В 2026 году типичный сотрудник при возникновении ИТ-ошибки всё реже обращается в сервис-деск. Вместо этого он копирует текст ошибки в публичную нейросеть, получает пошаговое решение и продолжает работу. Заявка не создаётся, инцидент не фиксируется, и поддержка остаётся в неведении. Эта практика, известная как теневой ИИ (shadow AI), набирает обороты и ставит под угрозу управляемость ИТ-услуг. По определению из статьи «Компьютерры», теневой ИИ — это использование сотрудниками публичных ИИ-сервисов для обработки корпоративных данных без одобрения ИТ и ИБ. Для него достаточно вкладки в браузере, поэтому он распространяется быстрее теневого ИТ, а конфиденциальный документ, попавший в публичную нейросеть, может оказаться в обучающей выборке. В поддержке это выглядит так: каждая вставленная в чат ошибка, кусок лога или конфига уходит на чужие серверы и разбирается чужой моделью.

Масштаб явления уже измеряют. По данным исследования ГК «Солар», за 2025 год объём данных, отправляемых сотрудниками российских организаций в публичные нейросети, вырос в 30 раз. В чаты уходят исходный код, финансовые отчёты, юридические документы и клиентские базы. Около 60% компаний до сих пор не имеют формальных правил использования ИИ-сервисов. При этом, по информации «Информзащиты», 20% организаций, пострадавших от утечек, связывают инциденты с неконтролируемым использованием ИИ, а в 42% случаев данные утекали через обычные веб-интерфейсы чат-ботов. С технической точки зрения теневой ИИ в поддержке означает, что сотрудник отправляет во внешний сервис фрагменты логов, конфигураций, текст ошибок, которые могут содержать конфиденциальную информацию. Нейросеть обрабатывает запрос и возвращает решение, но данные остаются на чужих серверах и могут быть использованы для обучения модели. В отличие от теневого ИТ, для такого обхода достаточно браузера и личного аккаунта, что делает его практически невидимым для корпоративных средств защиты. Кроме того, ChatGPT, Gemini и Claude официально недоступны из России, поэтому сотрудники используют личные VPN и аккаунты, что ещё больше снижает прозрачность.

До появления генеративных нейросетей сотрудники при проблемах обращались в сервис-деск или к коллегам, и каждый инцидент фиксировался. Сейчас же поддержка теряет не только запись о проблеме, но и возможность выявить системные ошибки. Например, если после обновления сервера CRM у сорока сотрудников возникла одна и та же ошибка, и каждый решил её самостоятельно через ChatGPT, вторая линия не увидит паттерна и не сможет устранить корневую причину. База известных ошибок останется пустой, а безопасники не смогут сопоставить изменения в системе с санкционированными действиями. В результате компания тратит ресурсы на разбор каждого случая отдельно и рискует пропустить реальную атаку. Если у пользователя есть права локального администратора, аналитик SOC может увидеть на его рабочей станции аномалию: изменился параметр реестра, перезапустилась служба, в локальном файрволе появилось новое правило. Обычно такое событие сверяют с инцидентом или запросом на изменение, и сразу понятно, кто, когда и зачем это сделал. Здесь сверять не с чем: изменение внёс сам пользователь по совету нейросети, а запись об этом осталась разве что в истории его чата. Каждое такое событие приходится разбирать с нуля, команда обрабатывает лишние алерты, и атака может остаться незамеченной.

Для российского рынка ситуация усугубляется требованиями 152-ФЗ о персональных данных. Если в логе, отправленном в нейросеть, есть ФИО, email или телефон сотрудника, это уже персональные данные, передача которых внешнему сервису требует законного основания и уведомления Роскомнадзора о трансграничной передаче. С 30 мая 2025 года штрафы за утечки выросли, а за повторные нарушения стали оборотными — до 3% годовой выручки. Таким образом, неконтролируемое использование ИИ создаёт не только операционные, но и юридические риски для компаний. Пароли и конфигурации к персональным данным не относятся, но почти в любой крупной компании есть внутренняя политика, по которой такие сведения не покидают контур, и чат с внешней моделью её нарушает. Сотрудник, который вставляет лог в чат за пять минут до созвона, этих условий не выполняет, а отвечать будет компания как оператор персональных данных.

Альтернативой стихийному использованию нейросетей может стать внедрение корпоративных ИИ-ассистентов, работающих в контуре компании и интегрированных с сервис-деском. Такие решения позволяют сотрудникам быстро получать помощь, а компании — сохранять контроль над данными и фиксировать инциденты. Однако пока лишь немногие организации готовы предложить своим сотрудникам легитимные инструменты, которые не уступали бы публичным нейросетям по скорости и удобству. В результате сотрудники продолжают выбирать теневой ИИ, а ИТ-поддержка теряет видимость процессов. Важно понимать, что сервис-деск выстроен ради управляемости и прослеживаемости (регистрация, классификация, назначение, решение), но сотруднику нужно успеть до созвона, и каждый шаг этой цепочки отнимает время, которого у него нет. Злого умысла здесь нет: сотрудник выбирает то, что быстрее. У нейросети нет формы обращения и очереди, а автоответ «ваша заявка принята, срок решения — 8 рабочих часов» она не присылает.

Перспективы решения проблемы зависят от того, смогут ли компании предложить сотрудникам быстрые и безопасные альтернативы, а также от развития нормативной базы. Возможным шагом может стать создание внутренних политик и регламентов использования ИИ, а также внедрение систем мониторинга, способных выявлять теневые запросы. Однако без изменения пользовательского опыта сервис-десков, которые часто воспринимаются как бюрократическая машина, сотрудники вряд ли откажутся от мгновенной помощи нейросетей. Вопрос остаётся открытым: как сохранить управляемость ИТ-среды, не возвращая людей в очереди и не снижая скорость решения проблем. Пока же компаниям стоит оценить масштаб теневого ИИ в своих рядах и задуматься о легитимных инструментах, которые сочетают скорость нейросетей с контролем над данными.