Корпоративная AI-платформа — это внутренний аналог ChatGPT для всех сотрудников и инфраструктура вокруг него: модели, шлюз с лимитами, вход по корпоративному логину, контроль данных и подключение к 1С и CRM. Строят её по шагам: сначала измеряют, как сотрудники уже пользуются нейросетями, потом запускают пилот в одном отделе и только после этого расширяют на всю компанию.
Гайд для собственников, ИТ- и операционных директоров компаний от 100 сотрудников. Внутри: из каких слоёв состоит платформа и чем их закрывают, где запускать модели, сколько стоит ИИ для 150 человек, что требуют 152-ФЗ и ФСТЭК, и план внедрения из пяти шагов. Все инструменты с лицензиями, оценками и источниками собраны в интерактивной карте корпоративной AI-платформы.
Зачем компании своя AI-платформа
Своя платформа нужна, потому что сотрудники уже пользуются ИИ, только без правил и контроля. Это называют теневым ИИ: личные аккаунты в ChatGPT, Claude, Gemini, DeepSeek и боты в мессенджерах, о которых компания не знает.
По опросу корпоративного мессенджера «Пачка» (798 сотрудников, 30 июня – 18 июля 2026 года), ИИ в работе используют 88% сотрудников российских компаний, но официально он внедрён только у каждого четвёртого. 58% пользователей ИИ решают рабочие задачи в личных аккаунтах, и 88% из них работают с зарубежными моделями, пишет CISOCLUB.
Вместе с запросами уходят данные. ГК «Солар» проанализировала трафик 150 организаций: за 2025 год объём данных, которые сотрудники отправляют в публичные нейросети, вырос примерно в 30 раз, а около 60% организаций не имеют формальных правил работы с ИИ. В пилотах DLP-системы Solar Dozor в первом полугодии 2026 года почти 40% из 12 тыс. обращений к публичным ИИ-сервисам содержали конфиденциальные сведения. По опросу «СёрчИнформ» среди 120 специалистов по безопасности, доля московских организаций, столкнувшихся с утечкой через ИИ-сервисы, за год выросла с 6% до 40%.
«Солар» и «СёрчИнформ» продают системы защиты от утечек, это стоит учитывать. Но выводы у всех трёх компаний совпадают: ИИ в работе уже есть, а контроля над ним нет.
Запрет эту проблему не решает. Сотрудник откроет тот же сервис с личного телефона, и компания потеряет даже видимость. Платформа даёт то, чего нет у разрозненных подписок:
- удобный чат под корпоративным логином и понятные правила, какие данные куда можно отправлять;
- бюджеты по отделам и учёт запросов по сотрудникам;
- ответы по регламентам и договорам компании, отчёты из 1С с проверкой прав сотрудника.
Из чего состоит корпоративная AI-платформа
Платформа собирается из семи слоёв. Пять из них разобраны в видео @TINROI «Своя AI-платформа для тысяч сотрудников». Ещё двух, базы знаний и эксплуатации, в видео нет, но без них платформа на практике не работает.
| Слой | Что делает | Чем закрывают |
|---|---|---|
| 1. Модели | Отвечают на запросы сотрудников | GigaChat и YandexGPT по API или открытые модели на своём сервере через движок vLLM |
| 2. Шлюз | Единая точка входа ко всем моделям: лимиты, бюджеты отделов, резервные маршруты, учёт запросов | LiteLLM, Portkey, Kong AI Gateway |
| 3. Интерфейс и доступ | Чат в браузере, вход по корпоративному логину, права по группам | Open WebUI или LibreChat, Keycloak или Active Directory |
| 4. Контроль данных | Проверяет запрос до отправки в модель: маскирует персональные данные, блокирует коммерческую тайну | StarGuard AI от Orion soft или Presidio со своими правилами |
| 5. Интеграции и агенты | Подключает 1С, CRM, документооборот и ведёт многошаговые задачи | MCP-серверы, n8n, Dify, Deep Agents |
| 6. База знаний | Отвечает по документам компании со ссылкой на источник | Встроенный поиск Open WebUI, RAGFlow |
| 7. Эксплуатация | Мониторинг, расходы, проверка качества при смене модели | Langfuse, Prometheus и Grafana, набор эталонных вопросов |
Три термина из таблицы будут в любом коммерческом предложении подрядчика.
Шлюз работает как бюро пропусков и бухгалтерия для запросов к ИИ. Он знает, кто спрашивает, сколько отдел уже потратил и в какую модель отправить запрос. Без шлюза нельзя ограничить бюджет отдела и быстро сменить модель.
RAG — поиск по документам компании перед ответом. Система находит нужные фрагменты регламентов или договоров и передаёт их модели вместе с вопросом, поэтому ответ опирается на ваши документы, а не на общие знания модели.
MCP — открытый стандарт подключения систем к ИИ, своего рода общая розетка. Для 1С уже есть open-source проект 1c_mcp: он встраивает MCP-сервер в базу как расширение, а его прокси умеет передавать в 1С учётные данные каждого сотрудника. Тогда права на данные проверяет сама 1С, а не ИИ.
Путь запроса выглядит так: сотрудник пишет в чат под своим логином, контроль данных проверяет текст, шлюз проверяет лимиты и выбирает модель, модель отвечает. Каждый шаг пишется в журнал, поэтому при инциденте видно, кто и что отправил.
Где запускать модели: облако РФ, свой сервер или гибрид
Первое архитектурное решение — где будут работать модели. От него зависят цена, сроки запуска и то, какие данные можно отдавать ИИ.
| Облако РФ | Гибрид | Закрытый контур | |
|---|---|---|---|
| Кому подходит | 100–300 сотрудников без жёстких требований к данным | Большинству компаний с персональными данными и коммерческой тайной | Компаниям с большими объёмами ПДн, операторам ГИС и КИИ |
| Модели | GigaChat API, Yandex AI Studio | 1–2 своих GPU для чувствительных данных, облачные модели для остального | Только свои серверы, внешние API отключены |
| Плюсы | Быстрый старт, своё железо не нужно, оплата за запросы | Чувствительные данные остаются внутри, остальное дёшево, есть резерв при сбое | Максимальный контроль |
| Минусы | Данные обрабатывает провайдер, для ПДн нужен договор поручения | Нужен инженер на сервер и модели | Дороже всего, нужна своя команда эксплуатации |
В гибриде шлюз сам решает, куда отправить запрос. Например, финансовому отделу доступны только локальные модели, а маркетингу ещё и облачные.
Зарубежные API, например OpenAI и Anthropic, российской компании подходят только для обезличенных задач: переводов, текстов, кода без коммерческой тайны. Персональные данные туда отправлять нельзя без соблюдения требований о локализации и трансграничной передаче, подробнее в разделе о законах.
Для своего сервера берут открытые модели, веса которых можно скачать: зарубежные, например Qwen, и российские, например GigaChat от Сбера и T-Pro от Т-Банка. Скачать модель мало: чтобы ей одновременно пользовались сотни людей, нужен движок запуска, обычно vLLM. Открытые модели обновляются каждые несколько месяцев, поэтому модель держат за шлюзом. Тогда её можно заменить, не трогая интерфейс и интеграции.
Сколько стоит AI-платформа для 150 сотрудников
Чат и база знаний на 150 человек на облачных моделях в России обходятся примерно в 10–100 тыс. ₽ в месяц за запросы, в зависимости от модели. Свой сервер с GPU выходит дороже и оправдан требованиями к данным или большой нагрузкой.
Это пример расчёта, все цифры ниже — допущения. В компании 150 человек, 60% пользуются ИИ каждый рабочий день, каждый делает 25 запросов. Запрос вместе с контекстом занимает около 2 500 токенов, ответ около 500. Токен — единица, в которой модели считают объём текста, обычно это часть слова.
Получается 90 пользователей × 25 запросов × 3 000 токенов × 22 рабочих дня ≈ 148 млн токенов в месяц.
| Модель | Цена за 1 млн токенов с НДС | Счёт в месяц |
|---|---|---|
| GigaChat Lite | 65 ₽ | ≈ 9,7 тыс. ₽ |
| GigaChat Pro | 500 ₽ | ≈ 74 тыс. ₽ |
| GigaChat Max | 650 ₽ | ≈ 97 тыс. ₽ |
Цены взяты из тарифов Сбера для юрлиц на 29 октября 2026 года, перед расчётом сверьте их на официальной странице. В асинхронном режиме, когда ответ не нужен мгновенно, цена вдвое ниже.
Свой GPU считается иначе: вы платите за железо круглосуточно, даже ночью и в выходные. Для ориентира: у европейского облака Scaleway карта L40S на 48 ГБ стоит €1,4 в час, H100 — €2,73 в час, это около €1 000 и €2 000 в месяц при круглосуточной работе. Российские облака (Selectel, Cloud.ru, Yandex Cloud) публикуют свои тарифы, сравнивать нужно с ними. К железу добавьте время инженера, который обновляет модели и следит за сервером.
Нагрузка у такого чата небольшая. 2 250 запросов за восьмичасовой день — это 5–6 запросов в минуту в пиковый час, одновременно генерируются 1–2 ответа. Для этого хватает одного GPU на 48–96 ГБ с моделью около 30 млрд параметров. Агенты, длинные документы и поиск по базе знаний увеличивают нагрузку в разы, поэтому перед покупкой железа проведите нагрузочный тест на своих сценариях.
Для чата на 100–200 человек API российского облака в разы дешевле своего GPU. Свой сервер оправдывают данные, которые нельзя отдавать провайдеру, тысячи пользователей, агенты с большой нагрузкой или потребность в фиксированном бюджете.
Счёт за запросы — не единственная статья. Настройка входа по корпоративному логину, правила контроля данных, интеграции и поддержка стоят денег и времени команды. Как посчитать окупаемость всего решения, разобрано в статье «Окупится ли ИИ в вашем бизнесе».
Что требуют 152-ФЗ, коммерческая тайна и ФСТЭК
Закон в первую очередь ограничивает то, куда уходят персональные данные. Поэтому ПДн отправляют только в облако РФ по договору поручения или в свою модель.
Персональные данные
По ч. 5 ст. 18 закона № 152-ФЗ персональные данные граждан России записываются и хранятся в базах на территории РФ, а трансграничная передача требует уведомления Роскомнадзора. За нарушение локализации юрлицу грозит штраф от 1 до 6 млн ₽, за повторное — от 6 до 18 млн ₽ (ст. 13.11 КоАП). Корпоративный тариф зарубежного сервиса, который отключает обучение на ваших данных, требование о локализации не снимает.
Маскирование снижает риск, но не выводит данные из-под закона. Если система заменяет ФИО и паспорт на метки и хранит таблицу соответствий, данные по-прежнему считаются персональными, и требования 152-ФЗ к ним действуют.
Коммерческая тайна
Информация защищена как коммерческая тайна, только если в компании введён режим по закону № 98-ФЗ: утверждён перечень сведений, порядок доступа и учёт допущенных. Документы с такой меткой и договоры под NDA шлюз должен направлять только в локальную модель.
ФСТЭК
Приказ ФСТЭК № 117 о защите информации в государственных информационных системах действует с 1 марта 2026 года и содержит раздел об ИИ. В августе 2026 года ФСТЭК опубликовала проект изменений: отдельный сегмент сети для ИИ-систем, многофакторная аутентификация администраторов, контроль доступа к моделям, фильтрация входных и выходных данных. Вступление в силу планируется с 1 марта 2027 года, пишет ComNews. Обязательны эти требования для операторов ГИС, а коммерческим компаниям документ даёт готовый чек-лист защиты.
Это ориентиры, а не юридическая консультация: схему работы с ПДн согласуйте с юристом.
План внедрения из пяти шагов
Платформу не строят целиком за один проект. Каждый шаг даёт результат и проверяет гипотезу для следующего.
1. Диагностика
Выясните, какими ИИ-сервисами уже пользуются сотрудники и какие данные туда уходят: выгрузка из прокси или DNS, регистрации на корпоративную почту, анонимный опрос. Соберите требования службы безопасности и юристов. Результат шага — 2–3 сценария с измеримым эффектом, например ответы по регламентам для поддержки или проверка договоров по чек-листу.
2. Пилот в одном отделе
Запустите чат и базу знаний для одного отдела: облачная модель РФ или один GPU, вход по корпоративному логину. Метрики пилота: доля сотрудников, которые пользуются чатом каждую неделю, сэкономленное время на задачах и качество ответов на заранее подготовленных вопросах.
3. Платформа
Когда пилот подтвердил эффект, добавьте шлюз с бюджетами отделов, группы и права, маскирование ПДн, журналы запросов и мониторинг. С этого момента новый отдел подключается настройкой прав, без отдельного проекта.
4. Интеграции и агенты
Подключите 1С, CRM и документооборот через MCP с правами конкретного сотрудника. Агент — программа, которая выполняет задачу в несколько шагов: например, получает данные из 1С, ищет отклонения от плана, готовит отчёт и отправляет руководителю. Действия, которые меняют данные или уходят наружу, сотрудник подтверждает вручную.
5. Масштаб
Подключайте новые отделы, добавляйте свои GPU по мере роста нагрузки, проверяйте качество на эталонных вопросах при каждой смене модели и обучайте сотрудников.
Где внедрение чаще всего ломается
Большинство проблем видно заранее, если знать, куда смотреть.
Лицензии open source
Открытый код не значит «можно всё». Лицензия Open WebUI с версии 0.6.6 (апрель 2025 года) запрещает убирать или менять его брендинг, если за любые 30 дней у вас больше 50 пользователей: для своего бренда нужна корпоративная лицензия. n8n бесплатен только для внутренних задач компании. Dify нельзя запускать как мультиарендный сервис без письменного разрешения и нельзя убирать логотип из консоли. Проверьте лицензии до выбора стека, особенно если подрядчик обещает «свой ChatGPT под вашим брендом».
Заражённые обновления
24 марта 2026 года в PyPI, главном каталоге библиотек для Python, появились заражённые версии шлюза LiteLLM 1.82.7 и 1.82.8, которые крали ключи доступа и пароли. Их удалили, но у компаний, которые автоматически ставили последнюю версию, могли утечь учётные данные. Защита простая: фиксировать версии компонентов и собирать проверенные образы, а не ставить пакеты при каждом запуске.
Права агентов
Если агент работает в 1С под одной служебной учётной записью с полными правами, любой сотрудник через него увидит зарплаты и чужие сделки. Права должна проверять сама система по учётной записи того, кто задал вопрос.
Русский язык в контроле данных
Presidio, популярная open-source библиотека для поиска персональных данных, в стандартной настройке распознаёт английский. Для русского нужно подключить русскую языковую модель и написать правила для паспорта, СНИЛС, ИНН, телефонов и адресов. Без этого маскирование создаёт ложное чувство защищённости.
Внешние мессенджеры
Бот в Telegram удобен, но переписка проходит через внешние серверы. Для ПДн и коммерческой тайны нужен веб-интерфейс внутри контура или корпоративный мессенджер на своих серверах.
Что сделать на этой неделе
- Попросите ИТ выгрузить из прокси или DNS обращения к ИИ-сервисам за последний месяц: какие сервисы, сколько сотрудников, из каких отделов.
- Проведите анонимный опрос из трёх вопросов: какими нейросетями пользуетесь, для каких задач, какие данные туда вставляете.
- Спросите юриста, какие данные компании относятся к ПДн и коммерческой тайне и введён ли режим коммерческой тайны.
- Выберите 2–3 сценария для пилота и посчитайте их эффект по формуле из статьи об окупаемости.
- Запросите у Сбера и Яндекса условия корпоративного договора с поручением на обработку ПДн.
- Откройте карту платформы и отметьте слои, которые у вас уже есть, например корпоративный логин или мониторинг.
Начинать с закупки серверов не нужно. Сначала измерьте теневой ИИ и запустите пилот на облачной модели: через месяц у вас будут реальные цифры нагрузки, эффекта и требований к данным, и по ним уже можно решать, нужен ли свой контур.