Почему информационная безопасность всегда узнаёт о новых AI-сервисах последней

В компании может не быть ни одного официально внедрённого AI-сервиса — и одновременно могут существовать десятки или сотни реальных сценариев использования искусственного интеллекта.

Маркетинг готовит тексты через публичные модели. Аналитики загружают таблицы в AI-ассистентов. Разработчики устанавливают расширения для написания кода. Руководители отправляют расшифровки встреч на автоматическое резюмирование. Сотрудники создают личных агентов, подключают корпоративную почту и предоставляют им доступ к облачным документам.

Информационная безопасность часто узнаёт об этом последней — после срабатывания DLP, вопроса от юристов, необычного сетевого трафика или уже произошедшего инцидента.

Проблема не только в поведении сотрудников. Проблема в том, что фактическое внедрение AI происходит быстрее корпоративного процесса его согласования.

Моя позиция проста:

Shadow AI появляется там, где официальный путь использования технологии медленнее бизнес-потребности.

Раньше внедрение корпоративной технологии обычно оставляло заметный след: бюджет, договор, сервер, интеграционный проект, заявка на доступ, участие архитектуры и ИБ.

Для начала использования генеративного AI этого больше не требуется.

Достаточно:

AI может войти в бизнес-процесс, не проходя ни через закупку, ни через архитектурный комитет, ни через стандартную процедуру управления изменениями.

Поэтому традиционная логика «сначала нам принесут проект, затем мы оценим риски» перестаёт работать. Проект может не появиться вообще. Сначала появляется использование, затем зависимость от инструмента, после этого — данные и интеграции, и лишь в конце возникает вопрос управления рисками.

Удобно считать, что сотрудники используют неразрешённые AI-инструменты из-за неосторожности или желания обойти правила. Иногда это действительно так. Но в большинстве организаций есть более системная причина.

Сотруднику нужно быстрее:

AI решает эту задачу за минуты. Официальный корпоративный процесс может занять недели или месяцы — если он вообще существует.

В июне 2026 года PagerDuty опубликовала результаты международного опроса 1 250 офисных сотрудников крупных компаний. Две трети респондентов сообщили, что использовали на работе AI-инструменты, которые считали неразрешёнными политикой работодателя. При этом 88% передавали публичным AI-сервисам рабочую информацию, 34% — клиентские данные, а 31% — финансовую информацию, конфиденциальные документы или элементы корпоративной стратегии. Это исследование одного поставщика нельзя механически переносить на все организации, но оно хорошо показывает масштаб разрыва между реальным использованием AI и корпоративной управляемостью. (PagerDuty)

Спрос уже существует. Если компания не предоставляет безопасный инструмент, понятные правила и разумный срок согласования, сотрудники создают собственный маршрут.

Запрет в такой ситуации не устраняет потребность. Он переводит её в невидимую зону.

Один и тот же сценарий может быть реализован через браузер, мобильное приложение, расширение, API, корпоративный SaaS, локальную модель или встроенную функцию офисного продукта.

Заблокировать несколько известных доменов недостаточно. Через неделю появятся новые сервисы, зеркала, агрегаторы моделей и AI-функции внутри уже разрешённых приложений.

Сотрудник формулирует потребность так:

«Мне нужно за час сравнить двадцать договоров».

ИБ слышит другое:

«Планируется передача конфиденциальных документов внешнему обработчику».

Обе стороны правы. Но если между ними нет быстрого механизма перевода бизнес-задачи в допустимый AI-сценарий, сотрудник решает проблему самостоятельно.

Даже формально разрешённый AI-сервис может использоваться небезопасно.

Есть огромная разница между:

Статус «продукт одобрен» сам по себе ничего не говорит о допустимости конкретного использования.

ИТ отвечает за платформу. ИБ — за угрозы. Юристы — за договоры. Privacy-функция — за персональные данные. Бизнес — за результат. Закупки — за поставщика.

В итоге каждый контролирует свой фрагмент, но никто не управляет полным жизненным циклом AI-сценария.

Люди начинают использовать AI в личной жизни, формируют привычки и затем переносят их в рабочую среду. В исследовании PagerDuty 89% респондентов, использовавших AI для работы, впервые познакомились с соответствующими инструментами вне рабочего контекста. (PagerDuty)

Для сотрудника это один привычный ассистент. Для компании — неконтролируемый внешний обработчик данных.

Утечка данных остаётся наиболее очевидным риском, но далеко не единственным.

Компания может не знать:

AI-ответ может выглядеть убедительно, но содержать неверные факты, вымышленные ссылки или некорректную интерпретацию данных. Если результат используется без проверки, модель становится скрытым участником управленческого решения, хотя её роль нигде не зафиксирована.

Сотрудники могут загружать исходный код, коммерческие материалы, клиентские документы или контент третьих сторон, не понимая условий использования сервиса и последствий для интеллектуальной собственности.

Наибольший риск возникает, когда AI перестаёт быть просто чат-интерфейсом и получает доступ к почте, календарю, документам, CRM, репозиториям или производственным системам.

В этот момент вопрос меняется: не «что модель может прочитать», а «что она способна сделать».

Если AI-система обрабатывает внешние документы, веб-страницы, письма или сообщения, злоумышленник может попытаться встроить в них инструкции, влияющие на поведение модели.

В OWASP Top 10 for LLM Applications 2025 prompt injection и раскрытие чувствительной информации выделены как самостоятельные категории риска. (OWASP Gen AI Security Project)

Для обычного чат-бота последствия могут ограничиться некорректным ответом. Для AI-агента с доступом к инструментам это уже может привести к отправке данных, выполнению нежелательного действия или обходу предусмотренного процесса.

Запрет может быть временной мерой, когда компания не понимает риск или не готова предоставить защищённую среду. Но как постоянная стратегия он редко работает.

Сотрудники продолжают пользоваться AI:

В результате ИБ получает не меньше риска, а меньше наблюдаемости.

Документ может подробно объяснять, что нельзя делать, но не отвечать на главный вопрос сотрудника:

«Как мне законно и безопасно решить мою задачу с помощью AI?»

Политика без доступного инструмента, каталога сценариев и понятной процедуры исключений остаётся декларацией.

Реестр AI-систем быстро устаревает. Модели меняются, поставщики добавляют новые функции, приложения получают встроенных агентов, а сотрудники начинают использовать новые сервисы.

Управлять AI по ежегодной таблице невозможно. Нужна непрерывная видимость.

Исправить стиль публичного текста и предоставить агенту доступ к финансовой системе — принципиально разные уровни риска.

Если компания заставляет оба сценария проходить одинаковый многомесячный процесс, сотрудники начинают обходить процесс целиком.

ИБ не может самостоятельно определить ценность сценария, допустимый уровень ошибки, владельца данных и последствия неправильного решения.

AI governance должна быть совместной управленческой системой, а не ещё одним изолированным контрольным процессом.

NIST AI Risk Management Framework предлагает рассматривать управление AI-рисками как постоянную деятельность, охватывающую управление, описание контекста, измерение и обработку рисков на протяжении жизненного цикла системы. В 2026 году NIST продолжает развивать AI RMF, включая работу над отдельным профилем для критической инфраструктуры. (NIST)

Для управления Shadow AI эту логику можно превратить в четыре практических этапа.

Начинать нужно не с предположений, а с фактов.

Источниками видимости могут быть:

Цель — не составить список нарушителей. Необходимо понять, какие бизнес-потребности сотрудники уже закрывают с помощью AI.

Каждый сценарий стоит оценивать как минимум по четырём параметрам:

После этого сценарии можно распределить по уровням.

Низкий риск: работа с публичными данными, генерация идей, редактирование открытых материалов.

Средний риск: внутренние документы, аналитика, разработка, корпоративная база знаний — при наличии утверждённой платформы и контролей.

Высокий риск: персональные данные, коммерческая тайна, критичные решения, внешние коммуникации, автоматические действия и доступ к производственным системам.

Это ключевой этап, который компании чаще всего пропускают.

Нужно создать:

Без этого ИБ предлагает сотруднику отказаться от заметного прироста производительности, не предоставляя замены. Предсказуемо, что такой контроль будет обходиться.

Одобрение AI-сценария не должно быть последней точкой процесса.

Нужно отслеживать:

AI-система, которую оценили полгода назад, сегодня может иметь другой функционал, другую модель и новые интеграции.

Руководителю ИБ не обязательно начинать с масштабной программы трансформации.

За первые 30–60 дней можно:

Я не считаю, что задача ИБ — легализовать любой AI-инструмент, который понравился сотрудникам.

Некоторые сервисы действительно нужно блокировать. От отдельных сценариев необходимо отказываться. Использование чувствительных данных и автономных действий должно проходить серьёзную оценку.

Но зрелость ИБ определяется не количеством запретов.

Зрелая информационная безопасность превращает неконтролируемый спрос на AI в управляемый набор бизнес-сценариев.

Когда безопасный путь слишком медленный, сложный или бесполезный, сотрудники создают собственный.

Поэтому главный вопрос не в том, почему люди обходят запреты.

Главный вопрос — почему официальный маршрут оказался хуже неофициального.

Shadow AI нельзя устранить одной политикой, рассылкой или блокировкой популярных сервисов.

Он возникает из разрыва между скоростью бизнеса и скоростью корпоративного управления.

Запрет без доступной альтернативы не прекращает использование AI. Он прекращает поступление информации об этом использовании в ИБ.

Чтобы вернуть управляемость, компании необходимо не бороться с самим спросом, а создать систему, которая позволяет обнаруживать реальные сценарии, классифицировать риски, предоставлять безопасные инструменты и постоянно контролировать изменения.

ИБ должна быть не последней инстанцией, которая узнаёт о внедрении AI.

Она должна стать функцией, которая помогает бизнесу пройти путь от эксперимента к безопасному промышленному использованию.

Подписывайтесь на мой ТГ канал: @ib_decisions