Каждая компания устанавливает собственные правила, однако в целом сообщения, которыми общаются пользователи с ИИ, могут быть доступны определенным лицам. Важно знать, как можно повысить уровень конфиденциальности.
Каждая компания устанавливает собственные правила, однако в целом сообщения, которыми общаются пользователи с ИИ, могут быть доступны определенным лицам. Важно знать, как можно повысить уровень конфиденциальности.
В феврале 2026 года американский бизнесмен Брэд Хеппнер находился под следствием за финансовое мошенничество. После привлечения адвокатов он использовал Claude для обобщения доказательств, разработки юридических стратегий и подготовки меморандумов для своей защиты. Когда ФБР исполнило ордер на обыск в его доме и изъяло электронные устройства, оно обнаружило 31 документ, созданный с помощью Claude.
Обвинители потребовали доступа к этим записям, но адвокаты Хеппнера утверждали, что разговоры с ИИ должны быть защищены тем же привилегией конфиденциальности, что и обсуждения между клиентом и адвокатом. Судья отклонил это требование, заявив, что поскольку пользователь делился информацией с сервисом, управляемым третьей компанией (Anthropic), чьи условия использования разрешали определенную обработку данных, эти беседы не подпадают под защиту адвокатской тайны.
В результате Брэдли Хеппнер был осужден, а разговоры с Claude были использованы обвинением в качестве доказательства. Этот случай создал беспрецедентный прецедент в США, продемонстрировав, что в ситуации обвинения в преступлении беседы с ИИ могут быть конфискованы, прочитаны властями и использованы против человека. После этого юристы в стране начали предупреждать клиентов о том, что разговоры с генеративными инструментами ИИ могут быть запрошены в судебных процессах.
В Бразилии произошел схожий случай в июне 2026 года в штате Эспириту-Санту. Мужчина якобы сообщил ChatGPT план убийства своего восьмилетнего сына. Автоматический анализ инструмента обнаружил угрозу, после чего OpenAI, владелец продукта, уведомила ФБР, который, в свою очередь, оповестил бразильские власти. Подозреваемый был арестован накануне предполагаемого совершения преступления.
Ни одна из основных систем ИИ не гарантирует конфиденциальность. Все они хранят беседы на своих серверах в течение некоторого времени, и при различных обстоятельствах к содержимому может получить доступ персонал, связанный с этими компаниями.
ChatGPT (OpenAI): Беседы остаются в боковой панели навсегда, пока пользователь их не удалит. После удаления компания утверждает, что данные стираются с серверов через 30 дней. Однако, пока они доступны, к ним могут получить доступ «надежные поставщики услуг» и «ограниченное число авторизованных сотрудников OpenAI», помимо самой программы, для целей машинного обучения. Случаи, связанные с преступлениями или нарушениями безопасности, подвергаются особому контролю.
Claude (Anthropic): Он также заявляет об удалении бесед через 30 дней, за исключением случаев нарушения условий использования, когда хранение может достигать 2 лет. Anthropic утверждает, что данные зашифрованы и сотрудники к ним не имеют доступа, но не упоминает возможность использования партнерами-уполномоченными. Некоторые аналитики считают его наиболее приватным.
Gemini (Google): Это самый сложный случай. Стандартный срок хранения бесед составляет 18 месяцев, но пользователь может настроить его на три месяца. Google прямо заявляет, что человеческие рецензенты могут анализировать беседы (без идентификации пользователя) для улучшения систем. Кроме того, компания рекомендует: «Пожалуйста, не вводите конфиденциальную информацию, которую вы не хотели бы, чтобы увидел рецензент или использовал Google для улучшения наших сервисов». Некоторые беседы регулярно отправляются человеческим рецензентам, и эти просмотренные взаимодействия могут храниться до трех лет, даже если пользователь отключил сохранение данных или удалил историю.
Grok (xAI): Всё, что публикуется публично в X/Twitter, используется Grok для обучения собственной ИИ, включая прямые взаимодействия с ним. Это включает сторонних компаний, являющихся партнерами xAI. Пользователю предоставляется возможность отказаться от использования его данных для этой цели. Более того, сам сервис предупреждает: «Пожалуйста, не делитесь личными или конфиденциальными чувствительными данными в ваших беседах с Grok». При удалении беседы с Grok файлы удаляются с серверов через 30 дней (за исключением случаев судебного разбирательства).
Perplexity: Компания заявляет, что хранит ряд информации о пользователях не только на основе взаимодействий с инструментом, но и на основе любой общедоступной информации о пользователе в интернете. Эта информация передается внутренне и партнерам в анонимном виде, без идентификации пользователя. Беседы хранятся навсегда, если только пользователь не удалит свою учетную запись, после чего они удаляются с серверов через 30 дней.
Кроме того, как было показано в приведенном ранее случае, все компании могут предоставить свои данные властям в случаях исполнения судебных постановлений, уведомлений, уголовных расследований и тому подобного. Это не новость: такие условия уже действовали для таких сервисов, как Gmail, Outlook и Dropbox.
Чтобы оставаться более анонимным, существуют полезные рекомендации: использовать временные режимы чата, когда они доступны; отключать использование бесед для обучения в настройках, если такая опция имеется; избегать ввода паролей, секретных документов, банковских данных или медицинской информации в бесплатные аккаунты или самые дешевые тарифы; если необходимо использовать ИИ с конфиденциальной информацией, выбирать планы Enterprise/Business, которые предлагают более сильные договорные обязательства по конфиденциальности и, как правило, не используют данные для обучения по умолчанию.
Для большинства малых и средних предприятий (MSMEs) внедрение искусственного интеллекта — это не следование модным тенденциям, а стратегическое преимущество, помогающее решать повседневные бизнес-задачи при ограниченных ресурсах. Во время сессии Google Gemini MSME Sparks 2026 Май Ким, специалист по прикладному ИИ и инженер по работе с клиентами Google Cloud JAPAC, продемонстрировала, как компании могут создавать интеллектуальных агентов для обслуживания клиентов менее чем за час, используя Gemini Enterprise для клиентского опыта, и при этом не написав ни строчки кода.
Эти AI-агенты способны автоматизировать ответы на запросы клиентов вне рабочего времени, отслеживать заказы, управлять возвратами или квалифицировать потенциальных клиентов. Таким образом, небольшие предприятия могут преодолеть структурные и организационные барьеры, предоставляя опыт обслуживания уровня крупных корпораций даже при работе с небольшими командами.
Сессия отразила более широкий тренд в области корпоративного ИИ. По данным Google Cloud, около 75% ее клиентов уже используют продукты ИИ, а модели компании обрабатывали более 16 миллиардов токенов в минуту через API клиентов в 2026 году. Это указывает на то, что AI-агенты перестают быть экспериментальными и становятся практичными инструментами для компаний любого размера.
Май Ким отметила, что в эпоху, управляемую ИИ, клиенты ожидают гораздо большего, переходя от простых чат-ботов к глубоко персонализированному обслуживанию и покупкам. Она привела примеры агентов, которые могут анализировать рукописные рецепты и мгновенно добавлять нужные ингредиенты в корзину клиента, или обрабатывать текстовые заказы, если клиент опаздывает. Ее цель — обеспечить быстрое решение нужных вопросов.
Традиционно для удовлетворения этих ожиданий MSMEs требовались значительные инвестиции в технологии и команды поддержки клиентов. Видение Google Cloud направлено на устранение этого препятствия.
Во время презентации Ким показала мультимодального AI-агента, который умеет обрабатывать голосовое взаимодействие, понимать намерения клиента, проводить рассуждения в сложных диалогах и получать актуальную бизнес-информацию — и все это через интерфейс самообслуживания. Она сообщила, что создание такого агента заняло у нее меньше часа, подчеркнув прогресс в современном ИИ, который ускоряет разработку за счет быстрой настройки с использованием естественного языка и визуальных инструментов.
На примере растущего бренда D2C этот агент, созданный за 60 минут, мог обрабатывать запросы, предлагать сопутствующие товары, оформлять возврат заказов и передавать сложные вопросы человеку-представителю. Результатом стало ускорение обслуживания, повышение стабильности и снижение операционных расходов — критически важные преимущества для малого бизнеса.
Центральным элементом сессии стала платформа Gemini Enterprise для клиентского опыта от Google. Эта унифицированная платформа объединяет услуги ИИ для обслуживания клиентов, электронной коммерции и поиска в единой экосистеме. Вместо того чтобы рассматривать поддержку клиентов как изолированную функцию, платформа связывает все этапы пути клиента: от поиска продукта и покупок до послепродажной поддержки и анализа производительности.
Комплект предлагает шесть ключевых возможностей, включая Customer Experience Agent Studio, Agent Assist, Customer Experience Insights, готовые агенты для покупок и заказа еды, а также Vertex AI Search. Это позволяет компаниям не разрабатывать каждую функцию с нуля, а использовать готовые компоненты ИИ, адаптируя их под свои продукты, клиентов и рабочие процессы.
Одним из главных достоинств платформы является способность балансировать автоматизацию и вмешательство человека. В то время как AI-агенты могут самостоятельно решать рутинные задачи, функция Agent Assist идет дальше, поддерживая живых представителей во время разговора, предоставляя контекстные ответы. Как продемонстрировала Ким, эта функция выводит релевантные знания и дает руководство в режиме реального времени.
Кроме того, Customer Experience Insights помогает бизнесам отслеживать ключевые показатели эффективности, такие как удовлетворенность клиентов, качество ответов и производительность агентов, через интегрированную панель мониторинга, что ведет к более эффективной поддержке при работе с небольшими командами.
Мелкие компании часто неохотно принимают ИИ из-за ограничений бюджета, технической экспертизы и времени внедрения. Ким подчеркнула, что Gemini Enterprise создан для устранения этих барьеров, предлагая интуитивно понятные инструменты с низким и нулевым кодом, позволяющие организациям создавать высококачественных AI-агентов без привлечения специализированных команд разработчиков.
Вместо того чтобы тратить месяцы на разработку или нанимать выделенных инженеров по ИИ, бизнес-команды могут создавать, тестировать, совершенствовать и развертывать разговорные агенты с помощью визуальных рабочих процессов. Эта демократизация ИИ может быть особенно ценной для MSMEs, стремящихся конкурировать с гораздо более крупными предприятиями, которые традиционно имели больший доступ к технологическим ресурсам. Автоматизируя повторяющиеся взаимодействия с клиентами, компании могут повысить как операционную эффективность, так и удовлетворенность клиентов.
Значительная часть сессии была посвящена Customer Experience Agent Studio — визуальной среде разработки, использованной для демонстрации. Пользователям не нужно начинать с чистого листа; они могут просто описать назначение своего AI-агента в одном-двух предложениях. Затем Gemini автоматически генерирует инструкции, рабочий процесс, инструменты и структуру диалога для агента. Ким заявила: «Мы используем ИИ для создания AI-агента, а не для написания кода».
Разработчики могут дополнительно настроить агента, определив его роль, поведение, потоки задач и логику принятия решений, а также добавив необязательные источники знаний для улучшения контекстного понимания. Платформа также поддерживает множество интеграций, позволяя подключать агентов к Google Search, открытым API, Salesforce, ServiceNow и пользовательским функциям.
Другие возможности, представленные на сессии, включали общие переменные между агентами, настраиваемые защитные механизмы для блокировки нежелательных бесед, многоязычную поддержку, настройку голоса, выбор моделей и расширенные параметры диалога. Для обеспечения готовности к производству Agent Studio предоставляет встроенные инструменты оценки. Компании могут сравнивать ответы ИИ с ожидаемыми результатами с помощью оценок на основе золотых стандартов или симулировать реалистичные взаимодействия с клиентами посредством сценариев, помогая выявить крайние случаи до запуска. Эти встроенные средства тестирования позволяют командам повышать точность и снижать риск галлюцинаций или непоследовательных ответов.
Сессия подтвердила важный тезис для MSMEs: создание приложений на базе ИИ больше не требует больших бюджетов, специализированных инженерных команд или месяцев разработки. Благодаря таким платформам, как Gemini Enterprise, компании все чаще могут сосредоточиться на определении проблем клиентов, а не на написании кода. Для MSMEs, стремящихся улучшить взаимодействие с клиентами, автоматизировать рутинную поддержку и обеспечивать более быстрый и персонализированный опыт, AI-агенты становятся практической возможностью, а не экспериментальной технологией. По мере развития экосистемы ИИ Google возможности для малого бизнеса становятся яснее: не просто принять ИИ, а использовать его как усилитель, позволяющий небольшим командам предоставлять опыт обслуживания клиентов корпоративного масштаба.
Команда Xiaohongshu Engine представила систему HELMSMAN на конференции OSDI 2026. Эта система представляет собой экономически эффективное высокопроизводительное решение для поиска ближайших соседей с приближением (vector approximate nearest neighbor search), разработанное специально для массивов NVMe SSD на полностью флэш-памяти.
HELMSMAN заменила предыдущую инфраструктуру Xiaohongshu, которая состояла примерно из 35 000 ядер ЦП и 350 ТБ оперативной памяти (DRAM), всего около 40 серверов на полностью флэш-памяти. Это позволило добиться снижения аппаратных затрат более чем на 90%, при этом сохраняя задержку на уровне миллисекунд для сервисов компании, таких как поиск, рекомендации и реклама. Эти сервисы обрабатывают сотни миллиардов высокоразмерных векторов при миллионах запросов в секунду.
Основная идея заключается в том, что кластеризованные методы ANNS являются более подходящей архитектурой для современных высокоскоростных SSD-массивов, в отличие от графовых методов ANNS. Графовые системы, использующие DRAM и SSD, например DiskANN, страдают от зависимости последовательного ввода-вывода, поскольку чтение с одного SSD определяет следующий посещаемый сосед, что мешает насыщению пропускной способности SSD. Кластеризованные системы, напротив, параллельно считывают кластеры кандидатов, что соответствует возможностям параллельного ввода-вывода SSD.
Традиционные системы кластеризации SPANN сталкивались с тремя проблемами в производственной среде: недостаточная пропускная способность из-за накладных расходов стека ввода-вывода Linux, неадаптивные стратегии поиска, которые либо слишком много, либо слишком мало сканировали в зависимости от сложности запроса, а также медленное построение индекса на одном процессоре, которое не могло масштабироваться до сотен миллиардов векторов. HELMSMAN устраняет эти препятствия благодаря трем новшествам:
Во-первых, это специализированный стек хранения для ANNS, который обходит стандартные пути ввода-вывода Linux, управляя очередями NVMe напрямую в пользовательском пространстве. Это уменьшило программные накладные расходы, которые ранее потребляли до 58% общей задержки. Во-вторых, реализован иерархический механизм обучения для отсечения поиска, который адаптивно прогнозирует оптимальное количество кластеров для сканирования на основе сложности запроса, размера top-k и распределения центроидов. В-третьих, внедрен распределенный конвейер построения с ускорением на GPU, который позволяет перестраивать индексы в масштабе миллиардов векторов всего за несколько часов, что соответствует обновлению моделей в режиме минут для систем рекомендаций и рекламы.
Производственные испытания продемонстрировали эффективность системы. HELMSMAN обеспечивает улучшение пропускной способности в 2–16 раз по сравнению с существующими системами DRAM-SSD, включая DiskANN и SPANN, достигая до 85% пропускной способности чисто ин-мемори развертывания при соблюдении SLA средней и хвостовой задержки в пределах миллисекунд. Возможность перестраивать индексы в масштабе 10 миллиардов векторов за часы делает HELMSMAN практичным для рабочих сред, где модели встраивания и векторные данные обновляются часто. Развертывание Xiaohongshu охватывает множество бизнес-направлений, включая поиск, рекомендации, рекламу, безопасность контента и конвейеры RAG.
Последствия для стоимости и масштабируемости выходят за рамки Xiaohongshu. Инфраструктура векторного поиска является одним из самых быстрорастущих центров затрат для интернет-платформ, поскольку извлечение на основе встраиваний становится универсальным для поиска, рекомендаций и функций на базе ИИ. Зависимость от DRAM была структурным фактором роста затрат, так как масштабы векторов удваиваются ежегодно. HELMSMAN доказывает, что высокопроизводительный ANNS на стандартном флэш-хранилище жизнеспособен в производстве даже для самых чувствительных к задержкам сценариев онлайн-обслуживания, потенциально изменяя экономику инфраструктуры для всей отрасли. Исследование также поднимает вопросы о том, могут ли другие компоненты ИИ, ограниченные памятью, получить аналогичную выгоду от совместного проектирования стека хранения вместо простого расширения DRAM.
Команда Tencent WorkBuddy представила Miora, свою первую специализированную платформу дизайн-агента. После завершения периода закрытого бета-тестирования платформа теперь доступна всем пользователям по адресу miora.design.
Miora представляет собой полнофункциональную платформу, охватывающую такие направления, как брендинг, разработка пользовательских интерфейсов (UI), электронная коммерция и интерактивное создание контента. Она поддерживает мультимодельный функционал и обширную библиотеку навыков. Эта платформа расширяет портфель продуктов искусственного интеллекта компании Tencent, выводя его за рамки кодирования и рабочих агентов в сферу креативного дизайна.
Платформа покрывает пять основных областей дизайна: брендинг, кино и креатив, реклама электронной коммерции, интерактивные игры и веб-приложения. Каждая область имеет свои шаблоны навыков и рабочие процессы. Интерфейс следует паттерну дизайна WorkBuddy и отличается высоким уровнем отточенности. Боковая панель слева содержит модули для создания, вдохновения, навыков и памяти. Центральная область чата позволяет вводить запросы на дизайн на естественном языке.
Рядом с маскотом Miora находится переключатель сцены, который обеспечивает мгновенное переключение между доменами и динамически обновляет библиотеку сокращенных шаблонов. В нижней части расположена панель конфигурации, где доступны два уровня базовой модели агента: Стандарт (для простых задач), Про (для большинства сценариев использования) и Макс (для сложных проектов по визуальной идентификации бренда). Также имеется отдельная панель мультимодальной генерации, позволяющая пользователям выбирать отдельные модели для изображений, видео, UI и 3D, включая GPT-image-2, Seedance 2.0, Kling, Vidu Q3 и другие.
Система навыков Miora преобразует общие дизайнерские рабочие процессы в исполняемые шаблоны. Например, в режиме брендинга пользователи могут активировать навыки для создания полного визуального кейса бренда, генерации персонажей бренда или создания логотипов. Архитектура навыков спроектирована так, чтобы быть расширяемой: каждый шаблон запускает вертикально настроенного задачу-агента, который управляет процессом от анализа требований до генерации результата. Пользователи могут выбрать режим «Вопрос» (Ask mode), при котором агент подтверждает направление дизайна перед выполнением, или автоматическое выполнение для ускорения итераций.
Выход Tencent на рынок дизайн-агентов является стратегическим шагом в условиях растущей конкуренции среди кодовых и видео-агентов. Дизайн-агентная сфера определена как одна из четырех ключевых категорий агентов, наряду с рабочими, кодовыми и видео-агентами. Tencent обладает значительными преимуществами благодаря инфраструктуре и базе пользователей WorkBuddy, обширной экосистеме моделей Tencent, включающей фундаментальные модели HY, и партнерствам с ведущими поставщиками мультимодальной генерации, а также глубокому опыту в продуктовом дизайне, что отражается в отполированном пользовательском опыте Miora.
Как и другие платформы агентов, Miora сталкивается с проблемой «последней мили»: дизайны, сгенерированные ИИ, все еще требуют ручной векторизации и профессиональной доработки в таких инструментах, как Adobe Illustrator, перед финальным использованием. В настоящее время платформа работает с растровыми форматами изображений, но не поддерживает векторные форматы, включая SVG, PSD и AI. Тем не менее, Miora знаменует собой важный шаг к демократизации профессиональных дизайнерских возможностей, снижая барьер для стартапов и небольших команд при создании качественной айдентики, которая ранее требовала привлечения агентств или старших дизайнеров. Выход Tencent в сегмент дизайн-агентов указывает на консолидацию платформенного уровня экосистемы ИИ-агентов вокруг нескольких крупных операционных систем агентов, на которых затем строятся специализированные доменные агенты.
