Когда говорят «обезличить данные для ИИ», обычно имеют в виду одно из двух: подготовить тексты, которые уйдут в модель, или подготовить набор для обучения и аналитики. Задачи похожи, но риски разные, и путать их дорого.
В облачную модель уходит то, что вы отправили: текст промпта, приложенные документы, история диалога. Если в тексте есть персональные данные, они уходят вместе с ним. Поэтому подготовка данных для ИИ начинается не с выбора модели, а с ответа на вопрос: что в этом тексте является персональными данными и что из этого допустимо передавать наружу.
Практика простая: сначала проверка находок, потом замена. Проверка показывает, что именно в тексте относится к персональным данным, — это дешевле, чем гадать. Замена убирает значения: обратимо, если текст вернётся в рабочий процесс, или необратимо, если он уходит наружу и возвращаться не будет.
Обратимая замена удобна, когда текст после обработки возвращается: ответ подрядчика, переписка, документ, в котором нужно восстановить реквизиты. Значение хранится в зашифрованном виде, расшифровать его может только владелец, срок хранения ограничен.
Необратимая замена нужна, когда исходные значения не должны восстанавливаться: набор для обучения, тестовая среда, аналитическая выгрузка. Здесь важно не перепутать режим: восстановить данные, обработанные необратимо, нельзя — понадобится отдельная копия исходника и отдельный процесс.
Первая граница — специальные категории. Сведения о здоровье в облачном профиле сервиса отклоняются: для таких документов нужен отдельный контур, а не «обезличивание на лету».
Вторая граница — биометрия. Детектор её не выявляет, поэтому обычная замена значений не делает биометрические данные безопасными: для них нужен отдельный процесс и отдельная правовая рамка.
Третья граница — контекст. Замена прямых идентификаторов не всегда достаточна: если в тексте остаются уникальные детали (должность, проект, редкая комбинация обстоятельств), человека можно установить по ним. Обезличивание — техническая мера, а не гарантия анонимности; оценка риска остаётся частью процесса.
Перед отправкой текста в модель полезно ответить на три вопроса. Первый: какие персональные данные в нём есть — по результатам проверки, а не по памяти. Второй: нужен ли обратисмый режим или достаточно необратимого. Третий: что останется в тексте после замены, не позволит ли оставшееся установить человека.
Отдельно про документы. Для файлов сервис принимает текстовые и офисные форматы, таблицы, PDF и изображения — подробнее на странице обезличивания документов — полный список форматов проверяется тестами, поэтому в описаниях его лучше не сокращать. Сканы обрабатываются через OCR, но категория находок от этого не меняется: если в документе есть сведения о здоровье, облачный профиль откажет.
Маскирование перед нейросетью — отдельный процесс: когда текст уходит в модель, режим замены выбирается под то, вернётся ли текст назад (маскирование перед нейросетью).
Обезличивание для ИИ — это не «включить режим», а подготовка: понять, что уходит, выбрать режим замены, проверить результат. Техническая часть занимает минуты, организационная — дольше; но именно она снижает риск, а не обещание «мы всё обезличили».
Не является юридической консультацией. Проверяйте актуальную редакцию 152-ФЗ.