Из чего реально состоит риск
Когда вы отправляете текст в облачную модель, происходит три вещи: данные покидают ваш периметр, обрабатываются на чужой инфраструктуре и могут быть сохранены — в логах, кэше, на обучающих выборках. Риски группируются так: утечка (данные увидели не те), вторичное использование (на ваших данных обучили чужую модель), регуляторный риск (нарушение 152-ФЗ при передаче персональных данных) и репутационный. Ни один из этих рисков не является приговором облаку — каждый закрывается организационными и техническими мерами, разобранными ниже: от классификации данных до корпоративного шлюза.
Режимы данных: что можно в облако
- Публичная информация (сайт, открытые регламенты, каталог) — можно всегда, это не риск.
- Внутренние рабочие данные (инструкции, типовые договоры без персоналий) — можно при договорном запрете обучения и шлюзе.
- Персональные данные — только с правовым основанием по 152-ФЗ, обезличенные или в контуре, отвечающем требованиям; подробности — в ответе можно ли доверить ИИ персональные данные.
- Коммерческая тайна и чувствительные данные — публичное облако только под NDA и запретом обучения; чаще — локальный контур.
Три условия безопасного облака
Первое — договор. У корпоративных тарифов ведущих вендоров обучение на клиентских данных отключено договором; у бесплатных потребительских версий — часто нет. Разница между «бесплатным ChatGPT для сотрудников» и корпоративным API — не в удобстве, а в правовом режиме ваших текстов. Второе — шлюз. Запросы идут через корпоративный прокси-шлюз: логирование, фильтры маскирования (регламенты, телефоны, ИНН снимаются до отправки), лимиты и контроль версий моделей. Как это устроено технически — в ответе как шифровать запросы к LLM. Третье — политика. Сотрудники должны знать, что можно отправлять в облачный ИИ, а что нельзя; иначе завтра ваши договоры окажутся в чужом логе не по злому умыслу, а по спешке — это тема Shadow AI, разобранная в ответе как управлять Shadow AI в компании.
Когда нужен on-premise
Локальный контур дороже — и всё равно выгоднее для тех, кому он нужен: госзаказчики, персональные данные больших объёмов, коммерческая тайна, условия закупок. Экономика on-premise против облака разобрана в ответе почему on-premise дороже облака, но выгоднее; техническое сравнение — в материале облачный LLM или on-premise. Промежуточный вариант — приватный контур у российского провайдера: данные в РФ, обучение отключено, инфраструктура не ваша.
Сколько стоит проверка
Если облачные сервисы в компании уже используются, полезен аудит контура — от 150 000 ₽: проверяется, что куда уходит, какие договоры покрывают передачу, где нет логирования. Ревизия ИИ-активов — от 70 000 ₽: карта всех моделей и сервисов, включая неучтённые. Настройка шлюза и политик входит в LLM-интеграции услуги LLM-интеграции; общая рамка защиты ИИ-активов — раздел защита ИИ.
Чек-лист передачи данных в облачный ИИ
- Классифицируйте данные: публичное / рабочее / персональные / коммерческая тайна — четыре категории решают судьбу каждого потока.
- Прочитайте договор вендора: поиском по словам «обучение», «улучшение сервисов», «анонимизированные данные» — что принадлежит вам после отправки.
- Включите корпоративный тариф: потребительские и корпоративные версии — это разные юридические вселенные, даже если интерфейс одинаковый.
- Поставьте шлюз: единая точка отправки с логами, маскированием чувствительных полей и ограничением списка моделей.
- Опишите правило для сотрудников: одна страница «что можно отправлять, что нельзя» — короче, лучше и реальнее, чем запрет «ничего и никогда».
- Логируйте и проверяйте: раз в месяц смотрите, что реально уходит в облако — политика без мониторинга не существует.
- Знайте план «Б»: какие данные можно отозвать, что произойдет при смене вендора, где лежит ваша база знаний.
Что спросить у вендора до покупки
Четыре вопроса, которые экономят месяцы разбирательств. Обучается ли модель на наших данных в этом тарифе — и где это написано в договоре, а не на лендинге? Где физически обрабатываются и хранятся запросы и логи? Как долго хранятся логи и кто может их читать? Что произойдёт с нашими данными при расторжении договора? Честные ответы — конкретные и со ссылкой на пункты; уход в «у нас безопасно по определению» — сам по себе ответ. Для государственных и чувствительных коммерческих контуров список расширяется требованиями локализации и аттестации — это отдельная дорожка, разобранная в разделе защиты.
Куда данные утекают на самом деле
Парадокс статистики инцидентов: контролируемый корпоративный контур — почти никогда не источник утечки. Реальные каналы другие. Первый — Shadow AI: сотрудники вставляют рабочие тексты в бесплатные сервисы с телефона, минуя все политики. Второй — утечка через промпты: чувствительные данные уезжают в запрос «просто проверить формулировку». Третий — скриншоты и пересылки результатов «коллеге в соседний отдел». Корпоративный API с договором и шлюзом в этой картине — самый защищённый путь использования ИИ, а не самый рискованный. Поэтому зрелая политика строится не вокруг запрета облака, а вокруг канализации: удобный легальный сервис внутри, шлюз и логи вокруг, обучение сотрудников — вместо иллюзии, что «запретим и никто не будет».
Итог
Отдавать данные в облачный ИИ безопасно, когда выполнены три условия: режим данных допустим, договор запрещает обучение на ваших текстах, шлюз логирует и фильтрует отправку. Небезопасно — когда сотрудники без политики грузят в бесплатный сервис всё подряд. Разница между этими состояниями — не технология, а порядок: договор, шлюз, политика и понимание, какие данные у вас вообще есть. Если ИИ-сервисы в компании уже расползлись без порядка — начните с ревизии от 70 000 ₽: она покажет реальную карту использования, от которой строится всё остальное. Запрет без альтернативы здесь не работает — работает удобный легальный контур: он быстрее, прозрачнее и безопаснее любого подпольного. Политика без альтернативы — не безопасность, а перенос риска в тень.