Сделки M&A с ИИ-активами

В период 2024–2025 гг. искусственный интеллект в России окончательно перестал восприниматься в качестве экспериментальной технологии и, следуя глобальному тренду, превратился в фундаментальный драйвер стоимости бизнеса. Российский рынок M&A в сегменте ИИ1 только начинает формироваться. По данным исследования, проведенного МФТИ при поддержке партнеров2, по итогам 2024 г. объем российского рынка: 1) ИИ составил 1,15 трлн руб., прирост относительно 2023 г. — 23%; 2) венчурных инвестиций в ИИ составил 39 млн долл. (против 10 млн долл. в 2023 г.); 3) M&A в ИИ составил 33 млн долл. (против 148 млн долл. в 2023 г.).

Обобщенных данных по рынку M&A в российском сегменте ИИ по итогам 2025 г. на текущий момент найти не удалось. Однако доступные данные об итогах первого полугодия 2025 г. свидетельствуют о тенденции роста транзакционной активности на российском рынке M&A в ИИ. В связи с этим перед инвесторами и юристами встает комплексная и очень сложная задача: корректно определить периметр сделки M&A, идентифицировать активы, создающие стоимость ИИ-бизнеса, оценить риски и правильно структурировать отношения между сторонами.

В рамках данной статьи отсутствует возможность детально рассмотреть все вопросы, возникающие в процессе сопровождения сделки M&A с ИИ-бизнесами, подробно проанализировать все риски и инструменты их митигации. В данном обзорном материале описаны основные направления правового анализа и разрезе наиболее важных аспектов структурирования сделок M&A с ИИ-компаниями, а также затронуты системные проблемы ИИ-бизнесов, которые наиболее остро проявляются при совершении сделок M&A.

1. ИИ-РЕШЕНИЕ КАК ОБЪЕКТ СДЕЛКИ M&A

Проблема определения контура сделки M&A с ИИ-активами, традиционно связанная с отставанием регуляторной среды от развития технологий, осложняется разнообразием ИИ-решений, их стремительной эволюцией, сложностью и трансграничностью бизнес-моделей и, не в последнюю очередь, терминологической путаницей. На практике термины «искусственный интеллект», «машинное обучение», «глубокое обучение» или «большая языковая модель» зачастую используются как взаимозаменяемые. Однако для целей юридического структурирования M&A-сделки точность в определении используемых технологий приобретает критическое значение.

С коммерческой и технологической точек зрения ядро современных ИИ-решений составляет машинное обучение (ML) — область, где алгоритмы учатся выявлять закономерности непосредственно из данных3. Внутри ML выделяется глубокое обучение (Deep Learning), основанное на многослойных нейронных сетях для анализа сложных структур4. Еще более специализированным инструментом являются большие языковые модели (LLM) — продукт глубокого обучения, сфокусированный на обработке естественного языка5. Эта иерархия наглядно демонстрирует, что качество и релевантность обучающих данных (датасетов) прямо определяют ценность и эффективность создаваемых на их основе моделей. Однако сама по себе техническая классификация не дает ответа на вопрос, что же является предметом сделки M&A с ИИ-активами.

В контексте сделок M&A стоимость ИИ-компании концентрируется вокруг двух ключевых типов активов: ИИ-моделей и ИИ-систем.

• ИИ-модель представляет собой ядро технологии — набор параметров и алгоритмических правил, способных на основе входных данных генерировать вывод или прогноз6 (например, модель для распознавания изображений или LLM).

Сама по себе модель редко является законченным рыночным продуктом. В отношении российских компаний — операторов собственных ИИ-моделей (как базовых, так и «дообученных») рынок сделок M&A отсутствует. Модели разрабатываются рядом крупнейших технологических игроков, ИИ-подразделения которых обеспечивают основу российской ИИ-экосистемы.

• ИИ-система — это готовое к использованию решение, в которое модель интегрирована как центральный, но не единственный компонент. Системы ИИ обычно представляют собой комбинацию элементов, использующих технологии ИИ (модель ИИ), и традиционных элементов, в частности таких, как исходный код и базы данных7. Примеры ИИ-систем — чат-бот или платформа для прогнозной аналитики.

Чтобы интуитивно понять разницу, можно сравнить модель искусственного интеллекта с двигателем автомобиля: он может быть очень мощным, но без остальной части автомобиля (системы ИИ) это просто большой статический набор данных8.

Именно эти два элемента — модель как интеллектуальное яд... ✂