Запрет ChatGPT для сотрудников: как контролировать нейросети
План статьи
Генеративный ИИ уже стал частью повседневной работы большинства компаний — с его помощью пишут письма клиентам, сокращают отчёты, правят код. Сотрудник, увлеченный этой продуктивностью, может так же легко вставить в чат-бот клиентскую базу или коммерческую тайну — и здесь возникает разрыв: то, что ощущается как обычное рабочее действие, на самом деле уже является нарушением, просто незаметным для самого сотрудника в момент запроса.
Именно поэтому вопрос для компании — не «запрещать ли ИИ», а как контролировать, что именно в него отправляют.
Зачем сотрудники несут рабочие данные в ChatGPT
Сценарии слива данных обыденны: «перепиши письмо клиенту», «сократи отчет», «поправь код». Каждый такой запрос может тянуть за собой фрагменты договоров, персональные данные или коммерческую тайну — просто потому что запрос требует этого контекста, чтобы быть полезным.
Обычно сотрудник не воспринимает это как вопрос безопасности: инструмент полезен, а взаимодействие с ним ощущается не иначе, чем работа с поисковиком. Проблему усугубляет теневой паттерн: сотрудники часто пользуются ИИ негласно — не из намерения обойти политику, а потому что четких правил, разрешающих или ограничивающих такую практику, просто нет. Управлять этим сложно именно потому, что негласное использование ИИ невидимо для организации.
Риски: утечка данных через нейросети и не только
Важно. Главный риск прост: информация, введенная в публичный чат-бот, покидает периметр компании и, в зависимости от условий провайдера, может сохраняться на внешней инфраструктуре или использоваться для обучения модели. После этого у организации остается немного практических способов отозвать или удалить данные.
Смежный набор рисков менее очевиден:
- фактические и логические ошибки ИИ, которые сотрудник включает в решение без проверки;
- избыточное доверие к ответам ИИ в специализированных областях — правдоподобный, но неверный «юридический» или «медицинский» ответ, узнаваемый сценарий сбоя, а не гипотеза;
- репутационные и договорные последствия, когда результат работы оказывается основан на неточной информации.
| Задача | Механизм | Результат |
|---|---|---|
| Правила под компанию | Гибкие политики: кому и что можно загружать в ИИ | Точное срабатывание, меньше теневого использования |
| Остановка утечки в ИИ | Блокировка передачи конфиденциального в веб-формы нейросетей | Данные не попадают на внешнюю инфраструктуру |
| Контроль использования ИИ | Правила на ChatGPT и аналоги, отслеживание | Видно, кто и что отправляет в нейросети |
Можно ли запретить ИИ на работе: правовая рамка
Право работодателя ограничивать использование ИИ-инструментов опирается на те же механизмы, что и другой мониторинг на рабочем месте: локальный нормативный акт — политику информационной безопасности, — режим коммерческой тайны по 98-ФЗ там, где затронута защищаемая информация, и, при обработке персональных данных, определенную цель по 152-ФЗ.
Правовым фундаментом для самой возможности такого контроля служат права работодателя и защита персональных данных работников по ст. 22 и 86–90 ТК РФ. Правомерно это при соблюдении условий в совокупности — политика закреплена в трудовом договоре, сотрудник подписал ознакомление, — а не за счет одного неформального уведомления.
Государственное регулирование ИИ
Эти вопросы часто смешивают. Разрешен ли ИИ-сервис на государственном уровне — вопрос государственного регулирования, которое может меняться независимо от компании. Что компания вправе требовать от сотрудников — какими инструментами пользоваться и какие данные в них можно отправлять — уже отдельный вопрос, регулируемый внутренними политиками, а не внешним статусом сервиса.
Как технически контролировать использование нейросетей
Именно эту часть публичное обсуждение регулирования ИИ часто упускает: даже хорошо разработанная политика на бумаге требует технического механизма, который позволит соблюдать ее на практике.
Здесь важно разделять классы решений. Контроль использования ИИ — не основная задача антивируса, межсетевого экрана или SIEM. Антивирус обнаруживает вредоносный код, межсетевой экран фильтрует сетевые соединения, а SIEM сопоставляет события инфраструктуры. Ни один из этих инструментов сам по себе не анализирует содержание того, что сотрудник вводит в веб-форму чат-бота.
Это не отдельная от других задача контроля каналов утечки внутренней информации: с точки зрения DLP публичный чат-бот — такое же внешнее направление передачи данных, как веб-почта или облачное хранилище.
Таким образом, DLP-система может различать обычный запрос к ИИ-сервису и попытку передать в него клиентскую базу, исходный код, договор или другие защищаемые данные. Политика может учитывать как чувствительность информации, так и конкретный сервис, а не сводиться к полному запрету использования нейросетей.
Локальные ИИ-модели как более безопасная альтернатива. Для задач с чувствительными данными локально развернутая или изолированная модель позволяет снизить риск непосредственно в источнике: информация не отправляется во внешний сервис и остается внутри защищенного контура. Такой подход требует ресурсов на развертывание и сопровождение, поэтому он подходит для определенных сценариев, а не является универсальной заменой внешним ИИ-сервисам.
| Подход | Что дает | Слабое место |
|---|---|---|
| Полный запрет ChatGPT и аналогичных сервисов | Простое правило; использование внешних ИИ формально запрещено | Теневое использование: личные устройства и несанкционированные сервисы снижают видимость |
| Использование без ограничений | Максимум удобства и гибкости | Неконтролируемая передача конфиденциальной информации через ИИ-инструменты |
| Управляемый доступ | Использование ИИ с контролем передаваемых данных | Требует настройки политик и обучения сотрудников |
| Локальные ИИ-модели | Обработка данных без передачи за пределы защищенного контура | Требуют ресурсов на развертывание и сопровождение |
Выбор подхода к использованию ИИ зависит не только от того, насколько сервис удобен сотрудникам, но и от уровня чувствительности обрабатываемых данных. На практике компании выбирают между полным запретом, свободным использованием, контролируемым доступом и локальным размещением ИИ-моделей. У каждого варианта есть свои преимущества и ограничения, поэтому оптимальный сценарий стоит определять с учетом требований к безопасности, инфраструктуры и рабочих задач.
Запрет или управляемый доступ: что выбрать компании
Полный запрет часто проигрывает по конкретной причине: он не устраняет саму потребность в ИИ, поэтому активность продолжается на личных устройствах, где у компании нет видимости. Политика, призванная закрыть риск, парадоксально делает его менее заметным.
Управляемый доступ решает иначе: одобренные сервисы, четкие правила, что можно отправлять, обучение и технический контроль со стороны компании — так политика не зависит целиком от суждения сотрудника в моменте.
Письменная политика для сотрудников отвечает на четыре вопроса:
- какие данные нельзя отправлять в публичный ИИ-сервис ни при каких условиях — сведения о клиентах, персональные данные, коммерческая тайна, финансовые результаты;
- какие ИИ-сервисы одобрены для рабочего использования;
- кто несет ответственность за нарушение;
- куда эскалировать пограничный случай.
Заключение
Управляемый доступ, а не тотальный запрет, — часть более широкой цифровой прозрачности бизнеса. Безопасная работа с ИИ держится на нескольких элементах вместе: четкие правила в локальной политике, обучение сотрудников, технический контроль того, что уходит в ИИ-сервисы, и управляемый доступ вместо тотального запрета, который чаще уводит активность из поля зрения, чем устраняет ее.
Часто задаваемые вопросы
- Может ли компания запретить сотрудникам пользоваться ChatGPT на работе?
Да, в определенных пределах: работодатель может ограничить использование ИИ-инструментов через локальную политику, закрепленную в трудовом договоре, с подписанным ознакомлением сотрудника — при условии, что политика касается рабочих целей, а не личного использования в целом.
- Чем опасна загрузка рабочих данных в ИИ-инструменты?
Главный риск — данные покидают периметр компании после ввода в публичный сервис. Дополнительные риски — фактические ошибки в выводе ИИ и последствия, когда непроверенная помощь ИИ ложится в основу бизнес-решения.
- Как контролировать использование ChatGPT сотрудниками технически?
Через политики доступа к ИИ-сервисам, отслеживание передаваемого через веб-формы, контентный анализ и блокировку конфиденциальных отправок — та же категория контроля, что уже применяется к другим исходящим каналам данных.
- Что эффективнее — полный запрет ИИ или управляемый доступ?
На практике управляемый доступ обычно работает лучше: полный запрет устраняет видимость, а не сам риск, вытесняя использование на личные устройства, тогда как управляемый доступ сочетает правила с техническим контролям.
- Как оформить правила использования ИИ в компании, чтобы это было законно?
Через локальную политику, закрепленную в трудовом договоре, с подписанным ознакомлением сотрудника и определенной целью обработки данных по 152-ФЗ; там, где затронута коммерческая тайна, — формальный режим коммерческой тайны по 98-ФЗ.
- Можно ли использовать локальные нейросети без выхода данных в сеть?
Да. Локально развернутая или изолированная модель, которая не передает данные во внешний сервис, закрывает этот путь утечки, хотя требует больше ресурсов на развертывание и поддержку.
.jpg)
 system.jpg)
