Политика использования ИИ в компании: разработка и внедрение

Зачем компании нужна политика использования ИИ в компании

Искусственный интеллект уже не является экзотикой или инструментом далёкого будущего. Сотрудники используют ChatGPT для написания писем, Midjourney для создания визуалов, а аналитики загружают в нейросети конфиденциальные данные клиентов, потому что это удобно и быстро. Проблема в том, что большинство компаний до сих пор рассчитывают на интуицию и добрую волю вместо системного подхода. Результат предсказуем: утечки данных, нарушения авторского права, юридические риски и репутационный урон. Политика использования ИИ — это не бюрократический документ, а инструмент управления рисками и контроля, который одновременно позволяет компании использовать новые технологии эффективно.

Прежде чем разбираться с содержанием политики, важно понять, почему она вообще нужна. Ответ лежит в трёх плоскостях: правовой, операционной и репутационной.

Правовой аспект: от персональных данных к интеллектуальной собственности

В России действует Федеральный закон № 152 «О защите персональных данных». Если сотрудник загружает в облачный сервис информацию о клиентах — имена, телефоны, адреса — без явного согласия на передачу в третьи страны, компания нарушает закон. Штрафы начинаются от 10 тысяч рублей и могут доходить до миллионов. Но это только начало.

Загрузка данных в открытые нейросети создаёт дополнительный риск: сервис может использовать эту информацию для улучшения своей модели. Например, если вы отправите в ChatGPT письмо с именами контрагентов и условиями контракта, эти данные могут быть обработаны в обучающем наборе. Это уже не просто нарушение закона о защите данных — это потеря коммерческой тайны.

Вторая юридическая граница — авторские права. Когда нейросеть генерирует текст, изображение или код, возникает вопрос: кому принадлежит результат? В большинстве случаев условия использования сервиса указывают, что компания-разработчик оставляет за собой права на все сгенерированные данные. Это означает, что ваш логотип, созданный в Midjourney, может использоваться другими компаниями. Ваш код, написанный в GitHub Copilot, может быть включён в обучающий набор конкурента.

Без чётких правил каждый сотрудник решает сам, безопасно ли отправлять информацию в сервис. Результат — хаос, где риск распределён случайно, а ответственность всегда падает на компанию.

Операционный аспект: контроль и синергия

Помимо правовых вопросов, есть чисто практический момент. Когда в компании работают десятки или сотни сотрудников, каждый может использовать разные инструменты. Один отдел платит за ChatGPT Pro, другой использует бесплатную версию, третий купил лицензию на локальную модель. Результат:

• Расходы растут хаотично, никто не знает, сколько компания на самом деле тратит на ИИ-сервисы.
• Данные разбросаны по разным платформам, что затрудняет их защиту и аудит.
• Сотрудники тратят время на поиск информации о том, какой инструмент использовать, вместо выполнения работы.
• Нет единого подхода к оценке качества и надёжности результатов, которые дают нейросети.

Политика ИИ — это не запрет, а именно структурирование. Компания определяет, какие инструменты одобрены, какие данные можно в них загружать, и как проверять результаты. Это позволяет команде работать эффективнее и быстрее, потому что у каждого есть ясная инструкция, а не набор предположений.

Репутационный и этический контекст

Третий слой — это имидж компании и её позиция на рынке. Если клиент узнает, что его данные были загружены в открытую нейросеть для экономии времени, это подорвёт доверие. Если компания использует ИИ-генерированный контент без указания авторства, это может быть расценено как неэтичная практика, даже если это технически не нарушает закон.

С другой стороны, компании, которые открыто показывают, как они используют ИИ и какие меры принимают для защиты данных, выглядят более профессионально и надёжно. Это становится конкурентным преимуществом.

Политика ИИ — это не просто список запретов. Это сигнал инвесторам, партнёрам и клиентам, что компания продумала свой подход к технологиям и не действует импульсивно.

Что обязательно включить в политику использования ИИ

Теперь, когда понятно, почему политика нужна, пора разобраться с её содержанием. Хороший документ не должен быть ни слишком объёмным, ни слишком поверхностным. Идеальный формат — это 5–10 страниц, которые каждый сотрудник может прочитать за полчаса.

Классификация данных и ограничения

Первый и самый важный раздел — это классификация информации, которую компания обрабатывает. Без неё политика становится абстрактной и неприменимой на практике.

Разделите всю информацию компании на категории. Вот типичная схема:

• Открытая информация. Данные, которые уже опубликованы или не содержат конфиденциальной информации. Например, подтверждённые новости о компании, опубликованные статьи, публичные документы. Эту информацию можно загружать в любые сервисы.
• Внутренняя информация. Документы, которые предназначены для внутреннего использования, но не содержат чувствительных данных. Например, список инструментов, которые использует отдел маркетинга, или описание стандартного процесса. Такую информацию можно загружать в облачные сервисы, но только если они соответствуют стандартам безопасности компании.
• Конфиденциальная информация. Данные, разглашение которых может повредить компании или её партнёрам. Это контракты, ценовые предложения, техзадания, описания внутренних процессов, источники доходов. Такую информацию нельзя загружать в облачные сервисы, но можно использовать в локальных инструментах с шифрованием.
• Персональные данные. Информация о людях: имена, контакты, документы, медицинские записи, финансовые данные. Это максимально защищённый уровень. Загружать такие данные в сервисы без явного согласия человека нельзя в принципе.

После определения категорий для каждой группы напишите конкретные правила. Например:

• Открытую информацию можно загружать в ChatGPT, Gemini, Claude и другие открытые сервисы.
• Внутреннюю информацию можно использовать только в сервисах, которые гарантируют шифрование данных и не используют их для обучения моделей. Примеры: Claude (есть специальный режим для компаний), некоторые локальные решения.
• Конфиденциальную информацию можно обрабатывать только на собственных серверах или у проверенных поставщиков с подписанными соглашениями о неразглашении.
• Персональные данные нельзя обрабатывать в публичных нейросетях. Если это необходимо, требуется явное согласие человека и использование только специализированных инструментов с максимальной защитой.

Важный момент: эта классификация должна быть не просто написана в политике, но и объяснена сотрудникам. Многие люди не всегда понимают, какая информация относится к какой категории. Например, есть ли в контакте клиента, который он сам указал в письме, персональные данные? С точки зрения закона — да, потому что это целевые данные конкретного человека. Но в буквальном смысле это просто почта. Без примеров и уточнений сотрудники будут действовать вслепую.

Разрешённые и запрещённые инструменты

Второй раздел — это реестр инструментов. Компания должна явно указать, какие сервисы одобрены для использования, а какие — нет.

Одобренные инструменты имеют несколько уровней:

• Корпоративные решения. Инструменты, которые компания купила и развернула самостоятельно. Это максимально контролируемый вариант. Данные хранятся на своих серверах, никуда не передаются.
• Одобренные облачные сервисы. Платформы, которые прошли проверку безопасности. Компания может заключить соглашение о конфиденциальности, и данные остаются защищены. Примеры: некоторые версии ChatGPT с корпоративными условиями, специализированные локальные модели.
• Условно разрешённые. Публичные сервисы, которые можно использовать с открытой информацией, но не с конфиденциальной. Например, ChatGPT бесплатный, Midjourney, Perplexity.

Запрещённые инструменты — это сервисы, которые не соответствуют стандартам безопасности компании. Это не значит, что они плохие сами по себе, просто они не входят в одобренный список.

Реестр должен быть живым документом. Раз в квартал или раз в полгода его нужно обновлять — добавлять новые инструменты, которые появились на рынке, и удалять те, которые перестали быть актуальными.

Для каждого инструмента в реестре полезно указать:

• Название и ссылка на сервис.
• Категория использования (текст, изображения, код, анализ данных).
• Какие данные можно в нём использовать.
• Стоимость и кто оплачивает.
• Контактное лицо, ответственное за инструмент.

Такой подход решает сразу несколько проблем. Во-первых, сотрудник сразу видит, что можно использовать. Во-вторых, компания контролирует лицензирование и не платит за дублирующие подписки. В-третьих, если возникает проблема с безопасностью какого-то инструмента, компания может быстро информировать все команды об изменении статуса.

Конфиденциальность и авторские права

Третий раздел посвящён конкретным механикам работы с ИИ, которые создают правовые риски.

На уровне конфиденциальности нужно объяснить:

• Какие данные считаются конфиденциальными в каждом подразделении. Например, для отдела разработки это может быть исходный код, для отдела продаж — список клиентов и условия договоров.
• Почему нельзя загружать конфиденциальные данные в открытые сервисы. Здесь полезно привести конкретный пример: сотрудник загрузил письмо клиента в ChatGPT, чтобы переформатировать его, но письмо содержало цены. Через неделю конкурент воспользовался похожей нейросетью, и ему в результатах поиска по ценам показалась информация из этого письма.
• Как проверять, что в запросе нет конфиденциальной информации, прежде чем отправлять его в сервис. Простой приём: удалить имена компаний и людей, изменить цифры, убрать любую специфичную информацию.

На уровне авторских прав важно установить правила:

• Все результаты, созданные нейросетями, принадлежат компании, если компания их оплатила или инструмент подписан корпоративным соглашением. Если это публичный сервис без соглашения, результат считается коллективным или принадлежит платформе.
• Любой контент, созданный ИИ, требует переработки и проверки человеком перед публикацией. Это означает, что компания и её сотрудники берут на себя ответственность за качество и честность контента.
• Если компания использует ИИ для создания контента, это нужно указать в метаданных или в паре слов на странице. Например, «Иллюстрация создана с использованием ИИ» или «Текст написан с помощью нейросети, отредактирован редактором».

Второй момент особенно важен для отделов маркетинга и контента. Если вы публикуете 100% сгенерированный нейросетью текст без переработки, это не только этически спорно, но и может привести к штрафам от Роспотребнадзора, если речь идёт о рекламе или о контенте, который влияет на решения потребителей.

Роли, ответственность и санкции

Четвёртый раздел политики — это определение, кто за что отвечает. Без этого документ остаётся красивой теорией, которую никто не будет исполнять.

В компании должны быть чётко определены несколько ролей:

• Владелец политики. Обычно это руководитель отдела информационной безопасности, начальник IT или даже главный юрист. Этот человек отвечает за обновление документа, проведение аудитов и коммуникацию с руководством. Его контакты должны быть в открытом доступе, чтобы сотрудники знали, к кому обращаться с вопросами.
• Администраторы инструментов. Люди, отвечающие за конкретные системы — ChatGPT, локальные модели, облачные решения. Они следят за лицензиями, выдают доступ, отслеживают использование и решают технические проблемы.
• Руководители подразделений. Они несут ответственность за то, что их команды соблюдают политику. Это не значит, что они должны каждый день проверять, что сотрудники пишут в ChatGPT, но они обязаны провести обучение и отреагировать на нарушения.
• Все остальные сотрудники. Каждый человек в компании несёт личную ответственность за соблюдение политики. Это базовое правило для любого регламента.

После определения ролей нужно описать санкции за нарушения. Здесь важен баланс: санкции должны быть реальными, чтобы люди воспринимали политику серьёзно, но не карательными, чтобы не создавать атмосферу недоверия.

Типичная схема санкций выглядит так:

• Первое нарушение. Устное предупреждение и обязательное переобучение. Например, сотрудник загрузил конфиденциальный документ в ChatGPT. Его вызывают, объясняют, почему это опасно, и отправляют переживать курс по политике безопасности.
• Второе нарушение. Письменное замечание в личное дело. Может быть наложен штраф или сокращение премии в зависимости от внутреннего нормативу компании.
• Третье и последующие нарушения. Дисциплинарные взыскания вплоть до увольнения, если нарушение критическое.

Но есть нюанс: критические нарушения — те, которые создают непосредственную угрозу компании или партнёрам — должны быть рассмотрены отдельно. Например, если сотрудник загрузил в нейросеть данные тысяч клиентов, это не первое замечание, а сразу серьёзное разбирательство.

Здесь же стоит указать процедуру расследования инцидентов. Когда обнаружено нарушение, нужна чёткая схема: кто его регистрирует, кто проводит расследование, как сообщают руководству, какие меры принимаются.

Сотрудники должны понимать, что нарушение политики — это не преступление, а ошибка, которую можно и нужно исправить. Если человек по ошибке загрузил конфиденциальный документ, гораздо важнее помочь ему это понять, чем наказать.

Реагирование на инциденты

Пятый раздел политики посвящён тому, что делать, если уже произошло что-то плохое. Даже при самой строгой политике инциденты случаются, и компания должна быть готова.

Процедура реагирования на инцидент должна включать несколько этапов:

1. Обнаружение. Как люди узнают об инциденте? Может быть, сотрудник сам понял, что загрузил не то, или система безопасности обнаружила аномалию. Должна быть ясная процедура: сотрудник сообщает в отдел IT, того же дня там начинают разбираться.
2. Уведомление. Компания должна немедленно информировать владельца политики и руководство. Если инцидент касается персональных данных клиентов, может потребоваться связаться с регуляторами.
3. Сдерживание. Это действия, которые предотвращают дальнейший урон. Например, если конфиденциальная информация была загружена в облачный сервис, нужно удалить её, запросить удаление у платформы, изменить пароли от связанных систем.
4. Расследование. Нужно выяснить, что точно произошло, как долго проблема существовала, какие данные были затронуты. Это может быть как простой факт неправильного действия, так и хакерская атака.
5. Восстановление. Действия по восстановлению безопасности. Может потребоваться изменить пароли, отозвать права доступа, переоценить политику.
6. Коммуникация. Информирование затронутых людей или организаций. Если компания используется в сервисе данные клиентов, они должны узнать об этом. Коммуникация должна быть честной, ясной и содержать информацию о том, какие меры компания принимает.

Для каждого типа инцидента желательно заготовить шаблон действий. Например:

• Сотрудник загрузил конфиденциальные данные в открытую нейросеть — что делать в первые 30 минут, в первые сутки, в первую неделю.
• Обнаружена утечка данных через ИИ-сервис — процедура информирования регуляторов и клиентов.
• Сотрудник использовал запрещённый инструмент и это привело к проблеме с качеством работы — как оценить урон и как это учесть при наказании.

Важный момент: в политике нужно указать, что инциденты не скрываются. Если сотрудник сообщит об ошибке сам, его предупредят, но не наказывают строго. Если ошибка обнаружится сама по себе (через аудит или через третьих лиц), наказание будет серьёзнее. Это стимулирует людей говорить правду вовремя.

Типичные ошибки при разработке политики

Перед тем как перейти к внедрению политики, полезно знать, какие подводные камни ждут компании на этапе разработки. Почти все компании делают одни и те же ошибки, и их можно избежать, если знать о них заранее.

Ошибка первая: политика без связи с реальностью

Это самая распространённая проблема. Компания нанимает консультанта или пишет политику с умным видом, но результат полностью оторван от того, как люди на самом деле работают.

Пример: в политике написано, что все конфиденциальные данные должны обрабатываться только в локальных системах, на собственных серверах. Звучит безопасно, но это означает, что дизайнер не может использовать Figma для создания макетов, маркетолог не может использовать даже Google Docs для совместной работы. В результате либо политика не соблюдается (люди всё равно используют облачные сервисы), либо производительность падает катастрофически.

Политика должна быть реалистичной. Она должна отражать не идеальный сценарий, а фактический баланс между безопасностью и практичностью. Если все ваши процессы построены на облачных инструментах, политика должна это учитывать, а не бороться с реальностью.

Ошибка вторая: недостаточная классификация данных

Многие компании ограничиваются общими фразами: «конфиденциальные данные нельзя загружать в облачные сервисы». Но что такое конфиденциальные данные? Для разработчика это исходный код, для менеджера продукта это стратегия развития продукта, для финансиста это бюджеты.

Без чёткой классификации каждый сотрудник интерпретирует политику по-своему. Один считает, что письмо клиента — это внутренняя информация (можно загружать в условно разрешённый сервис), другой считает, что это персональные данные (загружать нельзя). В результате один нарушает политику, даже не подозревая об этом.

Классификация должна быть конкретной. Не просто «конфиденциальные данные», а «контракты с клиентами», «ценовые предложения», «техзадания на разработку». Для каждой категории — свой уровень защиты.

Ошибка третья: забвение про новые инструменты

Компания пишет политику в 2024 году, указывает в ней ChatGPT, Gemini и Midjourney. Потом выходит новый инструмент, он становится популярным, и через три месяца половина компании его использует. А политика не обновлялась.

Результат: либо люди используют инструмент, нарушая политику (просто потому, что тот не упомянут в документе), либо компания теряет в эффективности, потому что люди ждут апрува на новый сервис.

Политика должна содержать не только конкретный список инструментов, но и процедуру добавления новых. Например: если сотрудник хочет использовать новый инструмент, он заполняет форму, отдел безопасности за неделю проверяет условия использования, и если всё в порядке, инструмент добавляется в реестр.

Ошибка четвёртая: игнорирование теневых ИИ-инструментов

Shadow AI — это ИИ-инструменты, которые сотрудники используют самостоятельно, без ведома компании. Это может быть бесплатный ChatGPT, установленное на персональный компьютер приложение или даже просто расширение браузера.

Компания не может полностью запретить Shadow AI — люди просто будут использовать это дома и приносить результаты в офис. Но компания может минимизировать риски, если будет об этом знать и даст людям альтернативы.

Хороший подход: предоставить сотрудникам доступ к одобренным инструментам (например, корпоративный аккаунт ChatGPT), объяснить, почему это безопаснее, и четко указать, какие данные можно загружать в личные инструменты (только открытую информацию, ничего конфиденциального).

Ошибка пятая: отсутствие обучения

Компания написала отличную политику, опубликовала её на внутреннем сайте, отправила всем по почте — и на этом остановилась. Результат: 80% сотрудников не прочитали политику или прочитали, но не поняли.

Политика без обучения — это как установить светофор, не объясняя людям, что означают цвета. Люди будут ездить как раньше, потому что они просто не знают, что изменилось.

Обучение не должно быть однократным событием. Лучший подход — это комбинация: несколько вебинаров для разных функций (например, отдельное обучение для разработчиков, отдельное для маркетологов), интерактивные примеры, чек-листы, регулярная рассылка напоминаний.

Как внедрить политику за неделю

Теория — это одно, но как компания на практике переводит политику из документа в реальную жизнь? Если всё делать правильно, это не требует месяцев мучений. Один месяц интенсивной работы — и политика начинает действовать.

Аудит текущего использования ИИ

Прежде чем писать политику, нужно понять, как компания ИИ использует прямо сейчас. Это делается параллельно с написанием документа, на первой неделе.

Аудит состоит из нескольких частей:

Опрос сотрудников. Самый прямой способ. Нужно спросить каждый отдел: какие ИИ-инструменты вы используете, как часто, для каких задач, какие данные в них загружаете? Можно это сделать анонимной формой, чтобы люди честнее отвечали. Опрос даёт два результата: вы узнаёте, какие инструменты уже "де-факто" одобрены компанией (потому что все их используют), и вы узнаёте, какие данные люди считают безопасным загружать в сервисы.

Технический аудит. Если компания большая, можно провести технический аудит — проверить логи сетевого трафика, посмотреть, какие домены посещают сотрудники, какие приложения установлены на корпоративных компьютерах. Это даёт более объективную картину, но требует привлечения IT-команды и может вызвать вопросы о приватности.

Интервью с руководителями. Встреча с начальниками отделов, чтобы понять их видение на использование ИИ. Для разработки это могут быть разные инструменты, чем для маркетинга. У каждого отдела свои потребности и своё понимание рисков.

По результатам аудита компания получает список того, что на самом деле используется. Это основа для политики — документ должен соответствовать реальности, а не идеалу.

Написание и согласование документа

После аудита начинается письмо политики. Идеально, если этим займётся небольшая рабочая группа: представитель IT, представитель юридического отдела, представитель HR, и по одному человеку из двух-трёх ключевых отделов (разработка, маркетинг, финансы).

Процесс написания может быть таким:

• День 1–2: структура и классификация. Группа пишет структуру политики, определяет классификацию данных, делает первый черновик раздела про классификацию и ограничения.
• День 3–4: реестр инструментов и правила. На основе аудита составляется реестр одобренных инструментов. Для каждого описывается, какие данные можно использовать. Пишутся разделы про конфиденциальность, авторские права, роли и ответственность.
• День 5: процедуры и санкции. Пишется раздел про реагирование на инциденты, описываются санкции, формулируется процедура добавления новых инструментов.
• День 6–7: согласование. Документ раскладывается на согласование руководству, юристам, профсоюзу (если есть). Собираются комментарии, документ дорабатывается.

Важный момент: согласование должно быть быстрым. Если затащить это на месяц, то к концу месяца всё, что написали в начале, уже устареет. Лучше согласовать за неделю, даже если документ не идеален, чем идеальный документ, который никто не согласует.

Обучение сотрудников

Когда политика готова, начинается второй этап — обучение. Это не скучная лекция, а серия целевых мероприятий.

Вебинар для всей компании. Один час, на котором владелец политики объясняет, зачем нужна политика, какие основные правила, какие инструменты одобрены. Ключевая фраза: "Это не запреты, это правила, которые помогают нам работать безопаснее и быстрее".

Специализированное обучение для разных функций. Разработчиков учат про персональные данные и безопасность кода. Маркетологов — про авторские права и этику использования ИИ-контента. Финансистов — про конфиденциальность данных компании.

Практические примеры. Не просто "не загружайте конфиденциальные данные", а конкретные сценарии. Пример: "Маркетолог хочет использовать ChatGPT для написания описания продукта. Какие данные можно использовать, какие нельзя?" Люди обсуждают, предлагают варианты, понимают логику.

Чек-листы и шаблоны. После обучения каждый сотрудник должен получить чек-лист: "Можно ли я загружать это в этот сервис?" Простые вопросы, ясные ответы.

Мониторинг и контроль

После обучения наступает этап, который многие компании игнорируют и потом жалеют. Мониторинг — это не постоянное шпионаж за сотрудниками, а регулярная проверка того, что политика на самом деле соблюдается.

Мониторинг может быть несколько уровней:

• Технический мониторинг. Если компания использует облачные инструменты с корпоративными лицензиями, администраторы видят, кто, когда и как их использует. Это базовая информация: сколько запросов в день, кто часто загружает файлы, есть ли аномальная активность.
• Опросы и анкеты. Раз в квартал можно провести короткую анкету: какие инструменты ты используешь, какие данные загружаешь, есть ли вопросы по политике. Это помогает понять, соблюдается ли политика в реальности.
• Анализ инцидентов. Если компания обнаружила нарушение, это не просто воспринимается как единичный случай, а анализируется. Почему произошло нарушение? Может, в политике есть пробел? Может, нужно переобучить людей?
• Аудит раз в год. Полный аудит политики, как и в начале внедрения. Проверяется, какие инструменты на самом деле используются, соблюдаются ли правила, нужны ли изменения в политике.

Важный момент: мониторинг должен быть прозрачным. Сотрудники должны знать, что их активность регистрируется и анализируется, но это не значит, что их проверяют каждый день. Это значит, что если произойдёт инцидент, компания сможет его расследовать.

По результатам мониторинга компания обновляет политику. Если половина компании игнорирует какой-то раздел, может быть, он нереалистичен? Если люди постоянно пытаются использовать новый инструмент, может быть, его надо добавить в список одобренных?

Политика — это не статичный документ, а живая система, которая эволюционирует вместе с компанией и технологиями.

Что не решает политика и почему нужны технические средства

Прежде чем завершить обсуждение, важно честно сказать, что политика имеет ограничения. Это не волшебная палочка, которая решит все проблемы с безопасностью ИИ.

Границы политики

Политика может установить правила, но она не может физически помешать сотруднику загрузить конфиденциальный файл в ChatGPT. Человек может либо забыть про правила, либо сознательно их нарушить, если у него есть стимул это сделать.

Кроме того, политика очень часто не срабатывает, когда дело касается Shadow AI. Сотрудник может использовать личный аккаунт в облачном сервисе на личном ноутбуке. Компания об этом не узнает до тех пор, пока не произойдёт инцидент.

Также политика не решает проблему некомпетентности. Даже если написано "не загружайте персональные данные", человек может не понимать, что контакт клиента — это персональные данные. Он думает, что это просто информация.

И самое главное: политика не решает проблему технической уязвимости инструментов. Даже если сотрудник загружает только открытую информацию в ChatGPT, сервис может быть взломан, и данные могут быть украдены. Политика об этом не говорит ничего.

Технические средства защиты

Для решения этих проблем нужны технические средства. Они работают дополнительно к политике, не вместо неё.

DLP-системы (Data Loss Prevention). Это программное обеспечение, которое следит, какие данные сотрудник пытается отправить куда-то. Если система обнаружит персональные данные или конфиденциальную информацию, она блокирует отправку. Это не полностью защищает, но значительно снижает риск случайной утечки.

VPN и контроль доступа. Если компания настроит корпоративный VPN, она сможет маршрутизировать весь трафик через себя и видеть, какие сайты посещают сотрудники. Можно заблокировать доступ к личным ИИ-сервисам с корпоративной сети и разрешить только одобренные инструменты.

Локальные модели. Вместо облачных сервисов компания может развернуть собственную нейросеть на своих серверах. Это требует инвестиций в оборудование и специалистов, но данные остаются полностью под контролем компании.

Шифрование и двухфакторная аутентификация. Даже если данные попадут в облачный сервис, они должны быть зашифрованы. Двухфакторная аутентификация предотвращает несанкционированный доступ к аккаунтам.

Регулярные проверки безопасности. Компания может периодически проверять, что в облачных сервисах остаётся (и удаляется ли старая информация), есть ли подозрительная активность, не произошла ли утечка данных.

Идеальный подход — это комбинация политики и технических средств. Политика говорит людям, что нельзя делать и почему. Технические средства препятствуют этому физически. Вместе они создают многоуровневую систему защиты.

Политика без технологии — это уговоры. Технология без политики — это паранойя. Вместе они создают баланс между безопасностью и удобством.

Частые вопросы о политике ИИ в компании

Нужна ли политика ИИ маленькой компании из пяти человек?

Технически нет, но практически да. Даже в маленькой компании люди используют ИИ-инструменты, и даже пять человек могут случайно загрузить конфиденциальные данные. Политика может быть очень простой — одна страница, но она должна быть. Плюс, если компания когда-то захочет привлечь инвестиции или получить контракт с крупным клиентом, они обязательно спросят про политику использования ИИ.

Может ли компания просто запретить ИИ?

Технически может, но в реальности это не сработает. Люди всё равно будут использовать ИИ, просто тайно. Вместо открытого использования одобренных инструментов, компания получит Shadow AI. Лучше разрешить инструменты, которые компания контролирует, чем запретить и получить абсолютный контроль только на бумаге.

Можно ли загружать персональные данные в облачные нейросети, если человек дал согласие?

В теории да, в практике это очень сложно. Если вы загружаете данные в ChatGPT, даже если человек дал согласие на обработку его персональных данных компанией, это не означает, что он дал согласие на обработку OpenAI. Кроме того, OpenAI находится в США, и персональные данные граждан России не должны передаваться в другие страны без особых оснований. Это нарушение Федерального закона № 152. Короче: не загружайте персональные данные в облачные сервисы, даже если думаете, что это разрешено.

Чем политика ИИ отличается от политики обработки персональных данных?

Политика обработки персональных данных регулирует все процессы, связанные с личной информацией людей. Политика ИИ шире — она регулирует использование нейросетей, включая работу с конфиденциальной информацией компании, авторскими правами, качеством результатов. Они дополняют друг друга, но отвечают на разные вопросы. Политика персональных данных говорит: "Как мы защищаем информацию о людях?" Политика ИИ говорит: "Как мы используем нейросети безопасно?"

Как добиться, чтобы политику соблюдали?

Это вопрос на миллион. Нет волшебной формулы, но есть несколько работающих подходов. Во-первых, политика должна быть разумной и применимой, иначе люди её просто игнорируют. Во-вторых, должны быть реальные санкции за нарушение, но они не должны быть слишком суровыми для первого нарушения. В-третьих, нужно регулярное напоминание о политике, а не один-разовое обучение. В-четвёртых, нужны технические средства, которые помогают соблюдать политику автоматически. И наконец, руководство компании должно показывать пример — если начальник игнорирует политику, никто её не будет соблюдать.

Что делать, если в компании есть сильное сопротивление политике?

Это признак того, что либо политика написана неправильно, либо люди её не понимают. Первый шаг — встреча с теми, кто сопротивляется. Спросите, что их не устраивает, почему они считают политику плохой идеей. Часто оказывается, что люди просто не поняли смысл или считают политику слишком строгой. Пересмотрите политику вместе с ними, найдите компромисс. Лучше написать реалистичную политику, которую люди будут соблюдать, чем идеальную политику, которую все будут игнорировать.

Как часто нужно обновлять политику?

Минимум один раз в год нужен полный аудит и пересмотр. Но обновления случаются и чаще, если появляются новые инструменты, если обнаружены инциденты или если меняется законодательство. Лучше иметь процедуру регулярного обновления (например, каждый месяц проверяется, нужны ли изменения), чем ждать года и потом переписывать политику с нуля.

Нужен ли специальный отдел для управления политикой ИИ?

Для большой компании да. Для маленькой — нет, это может быть часть обязанностей IT-отдела или юридического отдела. Но в любом случае должен быть один ответственный человек, который следит за политикой, отвечает на вопросы и обновляет документ. Это может быть и 10% его времени, но это обязательно должно быть кому-то назначено.

Можно ли использовать готовый шаблон политики или обязательно писать с нуля?

Готовый шаблон — это отличная начальная точка. Можно найти шаблоны в интернете, от консультационных компаний или на юридических сайтах. Но шаблон обязательно нужно адаптировать под вашу компанию. Просто скопировать-вставить не получится — политика должна отражать реальность вашей компании, вашу классификацию данных, ваши инструменты. Используйте шаблон как основу, но переписывайте его для своей компании.

Что если политика нарушена, но никто этого не знает?

Это одна из причин, почему нужна система мониторинга. Если нарушение никто не заметил, оно всё равно произошло, но компания о нём не узнает до беды. Поэтому нужна комбинация — сам по себе механизм контроля, который ловит нарушения, и система поощрения честности, которая мотивирует людей сами сообщать об ошибках. Если сотрудник сам скажет, что загрузил что-то не то, наказание будет мягче, чем если это обнаружит система.

Имеет ли право компания мониторить, что сотрудники загружают в ИИ-сервисы?

Это зависит от законодательства и от того, корпоративный ли компьютер использует сотрудник или личный. На корпоративном компьютере компания имеет больше прав мониторить активность. На личном компьютере, даже если он подключен к корпоративной сети, вопрос сложнее. В России нет явного закона об этом, но есть общий принцип: монониторинг должен быть разумным и пропорциональным. Компания может следить за тем, какие сайты посещают, но не может читать личную переписку. Это тонкая граница, и её лучше обсудить с юристом перед внедрением системы мониторинга.

Политика использования ИИ в компании — это не проблема на год, а система, которая эволюционирует со временем. Первая версия никогда не будет идеальной, и это нормально. Важно начать, получить опыт, слушать обратную связь и улучшать систему.

Компания, которая пишет политику ИИ, показывает, что она серьёзно относится к технологиям и готова управлять рисками. Это не просто бюрократия — это инвестиция в будущее, в доверие клиентов и в спокойствие руководства.