Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)
LanzamientoAnálisis · En radarvc.ru→ original

Roskomnadzor destinará 2.270 millones de rublos a filtrar el tráfico con IA hasta 2028

Roskomnadzor ha reservado 2.270 millones de rublos para un sistema que, mediante aprendizaje automático, buscará en el tráfico de internet contenido prohibido y formas de eludir los bloqueos. Así lo informa Forbes, citando el programa de transformación digital para 2026–2028. El modelo es «nacional», pero no se revela su nombre. Los expertos advierten de que podría haber falsos positivos y fallos en servicios corporativos y VPN.

Procesado por IA desde vc.ru; editado por Hamidun News
Roskomnadzor destinará 2.270 millones de rublos a filtrar el tráfico con IA hasta 2028
Fuente: vc.ru. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalvc.ru ↗
Editor jefe
Duración del programa2026–2028; presupuesto: 2.270 millones de rublos
Dato clave #2El modelo funciona en la infraestructura propia del organismo
Riesgosbloqueos erróneos y pérdida de estabilidad en las VPN y los servicios empresariales

Hasta ahora, los bloqueos en internet ruso se basaban en listas: si una dirección o un rasgo aparece, el acceso se cierra. Ahora Roskomnadzor quiere añadir a ese esquema el aprendizaje automático. Según Forbes, que cita el pasaporte del programa de transformación digital para 2026–2028, la implantación de este mecanismo cuenta con 2.270 millones de rublos. Para quienes operan servicios en Rusia, desarrollan productos empresariales o dependen de las VPN, es un motivo para revisar con atención la resistencia de su infraestructura.

Qué se sabe del proyecto

Los datos son escasos, y casi todos proceden de la versión de Forbes. El regulador utiliza un modelo matemático «nacional» cuyo nombre no se revela. El modelo está desplegado en la infraestructura propia del organismo, es decir, no en la nube de un proveedor externo. Según el documento, su función es extraer automáticamente la información necesaria de grandes volúmenes de datos.

Lo que no aparece en la información pública son los detalles. No se sabe con qué datos se entrenó el modelo, qué parte del tráfico procesará ni cómo se verificarán sus decisiones. Tampoco hay cifras de precisión. Por eso solo puede evaluarse el objetivo declarado y las preocupaciones de los expertos, pero no la calidad real de su funcionamiento.

Para qué lo quiere el regulador

La lógica se entiende con un ejemplo sencillo. Un filtro clásico se parece a un guardia con una lista de apellidos: solo reconoce a quienes ya están anotados. Un modelo entrenado se parece más a un empleado que ha memorizado el comportamiento típico de los infractores y detecta a personas similares aunque todavía no figuren en la lista.

Según la valoración de los expertos consultados por Forbes, eso es precisamente lo que busca Roskomnadzor: encontrar con más precisión el contenido prohibido y las formas de eludir los bloqueos. La segunda vertiente es especialmente visible. Las herramientas de elusión cambian rápido y la actualización manual de las listas no puede seguirles el ritmo. La clasificación automática del tráfico, en teoría, permite reaccionar más deprisa.

Qué riesgos corren las empresas y los desarrolladores

Los mismos expertos advierten de efectos secundarios. El primero son los falsos positivos. Cualquier modelo se equivoca, y en el tráfico de red un error significa que un servicio legal puede acabar bloqueado o limitado. El segundo riesgo es la pérdida de estabilidad de los servicios corporativos y de las VPN. Muchas compañías usan la VPN no para eludir prohibiciones, sino para trabajar con normalidad: acceso seguro de los empleados a sistemas internos, conexión entre oficinas o acceso a API extranjeras. Desde la red, ese tráfico puede parecerse al que el regulador quiere frenar.

Las conclusiones prácticas para los equipos son las siguientes:

  • Planifiquen con antelación qué hacer ante interrupciones: canales de comunicación de respaldo, rutas alternativas y un procedimiento claro si un servicio externo deja de responder.
  • Si su producto depende de API extranjeras o de conexiones VPN, incluyan en la monitorización comprobaciones de disponibilidad desde redes rusas y conserven el historial de fallos. Así podrán distinguir sus errores de los externos.
  • No den por hecho que un falso positivo se corregirá pronto. El procedimiento de reclamación para este tipo de sistemas todavía no está descrito.

Qué queda fuera del foco

Conviene no sobrevalorar la noticia. Por ahora se trata de una partida presupuestaria y de la descripción de un objetivo, no de un informe sobre un sistema en funcionamiento. Según el medio, el modelo ya está desplegado, pero se desconocen la escala de su aplicación y los plazos de un lanzamiento completo. Muchos de los efectos señalados son solo opiniones de expertos.

Aun así, la cifra de 2.270 millones de rublos para tres años muestra que el regulador considera el aprendizaje automático una parte permanente de sus herramientas, y no un experimento. Para el sector, esto implica incluir en la arquitectura y en los planes de riesgo la posibilidad de un acceso a la red inestable. Es probable que los detalles aparezcan más adelante: a medida que el sistema se ponga en marcha, empresas y usuarios verán cómo afecta a los servicios que utilizan habitualmente.

Historia

Preguntas frecuentes sobre la noticia

¿Qué se sabe sobre Qué se sabe del proyecto?

Los datos son escasos, y casi todos proceden de la versión de Forbes. El regulador utiliza un modelo matemático «nacional» cuyo nombre no se revela. El modelo está desplegado en la infraestructura propia del organismo, es decir, no en la nube de un proveedor externo. Según el documento, su función es extraer automáticamente la información necesaria de grandes volúmenes de datos. Lo que no aparece en la información pública son los detalles.

¿Qué se sabe sobre Para qué lo quiere el regulador?

La lógica se entiende con un ejemplo sencillo. Un filtro clásico se parece a un guardia con una lista de apellidos: solo reconoce a quienes ya están anotados. Un modelo entrenado se parece más a un empleado que ha memorizado el comportamiento típico de los infractores y detecta a personas similares aunque todavía no figuren en la lista.

¿Qué se sabe sobre Qué riesgos corren las empresas y los desarrolladores?

Los mismos expertos advierten de efectos secundarios. El primero son los falsos positivos. Cualquier modelo se equivoca, y en el tráfico de red un error significa que un servicio legal puede acabar bloqueado o limitado. El segundo riesgo es la pérdida de estabilidad de los servicios corporativos y de las VPN. Muchas compañías usan la VPN no para eludir prohibiciones, sino para trabajar con normalidad: acceso seguro de los empleados a sistemas internos, conexión entre oficinas o acceso a API extranjeras.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
¿Qué te parece?
Cargando comentarios…