Генеративный ИИ вошел в рабочие процессы быстрее, чем многие компании успели определить правила его использования. С его помощью анализируют документы, собирают презентации, обрабатывают результаты исследований, готовят письма и проверяют код. Для сотрудника выбор понятен: если инструмент сокращает несколько часов рутины до нескольких минут, отказаться от него трудно.
При этом компания может не знать, какой сервис получил доступ к ее документам, через какой аккаунт сотрудник вошел в систему, где обрабатывается информация и какие условия хранения действуют в конкретном продукте. Работа уже изменилась, а корпоративная среда, где организация управляет доступом, хранением данных и историей действий, охватывает далеко не все инструменты, которыми люди пользуются каждый день.
По данным Netskope, медианная доля сотрудников, еженедельно использующих ИИ-приложения, за год выросла с 34% до 59%. При этом 30% пользователей работают только через личные приложения и аккаунты, а еще 14% совмещают их с корпоративно управляемыми инструментами.
Такое использование ИИ вне официального контроля компании называют Shadow AI. Речь идет не только о возможной утечке данных. Когда сотрудники самостоятельно выбирают модели, сервисы и автоматизации, организация не всегда понимает, какие технологии уже встроены в ее процессы, сколько денег на них расходуется, к каким данным они имеют доступ и где ИИ участвует в подготовке решений.
Как ИИ ушел в тень
Под Shadow AI понимают использование сотрудниками ИИ-инструментов, моделей, приложений или агентов, которые организация официально не одобрила либо не контролирует. Это может быть личный аккаунт в популярном чат-боте, специализированный сервис для маркетинга или программирования, самостоятельно собранная автоматизация или агент с доступом к рабочим системам.
У явления есть предшественник - Shadow IT, когда сотрудники без согласования с ИТ-службой подключали собственные облачные хранилища, программы или устройства. Генеративный ИИ расширил масштаб проблемы: внешнему сервису теперь можно за несколько секунд передать исходный код, финансовые данные, клиентскую переписку, договор, исследование или внутреннюю презентацию.
Отдельный чат-бот при этом далеко не единственный источник Shadow AI. ИИ-функции все чаще встроены в привычные рабочие приложения: поиск, расшифровку встреч, текстовые редакторы, инструменты для разработчиков и другие сервисы. Сотрудник может использовать новую модель обработки данных, даже не открывая отдельный ИИ-продукт. Для компании вопрос остается тем же: одобрена ли эта функция, какие данные она получает и какие правила к ним применяются.
Изменилась и сама модель внедрения технологий. Раньше основные рабочие инструменты чаще выбирала компания, после чего сотрудники получали уже настроенную систему. Генеративный ИИ сначала массово появился в потребительских продуктах, и пользователи сами начали искать для него рабочие задачи. Во многих организациях правила начали формироваться уже после того, как такая практика закрепилась.
Business Insider описывает случай сотрудника биотехнологической компании, который участвовал в разработке внутренних правил по ИИ, но продолжал пользоваться неразрешенным личным аккаунтом NotebookLM. По его оценке, задача, на которую вручную потребовалось бы около 150 часов, заняла с ИИ примерно 30 минут. Компания в это время несколько месяцев согласовывала собственные правила использования технологии.
В этой ситуации сталкиваются два требования работодателя: соблюдать ограничения и одновременно повышать производительность. Если официального инструмента нет или доступ к нему требует долгого согласования, сотрудник уже знает более быстрый способ выполнить ту же работу.
Личные и корпоративные ИИ-сервисы
Можно было предположить, что после появления корпоративных версий популярных ИИ-сервисов неофициальное использование постепенно сократится. В первые месяцы такая динамика действительно наблюдалась, однако к марту 2026 года снижение остановилось. По данным Netskope, 56% пользователей ИИ теперь работают только с корпоративно управляемыми приложениями, 30% - только с личными, еще 14% совмещают оба варианта.
Даже после внедрения корпоративного помощника сотрудники продолжают искать специализированные продукты для программирования, анализа данных, работы с видео, рекрутинга или маркетинга. Business Insider отмечает, что по мере распространения базовых корпоративных решений специалисты все чаще выбирают дополнительные инструменты под конкретные профессиональные задачи.
Поэтому самого решения «разрешить ИИ» недостаточно. Управленческий вопрос звучит точнее: какой именно инструмент используется, для какой задачи, с какими данными и в какой корпоративной или личной среде.
От чат-ботов к агентам
Shadow AI не ограничивается запросами в окне чат-бота. К нему относятся также самостоятельно подключенные ИИ-агенты, локальные модели и автоматизации, через которые ИИ получает доступ к рабочим приложениям и данным.
В отличие от обычного чат-бота, агент может не только подготовить ответ, но и обратиться к нескольким системам, собрать информацию и выполнить последовательность действий. По данным Microsoft, 29% сотрудников уже используют для рабочих задач несанкционированных ИИ-агентов, тогда как специальные меры защиты генеративного ИИ внедрили 47% организаций. Исследование основано на международном опросе более 1700 специалистов по безопасности данных.
Поэтому прежнего вопроса «какие данные сотрудник загрузил в нейросеть?» уже мало. Бизнесу необходимо знать, к чему подключен ИИ, какие права ему выданы и какие действия он способен выполнять.
Что компания перестает видеть
Утечка конфиденциальной информации остается самым очевидным риском Shadow AI, но им проблема не исчерпывается. За пределами корпоративного контроля могут оказаться расходы на технологии, логика отдельных процессов, история работы с данными и происхождение решений, в подготовке которых участвовал ИИ.
Данные вне корпоративной среды
Попросить нейросеть отредактировать текст, уже опубликованный на сайте, и загрузить в нее неопубликованный финансовый отчет - два совершенно разных сценария. Между ними находится большая серая зона: клиентские письма, резюме кандидатов, исследования, коммерческие предложения, договоры, показатели продаж, внутренние презентации.
При отсутствии четкой классификации сотруднику приходится самостоятельно определять, какую информацию допустимо передать внешнему сервису. Для компании это означает потерю контроля над тем, где хранятся и обрабатываются рабочие данные.
В исследовании IBM и Ponemon Institute за 2025 год участвовали 600 организаций, переживших утечки данных. У 63% не было полноценной политики управления ИИ либо она еще разрабатывалась. Каждая пятая организация сообщила об утечке данных, связанной с Shadow AI, а у компаний с высоким уровнем такого использования средняя стоимость инцидента была на $670 тыс. выше, чем у организаций с низким уровнем Shadow AI или без него.
Среди информации, затронутой такими инцидентами, часто встречались персональные данные и интеллектуальная собственность.
При этом риск нельзя свести к вопросу о том, использует ли конкретный сервис переданные данные для обучения модели. Условия отличаются между продуктами, тарифами и версиями, а корпоративная организация может иметь совсем другие настройки хранения и доступа, чем личный аккаунт того же сервиса. Главная проблема Shadow AI в том, что компания не всегда знает, какие именно условия действуют в конкретной рабочей ситуации.
Личный аккаунт в разрешенном сервисе
Список одобренных продуктов тоже не дает полного контроля. Один и тот же сервис сотрудник может использовать через корпоративную учетную запись для одной задачи и через личную - для другой.
Для самого пользователя переход иногда сводится к выбору другого аккаунта при входе. Для компании различия значительно шире: могут меняться настройки хранения данных, права доступа, история действий, возможность централизованно отключить учетную запись и удалить корпоративную информацию после ухода сотрудника.
Поэтому политика вида «этот сервис разрешен» слишком груба. Значение имеет не только название продукта, но и то, какая версия используется, кому принадлежит аккаунт и какие корпоративные настройки на него распространяются.
Дублирование и скрытые расходы
У Shadow AI есть и цена, которая напрямую не связана с безопасностью. Если компания не видит, какие инструменты и автоматизации создают отдельные команды, несколько подразделений могут параллельно решать одну и ту же задачу.
Один отдел покупает специализированную подписку, другой заказывает похожую разработку подрядчику, третий самостоятельно собирает аналогичный процесс на основе другой модели. В результате организация несколько раз оплачивает одно и то же решение, а удачная практика остается внутри конкретной команды и не переносится туда, где могла бы принести дополнительную пользу.
В исследовании Nutanix, данные которого приводятся в материале Fast Company о Shadow AI, 79% из 1600 опрошенных ИТ- и инженерных руководителей сталкивались с внедрением ИИ сотрудниками за пределами ИТ-функции.
Для бизнеса это уже вопрос не только защиты информации, но и качества технологических инвестиций. Без общего обзора трудно понять, за какие решения компания платит несколько раз, какие процессы уже автоматизированы в отдельных подразделениях и что стоит масштабировать на всю организацию.
Происхождение решения и ответственность
Отдельный риск связан с задачами, где ИИ влияет не только на форму, но и на содержание результата.
Если аналитическая записка подготовлена при помощи сервиса, о котором компания ничего не знает, позже может быть трудно восстановить, какие исходные данные использовались, какую инструкцию получил ИИ и что именно проверил сотрудник. Для черновика обычного письма такой уровень воспроизводимости редко имеет значение. Для оценки кандидатов, финансовых расчетов, рекомендаций клиенту или программного кода требования уже другие.
С агентами компании приходится отслеживать уже не только происхождение ответа, но и совершенные системой действия. Microsoft рекомендует вести централизованный учет таких систем: фиксировать владельца агента, его права доступа, подключенные приложения и набор разрешенных действий.
Поэтому Shadow AI охватывает уже не только невидимые запросы к нейросети, но и процессы, в которых ИИ получает данные, анализирует их и самостоятельно переходит к следующим действиям.
Почему запрет не возвращает контроль
Запретить неизвестные сервисы проще, чем встроить постоянно меняющийся набор ИИ-инструментов в корпоративную систему. Для отдельных отраслей, задач и типов данных строгие ограничения вполне оправданны. Но запрет не убирает саму работу, ради которой сотрудник обратился к внешнему инструменту.
Если анализ документа регулярно занимает несколько часов, а нейросеть способна за минуты подготовить первый разбор, стимул искать более быстрый способ сохранится. Чем дольше внутри компании согласуют новый сервис, тем больше вероятность, что часть экспериментов пройдет вне официальной корпоративной среды.
Поэтому эффективная политика должна отвечать не на один общий вопрос «можно ли использовать ИИ», а на несколько гораздо более практичных.
Правила по уровням риска
Сотруднику необходимо понимать, какие сервисы разрешены и через какие аккаунты; какие данные можно передавать ИИ без дополнительного согласования, а какие не должны покидать корпоративную среду; где нейросеть может подготовить черновик, а где ее результат требует обязательной проверки человеком.
Отдельные правила нужны для агентов и автоматизаций. Редактирование текста и доступ системы к рабочей почте не должны регулироваться одинаково только потому, что в обоих случаях используется искусственный интеллект.
Не менее важен понятный процесс запроса нового инструмента. Если на согласование уходят недели или месяцы, сотрудники получают дополнительный стимул обойти процедуру. Один из практических подходов - разделять ИИ-продукты по уровню риска и быстрее проверять сервисы, которые работают с некритичными данными или не получают доступа к внутренним системам.
Корпоративная альтернатива внешним сервисам
Одних требований безопасности недостаточно, если официальный сервис заметно уступает внешнему по качеству или удобству. В такой ситуации сотрудник сравнивает ограничения с очень конкретной экономией времени, которую дает другой продукт.
Cisco решает эту задачу через собственного ИИ-помощника CIRCUIT. Он дает сотрудникам доступ к подходящим языковым моделям и внутренним источникам данных в управляемой корпоративной среде. По данным компании на конец 2025 финансового года, инструментом пользовались более 92 тыс. сотрудников, а сами пользователи сообщали в среднем примерно о пяти сэкономленных часах в неделю.
Так компания снижает необходимость выбирать между удобством внешнего сервиса и требованиями безопасности: официальный инструмент должен решать реальную задачу достаточно быстро и качественно, чтобы сотруднику не требовалось искать обходной путь.
Shadow AI как сигнал о спросе
Неофициальное использование ИИ полезно анализировать не только как нарушение политики. Оно также показывает, где существующие рабочие процессы уже не устраивают сотрудников.
Если несколько команд независимо выбирают один и тот же сервис для одинаковой задачи, возможно, эту задачу пора автоматизировать на уровне компании. Если официальный помощник регулярно дополняют внешним продуктом, стоит выяснить, какой функции в нем не хватает. Если новые инструменты постоянно запускают без согласования, проблема может быть связана не только с дисциплиной, но и со скоростью самого процесса согласования.
По неофициальным сценариям использования можно увидеть, где внутри компании уже существует устойчивый спрос на автоматизацию. Сотрудники экспериментируют с новыми способами работы, и часть этих решений может оказаться полезной для всего бизнеса. Задача руководства - отделить такие сценарии от тех, где выгода не оправдывает риск, и перенести действительно работающие решения в управляемую корпоративную среду.
Shadow AI часто трактуют прежде всего как нарушение корпоративных правил. Но масштаб неофициального использования ИИ зависит и от самих компаний: насколько их инструменты соответствуют реальной работе, как быстро оцениваются новые технологии и понимают ли сотрудники границы допустимого.
Чем больше задач ИИ берет на себя, тем слабее работает политика, построенная только на запрете. Поэтому одного запрета недостаточно: чем проще, быстрее и полезнее безопасный официальный путь, тем меньше причин искать обходной.
