По данным совместного исследования ООО «УЦСБ» (Уральский центр систем безопасности) и ГК «Солар», проведённого весной 2026 года, треть российских компаний игнорирует требования кибербезопасности при использовании искусственного интеллекта (ИИ) в разработке программного обеспечения. В исследовании приняли участие 102 компании из разных отраслей, включая транспорт и логистику.

Ключевые результаты исследования
•    Более 80% российских компаний допускают использование генеративного ИИ в разработке ПО.
•    95% организаций признают, что генеративный ИИ несёт существенные риски для безопасности, а 40% подчёркивают их высокую критичность.
•    32,2% компаний не контролируют использование ИИ и не предъявляют требований информационной безопасности к таким продуктам.
•    50,5% опрошенных разрешают использовать генеративный ИИ только в ограниченном формате — например, через сервисы, развёрнутые в собственном контуре с соблюдением внутренних требований кибербезопасности.
•    86,9% организаций положительно оценивают внедрение специализированной закрытой или «дообученной» большой языковой модели (LLM) внутри собственного контура для оценки уязвимостей, автоматического исправления кода и анализа безопасности.

Из тех, кто рассматривает внедрение LLM:

•    61,6% готовы к внедрению при доказанной эффективности и защищённости решения.
•    25,3% считают это необходимым уже сейчас.
•    13,1% предпочитают традиционные инструменты.

О пользе внедрения ИИ в транспортно‑логистическом секторе
Транспортно‑логистический сектор активно использует ИИ для оптимизации процессов:

•    Оптимизация маршрутов. Алгоритмы анализируют данные о пробках, погоде и дорожных работах, выбирая кратчайшие и экономичные пути доставки — это сокращает время в пути и снижает расходы на топливо.
•    Прогнозирование спроса и управление запасами. ИИ предсказывает сезонные колебания спроса, помогая компаниям грамотно планировать запасы и распределение ресурсов.

•    Автоматизация складов. Роботы и автоматизированные системы ускоряют обработку заказов, уменьшают число ошибок при сборке и управляют запасами.
•    Мониторинг состояния транспорта. Датчики и ИИ прогнозируют поломки до их возникновения, позволяя проводить профилактическое обслуживание и избегать простоев.
•    Управление цепями поставок. Интеллектуальные системы улучшают взаимодействие между участниками цепочки — от производителей до потребителей, повышая прозрачность и оперативность процессов.
•    Повышение безопасности. ИИ отслеживает усталость водителей, анализирует дорожную обстановку и может предупреждать о потенциальных авариях.
•    Персонализация услуг. Анализ предпочтений клиентов позволяет предлагать релевантные скидки и услуги, повышая лояльность аудитории.

Риски внедрения ИИ в транспортно‑логистической сфере
Вместе с преимуществами возникают и специфические риски:

•    Утечка конфиденциальных данных.
•    Кибератаки на ИИ‑системы.
•    Зависимость от качества данных.
•    Высокие затраты на внедрение.
•    Проблемы интеграции. Новые ИИ‑системы должны корректно взаимодействовать с существующими ERP, TMS и WMS‑платформами, иначе возникают сбои в работе
•    Этические и юридические вопросы. Использование данных клиентов вызывает вопросы конфиденциальности. Кроме того, не до конца урегулированы вопросы ответственности при авариях с участием автономных транспортных средств.

Рекомендации для безопасного внедрения ИИ
Чтобы минимизировать риски, эксперты советуют:

•    Развёртывать закрытые LLM‑модели внутри корпоративного контура без передачи данных во внешние сервисы.
•    Внедрять многоуровневую проверку данных — верифицировать информацию перед загрузкой в ИИ и регулярно актуализировать базы.
•    Интегрировать инструменты кибербезопасности (SAST, SCA) для анализа кода ИИ‑систем и защиты от атак.
•    Обучать персонал работе с ИИ, акцентируя внимание на правилах обработки данных и распознавании угроз.
•    Создавать чёткие регламенты использования ИИ: какие задачи можно делегировать алгоритмам, какие данные запрещено передавать моделям.

•    Обеспечивать резервное управление — оставлять возможность ручного контроля критических процессов (например, корректировки маршрутов диспетчером).
•    Регулярно тестировать системы на устойчивость к кибератакам и нештатным ситуациям.

«В приоритете должна быть безопасность на уровне процессов: чёткие политики с описанием задач применения ИИ, автоматические проверки кода и регулярное обучение команд. Без постоянной подпитки свежими данными об уязвимостях закрытая LLM не сможет распознавать новые типы атак и не предупредит о трендовых рисках», — отмечает Евгений Тодышев, руководитель направления безопасной разработки УЦСБ.

Таким образом, ИИ способен кардинально повысить эффективность транспортно‑логистического сектора, но его внедрение необходимо сопровождать комплексной стратегией кибербезопасности и чёткими внутренними политиками использования технологий.

Источники данных исследования:
Основные данные взяты из совместного исследования ООО «УЦСБ» и ГК «Солар» (весна 2026 года). С полной версией отчёта можно ознакомиться:
На официальном сайте ГК «Солар»:  https://rt-solar.ru/
На сайте ООО «УЦСБ»: https://ucsb.ru/