Искусственный интеллект постепенно становится частью привычного рабочего инструмента — интернет-браузера. Он уже способен анализировать открытые страницы, работать с документами, учитывать контекст пользователя и выполнять отдельные действия от его имени. Для сотрудников это возможность быстрее решать повседневные задачи, а для корпоративных ИТ и информационной безопасности — новая область рисков, которую пока легко недооценить.
Особенно актуальна эта проблема для фармацевтической отрасли, где цифровые инструменты используются в процессах с высокими требованиями к конфиденциальности, качеству и целостности данных.
Как браузер превращается в цифрового ассистента
На протяжении десятилетий интернет-браузер оставался относительно понятным инструментом. Сотрудник открывал корпоративные приложения, работал с информацией, скачивал документы и взаимодействовал с внешними ресурсами. Браузер служил преимущественно средством доступа к данным, а не самостоятельным участником рабочего процесса.
С распространением генеративного искусственного интеллекта эта модель начала меняться.
В 2026 году Smart Ranking представил исследование «Обзор рынка ИИ-браузеров: как браузер превратился из инструмента поиска в цифрового ассистента». Аналитики сравнили возможности 14 браузеров, провели 15 глубинных интервью и опросили 1000 пользователей из российских городов с населением от 100 тысяч человек.
По результатам опроса, 74% респондентов использовали встроенные ИИ-функции браузеров в течение последнего месяца. Среди них 27% обращались к таким инструментам ежедневно, ещё 48% — несколько раз в неделю.
Следует учитывать особенности выборки: большинство участников исследования занимались преимущественно умственным трудом. Поэтому полученные результаты нельзя автоматически распространять на всех российских интернет-пользователей.
Тем не менее исследование показывает важную тенденцию. Искусственный интеллект перестаёт быть отдельным сервисом, к которому человек обращается по необходимости. Он постепенно встраивается в привычную цифровую рабочую среду.
Что уже умеют современные ИИ-браузеры
Лидерами рейтинга Smart Ranking по широте ИИ-функциональности стали Microsoft Edge и Perplexity Comet, набравшие по 11 баллов. Google Chrome и Яндекс Браузер получили по 10 баллов. При этом Яндекс Браузер оказался наиболее функционально доступным решением для пользователей в России по методике исследования.
Однако интереснее не распределение мест, а сами возможности браузеров.
Наиболее распространёнными остаются перевод страниц, встроенные ИИ-ассистенты, работа с содержимым документов и подготовка кратких резюме. Но новые продукты постепенно выходят за пределы этих сценариев.
Современный ИИ-браузер может отвечать на вопросы по открытой странице, анализировать информацию из нескольких вкладок, помогать с подготовкой текстов, учитывать историю взаимодействий и обращаться к другим сервисам.
Отдельное направление — агентные функции.
По данным Smart Ranking, они присутствовали в 10 из 14 исследованных браузеров. Правда, в большинстве случаев речь пока идёт об ограниченных или экспериментальных возможностях.
Принципиальное отличие ИИ-агента от обычного чат-бота заключается в том, что он способен не только формировать ответ, но и выполнять действия для достижения поставленной цели.
Например, пользователь может попросить браузер собрать информацию из нескольких источников, сравнить предложения, заполнить форму или выполнить последовательность операций в веб-интерфейсе.
При этом наличие функции в браузере ещё не гарантирует её доступность или надёжную работу. Методология Smart Ranking учитывала в том числе пилотные возможности, а часть продвинутых сценариев ограничена подпиской или географией использования.
Но общий вектор развития очевиден: браузер постепенно становится интерфейсом, через который человек делегирует искусственному интеллекту не только поиск информации, но и выполнение задач.
Shadow AI: теперь необязательно открывать ChatGPT
До недавнего времени корпоративное управление генеративным ИИ строилось вокруг относительно понятного сценария. Сотрудник открывает внешний ИИ-сервис, вводит запрос, иногда загружает документы или фрагменты корпоративной информации.
Для ИТ и ИБ это создаёт набор известных вопросов: какие сервисы разрешены, какие данные можно передавать, какие инструменты необходимо блокировать и как контролировать соблюдение корпоративной политики.
Но что произойдёт, если ИИ уже встроен в разрешённый браузер?
Представим обычную рабочую ситуацию.
Сотрудник фармацевтической компании открывает внутренний корпоративный портал или веб-интерфейс системы электронного документооборота. В боковой панели браузера находится ИИ-ассистент, которому можно задать вопрос по содержимому страницы или поручить подготовить краткое резюме документа.
Для пользователя процесс выглядит совершенно естественно. Он не открывает посторонний сайт, не устанавливает дополнительную программу и может даже не задумываться, каким образом обрабатывается информация.
Но для корпоративной безопасности ситуация становится сложнее.
В зависимости от браузера, его конфигурации и предоставленных разрешений содержимое страницы или документа может передаваться во внешнюю инфраструктуру для обработки языковой моделью. Некоторые решения предусматривают локальную обработку или специальные корпоративные механизмы защиты, поэтому оценивать необходимо конкретный продукт и его настройки.
Shadow AI может перестать выглядеть как использование несанкционированного ИИ-сервиса. Он способен стать частью повседневной работы с разрешённым программным обеспечением.
Это не означает, что каждый браузер автоматически отправляет корпоративные данные во внешние модели. Однако появление встроенных интеллектуальных функций заставляет пересмотреть привычное представление о том, что разрешённый браузер сам по себе является нейтральным инструментом.
Теперь важно контролировать не только используемые приложения, но и ИИ-возможности внутри них.
Что показывает исследование цифровой зрелости фармотрасли
Проблема неконтролируемого использования искусственного интеллекта уже находится в поле зрения фармацевтических компаний.
Летом 2026 года профессиональное сообщество «Фармакод» провело исследование «Цифровая зрелость фармотрасли 2026», в котором приняли участие 64 фармацевтические компании, работающие в России.
Исследование показало заметный разрыв между распространением технологий и зрелостью управления ими.
Генеративный ИИ используют 71,9% компаний, однако формализованная система управления искусственным интеллектом действует только у 9,4%.
При этом участники исследования выделили несколько наиболее значимых рисков применения ИИ:
- 77% — утечки конфиденциальных данных;
- 55,7% — отсутствие необходимых компетенций;
- 50,8% — теневое использование ИИ сотрудниками;
- 47,5% — ошибки и галлюцинации моделей;
- 39,3% — регуляторные риски;
- 39,3% — невозможность валидации в GxP-среде.
Это не статистика произошедших инцидентов, а доля участников, отметивших соответствующие риски.
Особенно показательно сочетание двух результатов: искусственный интеллект уже применяется большинством компаний, но полноценные механизмы управления его использованием сформированы лишь у небольшой части участников исследования.
На этом фоне развитие ИИ-браузеров приобретает дополнительное значение.
Если раньше Shadow AI ассоциировался преимущественно с обращением сотрудников к внешним нейросетям, то теперь интеллектуальные функции могут присутствовать непосредственно в разрешённом корпоративном программном обеспечении.
Иными словами, распространение ИИ внутри привычных приложений способно увеличить разрыв между фактическим использованием технологий и возможностями корпоративного контроля.
Для фармацевтических компаний это ещё один аргумент в пользу перехода от отдельных запретов к системному управлению ИИ.
Почему для фармы браузерные ИИ-агенты создают дополнительные риски
Фармацевтическая отрасль отличается высокой чувствительностью к вопросам обработки информации, соблюдения регуляторных требований, качества и целостности данных.
В корпоративных системах хранятся коммерчески значимые сведения, персональные данные, документы по качеству, производственная информация, материалы исследований и другая информация, требующая контролируемого обращения.
Рассмотрим несколько возможных сценариев.
Работа с внутренними документами
Сотрудник открывает внутреннюю инструкцию, проект договора, отчёт или документ системы качества и просит ИИ-ассистента подготовить резюме.
Если для выполнения задачи используются внешние вычислительные ресурсы, необходимо понимать, какая информация передаётся провайдеру, где она обрабатывается, как долго хранится и может ли использоваться для дальнейшего обучения моделей.
Особое внимание требуется, когда документы содержат персональные данные, коммерческую тайну или информацию из регулируемых процессов.
Использование корпоративных веб-систем
Браузер является точкой доступа к CRM, системам электронного документооборота, HR-платформам, QMS и другим корпоративным приложениям.
Если ИИ-ассистенту предоставлена возможность анализировать содержимое открытых страниц, необходимо оценивать, какие сведения становятся ему доступны и какие механизмы ограничивают дальнейшую обработку этих данных.
Здесь важно различать права самого пользователя и полномочия ИИ-ассистента. Авторизованный доступ сотрудника к информации ещё не означает, что эту информацию допустимо передавать сторонней модели.
Автоматизация действий в корпоративных системах
Агентные функции создают возможность выполнять последовательности действий в веб-интерфейсах.
Например, ИИ-агент теоретически может подготовить данные для заполнения формы, сформировать черновик обращения или взаимодействовать с несколькими приложениями в рамках одного задания.
Если такой агент получает возможность изменять данные, отправлять сообщения или подтверждать операции, возникает вопрос ответственности за действия, выполняемые от имени сотрудника.
Особенно критичным становится разделение операций, которые агент может выполнять самостоятельно, и действий, требующих обязательного подтверждения человеком.
Работа в GxP-среде
Отдельной оценки требует использование агентных технологий в процессах, подпадающих под требования GxP.
Здесь недостаточно учитывать только конфиденциальность. Необходимо оценивать влияние на достоверность записей, прослеживаемость действий, управление изменениями и валидированное состояние компьютеризированных систем.
Например, если ИИ-агент получает возможность изменять значимые записи в QMS или другой GxP-системе, нужно определить, каким образом будут фиксироваться инициатор, содержание и результат изменений, а также как будут выполняться предусмотренные процедуры контроля.
При этом не всякое использование ИИ рядом с GxP-системой автоматически означает необходимость повторной валидации. Решение зависит от характера применения, влияния на регулируемые процессы и результатов документированной оценки рисков.
Важно подчеркнуть: перечисленные ситуации представляют собой потенциальные сценарии, а не подтверждённые случаи инцидентов в фармацевтических компаниях.
Когда ИИ-агент действует с полномочиями сотрудника
Один из наиболее существенных вопросов связан с тем, что браузерный ИИ-агент потенциально может взаимодействовать с приложениями через уже авторизованную пользовательскую сессию.
Традиционные механизмы разграничения доступа устанавливают, какие операции разрешено выполнять конкретному пользователю. Но они не всегда позволяют определить, кто фактически инициировал действие внутри сессии: сам сотрудник или программный агент, действующий по его поручению.
Поэтому контроль пользовательских прав остаётся необходимым, но может оказаться недостаточным.
Необходимо отдельно определять допустимые полномочия агента, особенно если речь идёт об изменении данных, отправке документов, финансовых операциях и других значимых действиях.
Для корпоративных ИТ и ИБ возникают практические вопросы:
- Как отличать действия сотрудника от действий агента в журналах информационных систем?
- Какие операции должны требовать дополнительного подтверждения?
- Можно ли ограничить агенту доступ к отдельным корпоративным ресурсам при сохранении доступа самого пользователя?
- Как контролировать последовательность автоматизированных действий и останавливать выполнение задачи при возникновении риска?
Часть этих задач требует не только настроек браузера, но и изменений на уровне корпоративных приложений, архитектуры доступа и процессов информационной безопасности.
Prompt Injection: когда внешняя страница пытается управлять агентом
Отдельная категория угроз связана с атаками Prompt Injection.
Суть заключается в том, что злоумышленник размещает специально подготовленные инструкции в информации, которую обрабатывает языковая модель. Это может быть веб-страница, документ, электронное письмо или другой внешний источник.
Если система недостаточно надёжно разделяет пользовательские команды и недоверенное содержимое, агент может ошибочно воспринять текст внешнего источника как инструкцию к действию.
Рассмотрим гипотетический пример.
Сотрудник фармацевтической компании поручает ИИ-агенту проанализировать информацию на сайте потенциального поставщика. На странице находится специально подготовленный текст, который пытается заставить агента обратиться к другому доступному ресурсу и передать туда данные.
Сотрудник такого задания не давал. Однако уязвимая агентная система потенциально может интерпретировать посторонний текст как часть своих инструкций.
Реализуемость атаки зависит от архитектуры конкретного решения, предоставленных инструментов, полномочий агента и механизмов защиты.
Рекомендации OWASP по безопасности больших языковых моделей рассматривают подобные сценарии как разновидность косвенного Prompt Injection. Среди защитных мер выделяются ограничение полномочий, разделение доверенных инструкций и внешнего содержимого, контроль выполняемых операций и подтверждение значимых действий человеком.
Для фармацевтических компаний подобные риски особенно важны в случаях, когда браузерный агент одновременно взаимодействует с внешними источниками информации и корпоративными системами.
Почему традиционных средств защиты может оказаться недостаточно
В большинстве крупных организаций уже используются различные средства контроля: DLP, защищённые веб-шлюзы, EDR, управление браузерами, системы контроля доступа и другие инструменты.
Возникает логичный вопрос: можно ли считать существующую инфраструктуру достаточной для защиты от рисков ИИ-браузеров?
Однозначного ответа нет.
Эффективность контроля зависит от архитектуры браузера, используемых ИИ-функций, способов передачи информации, настроек сетевой инфраструктуры и возможностей конкретных средств защиты.
Например, DLP может контролировать определённые каналы передачи данных, но не гарантирует обнаружения всех обращений встроенного ИИ-ассистента к внешней модели. Сетевые средства защиты также могут иметь ограниченную видимость содержимого зашифрованного взаимодействия.
Кроме того, часть ИИ-функций реализуется через сервисы, тесно интегрированные с браузером и его экосистемой. Простая блокировка отдельных доменов может оказаться неполным или неудобным решением.
Контроль ИИ-браузеров требует сочетания нескольких уровней защиты: корпоративных политик браузера, управления доступом к данным, сетевого контроля, ограничений агентных действий и организационных правил.
Это не обязательно означает необходимость закупки новой платформы безопасности. Во многих случаях первый этап можно реализовать за счёт правильной настройки уже используемых решений.
Что необходимо проверить корпоративным ИТ и ИБ
Появление ИИ-браузеров не означает, что компаниям необходимо немедленно запрещать все встроенные функции. Более рациональный подход — включить их в существующую систему управления ИТ-рисками и использованием искусственного интеллекта.
1. Инвентаризация браузеров и встроенных ИИ-функций
Необходимо определить, какие браузеры используются сотрудниками, какие версии установлены, какие интеллектуальные функции в них доступны и какие возможности централизованного управления предлагает производитель.
Отдельно следует проверить корпоративные расширения, персональные профили браузеров и возможность использования сторонних ИИ-ассистентов.
Практическими инструментами могут стать групповые политики, MDM, централизованное управление браузерами и контроль установленных расширений.
2. Пересмотр корпоративной AI-политики
Если внутренние правила описывают только отдельные ИИ-сервисы, их следует дополнить положениями о встроенных ассистентах, браузерных агентах и интеллектуальных расширениях.
Важно определить не только список разрешённых продуктов, но и допустимые сценарии применения, категории обрабатываемых данных и требования к согласованию новых инструментов.
Для сотрудников правила должны быть понятными. Например, анализ общедоступной научной статьи и обработка внутреннего документа системы качества могут относиться к принципиально разным категориям риска.
3. Контроль обработки корпоративной информации
Следует оценить, к каким данным получают доступ ИИ-функции, используются ли внешние модели, каковы условия хранения и обработки информации и можно ли ограничивать передачу содержимого отдельных ресурсов.
В зависимости от архитектуры компании для этого могут применяться средства DLP, CASB/SSE, защищённые веб-шлюзы, классификация данных и корпоративные настройки браузеров.
При этом необходимо учитывать ограничения каждого инструмента. Само по себе наличие DLP или прокси не подтверждает, что все обращения браузерного ИИ находятся под контролем.
4. Ограничение полномочий ИИ-агентов
Для агентных сценариев необходимо определить допустимые действия, перечень разрешённых приложений и операций, условия доступа и требования к подтверждению чувствительных действий.
Особого внимания заслуживают отправка информации за пределы компании, изменение корпоративных записей, операции с персональными данными и действия в регулируемых системах.
Там, где это технически возможно, стоит разделять обычные пользовательские полномочия и полномочия агента, использовать принцип минимально необходимых привилегий и обеспечивать журналирование операций.
5. Оценка рисков для GxP-процессов
Для систем, используемых в регулируемых процессах, целесообразно определить, может ли браузерный ИИ влиять на данные, электронные записи или предусмотренные процедуры.
Если такое влияние существует, необходимо оценить его в рамках действующей системы управления рисками и изменениями, включая требования к Data Integrity, валидации и прослеживаемости.
6. Обучение сотрудников на рабочих примерах
Общие предупреждения об опасности искусственного интеллекта редко помогают сотрудникам принимать правильные решения в конкретной ситуации.
Эффективнее объяснять правила через реальные задачи: какие документы можно анализировать с помощью ИИ, можно ли включать ассистента при работе с корпоративной CRM, когда необходимо использовать только согласованный инструмент и почему нельзя автоматически доверять результатам агента.
Цель такого обучения — не запретить полезные функции, а сформировать понятные границы безопасного использования.
С чего начать: практический план для CIO и CISO
Для первичной оценки ситуации необязательно запускать масштабный проект.
На первом этапе достаточно совместной работы ИТ, информационной безопасности и владельцев наиболее значимых корпоративных систем.
Первый шаг — определить фактическую ситуацию. Составить перечень корпоративных браузеров, используемых ИИ-функций, расширений и возможностей централизованного управления.
Второй шаг — оценить риски. Выделить категории данных и корпоративные системы, работа с которыми через встроенные ИИ-функции может создавать дополнительные угрозы.
Третий шаг — установить правила. Определить разрешённые сценарии использования, ограничения на обработку данных и требования к агентным действиям.
Четвёртый шаг — проверить технический контроль. Убедиться, что необходимые настройки действительно применяются на управляемых устройствах, а существующие средства защиты обеспечивают ожидаемый уровень видимости и контроля.
Пятый шаг — организовать регулярный пересмотр. Функциональность браузеров развивается достаточно быстро, поэтому разовая проверка не заменяет постоянного управления изменениями.
Такой подход позволяет начать работу без радикальных ограничений и одновременно подготовить основу для дальнейшего безопасного внедрения агентных технологий.
От контроля отдельных сервисов к управлению всей средой использования ИИ
Развитие ИИ-браузеров является частью более широкой технологической тенденции.
Генеративный искусственный интеллект постепенно перестаёт существовать исключительно в виде отдельного приложения. Он появляется в офисных пакетах, поисковых системах, средствах коммуникации, корпоративных платформах и инструментах разработки.
Для корпоративных ИТ это означает постепенное изменение самой постановки задачи.
Раньше можно было составить перечень разрешённых ИИ-сервисов и построить вокруг него организационные и технические ограничения.
Теперь возникает необходимость управлять интеллектуальными возможностями, встроенными в уже используемое программное обеспечение.
Именно поэтому AI Governance постепенно становится не отдельной инициативой, а частью общей архитектуры управления корпоративными технологиями, информационной безопасностью и данными.
Для фармацевтической отрасли это особенно актуально. Наше исследование цифровой зрелости показало, что внедрение генеративного ИИ уже заметно опережает формирование механизмов управления его использованием.
Следующий этап развития ИИ может сделать этот разрыв ещё более выраженным.
Вывод: следующий Shadow AI может появиться после обновления браузера
Исследование Smart Ranking показывает, что встроенные ИИ-функции постепенно становятся частью повседневного пользовательского опыта. Пока наиболее востребованы перевод, работа с содержимым страниц и подготовка текстов, но развитие технологий всё заметнее направлено в сторону контекстных ассистентов и автономных агентов.
Для фармацевтических компаний это создаёт как новые возможности повышения эффективности, так и дополнительные требования к управлению информацией.
Особенно важным становится вопрос не только о том, какие ИИ-сервисы используют сотрудники, но и о том, какие интеллектуальные функции уже встроены в корпоративную цифровую среду и какие данные и полномочия им доступны.
Запрет отдельных внешних сервисов не решает эту задачу полностью. Необходим более системный подход, объединяющий корпоративные политики, технические средства защиты, управление данными, оценку рисков и обучение сотрудников.
Ещё недавно использование генеративного ИИ было относительно заметным действием: человек открывал специальный сервис и вводил запрос.
Теперь интеллектуальные функции всё чаще становятся частью программного обеспечения, которое уже используется в компании.
И, возможно, следующий этап Shadow AI начнётся не с установки нового приложения.
Он начнётся с очередного обновления корпоративного браузера.
Об авторе
Павел Карасев — основатель профессионального сообщества ИТ- и ИБ-лидеров фармацевтической отрасли «Фармакод» и проекта «Фарма в цифре». Более 18 лет работает в области информационных технологий фармацевтической индустрии. Организатор отраслевого исследования «Цифровая зрелость фармотрасли 2026», посвящённого развитию цифровых технологий, информационной безопасности, управлению данными и искусственному интеллекту в фармацевтических компаниях.
Источники и дополнительные материалы
- Smart Ranking (2026). «Обзор рынка ИИ-браузеров: как браузер превратился из инструмента поиска в цифрового ассистента». Анализ 14 браузеров, 15 глубинных интервью, опрос 1000 пользователей.
- «Фармакод» (2026). «Цифровая зрелость фармотрасли 2026». Отраслевое исследование цифровой зрелости 64 фармацевтических компаний.
- «Фармакод» (2026). «ИИ в фарме: риски, данные и готовность отрасли». Анализ рисков и зрелости управления ИИ по результатам отраслевого исследования.
- OWASP (2025). «Top 10 for Large Language Model Applications: Prompt Injection». Риски манипулирования ИИ через внешние данные и рекомендации по снижению угроз.
- NIST (2024). «Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile». Подходы к управлению рисками генеративного искусственного интеллекта.
Статистика рынка ИИ-браузеров основана на исследовании Smart Ranking. Данные по фармацевтической отрасли взяты из исследования «Цифровая зрелость фармотрасли 2026». Описанные корпоративные сценарии представляют собой экспертный анализ потенциальных рисков, а не сообщения о подтверждённых инцидентах.
