Как обезличить договор для проверки с помощью ИИ без риска утечки

В одном из проектов, о котором рассказывают разработчики, договор на 100 страниц проверяли через ИИ, а потом отдельно решали вопрос с обезличиванием. И это не редкость: корпоративные документы всё чаще уходят в публичные нейросети, хотя внутри них есть ФИО, реквизиты и коммерческие условия.

Проблема не только в утечке. Если в текст попадают персональные данные, компания рискует нарваться на нарушение 152-ФЗ, а заодно раскрыть коммерческую тайну. Поэтому вопрос уже не в том, использовать ли ИИ, а в том, как подготовить документ так, чтобы проверка оставалась полезной и безопасной.

Зачем вообще обезличивать договор перед проверкой

Юристу или менеджеру нужен быстрый разбор: где риск, что не так с ответственностью, какие формулировки стоит уточнить. Но для такого анализа не нужны паспортные данные, домашние адреса или лишние реквизиты сторон.

Если убрать чувствительные фрагменты до загрузки текста, вы снижаете риск утечки и одновременно упрощаете работу модели. Она меньше отвлекается на мусорные детали и лучше фокусируется на сути договора.

Четыре подхода: от ручной чистки до локальной обработки

Один. Ручное удаление чувствительных данных

Самый простой путь — вручную замазать ФИО, ИНН, адреса, номера телефонов и банковские реквизиты. Для короткого документа это работает, особенно если нужно быстро проверить один файл.

Минус очевиден: метод медленный и плохо масштабируется. Человек легко пропускает кусок текста, а в длинных договорах такие пропуски случаются регулярно.

Два. Шаблоны и правила поиска

Следующий уровень — набор правил: искать «в лице», «ИНН», паспортные серии, e-mail, телефоны, банковские реквизиты и похожие маркеры. Такой подход уже помогает автоматизировать рутину и быстро чистить типовые документы.

Но правила ломаются на нестандартных формулировках. Если документ написан не по шаблону, часть данных может остаться на месте, а часть — исчезнуть зря.

Три. Локальная обработка на устройстве

Этот вариант интересен тем, что документ не уходит на сервер. Текст обрабатывается в браузере или в локальном приложении, а чувствительные фрагменты скрываются до отправки в нейросеть.

Именно здесь пригодится локальная защита текста перед анализом: чем меньше документ покидает устройство, тем ниже риск, что он всплывёт где-то ещё. Минус у подхода один — нужно один раз нормально настроить инструмент и проверить, как он работает на ваших шаблонах.

Четыре. Смешанный подход: правила плюс модель

Самый практичный вариант — сочетать детерминированные правила и модель распознавания именованных сущностей. Правила ловят очевидное, а модель помогает там, где текст сложнее: косвенные падежи, нестандартные названия организаций, кавычки, аббревиатуры.

У этого подхода лучшее соотношение между точностью и удобством. Но он требует аккуратной настройки: если модель слишком агрессивна, она начнёт резать слова вроде названий продуктов и должностей.

Кому какой вариант подходит

Если вы проверяете один договор раз в неделю, хватит ручной чистки или простых правил. Это дольше, зато не требует внедрения новой инфраструктуры.

Если у вас поток документов, лучше смотреть в сторону локальной обработки. В таком сценарии удобнее использовать инструмент, который работает без передачи текста наружу и не завязан на сторонний сервер.

Если у компании уже есть внутренняя ИТ-команда, разумнее собрать гибридную схему: правила для базовой чистки и модель для сложных случаев. Такой подход ближе всего к реальной практике, где документы редко бывают идеальными.

На что смотреть, если выбираете инструмент

Первый критерий — где обрабатывается текст. Если сервис требует загрузить документ на внешний сервер, это уже другой уровень риска, особенно для договоров, служебных писем и внутренних отчётов.

Второй критерий — можно ли проверить работу на своих данных. Хороший инструмент должен показывать, что именно он скрывает, и позволять быстро исправлять ошибки.

Третий критерий — есть ли работа без сети. Для чувствительных документов это не бонус, а базовое требование.

В таких сценариях многие ищут решение, которое не просит лишних прав и не тянет за собой облачную инфраструктуру. Для личных устройств и рабочих файлов с ограниченным доступом подойдёт инструмент с локальной обработкой текста, если его использовать как один из слоёв защиты, а не как панацею.

Что в итоге выбрать

Если нужна скорость и у вас мало документов, начните с правил и ручной проверки. Если важна стабильность на потоке — переходите к локальной обработке с моделью распознавания сущностей. А если речь идёт о корпоративной среде, лучше сразу строить процесс так, чтобы исходный документ не покидал устройство без необходимости.

Главная мысль простая: ИИ можно использовать для анализа договора, но не стоит отправлять туда сырой текст с персональными данными. Безопаснее сначала убрать лишнее, а уже потом просить модель искать риски, двусмысленности и слабые места.

Практический чек-лист

• Проверьте, есть ли в договоре ФИО, адреса, телефоны, e-mail, ИНН и банковские реквизиты.
• Уберите или замените чувствительные фрагменты до отправки текста в ИИ.
• Для типовых документов настройте простые правила поиска по шаблонам.
• Для сложных договоров используйте локальную обработку без передачи текста на внешний сервер.
• Сравните результат до и после обезличивания: не исчезли ли важные юридические смысловые части.
• Не загружайте в нейросети документы, если в них есть служебная тайна или лишние персональные данные.
• Если нужен регулярный разбор файлов, выберите инструмент, который можно контролировать на своей стороне.

Meta^* Platforms, Inc. признана в РФ экстремистской организацией; деятельность принадлежащих ей соцсетей Facebook^*, Instagram^* и Threads^* на территории РФ запрещена.