Персональные данные и искусственный интеллект: правовые риски использования нейросетей в бизнесе

Компании все чаще передают запросы и файлы внешним и внутренним моделям, чтобы ускорить аналитику, подготовку документов и обслуживание клиентов. В этой связке особенно уязвимо одно место: персональные данные и искусственный интеллект. Неправильная настройка процессов, неясные договоры с провайдерами моделей и невнимание к трансграничной передаче быстро превращаются в регуляторные претензии, штрафы и репутационные потери. Добавьте к этому обработку данных нейросетью для обучения алгоритмов и вопрос конфиденциальности при использовании ИИ в рабочих чатах и промптах с информацией о клиентах. В этих ситуациях риски использования ChatGPT с данными клиентов особенно наглядны: санкции за нарушение 152-ФЗ, споры с контрагентами, утечка коммерческой тайны и нежелательные эффекты от автоматизированных решений.

Персональные данные и искусственный интеллект: где проходит правовая граница

Право не запрещает технологии, но требует подчинить им содержание процессов. Ключевым нормативным актом остается Федеральный закон № 152-ФЗ «О персональных данных». Его базовые принципы уместны при любой цифровой архитектуре: цели обработки должны быть конкретными и заранее определенными, объем собираемой информации соразмерен заявленной цели, срок хранения ограничен, безопасность подтверждается мерами оператора. Когда в проекте соединяются персональные данные и искусственный интеллект, именно оператор определяет цели и средства обработки и несет ответственность за их соответствие закону, даже если фактически вычисления выполняет подрядчик.

С внешними сервисами модельных решений часто возникает путаница в ролях. Провайдер модели может выступать обработчиком по поручению либо отдельным оператором, который сам определяет цели и использует данные для собственных задач обучения. Для бизнеса это не академическая деталь, а вопрос ответственности и договорных гарантий: кто обеспечивает безопасность, кто отвечает за трансграничную передачу, кто обрабатывает запросы субъектов. Без четкого закрепления ролей персональные данные и искусственный интеллект легко превращаются в неуправляемую зону риска.

Особая тема — автоматизированные решения по клиентам и сотрудникам. Российское право ограничивает принятие решений, порождающих юридические последствия исключительно на основе автоматизированной обработки, если нет специального разрешения или согласия. Если алгоритм влияет на отказ в договоре, стоимость услуги, кадровую оценку, необходимо встраивать человеческий контроль, прозрачные критерии и механизмы обжалования. Это не только снижает претензии, но и повышает качество деловых решений.

Как совместить персональные данные и искусственный интеллект с требованиями 152-ФЗ

Правовые основания обработки определяются статьей 6 Закона № 152-ФЗ. Для клиентских сервисов обычно применяются договорные цели и интерес оператора, для маркетинга и обучения моделей чаще требуется согласие. Если вы расширяете использование данных для улучшения алгоритма, проверьте совместимость новой цели с изначальной. При необходимости обновите политику и уведомления, получите отдельное согласие и дайте субъектам простой способ его отозвать. Иначе персональные данные и искусственный интеллект вступят в противоречие с принципом предсказуемости обработки.

С особыми категориями данных действуют более жесткие правила. Медицинская информация, данные о частной жизни, убеждениях и биометрические идентификаторы обрабатываются по специальным основаниям, и их передача в модельные сервисы без строгих мер защиты создает повышенную ответственность. Для биометрии используются отдельные основания и повышенные требования безопасности. Когда в цепочке появляются подрядчики, оператор должен формализовать поручение обработки: предмет, цели, перечень действий, перечень мер безопасности, запрет на подряды без согласия, локализацию и трансграничную передачу. Это стандартный инструмент, который связывает персональные данные и искусственный интеллект договорной рамкой.

Часто слышим тезис: «Мы все обезличили, можно передавать без ограничений». Термин закона — обезличивание персональных данных — предполагает исключение или изменение сведений, по которым можно определить субъекта без дополнительной информации. На практике удаление ФИО из промпта не всегда достаточно. Контекстные поля и редкие комбинации признаков могут снова сделать лицо определяемым. Оценка рисков деобезличивания нужна до передачи датасета в модель, особенно если обработка данных нейросетью проводится для обучения.

Не забывайте о процессуальной стороне. У оператора есть обязанности по публикации политики, ведению реестров операций, фиксации согласий, обеспечению безопасности, уведомлению Роскомнадзора в предусмотренных законом случаях. Без этого даже корректные по сути сценарии легко получить формальные нарушения. Когда в ваши процессы плотно интегрированы персональные данные и искусственный интеллект, операционная дисциплина документов и логов становится частью соблюдения закона, а не бюрократией.

Трансграничная передача: персональные данные и искусственный интеллект в публичных сервисах

Многие модели размещены на инфраструктуре за пределами России либо используют распределенные облачные ресурсы. Это значит, что при любой передаче запроса с реальными кейсами клиентов возможна трансграничная передача. Российское право требует оценить уровень защиты в стране получателя, соблюсти требования локализации баз данных граждан России и, при необходимости, выполнить процедурные шаги по уведомлению. Если публичный сервис оставляет за собой право использовать входные данные для обучения, растет риск неконтролируемого распространения и вторичных передач.

В таких сценариях персональные данные и искусственный интеллект должны быть разведены уровнем архитектуры и договоров. Для критичных сценариев используйте частные инстансы в российских дата-центрах, шифруйте запросы, исключайте поля, по которым возможна идентификация, а в публичных сервисах применяйте строгую политику промптов. Технические меры не отменяют юридические: договоры с провайдерами должны прямо запрещать повторное использование входных данных, фиксировать территорию обработки, перечень субподрядчиков и порядок возврата-удаления информации.

• Проверьте, где физически обрабатываются запросы и ответы, и запишите это в договоре.
• Затребуйте описание мер безопасности и сертификаций, применимых к персональным данным.
• Ограничьте использование входных данных для обучения модели без вашего письменного согласия.
• Определите порядок уведомления о нарушениях безопасности и сроки реагирования.

Чтобы легче соотнести модель развертывания и правовые последствия, полезно сопоставить варианты архитектуры и контроль над ними.

Модель развертывания	Ключевые риски по 152-ФЗ	Степень контроля	Типичные кейсы
Локальная модель в периметре компании	Минимизация трансграничной передачи, но повышенные требования к безопасности и журналам	Высокая	Обработка заявок клиентов, внутренние HR-процессы, аналитика без внешних вызовов
Частный облачный инстанс в РФ у провайдера	Локализация соблюдается, риски делегирования мер безопасности и субподрядчиков	Средняя	Контакт-центры, генерация ответов по собственной базе знаний
Публичный зарубежный сервис	Трансграничная передача, вторичное использование данных, отсутствие локализации	Низкая	Вспомогательные задачи, где входные данные не содержат персональных сведений и тайн

Если ежедневные операции уже требуют юридического и организационного контроля внедрения моделей, удобным форматом становится комплексное юридическое сопровождение бизнеса с привязкой к конкретным ИТ-процессам и регламентам работы с данными.

Безопасность и конфиденциальность: как защищать входные и выходные данные

Статья 19 Закона № 152-ФЗ обязывает оператора применять необходимые и достаточные меры для обеспечения безопасности персональных данных. В проектах ИИ это не только антивирус и периметр, но и сквозной контроль пути данных: кто формирует промпт, какие поля попадают в запрос, как шифруется канал, где и сколько хранятся логи, кто имеет к ним доступ. Конфиденциальность при использовании ИИ требует, чтобы технические и организационные меры согласовывались с реальными сценариями, а не оставались в политике на бумаге.

Смешение персональных данных и кредитной информации, коммерческих секретов и документов партнеров опасно тем, что один и тот же промпт попадает в разные хранилища. Закон о коммерческой тайне защищает режим, если он оформлен: перечень сведений, гриф, порядок доступа и ответственности. Если в промптах и ответах содержатся такие сведения, настройте маркировку данных, роль-based доступ к интерактивным интерфейсам модели, отключите сохранение истории, а в бизнес-процессах закрепите запрет на ввод информации, отнесенной к тайне.

Непрозрачность работы некоторых публичных сервисов добавляет еще одну линию обороны: минимизация. Строгие шаблоны промптов, замена реальных имен и идентификаторов на псевдонимы, вынос справочных данных в собственные базы знаний с последующим retrieval-augmented generation снижают риски утечки. Когда персональные данные и искусственный интеллект решают ежедневные задачи, архитектура «данные внутри — модель зовет» предпочтительнее, чем «модель снаружи — данные уходят».

Договоры с провайдерами и разработчиками: распределяем роли и ответственность

Договор с поставщиком модели или интегратором должен явно закреплять, действует ли он как обработчик по поручению или как самостоятельный оператор. В поручении фиксируются цели, перечень действий с данными, меры безопасности, запрет использования входящих данных для собственных целей, правило о субподрядчиках, локация обработки и порядок возврата-удаления. Это прямая проекция требований Закона № 152-ФЗ на практику, без которой персональные данные и искусственный интеллект остаются уязвимыми.

Полезно прописать гарантию провайдера о неиспользовании клиентских данных для обучения без отдельного согласия, а также о том, что обучающие наборы, предоставляемые им, сформированы правомерно и не нарушают исключительные права третьих лиц. Здесь уместна отсылка к части четвертой Гражданского кодекса о результатах интеллектуальной деятельности и способах защиты. При необходимости подключается практика защиты интеллектуальной собственности, чтобы корректно оформить права на датасеты, векторные представления и результаты интеграции модели в продукт.

Отдельный блок — реагирование на инциденты. Нужны сроки уведомления об утечках, формат отчета о причинах и мерах, право на аудит соблюдения мер безопасности и требования к журналам доступа. Для проектов, где обработка данных нейросетью критична для сервиса, имеет смысл включать финансовые механизмы ответственности за простои и нарушения конфиденциальности.

Кадры, клиенты и алгоритмические решения: где проходит допустимая грань

Использование моделей в кадровых процессах затрагивает запрет дискриминации в трудовых отношениях. Если алгоритм ранжирует резюме или оценивает эффективность, придется обеспечить проверяемость критериев и возможность пересмотра решения человеком. С точки зрения 152-ФЗ у работодателя есть отдельные обязанности при обработке данных сотрудников, в том числе ограничение доступа, хранение в установленных местах и процедура ознакомления. Когда в такие сценарии включаются персональные данные и искусственный интеллект, проверьте, что на уровне локальных актов закреплены правила пользования сервисами и перечень недопустимых полей в промптах. При необходимости полезен внешний кадровый аудит документов и процедур, если ИИ-сервисы внедряются в оценку, подбор и обучение персонала.

В отношениях с потребителями риски распределяются по-другому. Отказ в услуге, сформированный исключительно моделью без объяснимых критериев, может стать предметом претензии по закону о защите прав потребителей. Прозрачность критериев и корректная коммуникация снижают конфликты. Для B2B-сделок по интеграции моделей важны SLA и измеримые показатели качества ответов: без них сложно оценивать дефекты и взыскивать убытки.

Проверки, штрафы и споры: как готовиться к взаимодействию с регулятором

За нарушение правил обработки предусмотрена административная ответственность по статье 13.11 КоАП РФ, включая санкции за незаконный сбор, обработку без основания, несоблюдение требований локализации и невыполнение обязанностей оператора. Когда внедряются персональные данные и искусственный интеллект, требования к внутренней документации и безопасности становятся предметом верификации: политика, согласия, уведомления, журналы инцидентов, модель угроз и реализованные меры защиты. При выявлении нарушений регулятор выдает предписания с сроками устранения, а спорные акты и действия можно оспаривать в арбитражном суде по правилам главы 24 АПК РФ в пределах установленного трехмесячного срока, если иное не определено законом. В отдельных кейсах может потребоваться сопровождение арбитражного спора, особенно если речь о крупных проектах автоматизации.

Споры с контрагентами часто связаны с выходом за рамки поручения обработки или использованием входных данных для обучения без согласия. Здесь помогают точные договорные формулы о целях, запрете на повторное использование и обязанности удалять данные по окончании договора. Четкие процедуры приемки и контроль метрик качества ответов снижают риск встречных претензий по результату интеграции.

Регулирование ИИ в России: ориентиры и практические выводы для бизнеса

Регулирование ИИ в России развивается через обновление рамок персональных данных, акты об информации и безопасности, а также экспериментальные правовые режимы для цифровых инноваций. Для бизнеса важны три линии. Первая — соблюдение 152-ФЗ и подзаконных требований при любом сценарии, где встречаются персональные данные и искусственный интеллект. Вторая — корректная договорная модель с провайдерами и интеграторами, где роли, меры и ответственность сформулированы заранее. Третья — организационные регламенты: обучение сотрудников, контроль промптов, минимизация вводимых сведений и регулярный пересмотр рисков.

Отдельного внимания заслуживают публичные сервисы. Риски использования ChatGPT с данными клиентов демонстрируют, как быстро удобный инструмент становится источником нарушений: трансграничная передача, невозможность проверить субподрядчиков, отсутствие локализации и неясные практики обучения. В таких случаях политика компании должна прямо запрещать вводить идентифицирующие данные, коммерческие секреты и сведения партнеров, а для рабочих задач выделять защищенные контуры и частные инстансы. Без этого конфиденциальность при использовании ИИ остается на уровне деклараций.

И наконец, подкрутка архитектуры не заменяет правовых оснований. Если сценарий предполагает расширение целей, сбор новых полей, передачу подрядчику или за рубеж, возвращаемся к базовым шагам: документируем цели, уточняем правовые основания, приводим в порядок согласия и политику, оформляем поручение обработки и убеждаемся, что установленные меры безопасности соответствуют реальным рискам. Тогда персональные данные и искусственный интеллект работают на бизнес, а не против него.

Если вам нужна надежная команда юристов с большим практическим опытом, обращайтесь в ООО ЮК Шмелева и партнеры. Заявку можно оставить на сайте нашей юридической компании или позвонить по телефону 8 (800) 201 56 52. Отзывы о нашей работе можно посмотреть на Яндекс.Картах.