Тень в бюджете: как серый ИИ и MCP-коннекторы создают компаниям скрытые расходы и юридические риски

Автор: Юлия Мицкевич, операционный директор IT-компании KODE

Shadow AI — это ИИ-сервисы, подписки и интеграции, которые сотрудники используют без согласования с IT, службой безопасности, закупками и юристами. Для бизнеса проблема не ограничивается лишними лицензиями: рабочие данные могут попасть внешнему поставщику на неизвестных условиях, а MCP-коннекторы — получить постоянный доступ к почте, репозиториям, базам и таск-трекерам.

Поэтому серый ИИ нужно учитывать одновременно как статью расходов, канал обработки данных и новую точку доступа к корпоративным системам.

Сколько бизнес тратит на неучтённый ИИ

Согласно Shadow AI Spend Report 2026 компании Redress Compliance, в 30–40 проведённых ею аудитах и проверках за 2024–2025 годы на неучтённые ИИ-инструменты приходилось 4–9% корпоративных расходов на ПО. Медиана составила около 6%. Это не универсальная оценка для любой компании, а ориентир по выборке Redress, но он показывает возможный масштаб проблемы.

Расходы концентрируются вокруг нескольких категорий. По данным отчёта, на личные и командные тарифы ChatGPT приходилось 22–28% теневых затрат, на инструменты для программирования — 14–20%, на Claude — 10–16%, на ИИ-поиск, включая Perplexity, — 6–10%. Вместе четыре категории формировали 60–80% неучтённого бюджета.

Проблема будет расти вместе с числом ИИ-функций. Gartner прогнозирует, что к концу 2026 года специализированные ИИ-агенты появятся в 40% корпоративных приложений против менее чем 5% в 2025 году.

Vectra AI приводит данные сторонних исследований, согласно которым более 80% сотрудников используют неутверждённые ИИ-инструменты. В компаниях с высоким уровнем Shadow AI средняя стоимость утечки оказалась примерно на $670 тыс. выше, чем в организациях с низким уровнем такого использования или без него.

В России расходы уже измеряются десятками миллиардов рублей: по данным FinExpertiza, крупный и средний бизнес потратил на ИИ в 2024 году 90,3 млрд рублей, причём почти две трети суммы пришлись на финансовый сектор.

Почему запрет не решает проблему

Обычно ИИ-сервис покупает не злоумышленник, а менеджер или специалист, которому нужно быстрее выполнить задачу. Если согласование длится дольше, чем регистрация и оплата, подписка появляется в обход закупок.

Блокировка доменов часто только ухудшает видимость. В аудитах Redress после запрета расходы переходили с корпоративных карт на личные, и компания теряла аудиторский след. Vectra со ссылкой на Netskope пишет, что около 47% пользователей генеративного ИИ обращаются к сервисам через личные аккаунты.

Запрет без рабочей альтернативы не прекращает использование ИИ. Он выводит его из корпоративного контура, где нельзя проверить состав переданных данных, настройки хранения и условия обработки. Поэтому задача бизнеса — не закрыть доступ ко всему, а определить разрешённые инструменты, данные и сценарии.

Почему MCP-коннектор — не ещё одна подписка

Model Context Protocol позволяет ИИ-агенту работать с внешними системами: читать задачи и письма, обращаться к базам данных, репозиториям и файловым хранилищам, а иногда — изменять информацию. Значит, MCP-коннектор нужно оценивать не только по цене, но и по выданным правам.

Qualys называет MCP-серверы новым Shadow IT для ИИ. Они могут работать локально, использовать случайные порты, устанавливаться вместе с IDE-плагинами или оставаться после тестовых развёртываний. Из-за этого обычная проверка облачных приложений видит не все подключения. В приведённом Qualys исследовании более 5,2 тыс. open-source реализаций MCP-серверов 53% использовали долгоживущие статические секреты.

Palo Alto Networks предлагает рассматривать MCP-сервер как неуправляемый API. Если его подключили без ревью и выдали широкие права, злоумышленник может использовать вредоносные инструкции во входящих данных или построить цепочку формально разрешённых действий, которая приведёт к утечке.

В результате привычная командная подписка превращается в канал постоянного доступа. Например, ассистент получает MCP-подключение к Jira, но в договоре с поставщиком ничего не сказано о регионе обработки, хранении запросов, использовании данных для обучения и праве заказчика на аудит.

Обнаруживать такие подключения уже учатся по сетевому трафику. Microsoft добавила в Global Secure Access выявление SaaS MCP-серверов и неутверждённых ИИ-сервисов. Но для локальных серверов одной сетевой аналитики недостаточно: нужны проверки рабочих станций, процессов, IDE-плагинов и зависимостей.

Какие риски получает компания

Для финансовой службы Shadow AI означает непредсказуемые расходы и искажённую оценку окупаемости ИИ-проектов. Для IT и ИБ — неизвестные сервисы, токены и интеграции, которые нельзя вовремя отозвать.

Юристам приходится выяснять уже постфактум:

• кто обрабатывает корпоративные и персональные данные;
• в какой стране они хранятся и возможна ли трансграничная передача;
• сохраняет ли поставщик промпты и использует ли их для обучения;
• кому принадлежат права на созданные тексты, код и другие материалы;
• какие субподрядчики участвуют в обработке;
• как удалить данные и подтвердить их удаление после расторжения договора.

Для HR и руководителей подразделений возникает отдельный вопрос ответственности: сотрудник мог передать сведения внешней модели ради рабочей задачи, хотя правила допустимого использования ИИ в компании не были установлены.

Подробнее о договорных и правовых ограничениях мы писали в материале «Как внедрять ИИ без юридических рисков». А при запуске автономных агентов полезно отдельно оценить риски цепочек действий — они разобраны в статье об Agentic AI в корпоративной среде.

Что рекомендует Банк России

Для финансового сектора уже появился отраслевой ориентир. 16 июня 2026 года Банк России опубликовал методические рекомендации № 3-МР по информационной безопасности при разработке и применении ИИ.

Регулятор рекомендует создавать собственные модели угроз и внутренние политики, а при работе с внешними ИИ-сервисами учитывать зрелость поставщика, в том числе его участие в программах обнаружения уязвимостей. Ответственным за подготовку внутренних документов назван заместитель руководителя организации по защите информации.

Для компаний вне финансового рынка эти рекомендации не являются обязательным нормативом, но могут служить практическим ориентиром при выборе поставщиков и настройке контроля.

Чек-лист: как вернуть Shadow AI под контроль

1. Найдите фактические инструменты. Проверьте корпоративные карты, SSO, сетевой трафик, OAuth-разрешения, браузерные расширения, IDE-плагины, процессы и программные зависимости.
2. Составьте единый реестр. Зафиксируйте владельца сервиса, пользователей, стоимость, категории передаваемых данных, регион обработки и срок хранения.
3. Выделите отдельный бюджет на ИИ. Консолидируйте востребованные сервисы в корпоративных договорах, а не в десятках личных подписок.
4. Разделите сценарии по риску. Определите, что разрешено, что требует согласования и какие данные запрещено передавать внешним моделям.
5. Учитывайте MCP как интеграцию. Проверяйте права, источники установки, журналирование, срок жизни и ротацию секретов, возможность отключения.
6. Закрепите условия в договоре. Нужны правила обработки и удаления данных, список субподрядчиков, уведомление об инцидентах, право проверки и порядок выхода.
7. Дайте сотрудникам подходящую альтернативу. По данным, которые Vectra приводит для одной медицинской организации, после запуска одобренного решения несанкционированное использование снизилось на 89%.
8. Повторяйте аудит. Проверка раз в год быстро устаревает: новые сервисы, агенты и коннекторы появляются постоянно.

Если компания оценивает окупаемость ИИ, ей также пригодится разбор почему одни проекты дают результат, а другие остаются дорогим пилотом.

Вопросы и ответы

Что такое Shadow AI?

Это использование сотрудниками ИИ-сервисов, моделей, плагинов или агентов без согласования и контроля со стороны компании. В эту категорию входят и личные аккаунты, если через них обрабатываются рабочие данные.

Чем MCP-коннектор опаснее обычной ИИ-подписки?

Подписка даёт доступ к сервису, а MCP-коннектор может дать сервису права на чтение или изменение данных во внутренних системах. Поэтому его нужно проверять как полноценную интеграцию или API.

Нужно ли полностью запрещать внешние ИИ-сервисы?

Полный запрет редко устраняет спрос и может перевести работу в личные аккаунты. Практичнее дать одобренные инструменты, установить границы по данным и контролировать подключения.

С чего начать аудит Shadow AI?

С объединения финансовых и технических данных: транзакций по картам, входов через SSO, OAuth-токенов, сетевого трафика и установленных расширений. Опрос сотрудников полезен, но не заменяет техническую инвентаризацию.

Вывод

Shadow AI — это не только проблема дисциплины. Он появляется, когда спрос на новые инструменты растёт быстрее, чем закупочные, юридические и технические процедуры.

Компании важно сделать три вещи: вывести реальные расходы в отдельный бюджет, рассматривать MCP-коннекторы как интеграции с правами и дать сотрудникам безопасные инструменты вместо формального запрета. Так контроль возвращается до аудита или инцидента, а не после утечки данных.

Если нужно понять, какие ИИ-сервисы и MCP-подключения уже работают в компании, какие данные они получают и как безопасно перенести востребованные сценарии в управляемый контур, обсудите задачу с командой KODE.