AI-аудит: как компании проверяют свои AI-системы на предвзятость и ошибки

Вступление в силу EU AI Act в марте 2026 года превратило AI-аудит из добровольной практики в юридическое требование для компаний, работающих на европейском рынке. Системы высокого риска — используемые в найме, кредитовании, здравоохранении и правоприменении — обязаны проходить независимую оценку на предвзятость, точность и прозрачность. Штрафы за несоответствие достигают €35 млн или 7% глобального оборота. Рынок AI-аудита, по оценке Gartner, вырастет с $250 млн в 2025 году до $2,4 млрд к 2028-му.

Что именно проверяют при AI-аудите? Три основных измерения. Fairness — оценка предвзятости модели по защищённым признакам (пол, возраст, раса, инвалидность). Robustness — устойчивость модели к необычным входным данным, adversarial-атакам и drift (изменению распределения данных со временем). Explainability — способность объяснить, почему модель приняла конкретное решение. Компания Holistic AI из Лондона предлагает платформу, которая автоматизирует все три типа проверок и генерирует отчёты, совместимые с требованиями EU AI Act.

Практика показывает тревожные результаты. Исследование NIST выявило, что 189 из 200 протестированных систем распознавания лиц показывают статистически значимую разницу в точности между демографическими группами. Аудит алгоритмов кредитного скоринга, проведённый Cathy O'Neil (автор книги Weapons of Math Destruction) через её компанию ORCAA, обнаружил, что 73% моделей воспроизводят исторические паттерны дискриминации, даже если защищённые признаки формально исключены из входных данных.

Для корпораций рекомендация конкретна: не ждите регуляторного давления, начните аудит сейчас. IBM выпустила open-source инструмент AI Fairness 360, Google — What-If Tool для визуализации поведения моделей, Microsoft — Fairlearn. Эти инструменты бесплатны, и даже базовый аудит лучше, чем его отсутствие. Компании, которые проведут аудит добровольно и опубликуют результаты, получат репутационное преимущество — как ESG-отчётность пять лет назад.