152-ФЗ и генеративный ИИ: что учесть до запуска

Почему генеративный ИИ — это новый фронт 152-ФЗ

Генеративный ИИ попадает под 152-ФЗ не потому что он «умный», а потому что является средством автоматизированной обработки данных. Как только в промпт попадает имя, телефон, email или любой другой идентификатор реального человека — начинается обработка ПДн. Если при этом запрос уходит в облачный API (OpenAI, GigaChat, Yandex GPT, Gemini) — это передача ПДн третьему лицу.

С 01.07.2025 (ФЗ-23 от 28.02.2025) хранение ПДн россиян на зарубежных серверах прямо запрещено. Большинство облачных LLM-провайдеров логируют промпты — минимум временно. Это означает, что даже «просто попробовать ChatGPT на реальных данных клиентов» уже создаёт нарушение.

Три ключевых изменения, которые изменили риск-профиль в 2024–2025 годах:

• Ст. 13.1 152-ФЗ (ФЗ-233 от 08.08.2024) — легализовала обезличивание как самостоятельный правовой инструмент. Надлежащим образом обезличенные данные выходят из-под режима ПДн.
• Новые штрафы — выросли на порядок: до 20 млн руб. за единичную утечку, до 500 млн руб. (оборотный) за повторную.
• Ст. 272.1 УК РФ (введена в декабре 2024) — уголовная ответственность за незаконный оборот ПДн. Это качественно меняет разговор с советом директоров.

Таблица: какие данные можно отправлять в LLM API

Это не абстрактная классификация — это операционный инструмент для DPO и разработчика.

Архитектурная матрица: on-prem vs российское облако vs зарубежное облако

Нет универсального ответа — есть компромиссы. Выбор зависит от чувствительности данных, бюджета и скорости запуска.

Оптимальный гибридный паттерн: запросы, содержащие ПДн → on-prem LLM; обезличенные запросы (аналитика, суммаризация обезличенных документов) → облачный API. Это снижает нагрузку на собственную инфраструктуру и сохраняет соответствие закону.

Архитектура PII-proxy: как это работает

PII-proxy — это промежуточный слой между вашим приложением и LLM API. Он перехватывает запрос, заменяет ПДн на токены, отправляет обезличенный промпт в API, получает ответ и восстанавливает исходные значения.

Схема потока:

Исходный запрос → [Маскиратор] → Обезличенный промпт → LLM API
                                                              ↓
Восстановленный ответ ← [Деанонимизатор] ← Ответ с токенами

Пример замен в маскираторе:

• Иванов Пётр Сергеевич → PERSON_001
• +7-999-123-45-67 → PHONE_001
• ivanov@company.ru → EMAIL_001
• 7712345678 (ИНН) → INN_001
• г. Москва, ул. Ленина, д. 5 → ADDRESS_001

Маскиратор хранит таблицу соответствий в памяти (не в логах) на время сессии. После получения ответа деанонимизатор восстанавливает значения в тексте ответа. Таблица соответствий уничтожается после завершения сессии.

Важно: PII-proxy реализует псевдонимизацию, а не обезличивание по ст. 13.1. Это значит, что данные по-прежнему считаются ПДн внутри вашего контура — но в API уходит уже не ПДн. Для полного соответствия закону ключ соответствия не должен передаваться провайдеру.

Ст. 13.1 152-ФЗ: обезличивание как легальный путь

Это норма, о которой почти не пишут, но которая открывает практический путь для большинства ИИ-сценариев. Надлежащим образом обезличенные данные перестают быть ПДн — и на них не распространяются требования закона.

Что считается надлежащим обезличиванием по требованиям РКН:

• Невозможность идентификации субъекта ни напрямую, ни в сочетании с другими доступными данными
• Необратимость: нет ключа для восстановления
• Документированный процесс обезличивания с оценкой остаточного риска

Чем отличается от псевдонимизации: псевдонимизация (токен-подмена с сохранением ключа) — это всё ещё ПДн. Обезличивание — это удаление или необратимое преобразование, после которого субъект не восстанавливается.

Практический вывод: для аналитических задач (суммаризация обращений, классификация тикетов, анализ тональности) часто достаточно удалить идентификаторы и агрегировать данные. Такой датасет можно отправлять в любой API без согласия субъектов.

Антипример: штраф 800 тыс. руб. за голосовую биометрию

Компания внедрила ИИ-анализ звонков колл-центра: записи разговоров загружались в облачный сервис транскрибации и анализа тональности. Голос клиента — биометрические ПДн при использовании для идентификации. Согласия на биометрическую обработку получено не было. РКН зафиксировал нарушение при плановой проверке. Штраф — 800 тыс. руб., предписание остановить обработку.

Как это можно было предотвратить технически:

1. Транскрибация голоса → текст выполняется on-prem (голосовые данные не покидают контур)
2. Текст транскрипции анонимизируется: имена, телефоны, адреса заменяются токенами
3. Обезличенный текст отправляется в облачный API для анализа тональности и классификации
4. Голосовые записи хранятся в зашифрованном виде в РФ с retention-политикой

Стоимость on-prem транскрибатора (Whisper на собственном сервере) — несопоставимо меньше штрафа и репутационных потерь.

Ст. 16 152-ФЗ: human-in-the-loop обязателен

Статья 16 запрещает принимать решения, порождающие юридические последствия или существенно затрагивающие права граждан, исключительно на основе автоматизированной обработки — без участия человека.

Сценарии, где это критично:

• HR-ИИ: автоматический отказ в найме на основе анализа резюме — нарушение
• Кредитный скоринг: отказ в кредите без участия сотрудника — нарушение
• Медицинская диагностика: автоматический диагноз без врача — нарушение
• Страховые решения: расчёт тарифа с автоматическим отказом — под вопросом

Что делать: внедрить human-in-the-loop на уровне процесса. ИИ готовит рекомендацию, человек принимает решение и фиксирует его. Это не просто юридическое требование — это и лучшая практика для снижения ошибок модели.

Карта штрафов 2025–2026

Чеклист «До запуска генеративного ИИ»

Используйте как операционный документ — не как формальность.

Регуляторная база

• Компания зарегистрирована как оператор ПДн в РКН (если ещё нет)
• Определены категории ПДн, которые будет обрабатывать ИИ-система
• Проведена оценка: попадают ли данные под специальные категории (биометрия, медицина)
• Проверено соответствие ст. 16: есть ли human-in-the-loop для решений, влияющих на права граждан

Инфраструктура и локализация

• База данных с ПДн локализована в РФ (требование с 01.07.2025 — обязательно)
• Выбрана архитектура: on-prem / российское облако / гибрид с PII-proxy
• Логи промптов и ответов LLM хранятся только в РФ
• Установлена retention-политика для логов (не дольше срока цели обработки, как правило 30 дней)

Анонимизация и технические меры

• Реализован PII-proxy или маскиратор для всех запросов к облачным LLM
• Проведено тестирование: ни один промпт не содержит ПДн в открытом виде
• Для биометрических данных (голос, лицо) — транскрибация/обработка только on-prem
• Документирован процесс обезличивания по ст. 13.1 с оценкой остаточного риска

Согласия и договоры

• Шаблон согласия субъекта ПДн обновлён: явно указано, что данные обрабатываются алгоритмом и могут передаваться LLM-сервису (с указанием провайдера)
• Для биометрии — получено письменное согласие (не электронное)
• Заключён договор с LLM-провайдером: пункт о запрете использования данных для обучения модели, обязательство уведомить об инциденте в 24 часа, право на уничтожение данных
• Проверено: провайдер российского облака подтверждает хранение данных только в РФ

Инциденты и мониторинг

• Определён ответственный за уведомление РКН при утечке (срок — 24 часа)
• Настроен мониторинг аномалий в запросах к LLM API
• Проведён внутренний аудит: кто имеет доступ к логам промптов

Шаблон пункта согласия субъекта ПДн для ИИ-сценариев

Стандартное согласие не покрывает ИИ-обработку. Добавьте в форму согласия явный пункт:

«Я даю согласие на обработку моих персональных данных с использованием систем искусственного интеллекта, включая автоматизированный анализ текстовых обращений, в целях [указать цель]. Обработка осуществляется [наименование оператора] с привлечением [наименование LLM-провайдера] в качестве обработчика. Данные не используются для обучения моделей третьих лиц. Решения, затрагивающие мои права, принимаются с участием уполномоченного сотрудника.»

Для биометрических данных (голос, изображение лица) согласие должно быть получено в письменной форме — электронная форма с галочкой недостаточна.

Что делать прямо сейчас

Если генеративный ИИ уже в проде или планируется в ближайшие месяцы, приоритеты такие:

1. Аудит данных: пройдитесь по всем точкам, где ПДн могут попасть в промпт. Часто это не очевидно — например, контекст из CRM, который автоматически добавляется в запрос.
2. Быстрая защита: внедрите PII-proxy или маскиратор на уровне API-клиента — это решается за дни и снимает основной риск.
3. Договор с провайдером: проверьте, есть ли в соглашении с LLM-провайдером запрет на использование данных для обучения. У большинства крупных провайдеров это настраивается или уже включено в корпоративные тарифы.
4. Retention логов: если промпты логируются — установите автоматическое удаление через 30 дней и ограничьте доступ.
5. Human-in-the-loop: для любых решений, влияющих на права сотрудников или клиентов, добавьте шаг подтверждения человеком — это и юридическое требование, и страховка от галлюцинаций модели.

Регуляторный барьер реален, но он не означает «нельзя внедрять ИИ». Он означает «внедряй с правильной архитектурой». Компании, которые решат эту задачу сейчас, получат устойчивое конкурентное преимущество — пока остальные ждут «когда всё прояснится».

Материалы по теме в блоге brezatech: статья об архитектуре корпоративных баз знаний, обзор on-prem LLM для российского рынка, гайд по аудиту данных перед внедрением BI.

brezatech — интегратор, специализирующийся на внедрении ИИ в данные и бизнес-процессы: разработка, BI, автоматизация документооборота и базы знаний.