Главный вывод нового отчета LayerX звучит неприятно для служб безопасности: риски корпоративного ИИ создают не все сотрудники понемногу, а узкая группа самых активных пользователей. Верхние 5% по интенсивности работы с AI проводят не меньше 144 диалогов, тогда как половина пользователей укладывается в 12 разговоров или меньше. Для российских команд разработки, продуктовых офисов и IT-руководителей это плохая новость: искать проблему «в среднем по компании» уже бессмысленно, смотреть нужно в сторону power users, личных аккаунтов и зоопарка AI-инструментов.
О выводах исследования State of AI Usage Report 2026 сообщает The Hacker News. По данным LayerX, почти половина сотрудников в компаниях за последний год хотя бы раз взаимодействовала с AI-сервисами, но только 18% делают это еженедельно. На бумаге картина выглядит почти успокаивающе: массового ежедневного безумия нет. На практике все хуже, потому что активность сосредоточена в руках небольшой группы. У этих пользователей не только больше сессий, но и заметно длиннее цепочки запросов: в среднем 18 промптов на один диалог против среднего уровня в 2. Иными словами, именно они чаще уносят в модели рабочий контекст, переписку, куски кода, финансовые детали и внутренние документы.
Отдельный сюрприз для тех, кто любит утешать себя фразой «мы уже купили корпоративный Copilot». Да, ChatGPT остается главным AI-сервисом внутри компаний: на него приходится 36% корпоративных пользователей и более 55% всех AI-разговоров. Copilot M365 быстро догоняет, достигнув 29% проникновения и почти четверти всех диалогов. Но цифры важны не только сами по себе. Они показывают раскол между управляемым, встроенным в корпоративную среду AI и потребительскими сервисами, которые сотрудники тащат в рабочие процессы по собственной инициативе. Именно здесь и накапливаются риски корпоративного ИИ: формально AI используется «для повышения продуктивности», фактически компания часто не знает, через какой аккаунт, с какими политиками хранения и куда именно ушли данные.
С Gemini исследование показывает ту же проблему в чистом виде. В корпоративной среде этот сервис, по данным отчета, по-прежнему часто используется через обычную потребительскую версию, а не через Gemini Enterprise. Это означает слабую видимость для компании: неясно, как хранятся промпты, используются ли они для обучения моделей и какие условия действуют для конкретной учетной записи. На этом фоне Copilot M365 выглядит менее рискованным не потому, что он магически безопасен, а потому, что обычно живет внутри уже управляемого Microsoft-контура. Разница для бизнеса простая: одинаковый по виду AI-интерфейс может означать совершенно разный уровень контроля.
Еще один важный тезис отчета: shadow AI давно перестал быть историей про одного сотрудника, который втайне открыл чат-бот в браузере. Теперь это длинный хвост инструментов: AI-поиск, браузерные расширения, встроенные помощники в SaaS, coding copilots, коннекторы к рабочим системам и вторичные AI-сервисы, о которых отдел безопасности узнает постфактум. Почти 30% корпоративных пользователей уже работают сразу с несколькими AI-платформами, а верхние 5% используют шесть и более приложений. Это очень похоже на привычный стек разработчика: под задачу берут лучший инструмент. Только в случае с AI вместе с удобством приезжают новые каналы утечки, а инвентаризация обычно отстает на квартал-другой.
Самая болезненная часть исследования касается учетных записей. Почти половина всех корпоративных AI-разговоров происходит через личные идентичности, а более 14% диалогов, которые ведутся с корпоративных адресов, привязаны к личным AI-лицензиям. Для compliance и security это почти идеальный слепой сектор. Формально сотрудник может обсуждать рабочую задачу «от имени компании», но данные при этом попадают в личный контур с другими условиями хранения, аудитом и правилами обработки. Для HR и IT-руководителей это тоже тревожный сигнал: даже наличие корпоративной лицензии не гарантирует, что сотрудник реально работает в управляемой среде, если привычнее его личный ChatGPT, Claude или DeepSeek.
И да, сотрудники уже отправляют в AI чувствительные данные, это не гипотеза. Более 6% всех корпоративных AI-разговоров содержат чувствительную информацию. Чаще всего это персональные данные: они встречаются в 5,81% диалогов. Финансовые и IT-данные попадаются реже, но все равно создают заметную поверхность риска. Самый высокий уровень чувствительных данных LayerX зафиксировала у DeepSeek — 12,63% разговоров, у ChatGPT этот показатель составил 8,38%, у Copilot M365 — 3,65%. Это не означает, что одна модель «плохая», а другая «хорошая». Скорее, отчет показывает, где пользователи ведут себя наиболее расслабленно и через какие сервисы бизнес хуже всего контролирует поток информации. Для инженерных команд вывод неприятно практический: код, логи, куски конфигураций и данные клиентов уже улетают в AI не в теории, а в статистике.
Дополнительный вектор риска создают расширения и коннекторы. Около 15% корпоративных пользователей уже установили хотя бы одно AI-расширение для браузера. Почти 75% таких расширений запрашивают высокие или критические разрешения, а более 16% уже имеют известные уязвимости. Параллельно AI-коннекторы связывают модели напрямую с SharePoint, GitHub, Slack, Atlassian и Google Workspace. После этого сотруднику даже не нужно вручную копировать данные в чат: доступ к ним подводится ближе к модели на уровне интеграции. Если смотреть на риски корпоративного ИИ глазами CISO или CTO, то проблема уже не сводится к блокировке одного сайта. Речь о том, что AI становится полноценным слоем корпоративной инфраструктуры, но политики, аудит и разграничение доступа часто все еще живут в логике 2023 года.
Главный вопрос теперь не в том, будут ли сотрудники использовать AI в обход утвержденного списка. Они уже используют, и чаще всего это делают не случайные люди, а самые продуктивные и технически подкованные. Значит, борьба с AI-рисками будет упираться не в запреты, а в видимость, сегментацию доступа и нормальные правила работы для power users. Иначе самые полезные сотрудники останутся одновременно самыми удобными переносчиками данных между корпоративным контуром и внешними моделями. Подробности исследования доступны в материале .