ИИ в закрытом контуре: on-premise и отечественные LLM

ChatGPT и Claude в России официально недоступны, а загружать клиентскую базу или договоры в любое внешнее облако — прямой риск нарушить закон. Для банков, госкомпаний и объектов критической инфраструктуры это не теория, а ежедневная проблема. Ответ на неё — ИИ в закрытом контуре: языковая модель работает на вашем сервере, а данные не покидают периметр компании. Разберём, что такое закрытый контур, чем он отличается от облака, как его разворачивают и кому он действительно необходим.

Что такое закрытый контур

Закрытый контур (on-premise) — это размещение ИИ внутри вашей собственной инфраструктуры: на серверах компании или в изолированном дата-центре, без выхода во внешний интернет для обработки данных. Языковая модель, база знаний и сами агенты живут в периметре, который вы контролируете. Никакие запросы и документы не уходят к стороннему сервису — вся обработка происходит там же, где хранятся данные.

Ключевое отличие от привычных сервисов простое: при работе с облачным ChatGPT ваш запрос — а вместе с ним данные — уходит на чужие серверы. В закрытом контуре запрос обрабатывается локально, и информация никуда не утекает. Для бизнеса, который работает с персональными данными, коммерческой тайной или гостайной, это и есть граница между «можно» и «нельзя».

Часто закрытый контур путают с «облаком российского провайдера». Это не одно и то же. Российское облако решает вопрос юрисдикции, но данные всё равно покидают ваш периметр и попадают к стороннему оператору. Закрытый контур означает, что обработка идёт внутри вашей инфраструктуры — на ваших серверах, под вашим контролем доступа и журналированием. Для самых чувствительных данных важно именно это.

Чем закрытый контур отличается от облака

У облака и закрытого контура разная экономика и разные риски. Выбор зависит от того, насколько чувствительны ваши данные.

Критерий	Облачный ИИ	Закрытый контур (on-premise)
Где данные	на серверах провайдера	в вашем периметре
Старт	быстрый, платишь за токены	дольше, нужна инфраструктура
Затраты	операционные, по факту	капитальные (серверы, GPU) + сопровождение
Контроль	у провайдера	полностью у вас
152-ФЗ и КИИ	требует осторожности	выполняется по умолчанию
Зарубежные модели	часто недоступны легально	заменяются отечественными

Облако дешевле на старте и не требует своих серверов — это разумный выбор для нечувствительных задач. Закрытый контур дороже и сложнее, но даёт полный контроль над данными и снимает регуляторные риски. Для среднего и крупного бизнеса вопрос обычно стоит не «что дешевле», а «что вообще допустимо по закону».

На практике многие приходят к смешанной схеме. Нечувствительные задачи — генерацию маркетинговых текстов, черновики писем — оставляют в облаке, где это дёшево и быстро. А всё, что касается персональных данных клиентов, договоров и внутренних регламентов, уводят в закрытый контур. Такое разделение позволяет не переплачивать за железо там, где оно не нужно, и при этом не нарушать закон там, где данные действительно чувствительны.

Как разворачивают ИИ в закрытом контуре

Развёртывание идёт по понятной последовательности. Это не «установить программу», а проект на стыке инфраструктуры, моделей и информационной безопасности.

1. Подбор инфраструктуры. Серверы и видеокарты под выбранную модель. Чем тяжелее модель, тем больше требований к железу.
2. Выбор отечественной модели. Берут российскую LLM, которую можно поставить локально: GigaChat с открытыми весами под лицензией MIT, Cotype от MTS в on-premise-варианте или открытые модели вроде ruGPT. Подробный разбор — в статье про отечественные LLM для бизнеса.
3. Развёртывание и настройка. Модель ставят в контур, подключают базу знаний компании (RAG), настраивают на ваши документы и сценарии.
4. Интеграции внутри периметра. Агента связывают с внутренними системами — 1С, CRM, хранилищами документов — не выпуская трафик наружу.
5. Информационная безопасность. Шифрование, разделение доступа, журналирование, мониторинг инцидентов. Без этого закрытый контур теряет смысл.

Технически основу часто составляет связка отечественной модели и локального ИИ-агента, который работает поверх неё. Это позволяет получить тот же сценарий, что и в облаке, но без передачи данных за пределы компании.

Главная статья расходов — железо. Тяжёлым моделям нужны видеокарты, и это капитальные вложения, а не оплата по факту, как в облаке. Чтобы не переплачивать, под задачу часто берут модель полегче: для ассистента по базе знаний или извлечения данных из документов вовсе не обязательна самая большая сеть. Разумный путь — стартовать с компактной модели на ограниченном железе, проверить качество на реальном процессе и масштабироваться, только когда понятно, что это окупается.

Кому критичен закрытый контур

Закрытый контур нужен не всем. Но есть категории, для которых он не выбор, а требование.

Финансовый сектор

Банки и финансовые организации работают с персональными и платёжными данными, попадающими под строгое регулирование. Загружать такие данные во внешний ИИ нельзя — это прямое нарушение закона о персональных данных. Как соблюсти 152-ФЗ при работе с нейросетями, разбираем отдельно: ИИ и 152-ФЗ. А как ИИ применяют в финансах с учётом всех ограничений — в материале про ИИ в финансах.

Госкомпании и госсектор

С 1 марта 2026 года вступил в силу приказ ФСТЭК № 117, который для государственных информационных систем ограничивает использование недоверенных ИИ-технологий, запрещает обрабатывать сведения ограниченного доступа в облачных сервисах и передавать такую информацию разработчику ИИ, а также требует контролировать корректность ответов модели. Для госсектора это прямо толкает к локальному развёртыванию.

Объекты КИИ

С 1 января 2026 года по федеральному закону № 250-ФЗ на объектах критической информационной инфраструктуры запрещены иностранные средства защиты информации. Энергетика, транспорт, связь, промышленность — для них импортозамещение и закрытый контур связаны напрямую. Тему замены зарубежного ПО разбираем отдельно в статье про импортозамещение в ИИ.

Логика проста: отечественная модель в вашем периметре — это легальная замена недоступным ChatGPT и Claude. Данные не покидают компанию, требования 152-ФЗ и КИИ выполняются по умолчанию, а вы не зависите от зарубежного облака, которое завтра может отключиться. Соответствие закону здесь не побочный эффект, а встроенное свойство архитектуры.

В OVEERMOON мы разворачиваем ИИ-агентов в закрытом контуре на отечественных моделях, подключаем их к 1С и внутренним системам и закрываем вопросы информационной безопасности — чтобы автоматизация работала, не создавая регуляторных рисков.

Часто задаваемые вопросы

Чем закрытый контур отличается от облачного ИИ?

В облаке данные обрабатываются на серверах провайдера. В закрытом контуре модель работает в вашей инфраструктуре, и информация не покидает периметр компании. Это снимает риски по 152-ФЗ и требованиям к КИИ.

Какие модели можно развернуть локально?

Отечественные LLM с возможностью локальной установки: GigaChat с открытыми весами под MIT, Cotype от MTS в on-premise-варианте, открытые модели семейства ruGPT. Зарубежные ChatGPT и Claude в закрытый контур легально не ставятся.

Закрытый контур дороже облака?

Дороже на старте: нужны серверы, видеокарты и работы по безопасности. Но для финсектора, госкомпаний и КИИ это не вопрос экономии, а вопрос соответствия закону — облако для чувствительных данных там просто недопустимо.

Можно ли начать с пилота?

Да. Обычно стартуют с одного процесса и одной модели на ограниченном железе, проверяют качество и безопасность, а потом масштабируют. Это снижает риск и позволяет оценить затраты до полного развёртывания.

Что делать дальше

Начните с инвентаризации данных: какие из них нельзя выпускать наружу и под какие законы они попадают. Если в списке есть персональные данные клиентов, гостайна или вы относитесь к КИИ — закрытый контур для вас не опция, а необходимость. Следующий шаг — выбрать отечественную модель и пилотный процесс, на котором вы проверите развёртывание без риска для остальных систем.