85% ИБ-директоров Казахстана обеспокоены тем, как сотрудники используют ИИ. Российскому бизнесу указали на

Проблема уже бьёт по российскому бизнесу: корпоративные данные утекают в публичные нейросети быстрее, чем компании успевают выстроить правила работы с ними. Это редкий кейс, когда сухая статистика опроса превращается в практический чек-лист для любой команды, которая экспериментирует с генеративными моделями.

Что показал опрос

Исследование, на которое ссылается Softline, рисует неожиданную иерархию страхов. 85% ИБ-директоров Казахстана волнует то, как сотрудники применяют ИИ внутри компании. Ещё 76% респондентов ждут, что в период с 2025 по 2028 год появятся принципиально новые методы кибератак с применением нейросетей. Парадокс в том, что главный вектор угрозы сидит не в злоумышленнике за периметром, а в собственном отделе маркетинга, который загружает клиентскую базу в публичный сервис ради одной итерации текста.

Теневой ИИ как новый класс утечек

Термин «теневой ИИ» — это продолжение старой истории про Shadow IT, только в новой обёртке. Сотрудник открывает публичный сервис, вставляет в контекстное окно фрагмент договора, персональные данные клиентов или описание продукта, получает генерацию и закрывает вкладку. Компания при этом не знает, какие именно модели использовались и сохраняются ли введённые данные на стороне поставщика. Журналировать такие запросы нечем, DLP-модули настроены на почту и мессенджеры, а не на поля ввода веб-форм. Каждая такая итерация — потенциальная утечка, которую невозможно откатить, потому что модель уже обработала параметры пользователя.

Контур защиты и где проверить себя

Вместо запретов, которые всё равно обходят, эксперты предлагают три уровня контроля. Первый — реестр разрешённых ИИ-моделей с понятными правилами работы с данными: какие сервисы можно, какие нельзя, что именно допустимо отправлять в контекстное окно. Второй — технический мониторинг: DLP настраивается на обнаружение попыток загрузить корпоративные сведения в публичные сервисы, журналируются запросы и ответы. Третий — закрытые модели для работы с чувствительными данными, чтобы критичные операции шли через контур компании.

Ориентирами служат три документа: стандарт управления ИИ ISO/IEC 42001, рамочная модель рисков NIST AI RMF и перечень уязвимостей OWASP Top 10 for LLM Apps. «Полный запрет публичных нейросетей не дает компании контроля над реальным поведением сотрудников. Нужны разрешенные инструменты, понятные правила работы с данными и технический мониторинг. Реестр моделей и журналирование запросов позволяют установить, где используется ИИ и какие сведения ему передаются», — отмечает Виктор Гулевич, руководитель направления информационной безопасности управления международного бизнеса ГК Softline.

Открытой статистики по реальным утечкам в Казахстане пока нет — есть только обеспокоенность руководителей. Это повод провести ревизию до первого инцидента: какие ИИ-сервисы используют сотрудники, какие данные через них проходят и где проходит граница между экспериментом и утечкой. Полезный параметр для проверки — зафиксировать, как именно команда работает с контекстом модели, и сравнить это с реестром разрешённых инструментов. Если расхождение есть, его стоит закрыть до того, как закроется окно возможностей.