Подавайте работы до 22 ноября (вс) — 19 000 Р,
с 23 ноября (пнд) — 28 000 Р
Церемония награждения
5 декабря 2026
Крупнейшая digital-премия в Европе

Кордон AI: защита корпоративного ИИ, которая окупается на экономии моделей

Заказчик: ООО "Вебпрактик"
Исполнитель: Вебпрактик
Share
Share
Кордон AI: защита корпоративного ИИ, которая окупается на экономии моделей

Главное о кейсе

Кордон AI — корпоративный ИИ-шлюз, который объединяет в одной системе доступ к моделям, расходы на ИИ и безопасность данных.

Продукт Кордон AI работает не как отдельный интерфейс к нейросетям, а как инфраструктурный слой, который можно встроить между корпоративными системами и любым набором ИИ-моделей. Ключевое отличие Кордон AI от других шлюзов — управление экономикой корпоративного ИИ.

Шлюз управляет маршрутом каждого запроса: выбирает модель, учитывает класс данных, применяет лимиты и маскирование, фиксирует стоимость. Все обращения сотрудников, сервисов и ИИ-агентов проходят через одну точку. В тестах модуль маскирования скрыл 97% персональных данных и 99% паролей и секретов, при этом медианная задержка составила 48 мс на запрос.

Система помогает сравнивать разные схемы оплаты моделей — API, персональные подписки и общий пул — и не отправлять простые задачи в дорогие модели. В расчетном сценарии для компании на 150 сотрудников расходы снижаются с 405 до 114 тыс. ₽ в месяц — до 72%, или до 3,49 млн ₽ в год. За счет этого защита корпоративного ИИ становится не отдельной статьей затрат, а инфраструктурой, которая окупается на экономии моделей.

Как проект изменил жизнь пользователей

Корпоративный ИИ обычно существует в нескольких параллельных мирах: у сотрудников свои подписки, у разработчиков API-ключи, у подразделений отдельные кабинеты, а у агентов — собственные подключения к моделям.
ИТ не видит всей инфраструктуры, финансы — совокупных расходов, ИБ — полного маршрута корпоративных данных.

Кордон AI собирает это в одной административной системе. Это позволяет снизить расходы на модели до 72% и частично или полностью компенсировать стоимость самого шлюза.

Для компании на 150 сотрудников мы сравнили три схемы использования ИИ: API, персональные подписки и общий корпоративный пул. В расчетном сценарии ежемесячные расходы составили 405 тыс. рублей через API, 359 тыс. рублей через персональные подписки и 114 тыс. рублей при общем пуле.

Разница между API и общим пулом достигает 291 тыс. ₽ в месяц, или 3,49 млн ₽ в год.

Сотруднику больше не нужно выбирать, какую модель использовать и каким способом за нее платить. Сервису или ИИ-агенту не нужно самостоятельно хранить доступы к нескольким провайдерам. Компания задает правила централизованно.

✅ В результате бизнес получает:
— единый доступ к внешним и локальным моделям;
— фактическую картину расходов на ИИ;
— бюджеты и лимиты по сотрудникам, командам и ключам;
— возможность выбирать оптимальную схему оплаты;
— автоматическую маршрутизацию запросов;
— единые правила работы с данными;
— журнал обращений сотрудников, сервисов и агентов.

ИИ из набора разрозненных подписок и интеграций превращается в управляемую корпоративную инфраструктуру.

Защита при этом не превращает работу с ИИ в отдельный сложный процесс. Маскирование происходит автоматически перед отправкой запроса, а после ответа исходные значения восстанавливаются. В тестах 2700 из 2700 значений вернулись пользователю корректно, медианная задержка обработки составила 48 мс.

Бизнес-задача и ее решение

Задача продукта — собрать использование ИИ в единый управляемый контур: централизовать доступ к моделям, контролировать данные и одновременно снижать стоимость их использования.

✅ Решение
Мы объединили экономику, маршрутизацию и ИБ-контроль на уровне каждого запроса.

Кордон AI определяет:
- кто отправляет запрос;
- с каким классом данных он работает;
- какие лимиты действуют;
- какие политики безопасности нужно применить;
- какую модель разрешено использовать;
- сколько будет стоить обращение.

Технически запрос проходит несколько этапов контроля: определяется пользователь и его роль, проверяется класс данных и доступный лимит, применяются guardrails и маскирование, после чего система выбирает допустимую модель и фиксирует стоимость обращения.

Для разных типов данных можно задавать разные политики: открытые запросы отправлять во внешние модели, чувствительные — предварительно маскировать, а наиболее закрытую информацию обрабатывать только локально. Все обращения журналируются, события могут передаваться в SIEM.

Шлюз поддерживает OpenAI-совместимый API, поэтому существующие приложения можно подключать без глубокой переработки: меняются точка доступа и ключ, а управление моделями переносится на уровень Кордон AI. Решение разворачивается внутри инфраструктуры заказчика и может работать как с внешними, так и с локальными моделями.

Для ИИ-агентов действуют те же корпоративные правила: доступ только к разрешенным моделям и инструментам, временные права на время выполнения задачи и журналирование действий.

В результате компания получает единый управляемый контур корпоративного ИИ, где в одной системе связаны доступы, безопасность, маршрутизация и экономика.

Крафт (мастерство), реализация, технические детали

Главная инженерная задача Кордон AI — встроиться между корпоративными системами и ИИ-моделями так, чтобы контроль не становился новым узким местом. В тестах медианная задержка маскирования составила 48 мс на запрос — около 2% времени ожидания первого ответа модели.

Архитектуру строили вокруг нескольких принципов.
1. Независимость от конкретной модели.
Шлюз работает как единая точка подключения к внешним и локальным моделям. OpenAI-совместимый API позволяет менять модель или провайдера без переработки корпоративного приложения: бизнес-логика остается на стороне клиента, а выбор модели и правила доступа — на стороне шлюза.

2. Несколько способов потребления ИИ в одной системе.
Корпоративный ИИ редко живет только на API. В компании одновременно могут использоваться персональные подписки, сервисные ключи и общий пул аккаунтов. Мы заложили поддержку этих сценариев в одну архитектуру и добавили резервирование: если один способ доступа становится недоступен, запрос можно перевести на другой.

3. Контроль данных без потери рабочего контекста
Перед отправкой во внешнюю модель чувствительные сущности заменяются метками, а после получения ответа восстанавливаются. Модуль учитывает специфику русского языка и работает не только с текстовыми запросами, но и с файлами.
Качество проверили на 2300+ размеченных текстах и записях и 1532 записях с реквизитами. Итоговый F1 по категориям данных составил 0,96: система скрывает 97% персональных данных и 99% паролей и секретов.
В тесте обратного восстановления 2700 из 2700 значений вернулись пользователю корректно.

4. Агенты без постоянных привилегий.
Для ИИ-агентов предусмотрены отдельные механизмы доступа: разрешенные инструменты, ограничения по роли и временные права на время выполнения задачи. Это позволяет подключать агентные сценарии к корпоративным системам без выдачи им постоянных учетных данных.

5. Инфраструктурный уровень надежности.
Кордон AI разворачивается внутри инфраструктуры заказчика и учитывает требования 152-ФЗ «О персональных данных» и приказа ФСТЭК России №117. Для чувствительных данных применяются маскирование, разграничение доступа и маршрутизация в локальные модели; все обращения журналируются, события могут передаваться в SIEM, а политики доступа и обработки данных задаются централизованно.
По итогам тестирования совокупные показатели качества распознавания составили Precision 0,95, Recall 0,96 и F1 0,96. Сервис тестировался как «черный ящик» тем же способом, которым он работает в реальном шлюзе.
Модуль дополнительно тестировали на попытках обхода проверки: невидимые символы, кодирование и полноширинные цифры распознавались в 100% тестов, подмена кириллицы латиницей — в 98%.

6. Работа с документами.
Маскирование проверили на 8 форматах файлов. Для Word, Excel, CSV и Markdown результат составил 100%, для PDF и JSON — 99%, EML — 96%, ODT — 95%.

Инсайты, гипотезы, процесс создания и взаимодействия с заказчиком

Первоначальная гипотеза корпоративного AI-шлюза обычно строится вокруг безопасности: не допустить утечки данных, централизовать доступ к моделям, вести журнал запросов.
В ходе работы мы увидели более широкую проблему. Бизнес уже платит за ИИ. Но часто не понимает, сколько именно и почему столько.Расходы распределены между подразделениями, API, подписками и сервисами. Поэтому просто добавить еще один защитный слой означает создать для компании еще одну статью затрат.
Мы перевернули постановку задачи: может ли инфраструктура безопасности сама давать экономический эффект? Так экономика стала одним из ключевых модулей продукта.

Вторая гипотеза: корпоративному ИИ недостаточно одного способа оплаты. В одних сценариях выгоднее API, в других — персональные подписки, при массовом использовании — общий пул. Поэтому продукт должен не навязывать один вариант, а показывать стоимость разных схем и помогать управлять их рисками.

Третья гипотеза: решение о модели должен принимать не сотрудник, а корпоративное правило. Пользователю важен результат. Бизнесу — стоимость, безопасность и качество. Поэтому выбор модели переносится с уровня человека на уровень маршрутизации конкретного запроса.

Четвертый вывод появился с развитием ИИ-агентов. Агенту нужен тот же контролируемый доступ, что сотруднику или сервису, но с еще более жесткими правилами: временные учетные данные, разрешенные инструменты, контроль действий и полный журнал.

Пятая гипотеза: безопасность корпоративного ИИ должна быть измеримой. Недостаточно заявить, что шлюз «маскирует ПДн». Поэтому модуль проверяли как отдельный сервис: на размеченных данных, документах разных форматов, попытках обфускации и сравнении с альтернативными решениями. За 30 дней пилотной эксплуатации проверили более 2300 размеченных текстов и записей, 1532 записи с реквизитами и 2700 операций восстановления значений.

Так Кордон AI вырос из шлюза безопасности в инфраструктурный слой управления корпоративным ИИ.

Прочая информация о кейсе

Кордон AI объединил в одном инфраструктурном слое контроль расходов на ИИ, защиту чувствительных данных и централизованное управление доступом к моделям.

В расчетном сценарии для компании на 150 сотрудников использование общего корпоративного пула моделей Кордон AI позволяет сократить расходы до 72%: с 405 тыс. ₽ до 114 тыс. ₽ в месяц или до 3,49 млн ₽ в год.

Модуль защиты данных в тестах показал 97% успешного скрытия персональных данных и 99% — паролей и секретов. Итоговые показатели качества распознавания составили Precision 0,95, Recall 0,96 и F1 0,96.

При работе с документами система сохранила корректность маскирования и восстановления данных: 2700 из 2700 значений были возвращены в ответы модели. Для Word, Excel, CSV и Markdown достигнуто 100% скрытия данных, для PDF и JSON — 99%, EML — 96%, ODT — 95%.

Тестирование проводилось на 2300+ размеченных текстах и записях, включая 1532 записи с реквизитами. Решение проверялось на восьми форматах документов в течение 30-дневной пилотной эксплуатации и сравнивалось с четырьмя альтернативными решениями.

Текущая доступность работы

https://kordonai.ru/

Скриншоты

Комментарий заказчика

Сегодня ИИ в компаниях похож на офис, где у каждого свой ключ от сейфа, а журнал посещений никто не ведет. Данные уходят в чат-боты, счета за подписки приходят в разные отделы, а служба безопасности узнает о новой нейросети последней. Мы сделали Кордон AI, чтобы у компании появилась одна дверь к ИИ — с пропусками, охраной и кассой
Share
Share

Народное голосование

Нравится эта работа?

Да Нет
Да Я передумал
Нет Я передумал

Номинации

— Интернет-бизнес / цифровые сервисы → Бизнес-решения (ERP, CRM, автоматизация)
— Сервисы для digital-индустрии → Сервис для автоматизации работы

Дата запуска

1 октября 2026 года

Авторы

Иван Поддубный, Александр Букуров

Ссылки

kordonai.ru t.me
Крупнейший digital-конкурс в Европе
Подавайте работы до 22 ноября (вс) — 19 000 Р,
с 23 ноября (пнд) — 28 000 Р

Церемония награждения — 5 декабря (сб)  •  Москва и онлайн
Купить билет
Количество билетов ограниченно, торопитесь!