Сотрудники используют ИИ тайком и с риском для бизнеса: что делать

Более чем в двух третях (69%) компаний работники неконтролируемо используют ИИ-инструменты. Это ведет к утечке данных и «внутреннему заражению». Как решить проблему системно, рассказывает Ольга Конарева (направление по консалтингу и обучению в Just AI)

Теневой ИИ — проблема 69% компаний: чем он опасен

Разрыв между скоростью развития генеративных моделей и скоростью корпоративного планирования достиг критической точки. Пока руководство решает, стоит ли вписывать ИИ в стратегию на следующий год, сотрудники уже сделали выбор в его пользу. По данным Gartner, 69% компаний подозревают сотрудников в использовании запрещенных публичных ИИ-инструментов, или теневого ИИ.

Теневой ИИ несет сразу два риска.

— Утечка данных. Нет сигнальной кнопки, которая сообщит, что Иван Николаевич из производственного отдела посоветовался с ChatGPT о сборке детали для инновационного оборудования. Ценная информация уходит из компании, а руководство узнает об этом, когда уже поздно. Средняя стоимость утечки данных в мире сегодня составляет $4,45 млн.

Самый яркий пример: сотрудники Samsung всего за несколько недель трижды «слили» в ChatGPT исходный код, данные о производстве чипов и внутренние обсуждения. Компания фактически потеряла контроль над частью интеллектуальной собственности. Ущерб мог исчисляться десятками и сотнями миллионов долларов — за счет потери технологического преимущества.

По данным «‎Ассоциации ФинТех», 75% финтех-организаций называют утечку конфиденциальных данных ключевой угрозой при использовании ИИ.

— «Внутреннее заражение» некорректной информацией. Эта проблема стоит менее остро, но тоже существует. Сотрудники не всегда могут оценить результат работы ИИ и отличить правду от «галлюцинации» модели. Одна ошибка, принятая на веру, может проникнуть в отчеты, расчеты и базы знаний, приведя к неверным бизнес-решениям.

Например, в 2025 году американский адвокат Томас Нилд использовал ChatGPT при подготовке иска по делу о банкротстве. ИИ сгенерировал четыре несуществующих судебных прецедента, которые адвокат включил в поданный в суд документ. Судья выявил недостоверные ссылки и назначил юристу штраф в размере $50 тыс.

Другой случай произошел с Air Canada. Клиент обратился к чат-боту авиакомпании, чтобы уточнить условия тарифа, и получил ответ, что сможет купить билет по обычной цене, а затем оформить частичный возврат. Позже выяснилось, что такие условия не действуют, и компания отказалась компенсировать разницу. Спор дошел до суда. Судья отметил, что пользователь вправе доверять информации, опубликованной на официальном сайте, даже если она сгенерирована ИИ. Авиакомпанию обязали выплатить компенсацию в размере $800.

Лучшее решение — постепенное развертывание ИИ-инструментов в контуре компании для контролируемого использования. По данным KPMG, 67% сотрудников отмечают, что ИИ повышает эффективность, а 58% — качество работы. Но есть проблема: корпоративные инструменты часто проигрывают публичным:

• Медленное внедрение: 3-6 месяцев от заявки до запуска против мгновенного доступа к ChatGPT
• Функциональные ограничения: только «утвержденные сценарии», без свободы экспериментов
• Не дают личного выигрыша: больше работы за ту же зарплату?

Почему сотрудники должны хотеть работать в корпоративном ИИ? Главный вопрос, который задает каждый сотрудник: «Что я лично получу?» (WIIFM — What's In It For Me). Без ответа на него любая стратегия внедрения провалится.

Какие ИИ-инструменты нужны компании

Стратегия выбора ИИ-инструментов главным образом зависит от масштаба бизнеса.

— Компания со штатом от 1 тыс. человек.

Внедрение ИИ уже требует системного подхода. Обычно создается отдельная структура — условный ИИ-комитет или центр компетенций, который определяет приоритеты и принимает решения, какие инструменты развивать.

При этом работа с идеями выстраивается так: сначала собираются предложения, затем их отбирают и приоритизируют, а после тестируют в «пилоте» и только потом масштабируют на всю компанию.

Пример: «Вкусвилл». В 2025 году ретейлер провел внутренний хакатон: 120 сотрудников предложили свои идеи, как можно использовать ИИ в работе и для клиентов. Всего собрали 58 идей и выбрали пять лучших — именно их решили довести до реального запуска.

Один из примеров — умная полка. Этот инструмент помогает покупателю не забыть нужные товары, подсказывает, что стоит купить, и упрощает выбор.

Уже в первом квартале 2026 года компания начала внедрять решения в клиентские сервисы.

— Компания со штатом от 100 до 1 тыс. человек.

Компании такого размера обычно не нужна сложная инфраструктура или собственная разработка ИИ-решений. Здесь чаще применяют более простой подход — выбирают ответственного за ИИ-инициативы. Например, это может быть технический директор или руководитель цифровой трансформации. Он собирает идеи сотрудников, какие ИИ-инструменты стоит попробовать, затем тестирует в коротких циклах (спринтах). По результатам принимает решение — масштабировать или отказаться.

У нас в компании сбор ИИ-инициатив проходил в формате хакатона: 131 идея была предложена, 75 дошли до демо. Решения-победители отправились на «витрину клиентских кейсов». Авторы проектов, которые не прошли отбор, могут в течение трех месяцев доработать их и снова представить жюри.

Одни проекты оптимизируют процессы самой компании — ускоряют наем, снижают рутинную нагрузку на команду, улучшают аналитику. Другие сразу становятся новым продуктом или обновлением в существующем. Но на практике граница размыта: то, что сначала сделали для себя, часто оказывается именно тем, что нужно рынку.

— Компания со штатом менее 100 человек.

Здесь все еще проще. Процесс выбора ИИ-инструментов можно описать как «управляемый хаос».

Руководитель ИИ-инициатив (который параллельно может играть роль и руководителя по автоматизации, и даже операционного директора) выбирает два-три проверенных инструмента, встроенных в существующие платформы, как Google Workspace или Microsoft 365. Команда пользуется и периодически делится обратной связью — что работает, что нет, какие новые возможности сервиса попробовать.

Как выбрать лучшие идеи

Когда поток налажен, появляется другая проблема — идей становится слишком много. Крупная компания может собрать и 400 идей. При этом бюджет обычно ограничен. Ключевая задача — выбрать идеи, которые принесут наибольшую пользу.

Руководству стоит заранее продумать критерии оценки и механизм отбора, который позволит мягко отказать ряду инициатив, но не погасит интерес сотрудников.

Критерии

Критерии могут быть следующие:

— Стратегическое соответствие: насколько идея соответствует стратегическим целям компании?

Не сработает: ИИ-инструмент для генерации мемов во внутренний корпоративный чат — весело, но пользы не несет.

Сработает: если стратегия компании — рост через удержание клиентов, то ИИ-модель предсказания оттока попадает в цель напрямую.

— Потенциальный эффект: какое влияние идея может оказать на ключевые показатели, например на выручку или уровень удовлетворенности клиентов (NPS)?

Не сработает: автоматизация формирования внутреннего отчета, который читают два человека раз в квартал. Экономия — несколько часов в год.

Сработает: автоматическая обработка входящих заявок от клиентов, которых сейчас 10 тыc. в месяц, и каждая требует ручного разбора. Эффект на NPS и операционные расходы измеримый и быстрый.

— Реализуемость: насколько сложно технически реализовать эту идею? Достаточно ли данных и ресурсов?

Не сработает: «давайте обучим собственную LLM на данных компании» — притом что данных мало, размечены они плохо, а в команде нет ML-инженеров.

Сработает: подключение готовой модели через API к существующей CRM для автоматической классификации обращений — данные есть, интеграция стандартная, результат можно проверить за месяц.

Вступайте в сообщество Школы управления РБК в Telegram или «Максе», чтобы общаться с руководителями из разных сфер, выстраивать нетворкинг и получать советы экспертов.

— Масштабируемость: можно ли будет использовать решение в других отделах или на других рынках?

Не сработает: решение, заточенное под уникальный процесс или один небольшой отдел.

Сработает: ИИ-ассистент для онбординга новых сотрудников — логика универсальная, можно адаптировать под любой отдел и любую географию без переработки ядра.

Отбор идеи

После этого надо отсеять лишние идеи.

Разберем три механизма, проверенных на практике.

— «Банк идей», или «Инновационный бэклог». Это прозрачная система (например, на базе Jira или внутренней Wiki), где каждая идея получает статус «на рассмотрении», «требует доработки», «в ожидании ресурсов» или «архив». Автор видит, что его идея не потерялась, и понимает условия, при которых ее могут воплотить в жизнь в будущем: например, появление бюджета, смена стратегии, запрос от отдела.

Подходит крупным организациям — от 500 человек, распределенным командам, компаниям с активной внутренней культурой инноваций.

Главное условие — кто-то должен реально следить за статусами, иначе банк идей быстро превратится в кладбище, что хуже полного отсутствия системы.

Выбирать этот механизм стоит, когда идей много, а пропускная способность менеджмента ограничена.

— Сессия «Обратная связь и пивот». Руководство организует короткую встречу с автором идеи. Цель — не просто отказать, а дать конструктивную обратную связь.

Результатом часто становится не полный отказ от идеи, а ее корректировка. Например: «Мы не можем внедрить эту модель для прогнозирования оттока клиентов из-за ограничений в данных, но твой подход идеально ложится на задачу скоринга новых заявок».

Инструмент хорошо работает в продуктовых и консалтинговых командах, где сотрудники глубоко погружены в контекст. Он также незаменим для удержания ценных сотрудников.

Выбирать этот механизм стоит, когда автор идеи — тот, кого важно не потерять, и когда в ней есть зерно, которое можно направить в другую сторону.

— «Песочница», или путь малых прототипов.

Руководитель говорит: «У нас нет бюджета на полноценную команду, но мы можем выделить тебе 10% рабочего времени и доступ к нашим тестовым средам («песочнице»), чтобы ты мог собрать минимально работающий прототип (MVP). Если докажешь его ценность на малых данных, вернемся к разговору о ресурсах».

«Песочница» подходит технологическим компаниям, в частности ИИ-стартапам, где культура экспериментирования уже встроена в ДНК. Это механизм для ситуаций, когда идея перспективная, но неочевидная — нет данных, чтобы принять решение без проверки.

Важное условие: у автора должна быть реальная техническая возможность собрать прототип самостоятельно или в малой группе. Если идея требует интеграции с десятью системами и согласования со стороны пяти отделов — минимально жизнеспособного продукта (MVP) не получится, и «песочница» превратится в источник фрустрации.

Выбирать этот механизм стоит, когда риск высок, бюджет ограничен, а проверить гипотезу можно малой кровью.

Ключевая задача менеджмента в эпоху ИИ не в том, чтобы автоматизировать все подряд, а чтобы выстроить процесс, где сильные идеи доходят до реализации, а компания сохраняет контроль и над безопасностью, и над развитием.