Закрытый контур ИИ: честный разбор

Закрытый контур ИИ — это не модная упаковка, а инженерный компромисс: вы получаете полный контроль над данными и платите за это железом, командой и более слабыми моделями, чем в облаке. Решение оправдано, когда цена утечки или запрет регулятора выше, чем стоимость собственной инфраструктуры. Во всех остальных случаях это дорогая страховка от риска, которого у вас может и не быть.

Ниже — что такое закрытый контур, зачем он компаниям, где он реально выигрывает, на чём ломаются проекты и куда всё движется.

Что такое закрытый контур

Закрытый контур — это ИИ-система, которая работает на инфраструктуре компании и не отправляет данные во внешние сервисы. Модель, база знаний, логи запросов и поиск по документам (RAG) стоят на ваших серверах или в изолированном сегменте центра обработки данных.

На практике «закрытость» — это шкала, а не да/нет. Важно чётко понимать, какой именно уровень вам нужен:

Первый честный вывод: многим компаниям, которые говорят «нам нужен закрытый контур», на самом деле достаточно третьего уровня. А разница в цене между третьим и пятым уровнем измеряется месяцами и миллионами.

Почему компании идут в контур

Главный драйвер в России — не технологии, а цена ошибки с данными. За последние полтора года она выросла кратно.

Штрафы за утечки. С 30 мая 2025 года действует ст. 13.11.1 КоАП: за повторную утечку персональных данных — от 0,1 до 3% годовой выручки, но не меньше 25 и не больше 500 млн ₽ (Право ПРО). Сотрудник, вставивший выгрузку из CRM в публичный чат-бот, создаёт именно такой риск.

Локализация. С 1 июля 2025 года ч. 5 ст. 18 152-ФЗ прямо запрещает использовать иностранные базы при сборе персональных данных россиян. Штраф — до 6 млн ₽, при повторе — до 18 млн ₽ (Comply).

Госсектор и ГИС. С 1 марта 2026 года действует приказ ФСТЭК № 117. Он запрещает для государственных информационных систем облачные ИИ-сервисы для информации ограниченного доступа, передачу таких данных разработчику ИИ и требует контроля достоверности ответов и фильтрации запросов (ComNews). Для госкомпаний и их подрядчиков закрытый контур из опции стал требованием.

Коммерческая тайна и зависимость. Договоры, сметы, чертежи и переписка не должны уходить к третьей стороне. Плюс риск отключения: зарубежный сервис может заблокировать аккаунт или поменять условия за неделю, и процесс, завязанный на него, встанет.

Что вы реально получаете

Данные не покидают периметр. Это снимает целый класс юридических вопросов и упрощает согласование со службой безопасности. Именно на этом этапе чаще всего умирают ИИ-пилоты в крупных компаниях.

Можно работать с самым ценным. В облако нельзя отдать техдокументацию, финансы, кадровые данные. В контуре ИИ видит именно те документы, где лежит основная экономия времени.

Предсказуемость. Модель не меняется без вашего решения. В облаке поставщик может обновить версию, и выверенные промпты начнут давать другой результат.

Фиксированная стоимость при большом объёме. Железо куплено — каждый следующий запрос почти бесплатен. Это выгодно только при высокой загрузке (подробнее ниже).

Дообучение под себя. Открытую модель можно адаптировать к терминологии отрасли и форматам ваших документов — и эти наработки остаются вашим активом.

Подводные камни

Об этом редко говорят на продажах, но именно здесь проекты теряют месяцы и бюджеты.

Локальная модель слабее облачной флагманской. То, что влезает на один-два ускорителя, заметно уступает лучшим мировым моделям в сложных рассуждениях и длинных документах. Для поиска по базе знаний, классификации и извлечения данных этого часто достаточно. Для аналитики и сложных агентов — нет. Задачу надо подбирать под модель, а не наоборот.

Сильные открытые модели требуют дорогого железа. Пример: GigaChat 3.5 Ultra (июль 2026, лицензия MIT) имеет 432 млрд параметров. Для запуска в FP8 нужен узел из 8 карт по 80–96 ГБ (Digital Razor). Ловушка архитектуры MoE: активных параметров всего 28 млрд, но в памяти должны лежать все 432 млрд.

Железо — долго и дорого. Серверы с ускорителями NVIDIA попадают в Россию через параллельный импорт: сроки поставки непредсказуемы, гарантия производителя обычно не действует. Закладывайте запас по срокам и резервный вариант на период ожидания.

Дороже всего — люди, а не железо. Инженер, который будет обновлять модели, следить за нагрузкой и чинить сбои, стоит ориентировочно 250–400 тыс. ₽ в месяц (AIBot.Direct). За три года это больше стоимости сервера среднего уровня.

«Закрыто» не значит «безопасно». Внутри контура остаются риски: сотрудник спрашивает ИИ о зарплатах коллег и получает ответ, если права доступа к документам не настроены. Нужны ролевая модель, журналирование и защита от промпт-инъекций.

Модель устаревает. Новые открытые модели выходят каждые несколько месяцев. В облаке обновление приходит само, в контуре каждый переход — это мини-проект с тестами качества. Без заложенного набора эталонных вопросов вы не узнаете, стало ли лучше.

Сколько это стоит

Разброс — от сотен тысяч до десятков миллионов рублей только за железо. Решает выбор модели, а он следует из задачи.

К железу добавляются эксплуатационные расходы: аренда стойки в ЦОД от 20 тыс. ₽ в месяц, электричество и инженер сопровождения. И ещё сама разработка: интеграция с вашими системами, подготовка данных, права доступа, тесты качества. Эта часть часто сопоставима с ценой железа.

Главный экономический вопрос — загрузка. По оценке AIBot.Direct, собственный сервер начинает окупаться примерно от 10 тыс. запросов в день, со сроком окупаемости 12–18 месяцев. Если ИИ пользуются 20 человек по паре раз в день, дорогой сервер будет простаивать 95% времени. В таком случае выделенный сегмент в российском ЦОД или небольшая модель на одной карте разумнее.

Кому нужен закрытый контур, а кому нет

Контур оправдан, если выполняется хотя бы одно из условий:

вы — оператор ГИС, субъект КИИ, оборонное предприятие или их подрядчик;

ИИ будет работать с персональными данными клиентов или сотрудников в большом объёме;

служба безопасности уже отказала в облачном варианте, и это решение не изменить;

данные — конкурентное преимущество: технологии, рецептуры, ценообразование, стратегия;

нагрузка будет высокой и стабильной — тысячи запросов в день.

Контур, скорее всего, избыточен, если:

вы ещё не знаете, какая задача даст эффект — сначала проверьте гипотезу на обезличенных данных;

в компании нет и не планируется человека, отвечающего за систему после запуска;

задача решается на публичных данных: маркетинг, переводы, общие вопросы.

Рабочий путь для большинства: пилот на небольшой модели и наборе реальных документов, измерение качества по заранее составленным эталонным вопросам, и только потом решение о масштабе железа. Покупка сервера перед постановкой задачи — самая дорогая из типичных ошибок.

Куда движется рынок

Регулирование будет только ужесточаться. 12 апреля 2026 года ФСТЭК выпустила методику к приказу № 117: контроль целостности весов модели, изоляция среды разработки, журналирование всех запросов и ответов (Хабр). Там же заложено требование использовать доверенные ИИ-технологии, хотя официального реестра таких решений на момент публикации не было. Кто строит контур сейчас, тому стоит сразу закладывать эти механизмы, а не достраивать потом.

Открытые модели догоняют закрытые. Российские разработчики выкладывают флагманские модели в открытый доступ, как GigaChat 3.5 Ultra с лицензией MIT. Разрыв в качестве между «своим» и облачным ИИ сокращается, а выбор моделей на русском языке растёт.

Гибрид становится нормой. Практичная архитектура — маршрутизация запросов: чувствительные данные обрабатывает локальная модель, а обезличенные и публичные задачи уходят в более сильную и дешёвую облачную. Так компания не платит за изоляцию там, где она не нужна.

Деньги смещаются от модели к процессу. Модели дешевеют и взаимозаменяемы. Ценность остаётся в интеграции с вашими системами, подготовленных данных, правах доступа и тестах качества. Поэтому архитектуру стоит строить так, чтобы модель можно было заменить за неделю, не переделывая всё остальное.

Итог

Закрытый контур — правильный ответ для регулируемых отраслей и для данных, утечка которых стоит дороже сервера. Но это инфраструктурный проект с долгим хвостом эксплуатации, а не кнопка «сделать безопасно».

Перед стартом ответьте на три вопроса. Какие именно данные нельзя выносить и почему? Какая задача даст измеримый эффект и сколько запросов в день будет? Кто будет отвечать за систему через год? Если на все три есть чёткие ответы — контур окупится. Если нет — начните с пилота, а не с закупки железа.

Источники

Право ПРО — оборотные штрафы за утечку ПДн (ст. 13.11.1 КоАП): https://pravo-pro.ru/blog/posts/oborotnye-shtrafy-utechka-pdn-1311-koap/

Comply — локализация ПДн, изменения с 1 июля 2025: https://comply.ru/tpost/c43ezsout1-lokalizatsiya-i-transgranichnaya-peredac

ComNews — ИИ в госсекторе и приказ ФСТЭК № 117, 23.03.2026: https://www.comnews.ru/content/244345/2026-03-23/2026-w13/1007/ii-gossektore-kak-novye-trebovaniya-fstek-menyayut-rynok

Хабр — методика ФСТЭК к приказу № 117, 06.05.2026: https://habr.com/ru/companies/swordfish_security/articles/1031808/

Digital Razor — GigaChat 3.5 Ultra в своём контуре: https://digital-razor.ru/media/news/software/sber-gigachat-ultra-vram-specs/

AIBot.Direct — локальная LLM на сервере в 2026: железо и бюджеты: https://aibot.direct/blog/lokalnaya-llm-na-servere

Servermall — цены на серверы с NVIDIA H100: https://servermall.ru/sets/servery-s-gpu-nvidia-h100/