Почему контроль корпоративного ИИ начинается со шлюза

Спросите службу безопасности, какие ИИ-инструменты используются в компании, и честным ответом обычно будет пожатие плечами. ChatGPT в браузере, Claude в паре команд, Copilot в IDE, «ИИ-ассистент» какого-нибудь вендора, которого никто не оценивал, и несколько внутренних прототипов, которые ходят к API провайдеров с личными ключами. Ничего из этого не злонамеренно. Все это невидимо.

Первый порыв - ответить документом с политикой. Политики важны, но документ не замаскирует номер карты и не отклонит промпт. Контроль должен жить где-то на пути данных, и самое практичное место для него - шлюз, через который проходит каждый управляемый ИИ-запрос.

Что шлюз действительно может применить

Когда запросы идут через одну точку, становится возможным то, что иначе невозможно:

• Идентичность. Каждый запрос привязан к пользователю, группе, приложению или агенту, а не к общему API-ключу.
• Классификация. Запрос проверяется на PII, платежные данные, учетные данные, исходный код и ваши собственные шаблоны до того, как покинет периметр.
• Детерминированные решения. Правило вида Data = CREDENTIALS → BLOCK срабатывает одинаково каждый раз. Ни одну модель не спрашивают, «выглядит ли запрос нормально».
• Маршрутизация. Конфиденциальный материал может уйти во внутреннюю модель, а публичные вопросы - к внешнему провайдеру, и пользователю не нужно менять инструмент.
• Аудит и стоимость. Кто какую модель использовал, по какой политике и на сколько токенов, записывается до возврата ответа.

Ничего из этого не требует заменять инструменты, которые людям нравятся. Claude Code, Cursor и внутренние приложения продолжают работать - просто указывают на корпоративный endpoint, а не на вендорский.

Чего шлюз не видит

Шлюз контролирует управляемый трафик. Он не видит чудесным образом личный аккаунт ChatGPT на домашнем ноутбуке. Тот, кто обещает «100% видимость» от прокси, преувеличивает.

Именно поэтому шлюз должен интегрироваться со стеком безопасности, который у вас уже есть. Endpoint-, браузерные, DLP- и SASE-средства хорошо обнаруживают использование ИИ вне периметра. Шлюз хорошо применяет политику внутри него. Сведите оба сигнала в один реестр - и получите реалистичную картину: что управляется, что наблюдается, а что по-прежнему неизвестно.

С чего начать

Начните с прозрачности, а не с запретов. Направьте трафик одной команды через шлюз, включите классификацию в режиме «только аудит» и посмотрите отчет через неделю. Классы данных, которые вы увидите в реальных промптах, подскажут, какие политики писать первыми. Контроль можно включать правило за правилом, когда команда поверит цифрам.