Почему первый в Азербайджане сертификат ISO/IEC 42001 — лишь начало большого пути к созданию зрелой ИИ-экосистемы.
Искусственный интеллект перестал быть экспериментальной технологией и стремительно превращается в основу цифровой трансформации бизнеса и государственного сектора. Однако успешное внедрение ИИ зависит далеко не только от выбора модели или мощности вычислительной инфраструктуры. На первый план выходят вопросы качества данных, их управления, безопасности, прозрачности процессов и корпоративной политики использования искусственного интеллекта.
Именно поэтому получение компанией Yukon Labs сертификата ISO/IEC 42001:2023 стало заметным событием для всего IТ-рынка Азербайджана. Компания первой в регионе подтвердила соответствие своей системы управления искусственным интеллектом требованиям первого международного стандарта в области AI Governance. Однако, как считает генеральный директор Yukon Labs Алим Салахов, сама сертификация — лишь вершина айсберга. За ней стоит гораздо более масштабная работа: построение полноценной экосистемы корпоративного искусственного интеллекта, где Data Governance, AI Governance, современные платформы управления данными и ИИ-агенты работают как единый организм.
В интервью Infocity Алим Салахов рассказал, почему большинство компаний пока не готовы к внедрению ИИ, зачем бизнесу нужны Data Lakehouse и AI Governance, когда в Азербайджане могут появиться собственные большие языковые модели и почему именно подготовка молодых специалистов станет одним из ключевых факторов развития отрасли.
— Yukon Labs стала первой компанией в Азербайджане, получившей сертификат ISO/IEC 42001:2023. Что лично для вас означает это достижение?
— Прежде всего это подтверждение того, что мы движемся в правильном направлении. Сегодня многие воспринимают искусственный интеллект исключительно как технологию или программный продукт. На самом деле ИИ — это прежде всего система управления. Любая организация, внедряющая искусственный интеллект, должна понимать, какие модели используются, кто имеет к ним доступ, какие данные обрабатываются, где они хранятся, каким образом принимаются решения и как управляются возникающие риски. Именно эти вопросы регулирует стандарт ISO/IEC 42001.
Для Yukon Labs это не столько сертификат, сколько подтверждение зрелости внутренних процессов. Мы сознательно строили компанию вокруг принципов Responsible AI — ответственного искусственного интеллекта. Поэтому получение сертификата стало логичным результатом той работы, которую мы ведем уже достаточно давно. Кроме того, для нас важно, что это первый подобный сертификат в Азербайджане. Это означает дополнительную ответственность перед рынком.
— Многие пока плохо понимают, что такое AI Governance. Почему именно эта тема сегодня становится ключевой?
— Потому что ИИ невозможно эффективно использовать без правил. Сегодня сотрудники компаний используют ChatGPT, Claude, Gemini, Copilot и десятки других сервисов. Но практически никто не контролирует, какие данные туда отправляются, какие модели применяются и насколько безопасно это происходит. AI Governance как раз отвечает на эти вопросы.
Организация должна понимать весь жизненный цикл использования искусственного интеллекта: кто работает с ИИ, какие модели разрешено использовать, какие данные могут покидать корпоративный периметр, а какие — нет. Именно поэтому мы начали сертификацию по ISO 42001 еще в начале 2026 года. Мы хотели выстроить полноценную систему управления ИИ, а не просто внедрять отдельные инструменты.
И здесь я бы провел границу, которую многие пока не проводят: между AI Governance и тем, что мы в компании называем AI Value Governance. AI Governance отвечает на вопрос «Можно ли это делать, и насколько это безопасно?». Это слой ограничений: политики, аудиты, оценки рисков. По сути, это внутренний аудит и комплаенс применительно к ИИ — он ловит вред и нарушения, и работает точечно: перед запуском и потом периодически.
AI Value Governance — это совсем другой вопрос: «Стоит ли это того, и что дальше?» Это уже не ограничение, а целевая функция. Это ближе к роли финансового директора и портфельного управления, чем к комплаенсу: инструменты здесь — не политики, а учет создаваемой ценности, юнит-экономика инициатив, портфель проектов, прогнозы. И работает это не разово, а непрерывно.
Разница особенно заметна там, где что-то идет не так. Если не хватает AI Governance, вы получаете вред и санкции — это видно сразу, есть инцидент, есть регулятор. А если не хватает AI Value Governance, то происходит тихое, накапливающееся уничтожение капитала: компания годами финансирует модели, агентов и пилоты, которые никогда не окупаются, и никто не замечает этого вовремя, потому что формально все безопасно и соответствует политикам — просто бесполезно. ISO 42001, NIST AI RMF, европейский AI Act — все это про первое. Про второе системного стандарта в индустрии пока, по сути, нет, — и здесь мы выстраиваем собственный фреймворк.
Добавлю жесткую реалию. У многих компаний за долгие годы выработалась привычка обходить внутренние регламенты — формально в рамках закона, но по факту на грани. С людьми это иногда работает: договорился, объяснил — и как-то утрясли. С ИИ так не получится. Система не различает «букву» и «дух» правила так, как это делает человек, который хочет его обойти, — она либо соблюдает политику, либо превращается в дыру в периметре, которую не всегда вовремя заметишь. Если не контролировать, кто и что делает внутри периметра с ИИ, последствия могут быть по-настоящему серьезными.
Я знаю, о чем говорю, не понаслышке: у нас уже есть случаи, когда собственные ИИ-агенты отказываются выполнять команду или прямо указывают, что запрошенное действие противоречит установленным политикам, — и это не фантастика, а то, что происходит по сути на практике. Это и есть работающий Governance: не бумажная политика, а система, которая отказывается делать то, что нарушает правила, даже если ее об этом прямо просят. Тем, кто хочет прочувствовать это до конца, я посоветую посмотреть фильм «Орлиный глаз» (Eagle Eye, 2008 год). Это, конечно, художественный вымысел, но он неплохо показывает, к чему приводит автоматизированная система, получившая возможность действовать без контроля со стороны человека.
— Вы часто говорите, что фундамент любого ИИ — это Data Governance. Почему?
— Любой искусственный интеллект настолько хорош, насколько хороши данные, с которыми он работает. Если внутри компании отсутствует единая политика управления данными, ИИ начинает принимать решения на основе противоречивой или некачественной информации. Первый вопрос всегда должен звучать так: откуда поступают данные? Второй — насколько этим данным можно доверять? Если компания не может ответить на эти два вопроса, никакая современная языковая модель ситуацию не спасет. Именно поэтому мы уделяем такое внимание Data Governance.
Здесь я бы добавил еще один момент. Многие поставщики Data Governance до сих пор ведут себя так, будто на дворе 2010 год: подают эти решения как штучный, элитный продукт — с внедрением, растягивающимся на много месяцев, армией консультантов и ценником, который сразу отсекает всех, кроме десятка самых крупных компаний в стране. Это давно не соответствует реальности эпохи ИИ, но именно таким у многих сложился образ Data Governance — что-то дорогое и не для всех.
Из-за этого у среднего бизнеса возникает ощущение, что Data Governance — это игрушка для богатых компаний с огромными бюджетами и штатом дата-инженеров, а значит, «не для нас». Я считаю, это одна из задач, которую нам нужно решить: показать, что Data Governance давно перестал быть привилегией только гигантов. Современные подходы позволяют внедрить его экономично и быстро, и для среднего бизнеса это абсолютно по силам. Пусть не для самых маленьких компаний, но для среднего бизнеса точно. Причем эффект получается непропорционально большим по сравнению с вложениями: компания не просто повышает эффективность процессов, она впервые получает ответ на вопросы «кто, что и почему сделал с данными» буквально на кончиках пальцев, а не через недели переписки между отделами. Это тот же принцип, о котором я говорил про выбор платформы и модели: масштаб решения должен соответствовать размеру задачи, а не наоборот.
И здесь важна не только цена лицензии, но и то, насколько сам производитель платформы готов подстраиваться под клиента. Классическая история Data Governance выглядела так: покупаешь платформу, а любая доработка под свои процессы — это отдельный дорогой проект с внешними консультантами. Сегодня, во времена ИИ, хороший поставщик обязан быть гибким и позволять вносить доработки в систему за небольшие деньги, а иногда и вовсе без дополнительных вложений.
Например, мы написали собственный MCP-сервер — это протокол, который позволяет ИИ-агентам напрямую и безопасно обращаться к данным и инструментам компании, а не работать с ними в обход через отдельные интеграции. Это ощутимо изменило экономику проекта: внедрение теперь занимает от одного до трех месяцев, а не полгода-год, как в классической модели. Если добавить к этому собственных ИИ-агентов, которых мы предоставляем клиенту в первый год работы, онбординг внутренней команды тоже проходит намного быстрее — людям не нужно с нуля разбираться в новом интерфейсе. Агент все подскажет и поможет прямо по ходу работы.
У нас в компании есть и собственные расчеты на этот счет — опять же, по методу Ферми, грубой оценкой, а не точным исследованием. ВВП Азербайджана — порядка 75 млрд. долларов. Значительная часть экономической активности в стране так или иначе завязана на государственный сектор и крупные компании — по грубой оценке это порядка 35-40% ВВП, то есть 27-30 млрд. долларов. Я сознательно не говорю здесь о каких-то злоупотреблениях — речь о более простой и скучной вещи — о том, сколько ресурсов теряется просто из-за некачественных данных, дублирующихся процессов и решений, принятых без полной картины происходящего. Если правильное управление данными и внедрение ИИ — именно на уровне не data-driven, а knowledge-driven принятия решений, то есть не когда алгоритм решает вместо человека, а когда у человека наконец появляется полная и достоверная картина для принятия собственного решения, — повышают эффективность использования этих ресурсов хотя бы на 3-10% (это вполне консервативная оценка по мировым бенчмаркам цифровизации), то дополнительный эффект для экономики составит от 1 до 3 млрд. долларов в год. И это не разовый эффект, а системный: чем больше решений в стране принимается на основе качественных данных, а не интуиции или неполной картины, тем быстрее эта цифра растет.
И раз уж мы заговорили о зрелости — мы прямо сейчас запускаем новый сайт, и там любой желающий сможет бесплатно проверить, насколько его организация готова к Data Governance и AI Governance, так как мы сделали собственный ассесмент прямо на сайте. Так что приглашаю всех зайти и честно оценить свою зрелость. Если после этого останутся вопросы — пишите нам, поможем разобраться, что делать дальше.
— Какие технологии Yukon Labs использует для решения этих задач?
— Мы строим целостную архитектуру управления корпоративными данными, и здесь важна не разрозненность инструментов, а то, как они складываются в одну систему. В основе — Data Governance: здесь мы сотрудничаем с компанией OvalEdge, одним из признанных мировых лидеров этого направления, решения которого рекомендуются Gartner и Forrester. Платформа объединяет каталогизацию данных, контроль качества, управление доступом, отслеживание происхождения данных и аудит в единой системе.
Рядом с Data Governance стоит Data Lakehouse. Здесь мы работаем с платформой Starburst, которая позволяет выполнять высокопроизводительную аналитику непосредственно поверх существующих хранилищ данных, без сложных ETL-процессов и лишнего копирования информации.
При этом далеко не всем клиентам с первого дня нужен весь этот комплект. У нас есть решения разного масштаба: кому-то на самом деле нужна полноценная система Data Governance, а кому-то на старте достаточно компактного data lakehouse или semantic layer — слоя, который поверх существующих данных дает бизнес-пользователям единые метрики и определения, без внедрения тяжелой платформы управления данными. Мы стараемся не предлагать избыточное решение там, где хватит малого, — это тот же принцип, что и с выбором модели: масштаб и стоимость платформы должны соответствовать задаче, а не наоборот. Все эти технологии дополняют друг друга и создают основу для безопасного внедрения искусственного интеллекта — вне зависимости от того, с чего конкретно начинает клиент.
Важный принцип, который мы соблюдаем во всех этих направлениях, — соответствие признанным международным стандартам, а не изобретение собственных практик с нуля: AI Governance мы выстраиваем по ISO/IEC 42001, работу с медицинскими данными — по стандарту FHIR, а каталогизацию и контроль качества данных — по практикам, которые рекомендуют Gartner и Forrester. Это осознанный выбор: когда в основе лежит международный стандарт, с нами проще разговаривать и регулятору, и зарубежному партнеру — не нужно объяснять постфактум, как устроена система изнутри.
— Сейчас практически каждая компания заявляет, что использует ИИ. Насколько рынок действительно готов «подсеть» на ИИ?
— Если говорить откровенно — пока не очень. Сегодня вокруг искусственного интеллекта огромное количество информационного шума. Люди слышат термин «искусственный интеллект» практически каждый день, но зачастую не понимают, какие задачи действительно можно решить при помощи этих технологий. Многие думают, что достаточно купить GPU или оформить подписку на ChatGPT — и цифровая трансформация завершена. Это далеко не так! Сначала необходимо привести в порядок данные, затем выстроить процессы управления, определить роли, политики безопасности, а уже потом внедрять ИИ.
— Вы активно развиваете направление ИИ-агентов. Чем они отличаются от привычных чат-ботов?
— ИИ-агенты — это уже следующий этап развития искусственного интеллекта. Если чат-бот в основном отвечает на вопросы пользователя, то агент способен выполнять полноценные бизнес-процессы: работать с ERP-системами, финансовыми документами, внутренними базами данных, помогать HR-службе, автоматизировать налоговую отчетность или сопровождать закупочные процедуры. Причем у каждой компании могут быть свои специализированные агенты. Именно поэтому мы сейчас создаем готовые решения, которые позволяют бизнесу внедрять ИИ постепенно, начиная с конкретных задач и быстро получая измеримый экономический эффект.
— Вы также говорили о концепции Sovereign AI. Насколько Азербайджан готов к созданию собственных ИИ-моделей?
— Технически — готов, и это не громкие слова. У нас уже был опыт обучения собственных моделей, поэтому мы точно понимаем, из чего складывается такой проект: команда, данные, инфраструктура и, конечно, вычислительные мощности — на GPU обычно приходится 70-80% бюджета. Но я убежден: вопрос суверенитета не решается покупкой железа. GPU может купить любая страна с достаточным бюджетом, сами по себе они никакой ценности не создают. Суверенитет — это когда у государства или компании остается выбор: какую модель использовать, как ее контролировать и что произойдет, если завтра иностранный вендор изменит правила игры, ограничит доступ или поднимет цену в несколько раз.
Кстати, тут есть свежий пример прямо в тему. Недавно финансовый директор OpenAI на подкасте вскользь сказала, что азербайджанский — один из самых быстрорастущих по темпам использования языков в ChatGPT, наравне с казахским. Приятно это слышать, но я бы сразу предостерег от того, чтобы считать это достижением или показателем зрелости. Она сама в том же выступлении оговорилась, что похожий рекорд по Африке во многом объясняется низкой стартовой базой. И с языками, я подозреваю, та же история: азербайджанского там раньше было мало, поэтому даже небольшой абсолютный рост в процентах выглядит эффектно. По нашим собственным оценкам, реальных пользователей ChatGPT в стране сейчас порядка 500 тысяч — для страны с населением в более 10 миллионов это далеко не зрелый рынок, а рынок на ранней стадии роста. Прогресс есть, и он реальный, просто его пока рано называть зрелостью.
Но даже на этой ранней стадии видно, что у нас в стране огромный органический спрос на ИИ — люди сами без всякой господдержки активно им пользуются. Я бы не назвал это достижением в смысле суверенитета, скорее наоборот. Быть самым быстрорастущим рынком пользователей чужого продукта — это как быть самым быстрорастущим импортером чужих автомобилей: отличный показатель спроса и покупательской готовности, но не показатель того, что у страны есть свой автопром. Спрос на ИИ у нас уже есть, причем подтвержденный со стороны, а не нами придуманный. Вопрос в том, кто на этом спросе зарабатывает и чьи сервера видят каждый запрос, который жители страны делают на азербайджанском языке. И тут показательна еще одна цифра: по данным Global Stats в мае 2026 года доля ChatGPT на рынке ИИ-чатботов внутри Азербайджана составила 79,52% — и это не устоявшаяся картина, а доля, которая продолжает расти, прибавив почти 7% за один месяц. Google Gemini при этом «просел», а на Claude, Copilot и Perplexity вместе взятые приходится меньше 8% рынка. Иными словами, у нас в стране не просто высокий спрос на ИИ — у нас практически монопольный спрос на одного конкретного зарубежного поставщика, и эта монополия только укрепляется.
Именно поэтому параллельно с сертификацией по ISO/IEC 42001 мы развиваем HAVAA — собственную платформу суверенного ИИ, которая разворачивается в периметре заказчика: в дата-центре банка, ведомства или национальной инфраструктуре, а не в облаке иностранного вендора. И это не просто декларация: HAVAA участвовала в том же аудите ISO/IEC 42001 — мы показывали аудиторам именно эту платформу и то, как она устроена изнутри, а не только процессы на бумаге. Данные, модели и логика принятия решений не покидают эту инфраструктуру, а управляются по тем же принципам Data Governance и AI Governance, которые мы уже подтвердили международным сертификатом. Для меня это принципиальный момент: суверенный ИИ без управления — это просто ИИ, до которого сложнее дотянуться регулятору, а вовсе не более безопасная система.
Поэтому, когда меня спрашивают про суверенный ИИ, я говорю не о том, обучит ли Азербайджан собственную большую языковую модель в следующем году. Я говорю о том, что уже сегодня у страны и у бизнеса должна быть архитектура, которая не привязывает их намертво к одному вендору или одной юрисдикции. Технологический суверенитет — это не набор серверов, а возможность в любой момент сказать «нет» любому поставщику и продолжить работать. Вот это мы и строим.
И здесь я бы добавил мысль, адресованную скорее государству, чем бизнесу. Разговор о суверенном ИИ часто сводится к одной задаче — построить одну большую национальную модель. Мне кажется, что это ловушка. ИИ невозможно монополизировать, как какой-нибудь один экспортный товар, — и попытка сделать это будет вредна для экономики в целом. Ставка на одного «чемпиона» с единственной моделью — это классическая экономика одной культуры, только вместо бананов на экспорт один ИИ-проект, которым отчитываются перед всеми. И такая модель одинаково хрупкая — что для бананов, что для нефти, что для искусственного интеллекта.
И тут добавлю то, что не всегда приятно слышать. Развитие ИИ — это не нефтяная отрасль, и выстраивать его по той же логике — несколько крупных игроков и разные правила для разных участников — было бы ошибкой. В нефтяной сфере можно жить с несколькими крупными месторождениями и операторами. В ИИ выигрывает не тот, у кого есть доступ к ресурсу, а тот, у кого есть открытая, одинаковая для всех конкурентная среда для десятков компаний одновременно. Технологический суверенитет строится не только на моделях и дата-центрах, но и на том, насколько равные условия получают все, кто готов вкладываться в эту отрасль.
Если прикинуть масштаб по методу Ферми, с грубой оценкой, не претендуя на точность: пусть в стране несколько тысяч компаний среднего и крупного размера, и хотя бы каждой десятой из них реально нужен свой ИИ-агент или узкая модель под конкретный процесс, а это уже сотни отдельных внедрений. Один флагманский государственный проект, даже самый амбициозный, физически не закроет такое количество разных задач — он для этого не создавался, и это не его уровень.
Гораздо полезнее, если государство будет поддерживать не одного «чемпиона», а целую группу компаний, которые пробуют строить свои модели и ИИ-продукты, — у каждой свой масштаб, свои задачи и своя экономика. Далеко не всем нужна модель уровня топовых флагманов вроде GPT или Claude — это дорого и часто избыточно для конкретной бизнес-задачи. Во многих случаях выгоднее компактная, узкоспециализированная модель, которая закрывает конкретную задачу и не «сжигает» бюджет на токены и аренду GPU. Тем более что на рынке уже появляются серверные решения для ИИ-инференса на CPU — они дешевле, доступнее и для многих корпоративных сценариев их производительности вполне достаточно. Если государство профинансирует именно это разнообразие — от компактных CPU-решений до тяжелых GPU-кластеров, то отрасль вырастет быстрее, чем если все ресурсы уйдут в один флагманский проект.
— Вы много работаете со студентами. Почему для вас настолько важно это направление?
— Я считаю, что специалистов нужно выращивать самостоятельно. Добавлю личное: где бы я ни работал, я всегда уделял много времени обучению людей внутри команды — это не какая-то новая корпоративная инициатива, а то, как я работаю уже давно. Сегодня мы фактически создали собственную систему подготовки ИИ-инженеров и специалистов по Data Governance. Берем студентов последних курсов, проводим обучение, организуем полноценный онбординг и помогаем получать международные сертификаты. Если масштабировать эту программу, мы вполне способны ежегодно выпускать несколько десятков квалифицированных ИИ-специалистов.
И у нас в стране, на самом деле, часто заканчивают Computer Science отличные ребята — не потому что наши университеты выстроены по методикам уровня MIT или Cambridge, а потому что каким-то чудом в стране сохранилась математическая и физическая школа — пусть меньше, чем раньше, но она есть. Благодаря этому у нас действительно появляются способные кадры. Проблема в другом: их почти никто не видит.
И бизнес их тоже не видит. Компании гонятся за хайпом и готовы платить большие деньги за опытных специалистов, а молодым ребятам без опыта элементарно негде себя показать — их либо не берут вообще, либо берут в ШТ-отдел на скучные рутинные задачи, без внимания и развития. В какой-то момент такой человек просто уезжает. А через пару лет мы читаем новость, что азербайджанец работает в Meta, Google или Amazon и добился там успеха. Базу, за которую его там оценили, он получил здесь, у нас, просто мы сами его отпустили, даже не заметив, что упустили.
Именно поэтому для меня студенческая программа — это не благотворительность и не пиар, а способ не упустить то, что и так уже есть в стране, но что мы пока не умеем разглядеть и удержать. Именно люди, а не технологии станут главным фактором развития искусственного интеллекта в Азербайджане.
— Каким вы видите рынок искусственного интеллекта через 5 лет?
— Раз уж вы подняли тему про горизонт в 5 лет, я скажу пару слов и про суперинтеллект, раз об этом сейчас говорит вся индустрия. Здесь я, если честно, скорее скептик по срокам: одни лаборатории обещают его чуть ли не через 2-3 года, другие — через десятилетия, и, если приглядеться, единого определения того, что вообще считать суперинтеллектом, в индустрии тоже нет. Я не берусь называть дату. Но для такой страны, как наша, спор о конкретном годе, по-моему, вообще не главный вопрос. Даже если суперинтеллект появится завтра, страна или компания без своих данных, без AI Governance и без людей, которые умеют с этим работать, просто не сможет им воспользоваться — точно так же, как сегодня не может в полной мере воспользоваться уже существующими моделями. Поэтому для меня это не про то, когда наступит суперинтеллект, а про то, готовы ли мы быть готовыми к любому следующему скачку, а не именно к этому.
Очень надеюсь, что мы перестанем воспринимать искусственный интеллект как модный термин. ИИ станет обычным рабочим инструментом — таким же, каким сегодня являются облачные сервисы или корпоративные информационные системы. Но произойдет это только в том случае, если бизнес начнет инвестировать не только в вычислительные мощности, но и в данные, процессы, специалистов и культуру управления искусственным интеллектом.
Мне здесь близка позиция Андрея Карпаты — одного из основателей OpenAI и бывшего руководителя автопилота Tesla. Он говорит, что мы живем не в «год агентов», а в «десятилетие агентов». Сегодняшнего ИИ-агента еще нельзя без оговорок сравнить со штатным сотрудником — у него нет полноценной памяти, устойчивой работы с компьютером и способности учиться на ходу, а на то, чтобы это исправить, уйдут годы, а не месяцы. Его метафора мне очень нравится: сегодняшние агенты — это скорее «костюм Железного человека», чем «робот Железного человека» — усиление возможностей сотрудника, а не полная замена его решений. Именно поэтому мы в Yukon Labs строим ИИ-агентов как инструмент с четко очерченными границами полномочий, а не как автономного исполнителя, — это честнее по отношению к тому, что технология умеет уже сегодня.
И у этого тезиса есть вполне жесткое количественное подтверждение. По оценке PwC, вклад ИИ в глобальный ВВП к 2030 году составит около 15,7 трлн. долларов — это порядка 14% ВВП относительно сценария без ИИ. Goldman Sachs оценивает совокупный прирост ВВП развитых экономик за десятилетие более чем в 35%, а в среднем по миру — около 7%. Но это средние цифры, а не гарантия для каждой отдельной страны. В свежей модели МВФ, посвященной именно неравномерности эффекта от ИИ по странам, экономики разбиты на группы по готовности и вовлеченности в эту технологию — и Азербайджан там пока не выделен отдельной строкой, как, например, Казахстан, а идет в общей группе с более скромным прогнозируемым эффектом на ВВП за 10 лет.
Я не считаю это поводом для расстройства. Скорее, наоборот. Это полезный сигнал, что нам нужно двигаться быстрее, чем считалось раньше. Дело в том, что такие международные модели опираются на исторические данные, а у нас в стране прямо сейчас происходят вещи, которые в эти расчеты еще не попали: и налоговые льготы для сферы ИИ на 10-20 лет, и первый в регионе сертификат ISO/IEC 42001, и растущее число компаний, которые всерьез инвестируют в AI Governance, а не просто оформляют подписку на ChatGPT. Одна из самых важных реформ корпоративного законодательства Азербайджана за последние годы — это принятый совсем недавно первый комплексный закон, который создает правовую основу для венчурного капитала, ESOP, SAFE, Convertible Notes и современных корпоративных соглашений в Азербайджане. Именно поэтому многие эксперты уже называют его венчурной реформой Азербайджана (Azerbaijan Venture Capital Reform). Впервые в стране создана современная правовая база для развития стартапов, венчурного капитала и инновационных компаний. Для технологического сектора, особенно в области искусственного интеллекта, это открывает новые возможности для привлечения талантов, инвестиций и масштабирования бизнеса.
Международная методология обновляется медленнее, чем реальная ситуация внутри страны, — и наша задача как отрасли в том, чтобы измениться быстрее, чем нас в следующий раз пересчитают в подобных моделях. Именно это сегодня является главным вызовом для всей отрасли. И скажу это не как красивую фразу для интервью: те 1-3 млрд. долларов дополнительного эффекта для экономики, которые упоминались выше, — на мой взгляд, вполне реалистичная и достижимая для нас на этом горизонте цель, если дисциплина, о которой я все время говорю, действительно появится. Именно это сегодня является главным вызовом для всей отрасли.
