Код сам по себе не летает

Аннотация

В работе рассматривается утверждение, что искусственный интеллект усиливает технические возможности в областях, напрямую затрагивающих безопасность. Отправной точкой служит отчёт Anthropic о группе на севере Йемена, применявшей Claude Code в программной работе, связанной с разработкой вооружений. Предлагается различать четыре ступени, которые часто сливаются в публичном рассказе: наблюдаемое использование, созданный результат, независимая проверка и принятый результат. Источник подтверждает программную активность, испытание, которое, по имеющимся данным, завершилось неудачей, и последующий разбор отказа, но не подтверждает принадлежность к хуситам, развёртывание работоспособной системы или величину причинного вклада ИИ. ^{1 2}

Случай помещён в региональную историю кибератак, ракетных и беспилотных возможностей и последствий для энергетики и судоходства, причём каждый эпизод остаётся в пределах своего источника. Далее разбираются измерение производительности, цена проверки, ограничения многоагентного контроля и видимость поставщика модели. Из этого выводятся требования для саудовских учреждений: минимальные полномочия, независимое испытание, след решения и учёт полной стоимости принятого результата. Это аналитический синтез открытых материалов, а не результаты нового эксперимента автора.

Метод и границы доказательств

Работа представляет собой аналитический нарративный обзор открытых источников. По возможности использовались первичные или наиболее близкие к событию материалы: отчёты компаний об активности внутри их сервисов, документы ООН и государственных органов, сообщения пострадавших организаций и исследовательские работы. Надёжная пресса привлекалась для заявлений сторон и событий, по которым нет полного первичного реестра. Временная граница доказательств — 22 сентября 2026 года; более поздние сведения не входят в выводы, даже если стали доступны ко времени публикации.

Обзор не претендует на систематическую полноту: протокол поиска по базам и количественная оценка качества исследований не проводились. В распоряжении автора нет исходных журналов Anthropic, файлов группы, независимых данных испытания или полевого доступа. Поэтому сведения поставщика сервиса считаются прямым доказательством того, что он видел на своей платформе, но не независимой проверкой работы за её пределами. Заявления правительств и воюющих сторон рассматриваются как атрибутированные версии, требующие сопоставления, а не как автоматически нейтральные факты.

Анализ построен на реестре утверждений: для каждого учитываются источник, тип доказательства, предел видимости и состояние атрибуции. Детали, способные превратиться в практическое руководство по созданию оружия или выбору целей, исключены; технические пробелы не заполнялись догадками. Там, где версии расходятся, текст сохраняет расхождение, а не устраняет его более уверенной формулировкой.

Исторические случаи отобраны по аналитической функции: отличить саботаж от шпионажа, обвинение от приговора, физический эффект от впечатления, поддержку от прямого командования. Это не исчерпывающий перечень региональных событий. Окончательные формулировки сверялись с пределами источников, чтобы старое событие не восполняло отсутствующие доказательства по новому случаю.

1. Исходный случай — до появления метафор

В сентябрьском отчёте 2026 года Anthropic описала группу на севере Йемена, которая применяла Claude Code на отдельных этапах программной работы для нескольких программ разработки вооружений. По данным компании, пользователи распределяли написание, поиск и проверку между несколькими экземплярами модели, провели испытательный запуск, выглядевший неудачным, а затем вернулись к сервису разбирать произошедшее. Компания закрыла аккаунты и сообщила о доказательствах создания пользователями локального инструмента моделирования. ¹

Ключевой предел отчёта сформулирован самой Anthropic: у неё нет доказательств, что участники успешно развернули работоспособную систему. Это не делает деятельность несущественной — по словам источника, она дошла до физического испытания и попытки извлечь знание из провала. Но предел не позволяет превратить наблюдение в утверждение о готовом оружии или повышенной точности. Открытые материалы не дают проверить код, построить контрфактический сценарий без модели или установить пользу локального инструмента после закрытия аккаунтов. ¹

Anthropic также не называла пользователей хуситами. Компания указала север Йемена; Associated Press представило связь с хуситами как вывод из географии и контекста и привело ответ Хузама аль-Асада, члена политического бюро движения. Ответ участника спора необходим для понимания конфликта версий, но не служит независимой проверкой технических данных и не опровергает их. Методологический итог: местоположение атрибутировано отчётом компании; организационная принадлежность не подтверждена; эксплуатационный успех не доказан. ²

2. Региональная история началась не в 2026 году

Движение хуситов возникло в ходе внутренних йеменских конфликтов до захвата Саны в 2014 году; в 2015-м коалиция во главе с Саудовской Аравией вмешалась на стороне международно признанного правительства Йемена. Эту историю нельзя свести к новой технической связи, но нельзя и удалить из неё внешний фактор. Группы экспертов ООН публиковали доказательства и оценки материальной и технической поддержки и обучения извне, способствовавших развитию возможностей хуситов; Иран продолжал отрицать их вооружение. ^{12 16}

Поддержка, передача знаний, координация и прямое оперативное командование не являются синонимами. Источник может установить наличие компонентов или техническое сходство и ничего не сказать о месте принятия решения в конкретной операции. Он может подтвердить обучение или техническую помощь, но не управление каждым последующим применением. Причинный анализ ломается, когда «Иран и хуситы» превращаются в единую переменную без времени, задачи и типа связи.

Запуски и атаки на Саудовскую Аравию и в Красном море показывают, что материальная возможность существовала до нового эпизода. ООН фиксировала большое число ракет и беспилотников и удары по гражданским и экономическим объектам; позднее операции в Красном море распространили последствия на международное судоходство. Но эти документы не устанавливают, что пользователи Anthropic организационно продолжали какую-либо прежнюю структуру. История делает гипотезу важной, не снабжая новый случай неопубликованными доказательствами. ^{9 10 11}

3. От стирания дисков к краже знания

В августе 2012 года атака «Шамун» нарушила работу десятков тысяч устройств Saudi Aramco; в 2016-м обновлённые волны затронули саудовские организации. Источники различают выводы саудовских расследований и атрибуцию разведывательных и частных технических оценок участникам, связанным с Ираном. Крупный разрушительный эффект установлен; степень атрибуции следует сообщать вместе с источником, а не выдавать за единый судебный вывод. ¹⁸

В 2017 году Mandiant оценила APT33 как структуру, действующую в интересах иранского правительства, и описала её интерес к авиации, энергетике и нефтехимии, включая связанные с Саудовской Аравией цели. В 2022 году американские ведомства назвали MuddyWater подчинённым элементом иранского Министерства разведки. Эти случаи различаются по фактам, источникам и уровню уверенности; общая политическая среда не превращает их в один эпизод. ^{19 20}

18 августа 2026 года Министерство юстиции США обнародовало расширенное заменяющее обвинительное заключение против семнадцати участников Института Мабна, девять из которых уже обвинялись в 2018-м. Им вменяется широкая кампания по хищению академических данных и интеллектуальной собственности в интересах иранских организаций. Пока суд не установил иное, это обвинения, а не выводы о виновности. Вместе с тем дело показывает: исследовательское знание само является стратегической целью. ⁷

Этот ряд объясняет, почему поставщик модели вошёл в пространство разведки угроз. К традиционным вопросам — кто проник в сеть, что похитил и что вывел из строя — добавился новый: какую возможность пользователь пытался создать при помощи платформы? Сходство вопросов не разрешает объединять участников и случаи без доказательств. Атрибуция связывает конкретное действие с конкретным эффектом и конкретным источником, а не выбирает имя, лучше всего знакомое политической памяти.

4. Когда риск выходит за пределы экрана

14 сентября 2019 года Saudi Aramco сообщила, что атаки на Абкайк и Хурайс привели к приостановке производства 5,7 миллиона баррелей нефти в сутки. Само нападение и его влияние на работу объектов подтверждены пострадавшей компанией. Ответственность, происхождение оборудования, место запуска и политическое решение — отдельные вопросы, которым нужны отдельные доказательства. ²¹

17 января 2022 года в результате атаки на Абу-Даби, ответственность за которую взяли хуситы, погибли трое мирных жителей. Затем атаки в Красном море расширили экономический эффект: МВФ оценил, что в первые два месяца 2024 года объём торговли через Суэцкий канал сократился примерно вдвое по сравнению с тем же периодом 2023-го, на фоне изменения маршрутов и увеличения сроков доставки. Показатель относится к конкретному периоду и не описывает положение в 2026 году, но демонстрирует путь последствий от места атаки к страхованию, запасам и поставкам. ^{22 23}

В сентябре 2026 года Всемирная продовольственная программа расширяла работу в Йемене на фоне новых боёв и перемещения населения. Ни материалы программы, ни Reuters не связывают эскалацию со случаем Claude; редакционный текст тоже не должен проводить такую связь. Гуманитарный контекст напоминает, что оценка возможности не заканчивается характеристикой техники: общественный итог проявляется в продовольствии, перемещении и непрерывности услуг. ^{4 5}

С точки зрения системного анализа возможность — цепь зависимостей: информация, программа, оборудование, интеграция, испытание, эксплуатация и логистика. Общему анализу не требуется описывать методы выбора целей или соединения датчиков. Достаточно понимать, что слабость любого звена ограничивает итог, а улучшение программной работы ещё не доказывает улучшения всей цепи.

5. Сначала определить прирост, затем измерять

Утверждение, что ИИ «повысил возможности», неполно без названия результата. Это сокращение времени задачи, экономия часов эксперта, улучшение качества, рост числа попыток или расширение списка доступных проектов? Метрики не взаимозаменяемы. Количество результатов может вырасти при падении надёжности; написание — ускориться за счёт переноса затрат в проверку; техническая часть — пройти успешно, пока проект упирается в испытание и приёмку.

Для причинного вывода нужна разница между исходом с инструментом и исходом без него. История предоставляет лишь один путь и не повторяет событие дважды. Сам факт обращения за помощью не говорит, сколько времени потребовалось бы без неё; неудачное испытание не сообщает, приблизил инструмент успех или отдалил. Поэтому случай на севере Йемена не даёт числового коэффициента прироста.

Можно сформулировать более узкую гипотезу: модели способны уменьшать трение интеллектуальной работы, ускоряя или удешевляя поиск, письмо, сравнение и черновики. Тогда стратегическим эффектом может стать рост числа попыток, а не гарантия успеха каждой. Это проверяемая гипотеза, а не вывод из единственного отчёта.

9 сентября 2026 года Google Threat Intelligence Group описала переход некоторых противников от простых запросов к агентным процессам и связанной автоматизации. Отчёт поддерживает тезис о более широкой тенденции в организации работы, но не проверяет йеменский случай и не доказывает превосходства агентной схемы над человеком или одной моделью. ³

6. Когда секундомер не согласен с ощущением

METR дала полезный пример расхождения между ощущением и измерением. В рандомизированном эксперименте, опубликованном в июле 2025 года, шестнадцать опытных разработчиков выполнили 246 задач в знакомых им репозиториях. В условиях этого исследования доступ к инструментам ИИ увеличил затраченное время на 19 процентов, хотя после эксперимента участники полагали, что работали быстрее. Результат не доказывает, что ИИ замедляет всех программистов: он относится к конкретным людям, задачам, инструментам и периоду. ²⁶

В феврале 2026 года METR сообщила, что широкое распространение агентов изменило состав желающих участвовать и задачи, которые они готовы отдавать исследователям. Это ослабило прежний дизайн как способ оценить величину эффекта. Организация сочла вероятным, что инструменты конца 2025 года ускоряли часть работы, но назвала данные слабыми для оценки размера из-за смещения отбора и сложности учёта параллельного времени. Серьёзный исследователь не выдаёт старому результату вид на вечное жительство — и не превращает неопределённое обновление в победу обратного тезиса. ²⁷

В следующей записке METR разделила влияние инструмента на прежние задачи, на новые задачи, которые люди выбирают после появления инструмента, и на общую ценность. Технология способна изменить не только скорость старого списка, но и сам список попыток. Для безопасности это особенно существенно: прежде слишком дорогие проекты могут стать доступными для пробы без улучшения качества каждого результата. ²⁸

Методологический урок прост. Опрос измеряет убеждение; журнал времени — длительность; проверка качества — свойства результата; эксплуатационный исход — ценность в реальной среде. Ни одна мера не должна притворяться всеми остальными.

7. Цена проверки и реальность, которая не смотрит презентацию

Возьмём безопасный гражданский пример: два часа на программный черновик и восемь — на его проверку, испытание и интеграцию. Даже если первые два часа исчезнут полностью, срок проекта не обнулится. Это иллюстрация, а не экспериментальный результат. Она показывает, как легко праздновать ускорение видимой части, пока истинное ограничение остаётся в испытании, одобрении и эксплуатации.

В чувствительной работе приходится отвечать на два вопроса: построена ли система по спецификации и представляет ли спецификация реальную проблему? Программа способна пройти корректно выполненный тест, основанный на неполных предположениях. Модель может давать согласованные результаты внутри своего мира, пока реальность разрушает не включённое в неё условие. Поэтому слов «моделирование прошло успешно» недостаточно без знания его области и исключений.

В приложении к отчёту о катастрофе «Челленджера» Ричард Фейнман напомнил: природе безразличны связи с общественностью. Для нас важен вытекающий вопрос — где испытание, способное опровергнуть наш рассказ? Если одна система создаёт решение, объясняет его правильность и затем выдаёт сертификат успеха, получается языково стройный круг, а не независимая проверка. ²⁹

Поэтому шкала доказательств содержит четыре ступени: наблюдаемое использование, созданный результат, независимая проверка и принятый результат. Каждый переход требует нового свидетельства. В источнике случай на севере Йемена достигает использования, результатов и испытания, выглядевшего неудачным; доказанной эксплуатационной приёмки нет.

8. Множество агентов не означает множества источников ошибки

Разделить работу между пишущим, ищущим и проверяющим агентами бывает полезно. Но независимость не возникает из числа окон. Если агенты используют одни данные, один критерий успеха или одно неверное предположение, их согласие не исправит ошибку. Если проверяющий видит готовый ответ до построения теста, он рискует стать редактором формулировки, а не противником вывода.

Препринт «Почему многоагентные системы на основе языковых моделей терпят неудачу?» разбирает 1642 журнала работы в семи средах и выделяет четырнадцать видов сбоев в устройстве системы, координации, проверке и завершении задачи. Эксперты разработали классификацию на исходной выборке; затем автоматический инструмент, сверенный с человеческой разметкой, распространил её на весь массив — эксперты не размечали вручную каждый журнал. Исследование не посвящено йеменской группе, но опровергает скачок от «нескольких агентов» к «надёжной проверке». ²⁵

Настоящей проверке нужны различающиеся доказательства и задачи. Проверяющий начинает с явной спецификации, имеет доступ к первичному источнику или тесту, который не создавал автор, и вправе заключить, что данных не хватает. Его ценность измеряется дефектами, найденными до выпуска, а не числом комментариев в диалоге.

В инженерии надёжности мало спросить, завершила ли система задачу. Нужно знать, распознала ли она состояние, в котором следовало остановиться, сохранила ли след решения и передала ли неопределённость. Независимость — свойство устройства и испытания, а не название роли на схеме.

9. Результаты остаются, платформа видит своё окно

Anthropic сообщила, что до блокировки аккаунтов пользователи создали локальный инструмент моделирования. Его существование не подтверждает правильность или пользу. Но прекращение доступа не возвращает автоматически произведённые результаты. После расторжения внешней подписки у организации могут остаться файлы, код или решения, созданные с её помощью. Эффект вмешательства следует оценивать тремя вопросами: какой доступ прекратился, какие результаты успели выйти и что известно об их дальнейшем применении? ¹

Одновременно журналы поставщика модели дают особую видимость: части последовательности решения, изменения запросов, применение инструментов. Поэтому отчёты поставщика — важный источник. Однако они не сообщают ему, что произошло после выгрузки файла или в среде, не проходящей через его сервис.

Anthropic указывает, что опубликованные случаи не представляют обычное использование, а отобраны как заметные или новые. Значит, их число не даёт частоту явления. Рост публикаций может отражать рост активности, улучшение обнаружения, изменение политики раскрытия или их сочетание. Без знаменателя число нельзя превращать в долю. ¹

Множество статей не устраняет проблему. Пятьдесят публикаций, повторяющих одно раскрытие, могут добавить объяснения и интервью, но не становятся пятьюдесятью независимыми свидетелями исходного утверждения. Независимость оценивается для каждого доказательства, а не для каждого логотипа издания.

10. Саудовское управление, измеряющее полную ценность

У Саудовской Аравии есть прямые причины следить за злоупотреблением ИИ — и столь же прямые причины применять его для производительности и устойчивости. Поэтому управление не должно становиться синонимом запрета. Нужна такая конструкция использования, которая доказывает ценность, сдерживает ошибку и сохраняет услугу, если инструмент отказывает или меняется.

5 июля 2026 года Национальное управление кибербезопасности открыло общественную консультацию по рекомендациям по кибербезопасности ИИ. Темы включают управление, защиту, устойчивость и третьих лиц, в том числе генеративные и агентные системы. Источник подтверждает саму консультацию и её предметы, но не выпуск в эту дату окончательного обязательного документа. ⁸

Первый операционный принцип — минимальные полномочия: агент получает только необходимое для задачи; чтение отделяется от изменения, испытание от производства, рекомендация от исполнения. Красноречие и ярлык «автономный агент» не являются пропуском. Каждый переход к действию с серьёзными последствиями требует явного условия и документированной проверки человеком либо технического контроля, соответствующего риску. ³⁰

Второй принцип — след результата. При пересмотре решения, принятого с помощью ИИ, должны быть известны версия инструмента, относящиеся к делу источники, изменения, применённый тест и тот, кто разрешил использование. Это не означает хранить всю речь сотрудников; достаточно профессионально необходимого для аудита объёма при ограниченном доступе и сроке хранения.

Третий принцип — полная стоимость каждого результата, принятого по независимому тесту. В стоимость входят постановка задачи, работа инструмента, проверка, переделка и устранение поздних дефектов. Результат определяется заданным качеством, а не фактом закрытого файла или заявки. Такое измерение отличает рост активности от роста ценности.

11. Ограничения и то, чего работа не позволяет утверждать

Центральный случай известен из раскрытия Anthropic; в наборе источников нет независимой проверки журналов аккаунта или физического испытания. Нельзя подтвердить организационную принадлежность группы, оценить качество кода или проследить судьбу результатов после блокировки. Нельзя и построить контрфактический сценарий: что пользователи сделали бы без Claude и сколько времени это заняло бы.

Региональные источники неоднородны. Доклады ООН, сообщения правительств и вооружённых сил, заявления групп, публикации компаний и прессы имеют разные окна, интересы и стандарты доказательства. Работа использует их для контекста, не превращая в единый однородный реестр. Некоторые версии атак и атрибуции остались взаимоисключающими.

Это нарративный обзор открытых источников, а не систематический обзор и не метаанализ. Выбор примеров способен придать больший вес известным или доступным для публикации случаям. Отчёты поставщиков моделей зависят от их средств обнаружения и политики раскрытия и не дают знаменателя для оценки распространённости.

Работа не оценивает конкретную систему вооружения и не описывает её разработку. Детали проектирования, выбора целей и противодействия обобщены, поскольку они не нужны для аргумента и могли бы превратить анализ в практический материал. Выводы относятся к измерению интеллектуальной работы, управлению и пределам доказательств, а не к оружейной инженерии.

Открытые данные также подвержены смещению публикации: компании показывают обнаруженные и выбранные для раскрытия эпизоды, пострадавшие сообщают не каждый эффект, успехи и неудачи становятся видимыми с разной вероятностью. Общего знаменателя для оценки частоты или сравнения поставщиков нет. Поэтому увеличение числа отчётов не используется как количественное доказательство тенденции.

12. Гражданская исследовательская программа и оставшийся вопрос

Первое направление — роль прежнего опыта. Группы с разным уровнем подготовки можно сравнить на безопасных гражданских задачах программирования, случайно распределив доступ к инструменту, применив слепую оценку качества и измерив полное время. Вопрос: больше ли инструмент помогает тем, кто умеет замечать его ошибки, или действительно сокращает разрыв? Дизайн обязан допускать оба ответа.

Второе направление — перенос нагрузки в проверку. Отдельно учитываются постановка задачи, черновик, проверка, испытание и переделка, затем — дефекты до и после приёмки. Если окажется, что инструмент ускорил и производство, и проверку, гипотезу «цены проверки» следует изменить, а не защищать за красоту.

Третье направление — независимость автоматической проверки. Можно сравнить проверяющего, который видит ответ автора, с проверяющим, начинающим от спецификации и сырых данных, а затем измерить найденные и согласованно пропущенные дефекты. Переменной должно быть не только число агентов, но и различие доказательств, право возражать и критерий остановки.

Четвёртое направление — применимость результатов к арабскому языку и местным рабочим средам. Не следует заранее предполагать ни слабость, ни превосходство: проверяются язык, предметная область и документы, которыми учреждение действительно пользуется. Цель — не рекламный рейтинг моделей, а понимание того, как с языком и контекстом меняются качество, стоимость и риск пропуска.

Пятое направление может проверять само управление: сопоставить команды, использующие минимальные полномочия, след решения и независимый тест, с командами без этих мер на сходных безопасных гражданских задачах. Измерять нужно поздние ошибки, время восстановления и стоимость аудита, а не только удовлетворённость. Тогда управление станет проверяемой гипотезой, а не красивым списком на стене.

Случай Claude ставит рядом две вещи: документированную региональную историю атак и развития средств и новый эпизод, доказательства которого не подтверждают успешного военного эффекта. История делает вопрос срочным, но не заполняет пустоты нового источника. Стратегический анализ должен назвать изменившееся, отделить от того, чьё изменение ещё неизвестно, и указать тест, способный провести границу.

Опасность не нуждается в преувеличении, чтобы заслуживать внимания; уверенность не становится защитой оттого, что звучит убедительно. Код, каким бы стройным он ни выглядел на экране, сам по себе не летает. Между кодом и результатом стоят оборудование, данные, испытание и ответственность. В этом расстоянии одновременно заключены ценность исследования и смысл управления.