ИИ и право в РФ

ОБЯЗАТЕЛЬНОДЛЯ НОВИЧКОВ

Всем

---

ИИ в продукте упирается в закон — персональные данные, биометрия, маркировка контента, договоры с обработчиком. Ниже — практический обзор для разработчиков, аналитиков и владельцев сервисов. Цель — понять где спросить юриста и что заложить в архитектуру до запуска.

Техническая безопасность — 6.10. Российские API — GigaChat и YandexGPT. Выбор сервиса по данным — как выбрать модель. Учёба и ПДн студентов — ИИ в учёбе.

Не юридическая консультация

Нормы и разъяснения регуляторов меняются. Перед запуском в prod сверяйте актуальные редакции законов, приказы Роскомнадзора и отраслевые требования (банк, медицина, госсектор) с юристом.

Термины

ПДн (персональные данные) — информация о конкретном человеке (ФИО, телефон, email, фото).
Оператор ПДн — организация, которая решает, зачем и какие данные обрабатывать (обычно ваш продукт).
Обработчик — тот, кто обрабатывает данные по поручению оператора (облако LLM, хостинг).
On-premise — данные и модель в контуре заказчика, без зарубежного облака.
Трансграничная передача — передача ПДн за пределы РФ.
Биометрия — особая категория ПДн (лицо, голос, отпечаток и др.).
DPA (data processing agreement) — договор поручения обработки с провайдером.

---

Ключевые законы и темы

Тема	Ориентир в РФ	Что затрагивает в ИИ-продукте
Персональные данные	152-ФЗ "О персональных данных"	Промпты, логи, fine-tune, RAG
Биометрия	572-ФЗ, спецрежим биометрических ПДн	Face ID, голос, KYC
Информация, реклама	Закон об информации, реклама	Маркировка, недостоверная реклама
Синтетический контент	Практика маркировки развивается	Текст, видео, аудио от модели
Экспериментальные режимы	Песочницы у регулятора	Ограниченный перимeter тестов
Авторское право	ГК РФ	Обучение, генерация, датасеты
Критическая инфраструктура	187-ФЗ, отраслевые акты	Гос и КИИ-сектор

Проекты с EU — дополнительно GDPR. Здесь фокус на РФ. Матрица провайдеров — политика данных.

---

152-ФЗ для разработчика — принципы

Персональные данные — любая информация, относящаяся к определённому или определяемому физлицу.

Принцип	Практика в ИИ-продукте
Законное основание	Согласие, договор или закон — осознанное решение, не "удобно скинули в ChatGPT"
Цель обработки	В политике явно: "поддержка", "чат-бот", "аналитика обращений"
Минимизация	Не слать в LLM лишние поля; маскировать в логах
Локализация	Хранение ПДн граждан РФ — на серверах в РФ (уточняйте у юриста)
Обработчик	Договор с Yandex Cloud / Sber / иным провайдером LLM
Трансграничная передача	Отдельный режим; зарубежный API с ПДн — высокий риск
Срок хранения	Логи промптов — политика удаления
Права субъекта	Запрос на удаление, доступ, уточнение

Free ChatGPT с данными клиентов — типичное нарушение политики компании и потенциально 152-ФЗ.

---

152-ФЗ — сценарии для ИИ-продуктов

Ниже типовые сценарии. Для каждого нужны основание, категория данных и контур обработки.

Чат поддержки с историей диалога

Данные — email, имя, текст обращения, история тикета.

Риски

• Промпт уходит в облако LLM без DPA.
• Логи содержат ПДн без TTL.
• Оператор видит чужие тикеты в RAG без ACL.

Архитектура

• Российский enterprise LLM или on-prem.
• Маскирование email/телефона перед отправкой в модель (если позволяет юрист).
• Retention логов 30–90 дней по политике.
• Согласие в оферте + уведомление об ИИ.

HR-бот (отпуск, справки, KPI)

Данные — ФИО, должность, табельный номер, оценки.

Риски

• Автоматизированное решение без уведомления субъекта.
• Утечка зарплатных тем через промпт.

Меры

• Основание — трудовой договор + локальный акт + согласие где нужно.
• Запрет free-API.
• Human-in-the-loop для кадровых решений.

RAG по внутренней базе знаний

Данные — документы с ПДн клиентов/сотрудников в чанках.

Риски

• Индекс в облаке без шифрования и ACL.
• Ответ цитирует чужой договор другому пользователю.

Меры

• Metadata tenant_id, filter при search.
• On-prem vector DB для чувствительных корпусов.
• См. GraphRAG и безопасность.

Аналитика обращений (summarization)

Данные — массовая обработка тикетов, темы, тональность.

Риски

• Псевдонимизация недостаточна — re-identification.
• Aggregates всё равно могут содержать цитаты с ПДн.

Меры

• Anonymization pipeline до LLM.
• Запрет цитирования дословных имён в отчётах наружу.

Scoring и antifraud

Данные — поведение, транзакции, device fingerprint.

Риски

• Решение только алгоритмом без обжалования.
• Дискриминация — см. этику ответственное использование.

Меры

• Уведомление об автоматизированном решении.
• Процедура пересмотра человеком.

Генерация писем и документов

Данные — шаблон + ПДн контрагента в промпте.

Риски

• Draft уходит в training logs провайдera (проверьте enterprise ZDR).

Меры

• Enterprise tier с zero data retention.
• Локальная модель для legal.

Fine-tuning и дообучение

Данные — датасет диалогов поддержки.

Риски

• ПДн "запекаются" в веса модели.
• Невозможность удалить субъекта из модели.

Меры

• Anonymize dataset; юрист + DPO на каждый датасет.
• Prefer RAG вместо fine-tune на сырых ПДн.

Голосовой ассистент

Данные — голос (биометрия), транскрипт.

Риски

• Биометрия без основания 572-ФЗ.
• Хранение аудио без срока.

Меры

• Отдельная правовая оценка; см. раздел биометрии ниже.

Обработка изображений (KYC, паспорт)

Данные — скан документа, selfie.

Риски

• Особые категории; трансграничная передача.
• CV-модель в зарубежном облаке.

Меры

• On-prem OCR + verification; аккredited процессы в финтехе.

Маркетинг и персонализация

Данные — профиль, история покупок, сегменты.

Риски

• Генерация рекламы без маркировки ИИ.
• Профiling без согласия.

Меры

• Согласие на маркетинг отдельно; маркировка синтетики.

---

Классификация данных в промптах

Внутренняя матрица для команды (не публичный документ):

Уровень	Примеры	Куда можно LLM
Public	FAQ, маркeting copy	Free/API по политике
Internal	Confluence без ПДн	Enterprise РФ или on-prem
Confidential	CRM, договоры	On-prem / ZDR enterprise
Restricted	Паспорт, здоровье, биометрия	Только изолированный контур + юрист

Процесс data classification до code review на интеграцию LLM. См. безопасность 6.10.

---

Согласия пользователя

Для B2C и B2B2C обычно нужны:

• Политика конфиденциальности — что собираете, куда отправляете, срок хранения;
• Согласие на обработку ПДн — отдельным флагом, если требуется по основанию;
• Согласие на автоматизированные решения — если scoring или отказ без человека;
• Уведомление об ИИ — "ответ формирует модель, возможны ошибки".

В форме регистрации явно укажите, что текст может передаваться третьему лицу (LLM-провайдеру). См. ответственное использование.

B2B SaaS

• DPA между вашей компанией и клиентом-оператором.
• Sub-processor list (OpenAI, Yandex, AWS).
• Клиент решает, какие данные класть в ваш чат.

Шаблоны согласий — что описать (не готовый текст)

Юрист готовит финальные формулировки. Разработчику полезно понимать блоки:

1. Политика конфиденциальности

• Кто оператор (реквизиты).
• Какие категории ПДн (идентификация, контакт, поведение в продукте).
• Цели (оказание услуги, поддержка, улучшение модели — если вообще допустимо).
• Правовые основания по каждой цели.
• Сроки хранения и удаления.
• Кому передаём (хостинг, LLM-провайдер, analytics).
• Трансграничная передача — да/нет, куда.
• Права пользователя и контакт DPO/ответственного.
• Cookies и логи.

2. Согласие на обработку ПДн (checkbox)

• Короткий текст со ссылкой на политику.
• Отдельные чекбоксы для маркетинга и необязательных целей.
• Возможность отозвать согласие без потери базовой услуги (если применимо).

3. Согласие / уведомление об ИИ

• Что ответы генерирует модель.
• Возможны ошибки; не медицинская/юридическая консультация.
• Какие данные уходят в модель (текст чата, файлы).
• Используются ли данные для обучения провайдера (enterprise vs consumer API).

4. Согласие на биометрию

• Отдельный документ; часто отдельный процесс идентификации.
• Цель (идентификация, доступ в офис).
• Срок хранения шаблона.

5. Согласие на автоматизированные решения

• Какие решения принимаются алгоритмом.
• Как обжаловать.
• Контакт для человеческого пересмотра.

UI-практика

• Не прятать согласие в 40 страницах без ссылки.
• Сохранять версию политики и timestamp согласия в БД.
• При смене политики — re-consent flow для существенных изменений.

---

Статус ИИ и экспериментальные режимы

Государство и отрасли периодически вводят экспериментальные правовые режимы (песочницы) для новых технологий. Для стартапа это может означать:

• упрощённые процедуры в ограниченном периметре;
• обязательные отчёты и меры защиты;
• запрет масштабирования на всю страну без выхода из режима.

Что проверить с юристом

• Попадает ли продукт под действующую песочницу.
• География и категории пользователей.
• Обязательная отчётность регулятору.
• Срок окончания режима и план миграции в обычное регулирование.

Если продукт в критической инфраструктуре, госсекторе или финансах — отдельные регламенты ЦБ, ФСТЭК, отраслевые стандарты. Универсального чек-листа без отрасли нет.

---

Отраслевые требования — банки и финтех

Банки и финансовые организации работают под надзором Банка России и внутренними стандартами ИБ.

Типичные ограничения для ИИ

• Запрет или жёсткий контроль трансграничной передачи ПДн и платёжных данных.
• Требования к журналированию и неизменяемости логов.
• Разделение контуров (DEV/TEST/PROD).
• Сертифицированные СЗИ, иногда ГОСТ-криптография.

Сценарии

Сценарий	Обычный подход
Чат поддержки банка	On-prem LLM, маскирование счёта/карты
AML/KYC summarization	Изолированный контур, без облака
Генерация ответов оператору	Human approval каждого сообщения клиенту
Code copilot в банке	Без отправки исходников в public API

Практика для разработчика

• Threat model на prompt injection в RAG по внутренним регламентам.
• Запрет paste клиентских данных в free ChatGPT — политика + DLP.
• Contractual SLA с провайдером LLM на локализацию и удаление.

См. инфраструктура и секреты.

---

Отраслевые требования — медицина

Медицинские данные — повышенная чувствительность; плюс профессиональная ответственность врача.

Риски ИИ в med

• Диагностика и назначение по чату без лицензии.
• Утечка истории болезни в LLM.
• Галлюцинации в дозировках и противопоказаниях.

Практика

• ИИ как assistive tool для врача, не замена решения.
• Дисклеймер для пациента — не медконсультация.
• On-prem или медицинский облачный контур по договору.
• Минимизация ПДн в промпте; de-identification.

Telemedicine и запись к врачу — отдельные лицензии и локальные акты. Перед med-продуктом — отраслевой юрист.

---

Отраслевые требования — госсектор и КИИ

Госсектор

• Закупки через реестр отечественного ПО.
• Требования к хранению данных на территории РФ.
• Интеграция с ЕСИА, СМЭВ — отдельные регламенты.
• Ограничения на зарубежные SaaS на рабочих местах.

Критическая информационная инфраструктура (КИИ)

• Категорирование объектов.
• Уведомление регуляторов об инцидентах.
• Запрет зависимостей от недружественных юрисдикций в критичных узлах.

ИИ в gov

• Чатботы на сайтах ведомств — публичные данные, без ПДн в free API.
• Внутренние copilot — часто только on-prem open-weight модели.
• RAG по нормативке — контроль версий документов и цитирования.

---

Трансграничная передача и зарубежные API

Передача ПДн граждан РФ в зарубежный дата-центр — отдельный правовой режим. На практике:

• Consumer ChatGPT/Claude с клиентскими ПДн — высокий риск для компании-оператора.
• Enterprise с DPA и указанием региона — обсуждается с юристом; всё равно может быть запрет отрасли.
• Пseudonymization не отменяет 152-ФЗ, если человек определяем.

Технические альтернативы

• Российские нейросети.
• On-prem Ollama / LM Studio.
• Proxy-слой, который блокирует ПДn regex до API.

---

Маркировка синтетического контента

Требования к маркировке контента, созданного ИИ (текст, изображение, аудио, видео), развиваются.

Канал	Рекомендация
Публикации, блог, соцсети	Пометка "создано с помощью ИИ" / "сгенерировано"
Реклама	Закон о рекламе; не вводить в заблуждение
Новости и факты	Редакционная проверка; ИИ не первоисточник
Продукт	Watermark, badge в UI, метаданные EXIF/C2PA
Поддержка клиентов	"Ответ подготовлен с участием ИИ"
Email рассылка	Footer с указанием генерации

Deepfake и голос — дипфейки и биометрия. Генерация изображений — мультимодальный контент.

Техническая реализация маркировки

• Поле generated_by_ai: true в CMS.
• Visible badge в UI чата.
• Metadata в API response для downstream систем.
• Watermark на изображениях (видимый или стеганография — по политике).

---

Биометрия

Биометрические персональные данные (лицо, голос, отпечаток) — особый режим:

• распознавание лиц на видео, KYC, голосовая биометрия;
• часто нужны аккредитация, ЕБС (единая биометрическая система) или иные основания — зависит от сценария.

Сценарии

Сценарий	Комментарий
Face unlock в офисе	HR + биометрия + ИБ
Голосовая верификация в банке	ЕБС / отраслевые правила
Deepfake detection	Не путать с законным сбором биометрии
"Fun filter" с лицом	Всё равно оценить ПДн и согласие

Компьютерное зрение — распознавание лиц. Публичную биометрию без юриста не запускайте.

---

Оператор и обработчик

Роль	Кто	Ответственность
Оператор ПДн	Ваша компания	Цели, основания, права субъектов
Обработчик	Облако LLM, хостинг	Обработка по поручению, меры защиты
Субобработчик	CDN, monitoring SaaS	Должен быть в цепочке договоров

В договоре с обработчиком фиксируют:

• предмет и duration обработки;
• категории ПДn;
• меры защиты (шифрование, access control);
• список субобработчиков и уведомление об изменениях;
• удаление или возврат данных по окончании;
• уведомление об инцидентах в срок;
• аудит и сертификаты (ISO 27001, at rest encryption);
• запрет использования данных для обучения моделей (если нужно).

---

Реагирование на инциденты

Инцидент в контексте ИИ — не только взлом. Примеры:

• Утечка API-ключа → массовый доступ к промптам с ПДn.
• Prompt injection → exfiltration данных из RAG.
• Ошибка ACL → пользователь A видит чанки пользователя B.
• Сотрудник вставил базу клиентов в публичный чат.
• Логи с ПДn попали в публичный S3 bucket.

Фазы response (playbook для команды)

1. Detect (0–1 ч)

• Алерты на аномальный трафик API.
• Жалоба пользователя или DLP.
• Назначить incident commander (dev + legal + PR).

2. Contain (1–4 ч)

• Rotate API keys, revoke tokens.
• Отключить affected feature flag.
• Block egress если SSRF.
• Preserve logs для расследования (immutable storage).

3. Assess (4–24 ч)

• Какие категории ПДn затронуты.
• Сколько субъектов.
• Был ли трансborder transfer.
• Root cause (code, config, human).

4. Notify

• Внутренний CEO/board по политике.
• Роскомнадзор / субъекты — по указанию юриста и severity.
• Клиенты-B2B по SLA.

5. Remediate

• Patch ACL, sanitize RAG, retrain staff.
• Postmortem без blame; action items в backlog.

6. Document

• Timeline, impact, lessons.
• Обновление политики и training.

См. инциденты ИБ, утечки секретов.

Таблица эскалации

Severity	Пример	Действие
P1	Массовая утечка ПДn наружу	Stop ship, юрист, notify
P2	ACL bug, ограниченный круг	Hotfix 24h, notify affected
P3	ПДn в dev logs	Purge logs, process fix
P4	Near miss	Postmortem internal

---

DPIA-подход для новых фич с ИИ

Data Protection Impact Assessment — практика оценки рисков до релиза. В РФ формально может отличаться от GDPR, но checklist полезен:

• Описание обработки (что, зачем, кто).
• Нecessity и proportionality.
• Риски для субъектов (ошибка модели, bias, утечка).
• Меры mitigation (minimization, on-prem, HITL).
• Остаточный риск и решение go/no-go.

Проводите DPIA при: новом LLM-провайдере, RAG на ПДn, биометрии, scoring.

---

Чек-лист перед запуском в РФ

• Классификация данных в промптах (ПДn / нет / биометрия).
• Допустимый провайдер (РФ / enterprise / on-prem).
• Политика конфиденциальности и согласия обновлены, версии в БД.
• DPA с обработчиком подписан.
• Логи без сырого ПДn или с маскированием и TTL.
• Маркировка ИИ-контента в UI.
• Биометрия — только после юридической оценки.
• План инцидента (утечка промпта с .env / ПДn).
• Обучение сотрудников — no paste in ChatGPT.
• Отраслевые доптребования (банк/med/gov) проверены.
• Процедура запросов субъектов (удаление, доступ).

---

152-ФЗ — сценарий образовательной платформы

Данные — ФИО ученика, email родителя, ответы на тесты, переписка с tutor-ботом.

Основания

• Договор с родителем/студентом на оказание образовательных услуг.
• Согласие на обработку ПДн при регистрации.

ИИ-специфика

• Tutor-бот: уведомление, что ответы генерирует модель.
• Нельзя отправлять детские ПДn в зарубежный consumer API без оценки.
• Логи диалогов — срок хранения и доступ только support с RBAC.

См. ИИ в учёбе.

---

152-ФЗ — сценарий маркетплейса с рекомендациями

Данные — история покупок, просмотры, адрес доставки.

Риски

• Персonalized описания товаров через LLM с ПДn в промпте.
• Segments "беременные клиенты" без правового основания.

Меры

• Aggregated prompts без имён.
• Opt-in на персонализацию.
• Маркировка сгенерированных описаний.

---

152-ФЗ — сценарий внутреннего copilot разработчика

Данные — исходный код, тикеты Jira с email, комментарии code review.

Риски

• Paste .env и secrets в промпт — безопасность кода.
• Code в public GitHub Copilot training (consumer).

Меры

• Enterprise copilot с ZDR.
• Pre-commit hook блокирует secrets в prompt plugins.
• Локальный Ollama для closed source.

---

Шаблон описания цели обработки (для политики)

Блок для юриста, не копировать без адаптации:

Цель 1 — оказание услуги чат-поддержки

• Категории ПДn: имя, email, текст обращения.
• Действия: сбор, запись, передача обработчику LLM для генерации ответа, хранение истории 90 дней.
• Основание: исполнение договора оферты п. …
• Обработчики: ООО "Хостинг", ООО "LLM Provider RU".

Цель 2 — улучшение качества модели (опционально)

• Только обезличенные данные или явное согласие отдельным чекбоксом.
• Возможность opt-out без потери поддержки.

Цель 3 — маркетинг

• Только при отдельном согласии; не смешивать с поддержкой.

---

Шаблон уведомления об автоматизированных решениях

Элементы UI и текста оферты:

• Какие решения принимает алгоритм (скoring, лимит, блокировка).
• Логика на уровне пользователя (факторы без trade secret overload).
• Как запросить пересмотр человеком (email, форма, SLA 30 дней).
• Право предоставить дополнительные сведения.

Для ИИ-чата без legal effect иногда достаточно disclaimer "не является решением".

---

Банки — дополнительные требования (обзор)

ЦБ РФ и стандарты ИБ

• Политика управления рисками ИИ (в крупных банках формируется).
• Запрет утечки PAN, CVV, PIN в любые внешние сервисы.
• Журналы операций — WORM storage в некоторых классах систем.

Типовой архитектурный контур

DLP

• Regex + ML на PAN/phone в clipboard и browser extension.
• Block paste в публичные чаты.

Аудит

• Квартальный review: какие системы подключены к LLM.
• Pen-test prompt injection на internal RAG.

---

Медицина — клиники и telemed

Роли

• Врач — оператор решения; ИИ — assistive.
• МИС — оператор ПДn пациента.

ИИ-сценарии

Сценарий	Правовой акцент
Transcription приёма	Согласие пациента, хранение аудио
Summary карты	Минимизация, не в consumer LLM
Chatbot triage на сайте	Disclaimer, не диагноз
Radiology CAD	Регистрация медизделия

Incident

• Утечка фрагмента карты в промпте — как P1 med incident + юрист.

---

Госсектор — закупки и контуры

Отечественное ПО

• Реестр Минцифры для госзакупок — проверяйте LLM-платформу в контракте.

СМЭВ и ЕСИА

• ИИ не должен логировать UID ЕСИА в third-party SaaS.

Государственные чатботы

• Только verified corpus (нормативка с version date).
• Escalation to operator при low confidence.

КИИ

• Категорирование объекта — определяет допустимость foreign dependency.

---

Реагирование — шаблон внутреннего тикета

Заголовок: [P2] LLM ACL leak tenant A→B

Поля

• Detection time / who detected
• Affected users count estimate
• Data categories (email, contract text, …)
• Root cause hypothesis
• Containment actions taken
• Legal notified Y/N
• Customer comms draft link
• Postmortem due date

Храните шаблон в Confluence/Notion; drill раз в полгода.

---

Реагирование — коммуникация пользователю (черновик для юриста)

Структура письма, не финальный текст:

1. Что произошло (факт без лишних деталей).
2. Какие данные могли быть затронуты.
3. Что мы уже сделали (fix, rotate keys).
4. Что может сделать пользователь (смена пароля, осторожность с фishing).
5. Контакт support и сроки ответа.

Не обещайте "100% не утекло", если не доказано.

---

Реагирование — технические шаги для dev on-call

Hour 0

• Disable feature flag llm_rag_enabled.
• Rotate OPENAI_API_KEY, INTERNAL_RAG_TOKEN.
• Snapshot logs to cold storage.

Hour 1–4

• Identify commit introducing ACL bug.
• Hotfix filter tenant_id mandatory on vector query.
• Re-run spot check golden ACL tests.

Day 1–3

• Forensic: list affected user_id from access logs.
• Legal review notification threshold.

Week 1

• Postmortem; add integration test test_tenant_isolation.

См. инциденты.

---

Vignette — сотрудник и ChatGPT

Ситуация: менеджер вставил Excel с 500 email клиентов в free ChatGPT "сделай сегментацию".

Проблемы: 152-ФЗ, NDA, политика компании, возможная трансграничная передача.

Response: DLP alert → revoke access session → notify DPO → training → disciplinary по локальным правилам.

Prevention: approved enterprise tool + block consumer domains on proxy.

---

Vignette — RAG цитирует чужой договор

Ситуация: пользователь tenant A получил chunk из tenant B из-за missing filter.

Response: P2 incident, hotfix ACL, notify tenants if required.

Prevention: integration tests + metadata filter on every query path.

---

Vignette — deepfake в рекламе

Ситуация: маркeting сгенерировал лицо "похожее на знаменитость".

Проблемы: реклама, право на изображение, маркировка ИИ.

Response: stop campaign, legal review, replace asset.

См. дипфейки.

---

Авторское право и обучение моделей

Краткий orientir для продукта (не legal advice):

• Генерация по запросу пользователя — отдельный от training pipeline вопрос.
• Scraping сайтов для training — риски лицензий и robots.txt.
• В договоре с провайдером: training opt-out для enterprise.

Монетизация контента — 5.

---

Роль DPO и юриста в AI-фичах

Этап	Юрист	DPO	Dev
Idea	Go/no-go	Risk	Feasibility
Design	Основание ПДn	Minimization	Architecture
MVP	DPA draft	DPIA	Logs design
Launch	Sign-off	Breach process	Monitoring

Не запускайте биометрию и scoring без их участия.

---

Чек-лист интеграции нового LLM-провайдера

• Юрисдiction processing data.
• DPA подписан, subprocessors list.
• Training on customer data — off?
• Retention logs provider-side.
• SOC2 / ISO reports получены.
• Fallback provider в DR plan.
• Data classification matrix updated.

---

Сроки хранения и удаление

Данные	Типичный срок	Действие по запросу субъекта
Логи промптов support	30–90 дней	Удаление по ticket
История чата пользователя	До удаления аккаунта	Export + erase
Fine-tune dataset	До конца проекта	Переобучение без субъекта сложно — избегайте
Backup	По политике ИБ	Cascade delete с юристом

Право на забвение — технически удалите из БД, логов, бэкапов по процедуре; LLM weights могут не поддерживать unlearn.

---

Субъекты данных — обработка запросов

Запрос доступа — выгрузить, что храните о пользователе, включая summary диалогов.

Запрос удаления — удалить аккаунт, чаты, индексы RAG с его документами.

SLA — часто 30 дней; автоматизируйте ticket workflow.

ИИ-специфика — проверьте, не остались ли chunks в vector index после delete user.

---

FAQ

Можно ли анонимизировать промпт regex и слать в US API?

Зависит от того, остаётся ли человек определяемым. Решает юрист; regex — не silver bullet.

Нужно ли согласие на каждый чат?

Обычно достаточно оферты + политики при регистрации; отдельные цели — отдельные чекбоксы.

Клиент-B2B сам оператор — мы обработчик?

Часто да; нужен DPA и ваши subprocessors в приложении.

Логируем промпты для debug — legal?

С minimization, TTL, access control и основанием в политике.

Нужна ли регистрация оператора в РКН?

Зависит от категории и объёма обработки — уточняет юрист при запуске prod.

Можно ли хранить embeddings ПДn?

Embeddings могут считаться обработкой ПДn — minimization и основание те же.

Copilot в Microsoft 365 для компании в РФ?

Enterprise договор + DPA; проверьте region processing.

---

---

Договор с LLM-провайдером — checklist пунктов

• Territory of processing (RF only clause).
• Prohibition of sub-processing without notice.
• Security annex (encryption at rest/transit).
• Audit rights once per year.
• Data deletion within N days after contract end.
• Incident notification within 24–72 hours.
• No training on Customer Data (explicit).
• Liability cap and insurance (negotiate with legal).

---

Матрица "фича — правовой риск"

Фича	Риск	Mitigation
Chat support	ПДn в промпте	Enterprise RF, TTL logs
RAG on contracts	ACL leak	Tenant filter tests
Voice bot	Биометрия	Legal review
Image gen ads	Маркировка, deepfake	Watermark + disclosure
Code copilot	Secrets leak	DLP, local model
Student essay API	Minors ПДn	Parent consent

---

Регуляторы и источники для мониторинга

• Роскомнадзор — разъяснения по 152-ФЗ.
• Банк России — положения по ИБ кредитных организаций.
• Минздрав — для med software (не путать с consumer wellness apps).
• Минцифры — реестр ПО, экспериментальные режимы.

Подписка юриста на digest раз в квартал дешевле штрафа.

---

Internal policy — пример правил для сотрудников

1. Запрещено вводить ПДn клиентов в consumer GenAI.
2. Разрешено только корпоративный copilot с SSO.
3. Инцидент — сообщить security@ в течение 1 часа.
4. Обучение при onboarding и ежегодный refresh.
5. Тестовые данные — synthetic, не copy prod.

Публикуйте на wiki рядом с ответственным использованием.

---

Краткая памятка разработчику (на стену)

• Нет ПДn в public API.
• DPA подписан до prod.
• Маркировка ИИ в UI.
• Инцидент — security@ 1 час.
• Юрист на биометрию и scoring.

---

Типовые вопросы юристу перед релизом

1. Мы оператор или обработчик для этой фичи?
2. Нужно ли отдельное согласие на передачу текста LLM-провайдеру?
3. Допустима ли трансграничная передача при enterprise EU/US region?
4. Какие сроки хранения логов промптов?
5. Нужна ли маркировка для этого типа контента?
6. Попадаем ли под отраслевой стандарт (банк/med)?

Запишите ответы в ADR рядом с архитектурой.

---

Синтетический контент — UI-паттерны

Паттерн	Где
Badge "AI" на сообщении	Chat widget
Footer в email	Рассылки
Watermark на image	Генератор картинок
Metadata ai_generated	CMS API
Toggle "улучшить текст ИИ"	Формы с opt-in

Согласуйте тексты badge с юристом (не обещать "100% точность").

---

Связанные материалы

• Российские нейросети;
• Enterprise-тарифы и ZDR;
• ИИ в учёбе;
• Монетизация с ИИ;
• Дипфейки.

---