Аналитик Харрисон Бергер в издании Responsible Statecraft (Quincy Institute) 21 сентября 2026 года описывает, как ИИ-компании уже встроены в аппарат безопасности США, а не только «могут стать опасными» в будущем. По приведённым им данным, Claude используется в системе Palantir Maven для приоритизации целей ударов по Ирану, Anthropic помогает NSA с моделью Mythos для наступательных киберопераций, а OpenAI работает по контракту с U.S. Cyber Command. Новый факт: ФБР на площадке SAM.gov ищет поставщиков ИИ для Центра скрининга угроз (TSC), ведущего федеральный список наблюдения, и среди требований к системе заявлено предиктивное моделирование. Пока это запрос информации, а не развёрнутая система, но контуры рынка «pre-crime»-ИИ уже оформляются действующими госзакупками.

image
image

Что произошло

21 сентября 2026 года аналитик Харрисон Бергер опубликовал в издании Responsible Statecraft (Quincy Institute) статью «Police hugging AI so tight, soon we'll all be pre-crime suspects». Её тезис: вопрос не в том, могут ли ИИ-компании стать опасными в будущем, а в том, что они уже встроены в аппарат безопасности США. Бергер опирается на расследования Джека Пульсона (издание Plain Text), Financial Times, WSJ и NYT. Согласно этой сводке, Anthropic ещё в ноябре 2023 года на закрытом воркшопе обсуждала с ЦРУ и Управлением национальной разведки Австралии внедрение LLM в работу спецслужб. Claude применяется в системе Palantir Maven для приоритизации целей ударов по Ирану, Anthropic, несмотря на статус «supply-chain risk», помогает NSA с моделью Mythos для наступательных киберопераций, а 16 октября 2025 года OpenAI подписала годовой контракт на $3,5 млн с U.S. Cyber Command. Ключевой новый факт: 27 марта 2026 года ФБР разместило на SAM.gov запрос информации (RFI) для Центра скрининга угроз (TSC, бывший Terrorist Screening Center), где среди шести требований значится предиктивное моделирование — в заявке использована формулировка «predictive modeling using enhanced data with traceable lineage».

Контекст

Центр скрининга угроз — это бывший Terrorist Screening Center, федеральная структура, которая ведёт официальный список наблюдения. Издания Reason и Military.com, писавшие об этой заявке в июле 2026 года, отмечают, что центр уже переименован и расширил миссию за пределы терроризма, а данные GAO (Government Accountability Office) подтверждают передачу его данных полиции штатов. Иными словами, инфраструктура, которую планируется дополнить предиктивным моделированием, — не проект на бумаге, а действующая система. Механика закупок здесь важнее громких слов: RFI — это запрос информации, с которого начинается поиск поставщиков, а не контракт и не развёрнутая система. Шаблон для подобных закупок уже задан действующими соглашениями: ICE заключила с Palantir контракт на $30 млн за ImmigrationOS, Zignal Labs получила $5,7 млн за мониторинг соцсетей, а DHS, по данным FedScoop, планирует потратить более $100 млн на ИИ-надзор.

Почему это важно для индустрии

Для отрасли это сдвиг роли вендоров: госзакупки превращают LLM-компании из поставщиков «ассистентов» в инфраструктуру таргетирования ударов и надзора, а рынок pre-crime-ИИ оформляется уже на этапе закупок — требования к поставщикам публично фиксируются в заявках вроде RFI ФБР, а не в пресс-релизах. Госзакупка становится открытым источником продуктовых спецификаций: по ней видно, какие workflow заказчик реально покупает, — в данном случае трассируемость данных (lineage) и предиктивный скрининг по ведомственным базам. Для инженеров и стартапов вывод в том, что в high-stakes гос-контрактах решают не модели, а данные и контроль: закрытые контуры развёртывания, аудит-логи, происхождение данных, поэтому спрос смещается в сторону high-assurance MLOps, а реалистичный ход для молодой команды — позиционирование вокруг качества данных и трассируемости и отклик на подобные заявки. Для Anthropic это ещё и прямой репутационный конфликт между брендом «безопасного ИИ» и участием в ударном контуре Maven и наступательных кибероперациях NSA.

Почему это важно для пользователей

Главное для читателя — не путать запрос информации с работающим инструментом: ФБР пока только ищет поставщиков, подписанных контрактов по этому RFI нет, и заголовки о готовом «pre-crime»-инструменте забегают вперёд. При этом сам список наблюдения — действующая инфраструктура, и если предиктивное моделирование станет частью скрининга, риск для человека — ошибочное попадание в список на основании прогноза, причём без публичных метрик ошибок такое решение будет практически невозможно оспорить. Проверить картину можно самостоятельно: статья Харрисона Бергера открыта на responsiblestatecraft.org, а заявку ФБР стоит найти по номеру на SAM.gov и прочитать формулировку про предиктивное моделирование своими глазами.

Что пока неизвестно / ограничения

В RFI нет бюджета, критериев приёмки и требований к валидации модели: не названы ни конкретная модель, ни её тип (LLM или классический ML), ни error rate, ни false positive rate, поэтому сравнить решения или отбраковать негодные по этой заявке невозможно. Неизвестно, перейдёт ли RFI в RFP и контракт или будет тихо закрыт. Оценка, что скоринг списка наблюдения — задача с экстремально низким base rate, где ложные срабатывания доминируют, — это методологическая интерпретация, а не факт из источников. Сами факты интеграций (Claude в Maven, Mythos у NSA, контракт OpenAI с U.S. Cyber Command) опираются на вторичные расследования, а не на раскрытия вендоров, так что характеристики эффективности этих систем проверить нельзя.

Источники

Автор

Look at AI, редакция