В частности, опрос, проведённый SuperJob, выявил, что каждый тринадцатый работодатель в стране уже ввёл полный или частичный запрет на использование ИИ. Однако единственным системным решением, как считают в компании НВБС, является локализация алгоритмов, то есть развёртывание языковых моделей внутри собственной ИТ-инфраструктуры.
Shadow AI (теневой ИИ — скрытое использование персоналом нейросетей) превратился в один из главных каналов утечки корпоративных данных. Отчёт IBM Cost of a Data Breach 2026 показывает: он замешан в 43% киберинцидентов — вдвое больше, чем годом ранее. Средний ущерб от эпизода уже достиг $4,99 млн.
Масштаб проблемы подтверждает мировая и российскаясудебная практика. Так, недавно Бабушкинский суд Москвы признал законным увольнение топ-менеджера инженерной компании за загрузку отчётов в китайский DeepSeek. Дело в том, что, когда сотрудник компании для быстрого анализа загружает в промпт проект бюджета или договор, он бесплатно пополняет базу знаний публичной нейросети. В дальнейшем ИИ может легально сгенерировать полученную коммерческую тайну конкуренту.
Острее всего риск проявляется в структурах, работающих с персональными данными, и на объектах критической информационной инфраструктуры. Однако блокировки и ограничения действенными не являются: запреты снижают эффективность, но почти не влияют на способность и желание персонала соблюдать гигиену информационных потоков. Разработка собственных нейросетей с нуля требует колоссальных трудозатрат, компетенций, вычислительных ресурсов и многомиллионных вложений в серверную инфраструктуру, что далеко не всегда имеет экономический смысл. Выход - адаптация существующих базовых моделей под конкретную организацию через создание доверенного контура: корпоративные знания подключаются к ней извне, например с использованием RAG-подхода, без встраивания документов в саму модель.
«Модель настраивается под текущие бизнес-процессы, в неё загружаются регламенты компании, сотрудникам она передаётся отрезанной от внешнего мира. Если дополнить её интеграцией с системами информационной безопасности, где DLP контролирует обращение с чувствительной информацией, SIEM-система выявляет аномалии, а системы управления доступом определяют права сотрудников, она будет отслеживать попытки съёма сведений и поведение пользователей, — поясняет технический директор НВБС Дмитрий Антонюк. — При этом важно понимать: сама по себе оторванная от внешних источников нейросеть не "деградирует", однако её информационный контекст со временем устаревает, потому нужны контролируемые механизмы, подпитывающие её свежими данными через «песочницу» — среду проверки источников и аудита обновлений. И ключевое — модель должна быть проверена на все недекларированные возможности. Для владельца она обязана быть полностью прозрачной».
Важно, что сам факт передачи сотрудником корпоративной информации во внешние ИИ-сервисы не образует самостоятельного режима ответственности. Ответственность по-прежнему определяется нормами о персональных данных и коммерческой тайне.
В любом случае при работе с публичными сервисами необходимо применять базовые правила:
- оценивать режим обработки информации сервисом, а не только факт наличия платной подписки;
- использовать официальные приложения;
- заходить с корпоративных учетных записей и управляемых устройств;
- чувствительные запросы направлять во временные чаты, не сохраняющие историю;
- сведения перед загрузкой обезличивать, вычищая любые другие данные, позволяющие восстановить исходный контекст.
