5 лет срока за ошибку ИИ. Какие данные нельзя отправлять нейросети?

Сотрудник вставляет кусок рабочего кода в ChatGPT, чтобы быстрее найти баг, или загружает переписку с клиентом, чтобы получить краткое резюме встречи, — и не задумывается, что происходит с этими данными дальше. А ведь имеет серьёзные последствия: по американскому Economic Espionage Act — до 10 лет лишения свободы за коммерческую кражу торговой тайны и до 15 — если в пользу иностранного государства.

Передача данных нейросети: кейсы из США

Почти половина сотрудников компаний в 2025–2026 годах уже используют генеративный ИИ на работе, а конфиденциальные данные, по независимым исследованиям, обнаруживаются более чем в 4% всех промптов и в 20% всех загружаемых файлов.

Samsung, 2023. Инженеры загрузили в ChatGPT проприетарный исходный код для поиска ошибок, случайно раскрыв коммерческую тайну. Компания в ответ полностью запретила сотрудникам использовать инструмент. Ага, не выборочно, а целиком, по всей организации.

Федеральный суд Северного округа Калифорнии, январь 2026. Суд отклонил иск о защите коммерческой тайны именно потому, что истица разработала предполагаемую тайну с помощью ChatGPT — сам факт использования публичного ИИ был признан достаточным основанием для утраты конфиденциальности. То есть можно потерять юридическую защиту информации просто от факта, что она проходила через сторонний чат-бот, даже без явной утечки третьим лицам.

United States v. Heppner, февраль 2026 (Южный округ Нью-Йорка). Суд постановил, что переписка с потребительским ИИ не сохраняет адвокатскую тайну: подсудимый по собственной инициативе делился деталями своей защиты с Claude от Anthropic, и суд признал эту переписку не защищённой адвокатской тайной и доступной стороне обвинения — судья прямо написал в решении, что «Claude — не адвокат».

Кстати, если тема автоматизации рабочих процессов через ИИ интересна шире, чем один риск, — у нас есть отдельный разбор как создать AI-ассистента для бизнес-задач, уже с учётом контроля над тем, куда уходят данные.

Кейсы утечки информации посредством нейросетей в ЕС

Италия, Garante, декабрь 2024. Итальянский регулятор по защите данных оштрафовал OpenAI на €15 млн за обработку персональных данных пользователей ЕС без надлежащего правового основания — расследование началось в 2023 году после утечки через уязвимость в библиотеке Redis. Штраф позже отменили в римском суде в марте 2026 года — но само регуляторное разбирательство заняло три года независимо от итогового исхода, и это уже реальные издержки времени и юристов, а не абстрактный риск.

Это хороший пример того, что регуляторные риски реальны, но не всегда заканчиваются окончательным наказанием. Отклоненный штраф не отменяет три года разбирательства, репутационных издержек и юридических расходов, которые компания понесла независимо от финального решения суда.

Таблица: какие данные особенно рискованно отправлять в публичный ИИ

Если по этой таблице у вас в голове уже пробежал список из пары рабочих чатов за последнюю неделю — вы не одиноки: именно поэтому 4% промптов и 20% загружаемых файлов с конфиденциальными данными — не аномалия отдельных безответственных сотрудников, а статистически предсказуемый паттерн массового, неосознанного поведения.

Почему потребительский тариф — это юридическая дыра

Ключевая, но малоизвестная деталь: потребительские тарифы ChatGPT — Free, Go, Plus, Pro — не имеют юридического слоя защиты данных вообще. Ни соглашения об обработке данных (DPA), ни оговорки о статусе поставщика услуг, ни договорных обязательств о конфиденциальности. Корпоративные тарифы уровня Business или Enterprise дают более строгие договорные условия, но именно на них компании массово не переходят, продолжая позволять сотрудникам пользоваться личными аккаунтами.

Есть и ещё один неприятный нюанс: даже «удалённые» пользователем данные могут храниться на серверах OpenAI до 90 дней и оставаться доступными для внутреннего аудита или по запросу регуляторов. То есть кнопка «удалить чат» в интерфейсе не означает мгновенного и полного удаления данных с серверов — это стоит понимать, прежде чем полагаться на неё как на способ «замести следы» после случайной отправки чувствительной информации.

Почему сотрудники вообще так делают

Стоит на секунду отойти от юридической стороны и разобраться в мотивации, потому что без этого любая инструкция «просто не делайте так» работает плохо. Сотрудник, который вставляет фрагмент кода в ChatGPT для отладки, не пытается навредить компании — он решает задачу самым быстрым доступным способом. Официальный корпоративный доступ к нужной модели часто либо не согласован, либо требует бюрократической процедуры получения доступа, тогда как личный аккаунт в браузере открывается за десять секунд. Разрыв между «правильным» и «удобным» путём — и есть главная причина, по которой 4% промптов и 20% файлов с конфиденциальными данными оказываются не единичным эксцессом, а массовым, статистически предсказуемым поведением.

Это объясняет, почему одних только внутренних регламентов и напоминаний в духе «не отправляйте рабочие данные в ChatGPT» системно недостаточно: если официальный путь медленнее и неудобнее неофициального, сотрудники в массе своей выберут неофициальный, даже прекрасно понимая риски на уровне здравого смысла. Рабочее решение — не запрет ради запрета, а официальный путь, который по удобству не уступает личному аккаунту в браузере, но при этом остаётся под контролем компании.

Промпты для безопасной работы с чувствительными данными

Anonymize the following text by replacing names, company names, and specific numbers with generic placeholders, then answer my question about it: [insert text]. — обезличивание перед отправкой в модель. 

Summarize this document without repeating any specific figures, client names, or proprietary terms — describe the structure and conclusions only.— саммари без утечки конкретики. 

Rewrite this code snippet's logic in pseudocode, removing any company-specific variable names, comments, or internal references. — обезличивание кода перед анализом. 

Explain the general legal concept behind this contract clause without me pasting the actual contract text. — разбор темы без загрузки реального документа. 

Given this hypothetical scenario (not real client data), suggest how to phrase a difficult client email. — работа через гипотетический, а не реальный кейс. 

Help me draft a data classification policy for employees, distinguishing what can and cannot be shared with public AI tools. — подготовка внутренней политики для команды.

Review this checklist of data types and flag which ones would be risky to share with a consumer-tier AI assistant. — самопроверка перед отправкой. 

Suggest a template for redacting personally identifiable information from customer support transcripts before analysis. — шаблон редактирования переписки поддержки. 

Explain the difference between a consumer and enterprise AI subscription in terms of data handling, in plain language for non-technical staff. — объяснение для сотрудников без юридического бэкграунда. 

Draft an internal reminder email to the team about not sharing client data with personal AI accounts. — внутренняя рассылка-напоминание.

Что происходит внутри модели с вашими данными технически

Полезно на минуту заглянуть под капот и понять, почему риск вообще существует на техническом уровне. Когда пользователь отправляет промпт в облачный сервис, текст физически покидает устройство и обрабатывается на серверах провайдера — это отличается от локально запущенной модели, где данные не покидают периметр компании вообще. Даже если провайдер прямо заявляет, что не использует переписку для дообучения модели на платных корпоративных тарифах, сам факт передачи данных на сторонние серверы создаёт точку, через которую теоретически возможна утечка, будь то уязвимость инфраструктуры (как в случае с библиотекой Redis у OpenAI), ошибка конфигурации или запрос от регулятора.

Именно поэтому крупные компании, серьёзно относящиеся к вопросу конфиденциальности, всё чаще смотрят в сторону гибридных решений: рутинные, некритичные задачи — через облачный сервис ради скорости и удобства, а по-настоящему чувствительные данные — либо вообще не через ИИ, либо через изолированную инфраструктуру с собственным контролем доступа. Это не паранойя, а прямое следствие того, что каждый дополнительный узел, через который проходят данные, — это ещё одна точка потенциального отказа, и чем чувствительнее информация, тем меньше таких точек разумно оставлять на пути между сотрудником и результатом, который ему реально нужен.

Заключение

Три принципа, которые реально стоит вынести из этой истории: потребительский тариф — это не защищённое пространство, а канал утечки с недооценённой юридической ценой; корпоративный контроль над тем, куда уходят рабочие данные, снижает риск ощутимее, чем любые инструкции сотрудникам «просто будьте внимательнее»; а регуляторные разбирательства бьют по компании даже тогда, когда заканчиваются в её пользу, просто временем и издержками, а не итоговым штрафом. Ни один из этих трёх пунктов не требует героических мер — только готовности признать, что удобный, но неконтролируемый путь для сотрудников рано или поздно окажется дороже, чем выглядел на старте.