Я не вставляю рабочие таблицы в чат с нейросетью. Кейс: свод из семи файлов и маскировка данных до отправки

Я не вставляю рабочие таблицы в чат с нейросетью. Не потому, что боюсь технологий, я их интегрирую за деньги. А потому, что в рабочей таблице почти всегда есть колонка с фамилиями и колонка с телефонами.

Человек открывает чат с ИИ, копирует туда выгрузку и пишет: «посчитай продажи по менеджерам».

В этот момент фамилии сотрудников, телефоны контактных лиц, почты и ИНН клиентов уходят на сервер чужой компании. Не «возможно уходят» - уходят, это и есть принцип работы: модель не может ответить по данным, которые ей не передали.

Дальше начинается то, чего человек уже не контролирует. Где именно эти данные лежат, сколько они там хранятся, попадут ли они в обучение, кто из сотрудников сервиса имеет к ним доступ - решает не он. Он отдал и всё.

И отдельно: решение об этом принял рядовой сотрудник, которому надо было посчитать продажи. Не служба безопасности, не юрист, не руководитель. Сотрудник с дедлайном.

Потому что альтернатива - сводить руками.

Возьмём обычную ситуацию. Продажи за семь месяцев лежат в семи файлах и пяти форматах: несколько CSV, один из них в кодировке Windows-1251, Excel с двумя листами внутри, TSV, PDF и отдельный справочник контактов. В сумме 187 строк и 16 колонок.

Чтобы получить одну таблицу, нужно открыть каждый файл, подобрать кодировку, свести разные наборы колонок к общему набору, вытащить листы по отдельности, перепечатать PDF. Это не интеллектуальная работа, это перекладывание. И когда у человека есть инструмент, который сделает это за минуту, он им воспользуется, даже если в таблице фамилии.

Поэтому запрещать бесполезно. Запрет упирается в неудобство, а неудобство всегда побеждает.

Сервис, который собирает файлы в один свод прямо в браузере и маскирует персональные данные до того, как что-то уйдёт наружу.

Объединение идёт на компьютере пользователя. Файлы на сервер не загружаются вообще. Кодировки и разделители определяются сами, у Excel читаются все листы, у PDF - таблицы с текстовым слоем.

Маскировка идёт там же, в браузере. ФИО, телефоны, почты, номера документов и названия организаций заменяются на подписи вида «Персона_1» и «Организация_4». На пример из семи файлов приходится 32 уникальных замаскированных значения: семь персон, семь организаций, шесть телефонов, шесть почт, шесть документов.

Наружу уходит только замаскированная таблица. В ответе модели настоящие значения подставляются обратно - эту подстановку делает браузер, у себя. Скачанный свод при этом остаётся без масок: маскировка нужна для отправки, а не для работы.

Наивная маскировка ломает анализ.

Если заменить каждую фамилию случайной подписью, один и тот же менеджер в тридцати строках превратится в тридцать разных людей. Вопрос «кто продал больше всех» потеряет смысл: модель увидит тридцать человек с одной сделкой каждый.

Поэтому маска привязана к значению, а не к строке. «Персона_3» - всегда один и тот же менеджер, во всех ста восьмидесяти семи строках. Связи внутри таблицы сохраняются полностью, и модель считает по ней так же, как считала бы по настоящей.

Из того же принципа следует вторая вещь: имя в самом вопросе тоже маскируется перед отправкой. Можно написать «как сработал Демидов в апреле» - наружу уйдёт «как сработал Персона_1», а в ответе фамилия вернётся на место.

В примере на семь файлов нашлись три вещи, каждая из которых в отдельном файле не видна.

Дубль. Накладная ИРБ-1094 за 8 апреля лежит в листе дважды, строка в строку. Пока файлы отдельные, дубль внутри одного месяца глазами не ловится.

Выброс. Одна накладная на 180 кресел и 2,68 миллиона при обычной сделке в два-двенадцать штук. В месячном файле она растворяется среди других строк, в сводe за семь месяцев торчит.

Плавающая цена. Один и тот же ноутбук продан по 61 200, по 57 914 и по 56 803. Это либо скидки, о которых никто не знает, либо ошибки ввода. Увидеть это можно только тогда, когда все месяцы лежат рядом.

Вот что покупает руководитель, когда платит за сведение данных. Не экономию времени аналитика. Возможность заметить то, что по отдельным файлам размазано.

Теперь честная часть, потому что без неё получится реклама.

Маскировка - это не анонимность. Фамилии и телефоны уходят, но город, филиал, товар, сумма и дата остаются: иначе анализировать будет нечего. Внутри компании, где все друг друга знают, «Персона_3 в Новосибирске, продаёт мебель» вычисляется за минуту. От чужого сервера это защищает, от коллеги - нет.

Колонки определяются автоматически, и проверять их надо глазами. Сервис помечает найденные колонки как «авто» и даёт их поправить. Если фамилия лежит в колонке с названием вроде «Примечание», автоматика её не поймает. Ответственность за то, что уходит наружу, остаётся на человеке - инструмент её снижает, но не забирает.

Сканы без текстового слоя не читаются. PDF, который на самом деле картинка, в свод не попадёт.

Где это окупается: регулярные выгрузки, в них есть люди, анализировать хочется с ИИ.

Где не окупается: одна таблица без персональных данных вообще. Тогда маскировать нечего, и городить вокруг этого процесс не нужно.

Демонстрация работает, данные в ней вымышленные: организация, сотрудники, клиенты, телефоны и реквизиты придуманы. Можно загрузить готовый пример одной кнопкой - свои файлы не нужны.

Свод: http://5.178.3.254/svod/

Нажмите «Показать, что именно уйдёт в ИИ» и сравните с исходной таблицей.
Больше пользы в моем тг канале: t.me/aibezgalstyka
По всем вопросам можно написать мне в тг: @bezgalstyka