчетность, оценка рисков, контроль комплаенса, аудит поставщиков, управление энергопрофилем ИТ-инфраструктуры). Модели LLM формируют единый слой знаний по политикам, кодексам и контрактам (включая требования по правам человека и охране труда), автоматически собирают показатели из первичных документов и подготовляют версии отчетов под ISSB/ESRS, для цепочек поставок ранжируют контрагентов по ESG-рискам и выявляют узкие места (углерод/этика).

Государственное управление (цифровое государство, регуляторика, сервисы).

Искусственный интеллект постепенно становится частью сервисов государства-платформы. По данным OECD, 67 % стран-членов уже используют ИИ для улучшения проектирования и оказания госуслуг. При этом только 30 % применяют ИИ непосредственно для выработки публичной политики, здесь развитие происходит крайне осторожно и требует дополнительных гарантий прозрачности/этики. В соответствии с данными ООН (UN E-Government Survey 2024) [3], цифровые госуслуги растут, но сохраняется цифровой разрыв, поскольку 1,73 млрд людей по-прежнему не имеют доступа к базовым цифровым сервисам, и это усиливает запрос на инклюзивные архитектуры, где ИИ должен работать без барьеров и с учетом уязвимых групп [11].

Одновременно граждане активно взаимодействуют с властью онлайн. В ЕС 70 % интернет-пользователей в 2024 г. взаимодействовали с публичными властями (запросы, налоги, пособия), что требует масштабируемых ИИ-каналов обработки обращений, суммирования и приоритизации кейсов. В госсекторе ИИ/LLM применяют для «умных приемных» и обратной связи, таргетирования поддержки, антифрода и аудита программ, мониторинга целей (ЦУР), а также для объяснимой регуляторики (сопоставление норм, «разрывы соответствия», подготовка проектов актов с трассировкой источников) [12].

Финансовая и инвестиционная сфера (устойчивое финансирование и SRI).

Социально-ответственное инвестирование закрепилось как «новая нормальность» [13]. На конец 2022 г. к устойчивым относили 30,3 трлн долл. активов (при этом вне США – прирост около 20 % к 2020 г.). Рынок устойчивого долга обновил рекорды – в 2024 г. было размещено 1,05 трлн долл. «выравненных» сделок (GSS+), а накопленный объем к концу 2024 г. достиг 6,9 трлн долл., что подтверждает институционализацию зеленых/социальных инструментов. Одновременно 2025 г. характеризуется краткосрочной волатильностью (просадка размещений на отдельных рынках на фоне регуляторной неопределенности), что повышает ценность прозрачных ИИ-метрик и верифицируемых ESG-паспортов эмитентов/проектов [14]. Модели LLM автоматизируют дью-дилидженс и мониторинг ковенантов по зеленым/социальным облигациям, формируют единые ESG-профили эмитентов, агрегируют данные из рейтингов/отчетов и генерируют сигналы рисков (климатические, социальные, управленческие) в кредитных портфелях. Это снижает информационную асимметрию и стоимость транзакций, повышая включаемость проектов в стратегии SRI.

Образование и социальная политика (качество, доступ, адресность).

Сектор образования демонстрирует быстрый низовой спрос на ИИ-инструменты. В университетском сегменте две трети организаций уже разрабатывают или используют регламенты по ИИ, а 9 из 10 сотрудников сообщают, что применяют ИИ в профессиональной работе (исследование UNESCO Chairs/UNITWIN, глобальная выборка) [11]. В школьном образовании учителя регулярно используют в работе ИИ. По данным опроса Gallup (США), около 60 % педагогов применяли ИИ в течение учебного года, а те, кто использовал ИИ еженедельно, экономили до 6 ч в неделю на рутинных задачах (планирование уроков, заготовки материалов, оценивание). Цифровая инклюзия остается условием ответственного ИИ. В ЕС в 2023–2024 гг. только 56 % населения имели базовые или выше базовых цифровые навыки. Среди молодежи ежедневное пользование интернетом достигает 97 %, но «взрослая» цифровая компетентность остается ограничителем роста ИИ-сервисов образования и соцподдержки [15].

В социальной политике ИИ применяют для таргетирования мер поддержки и предотвращения злоупотреблений, анализа рисков бедности, ранних сигналов по рынку труда и здоровья, а также для адаптивных сервисов (доступность, понятность, мультиканальность). Здесь критичны прозрачность алгоритмов, «человек в контуре» и процедуры апелляции.

Целесообразно использовать следующие KPI для мониторинга зрелости:

– доля процессов, где ИИ обеспечивает сбор/валидацию «ответственных» метрик;

– доля отчетных показателей, автоматически выравниваемых под ISSB/ESRS;

– среднее время подготовки пакета раскрытий;

– доля решений с машиночитаемыми обоснованиями;

– энергопрофиль ИИ-задач (Scope 2/3) – как часть Е в ESG.

Указанные показатели закрепляют ИИ не как разрозненный набор сервисов, а как инфраструктуру ответственности на уровне организации и сектора.

Этические и суверенные аспекты применения ИИ приобретают стратегическое значение для ответственного развития. Международные стандарты уже формируют основу «этики по умолчанию». Рекомендация ЮНЕСКО по этике ИИ (2021 г.) закрепляет права человека и принцип «человека в контуре», принципы ОЭСР (2019 г.) определяют доверенный ИИ как глобальную норму, а документы NIST AI RMF, ISO/IEC 23894 и ISO/IEC 42001 задают операционные рамки управления рисками и прозрачности в корпоративных системах. Эти стандарты обеспечивают практическую интеграцию этики ИИ в политику, аудит и KPI организаций [15]. Европейский AI Act, вступивший в силу в 2024 г., стал первой комплексной регуляторной мерой в мире [4]. Он вводит запреты на недопустимые практики, обязывает провайдеров моделей общего назначения соблюдать требования к прозрачности и безопасности и предусматривает значительные санкции – до 7 % мирового оборота за нарушения. Регуляторная модель ЕС постепенно превращается в золотой стандарт, влияющий на подходы других стран.

Параллельно расширяются нормы приватности и суверенитета данных, 144 страны уже приняли национальные законы о защите информации. В Европе развивается федеративная экосистема Gaia-X, направленная на создание суверенных облачных пространств данных и снижение зависимости от внешних гиперскейлеров. Эти процессы усиливают требования к локализации, контролю трансграничных передач и защите критичных данных.

Экологическая ответственность становится неотъемлемой частью этики ИИ. По оценке Международного энергетического агентства, дата-центры потребляли около 1,5 % мировой электроэнергии в 2024 г. (415 ТВт·ч), а к 2030 г. потребление может увеличиться более чем вдвое – до 945 ТВт·ч, при этом ИИ является главным драйвером роста. Возникает необходимость включать показатели энерго- и водоэффективности (PUE/WUE, Scope 2/3) в ESG-метрики и внедрять практики зеленого ИИ [15].

Социальные риски – снижение доверия, рост дезинформации и теневой ИИ – требуют новых подходов к корпоративной культуре и управлению. Несмотря на то что 78 % организаций уже используют ИИ, лишь треть формализовали механизмы AI-governance, а около 60 % сотрудников применяют несанкционированные ИИ-сервисы. Для компаний это означает необходимость внедрения политик конфиденциальности, человеческой верификации, контроля утечек и обязательного обучения по этике и грамотности ИИ.

Для России и стран, ориентированных на технологический суверенитет, приоритетом становится развитие национальных моделей и платформ, сертифицируемых по международным стандартам и совместимых с требованиями AI Act, ISSB и ESRS, при одновременном обеспечении защиты данных и интероперабельности с глобальными инициативами [16]. Суверенная архитектура ИИ должна сочетать принципы «сделано локально – совместимо глобально», обеспечивая этичность, безопасность и устойчивость национальных цифровых экосистем. В совокупности эти меры формируют новый уровень ответственного применения ИИ, где технологическая эффективность подкрепляется прозрачностью, правовой защищенностью и экологическим балансом.

Заключение

К 2024–2025 гг. сложилась уникальная «точка сборки» для трансформации социально-ответственных систем, климатическая неотложность и существенное отставание по ЦУР совпали с быстрым созреванием технологий ИИ и консолидацией глобальных стандартов отчетности по устойчивости. Самым теплым за всю историю наблюдений признан 2024 г. (+1,55 °C к доиндустриальному уровню, 2015–2024 гг. – десять самых жарких лет), что переводит экологическую повестку из зоны «желательно» в «обязательно» для корпоративных и государственных стратегий. Одновременно на траектории достижения остается лишь около 17 % целевых ориентиров ЦУР, по более чем трети наблюдается стагнация или регресс, что усиливает запрос на измеримость социальных эффектов и управляемость программ развития.

Регуляторная и технологическая инфраструктура стремительно консолидируется, стандарты ISSB/CSRD охватывают около 50 тыс. компаний, 78 % организаций уже применяют ИИ, мировые расходы на него превысят 630 млрд долл. к 2028 г., объем устойчивых активов – 30,3 трлн долл., а энергопотребление ИИ-инфраструктуры может удвоиться к 2030 г., что требует учета ее экологического следа в ESG-метриках [17].

В контексте развития социально-ответственных систем следует отметить, что ИИ становится инфраструктурой ответственного развития, поскольку без ИИ и больших языковых моделей невозможно обеспечить требуемый масштаб сбора, нормализации и верификации ESG-данных, а также проводить сценарный анализ «двойной существенности» и формировать объяснимые управленческие решения. Капитал следует за данными, чем выше полнота, сопоставимость и заверяемость нефинансовой информации, включая ESG-паспорта проектов, тем ниже информационная асимметрия и стоимость привлечения средств. На фоне 30,3 трлн долл. устойчивых активов и 1,05 трлн долл. ежегодных выпусков GSS-облигаций прозрачные данные становятся ключевым элементом инвестиционной привлекательности [18].

Сегодня формируется уникальное окно возможностей – стремительный рост внедрения ИИ (78 % организаций), масштабные инвестиции (109,1 млрд долл. в США и 33,9 млрд долл. в генеративный ИИ глобально) и стандартизация отчетности создают синергетический эффект, при котором цифровая инфраструктура становится главным инструментом снижения транзакционных издержек и управления рисками устойчивости [19]. При этом этика, безопасность и суверенитет данных выступают необходимыми условиями масштабирования.

Усиление регулирования, включая вступление в силу EU AI Act с санкциями до 7 % оборота, и распространение национальных законов о данных (около 144 юрисдикций) требуют встроенного управления ИИ в соответствии со стандартами ISO/IEC 42001 и NIST AI RMF, а также продуманной политики по локализации и защите данных.

В ближайшие 2–3 года компаниям и государственным органам целесообразно ориентироваться на следующие приоритеты: довести охват управленческих процессов с ИИ-поддержкой до не менее 50 %; сократить время получения аналитических инсайтов по ESG и ЦУР-вопросам на 30–50 % за счет применения LLM; автоматизировать не менее 70 % выравнивания метрик под стандарты ISSB, ESRS и GRI с обеспечением сквозной проверки источников данных; включать энерго- и водные показатели ИИ-инфраструктуры в нефинансовую отчетность, формируя планы устойчивой ИТ-модернизации в соответствии с прогнозом Международного энергетического агентства, согласно которому энергопотребление дата-центров может достичь 945 ТВт·ч к 2030 г. В совокупности это позволяет сформировать новый управленческий стандарт. Искусственный интеллект, и прежде всего LLM, становится не надстройкой, а несущей конструкцией социально-ответственных систем – от корпораций до госуправления. При корректной увязке норм, принципов и ценностей – этики, суверенитета и энергоэффективности – ИИ повышает прозрачность, ускоряет цикл принятия решений и укрепляет доверие стейкхолдеров, помогая закрыть разрыв между амбициями устойчивости и их фактическим достижением. Сегодня ИИ выступает не просто технологическим ускорителем, а архитектурным механизмом трансформации социально-ответственных систем, ориентированных на успешное достижение суверенных целей страны и национальных проектов развития.

1. Шваб К. Четвертая промышленная революция / под ред. Д. М. Медведева. М.: Эксмо, 2023. 320 с.

2. IFRS S1 and IFRS S2: Sustainability-related and Cli-mate-related Disclosure Standards. London: IFRS Foundation (ISSB), 2023. URL: https://www.ifrs.org/issb/standards (дата обращения: 05.09.2025).

3. Рейтинг электронного правительства ООН (EGDI), 2024. URL: https://desapublications.un.org/sites/default/files/publications/2025-09/DESA-Highlights-Report-2025.pdf?_gl=1*qstco*ga*MTAyOTY1MDYuMTc1OTc3Njc5OA..*_ga_TK9BQL5X7Z*czE3NTk3NzY3OTgkbzEkZzAkd.DE3NTk3NzY3OTgkajYwJGwwJGgw (дата обращения: 05.09.2025).

4. AI Index Report for 2025. The Stanford Institute for Human-Centered AI (HAI), 2025. URL: https://hai.stanford.edu/ai-index/2025-ai-index-report (дата обращения: 05.09.2025).

5. Карасев А. В. Цифровизация государственного управления в контексте устойчивого развития // Гос. служба. 2023. № 5. С. 22–35.

6. Stanford Institute for Human-Centered AI. AI Index Report 2025. Stanford University, 2025. URL: https://aiindex.stanford.edu (дата обращения: 05.09.2025).

7. Официальный сайт Европейского союза (2025). URL: https://ec.europa.eu/eurostat (дата обращения: 05.09.2025).

8. Data Centres and Artificial Intelligence: Electricity Demand Outlook 2024. Paris: International Energy Agency – IEA Publ., 2024. URL: https://www.iea.org (дата обращения: 05.09.2025).

9. Citi Research, 2025. URL: https://globalny.biz/ (дата обращения: 05.09.2025).

10. Sustainability Reporting Survey 2024: The State of Corporate Responsibility Disclosure. Amsterdam: KPMG International, 2024. URL: https://kpmg.com (дата обращения: 05.09.2025).

11. Recommendation on the Ethics of Artificial Intelli-gence. Paris: UNESCO, 2021. URL: https://unesco.org (дата обращения: 05.09.2025).

12. OECD Principles on Artificial Intelligence. Paris: OECD, 2019. URL: https://oecd.ai/en/ai-principles (дата обращения: 05.09.2025).

13. Digital Development and Responsible AI Governance 2024. Washington, DC: The World Bank Group, 2024. URL: https://www.worldbank.org (дата обращения: 05.09.2025).

14. Global Risks Report 2025. Geneva: World Economic Forum – WEF, 2025. 102 p.

15. Искусственный интеллект и устойчивое развитие: вызовы, риски и возможности для России. М.: Изд-во РАНХиГС, 2024. 76 с.

16. Цифровая экономика и ESG-трансформация бизнеса в России: нац. докл. М.: Изд-во Минэкономразвития РФ, 2024. 128 с.

17. Гурова И. П., Данилов И. В. Цифровая трансформация и искусственный интеллект как драйверы устойчивого корпоративного управления // Инновации и инвестиции. 2024. № 4. С. 78–88.

18. Данилова О. В., Беляева И. Ю., Братарчук Т. В., Рагулина Ю. В. ESG-повестка обеспечения устойчивого развития мировых рынков: проблемы институционализации и координация стратегических ориентиров // Креатив. экономика. 2023. Т. 17. № 10. С. 3573–3590.

19. Абанкина Т. В., Скуфьина Т. П., Чернышова Г. Ю. Устойчивое развитие и ESG-повестка в экономике Рос-сии: вызовы и направления трансформации // Вопр. экономики. 2024. № 6. С. 45–63.