Локальный ИИ на ноутбуках стал новой головной болью ИБ-директоров

Компании привыкли контролировать облачные ИИ-сервисы через браузер и сетевые политики, но запуск моделей прямо на ноутбуках сотрудников делает этот подход все менее эффективным.

📋 Обзор

Последние полтора года подход служб информационной безопасности к генеративному ИИ выглядел сравнительно простым: контролировать браузер, сетевые шлюзы и обращения к внешним API. Если конфиденциальные данные уходят в облако, их можно заметить, зафиксировать в журналах, ограничить или заблокировать. Однако эта схема быстро теряет эффективность: все больше разработчиков и обычных сотрудников запускают большие языковые модели прямо на своих ноутбуках, без выхода в интернет и без заметных сетевых следов.

Почему прежняя модель контроля больше не работает

Как отмечает VentureBeat, за 18 месяцев многие компании усилили правила CASB, начали блокировать или отслеживать трафик к известным ИИ-платформам и переводить работу с нейросетями через утвержденные корпоративные шлюзы. Логика была понятной: главный риск — утечка данных в облако через внешний API-вызов. Но теперь акцент смещается. На фоне развития потребительского железа и ускорителей ИИ модели все чаще исполняются непосредственно на конечном устройстве — ноутбуке, рабочей станции или даже офлайн-ПК разработчика.

Речь идет о новом этапе так называемого теневого ИИ — Shadow AI 2.0. Если раньше сотрудники пользовались несанкционированными облачными сервисами, то теперь они могут принести собственную модель по принципу BYOM, bring your own model, и запускать ее локально. Для службы ИБ это означает потерю привычной точки наблюдения: сетевого периметра. Нет обращения к внешнему API — нет характерного трафика, который можно перехватить, проанализировать или остановить традиционными средствами.

Что именно тревожит CISO

Проблема не сводится только к риску утечки данных наружу. Локальный запуск ИИ создает куда более сложную картину. Во-первых, чувствительные данные могут обрабатываться на устройстве без какой-либо централизованной регистрации. Во-вторых, модель может быть загружена из непроверенного источника, содержать вредоносные модификации или использовать небезопасные зависимости. В-третьих, сотрудники способны применять такие инструменты для анализа исходного кода, внутренних документов, контрактов, финансовых таблиц и другой информации, которую раньше компании старались не выпускать даже в доверенные облачные сервисы.

Для ИБ-директора это новый слепой сектор: с точки зрения сети ничего подозрительного не происходит, а фактически на ноутбуке сотрудника может исполняться мощный ИИ-инструмент, который получил доступ к закрытым корпоративным данным. Более того, если модель работает офлайн, привычные средства DLP, прокси-контроля и фильтрации веб-трафика оказываются ограниченно полезны.

Аппаратный сдвиг меняет правила игры

Ключевой фактор — изменение аппаратной базы. Современные ноутбуки, рабочие станции и специализированные чипы все лучше справляются с инференсом ИИ на устройстве. То, что еще недавно требовало облачной инфраструктуры, сегодня можно запускать локально в инженерных командах, продуктовых отделах и даже на обычных корпоративных компьютерах повышенной конфигурации. Для разработчиков это удобно: меньше задержки, ниже зависимость от внешних сервисов, лучше контроль над данными, возможность работать без интернета. Для бизнеса — это одновременно рост производительности и резкое усложнение управления рисками.

Если раньше компания могла относительно уверенно сказать: «Мы знаем, кто и в какой внешний ИИ-сервис отправляет данные», то теперь вопрос звучит иначе: «Какие модели уже работают на наших устройствах, кто их скачал, что именно они обрабатывают и можно ли это проверить?» Во многих организациях честный ответ на этот вопрос — «не знаем».

Что это означает для российских компаний

Для российского рынка тема особенно актуальна. Во многих организациях уже действуют жесткие ограничения на использование зарубежных облачных сервисов, а интерес к локальным и on-premise ИИ-решениям только растет. Банки, промышленные группы, телеком-операторы, интеграторы и крупные ИТ-команды закономерно предпочитают обрабатывать данные внутри собственного контура. Но вместе с этим повышается вероятность того, что сотрудники начнут самостоятельно разворачивать локальные модели — от инструментов для генерации кода до ИИ-помощников для работы с документами.

В российской практике это может выглядеть очень приземленно: разработчик скачал open source-модель для помощи в программировании, аналитик поднял локального ассистента для обработки внутренней отчетности, инженер загрузил модель для суммаризации технической документации. Формально данные не покидают компанию, но вопрос контроля, лицензирования, соответствия внутренним политикам и безопасности самого инструмента остается открытым. Особенно в компаниях с распределенной инфраструктурой, удаленными сотрудниками и собственными DevOps-контурами.

Как бизнесу реагировать на новый риск

Ключевой вывод в том, что политика «запретить доступ к внешним ИИ-сайтам» больше не может считаться полноценной стратегией. Компаниям потребуется переход от чисто сетевого контроля к контролю конечных устройств, программной среды и самих рабочих процессов. Это включает инвентаризацию локально установленных ИИ-инструментов, контроль источников моделей, управление правами доступа к данным, мониторинг использования GPU и специализированных библиотек, а также создание понятных корпоративных правил: какие модели допустимы, где их можно запускать и с какими типами данных разрешена работа.

Не менее важно предложить сотрудникам легальный и удобный путь. Если бизнес не дает утвержденные инструменты, сотрудники почти наверняка найдут свои. Поэтому вместо простой тактики запретов ИБ-подразделениям и ИТ-службам придется совместно разворачивать санкционированные локальные или гибридные ИИ-решения, которые удовлетворяют требованиям безопасности и одновременно не мешают работе команд.

Что будет дальше

Рынок быстро движется к сценарию, в котором ИИ перестает быть исключительно облачной услугой и становится обычной функцией конечного устройства — как офисный пакет, IDE или корпоративный мессенджер. Для CISO это означает необходимость пересобрать модель угроз. Главный вопрос уже не только в том, кто отправляет данные в облако, а в том, какие модели живут внутри корпоративного парка устройств и что они делают с корпоративной информацией.

Именно поэтому локальный инференс можно считать одним из самых недооцененных вызовов для информационной безопасности в 2026 году. Пока компании продолжают смотреть на браузер и внешние API, настоящая зона риска все чаще оказывается прямо на рабочем столе сотрудника.