1⃣ «Бункер»: локальное развертывание
Первый порыв – создать локальную модель на закрытом хостинге. Данные никуда не уходят, и это главный плюс. Минусы – сроки и инвестиции: нужна инфраструктура и суровые LLM-инженеры для обучения и поддержки модели. Обновление может потребовать ресурсов, сопоставимых с внедрением.

Долго, дорого, но для многих компаний пока единственный вариант работы с AI.

2⃣

Облачный сервис (LLM как услуга)

Второй вариант – готовые коммерческие решения (в РФ это Yandex.GPT или GigaChat). Экономика здесь другая: быстрый старт, оплата и обновления по подписке, настройка промптами. Важно, чтобы контракт с провайдером запрещал использование

ваших

данных для дообучения

его

моделей. При этом договоры с вашими контрагентами должны допускать передачу информации третьим лицам.

3⃣

Гибридный подход с LLM-прокси

Третий вариант – обезличить информацию перед отправкой в облако. Для этого на стороне компании разворачивается промежуточный прокси-сервис. Его задача — заменять чувствительные данные (имена, реквизиты, суммы и др) на синтетические аналоги, и выполнять обратную замену в полученных ответах. С прокси потенциально можно использовать и зарубежные проприетарные модели.

Минусы – небольшая задержка при обезличивании и необходимость отразить использование прокси в договорах с вашими клиентами / партнерами.

«Прорыв года» — номинация для партнёров ELMA, которые начали сотрудничество в 2025 году и показали впечатляющий рост бизнеса.