В последних версиях браузера Chrome компания Google внедрила сразу две ИИ-системы, объединённые общим брендом Gemini, что породило путаницу среди пользователей. В настройках браузера появился переключатель «ИИ на устройстве», который активирует локальную модель Gemini Nano, загружаемую на компьютер и занимающую несколько гигабайт дискового пространства. Однако рядом с этим переключателем существует и функция Ask Gemini, которая, вопреки ожиданиям, не использует локальную модель, а отправляет содержимое открытых вкладок в облачную инфраструктуру Google. Это различие критично для понимания того, какие данные покидают устройство пользователя, и вызывает вопросы о конфиденциальности.

Согласно документации Google, Ask Gemini, также известная как Gemini in Chrome, является облачным сервисом, который получает доступ к содержимому и URL текущей вкладки, а также к другим вкладкам, которыми пользователь поделился. При этом содержимое страниц временно сохраняется в учётной записи Google, а если включена история действий, сведения о посещённых сайтах попадают в историю Gemini. В справке Chrome указано, что сервис может обрабатывать до десяти вкладок одновременно, и данные передаются без какой-либо фильтрации или удаления чувствительных фрагментов. Для локальной модели Gemini Nano, напротив, заявлено, что данные запросов не передаются компании или третьим лицам, и весь инференс выполняется на устройстве. Это принципиальное различие в обработке данных особенно важно в контексте ужесточающихся требований к защите персональных данных во многих странах, включая Россию.

Технически Gemini Nano представляет собой модель, которая загружается как отдельный компонент Chrome и запускается на CPU или GPU без необходимости подключения к интернету. Однако у пользователя нет прямого интерфейса для общения с этой моделью — она доступна только через специальные API, такие как Summarizer, Prompt, Writer, Rewriter и Proofreader. Эти API позволяют веб-сайтам и расширениям использовать локальную модель для обработки текста, например, для суммаризации или перефразирования. Пример кода показывает, как сайт может проверить доступность модели, создать сеанс и передать текст для обработки, при этом модель не получает URL страницы и не обращается к сети. Это открывает возможности для создания приватных ИИ-инструментов прямо в браузере, что могло бы быть особенно привлекательно для российских разработчиков, обеспокоенных передачей данных за рубеж.

Путаница усугубляется тем, что Google не предоставила чёткого разделения между этими системами в интерфейсе, что привело к недопониманию даже среди собственных дизайнеров компании. Пользователи, которые включают «ИИ на устройстве», могут полагать, что все ИИ-функции работают локально, но при использовании Ask Gemini их данные всё равно уходят в облако. Это особенно актуально в контексте растущего внимания к конфиденциальности в интернете, когда пользователи всё чаще предпочитают локальную обработку данных. Google, в свою очередь, подчёркивает, что локальная модель предназначена для автоматических задач, таких как обнаружение мошеннических сайтов, но не для интерактивных запросов пользователей. При этом даже в случае локальной обработки, если включена «Улучшенная защита», результаты анализа могут отправляться в Google Safe Browsing, что добавляет ещё один нюанс.

Для российского рынка, где вопросы защиты данных и суверенитета становятся всё более важными, такая двойственность может вызвать дополнительное недоверие к продуктам Google. Локальная модель Gemini Nano могла бы стать привлекательным инструментом для компаний и частных лиц, обеспокоенных передачей данных за рубеж, особенно в условиях действующего законодательства о персональных данных. Однако отсутствие пользовательского интерфейса для локальной модели и необходимость использования API, которые требуют технических знаний, ограничивают её применение. В то же время облачный Ask Gemini, который работает через привычный интерфейс, может быть отвергнут из-за рисков утечки конфиденциальной информации. Российские пользователи и бизнес всё чаще обращают внимание на локальные решения, и Google могла бы занять здесь сильные позиции, если бы сделала Gemini Nano более доступной.

В сравнении с альтернативами, такими как локальные модели от Mozilla или Microsoft, подход Google выглядит менее последовательным. Например, Firefox предлагает интеграцию с локальными моделями через экспериментальные функции, но не создаёт двух разных систем под одним именем. Microsoft, в свою очередь, делает ставку на облачные сервисы, но чётко разделяет локальные и облачные функции в своих продуктах. Google же, стремясь охватить оба сценария, создал ситуацию, в которой пользователь не всегда понимает, где обрабатываются его данные. Это может привести к тому, что разработчики будут избегать использования локальных API из-за сложности, а пользователи — облачных функций из-за опасений за конфиденциальность. В долгосрочной перспективе такая неопределённость может подорвать доверие к бренду Gemini в целом.

В перспективе Google предстоит решить, как упростить взаимодействие с этими системами, возможно, добавив явный выбор между локальным и облачным режимом для каждой функции. Также остаётся открытым вопрос о том, будет ли Gemini Nano доступна для прямых запросов пользователя, например, через адресную строку или контекстное меню. Пока же пользователям рекомендуется внимательно изучать настройки и документацию, чтобы понимать, какие данные покидают их устройства. В условиях ужесточения регулирования в области ИИ и защиты данных, такой подход может стать как преимуществом, так и слабым местом Google, в зависимости от того, насколько быстро компания сможет устранить путаницу и предложить прозрачные решения. Возможно, в будущих версиях Chrome появится единый интерфейс, позволяющий выбирать между локальной и облачной обработкой, но пока пользователи вынуждены разбираться в технических деталях самостоятельно.