DeepSeek в российской компании использовать можно технически, но с оговоркой: публичный облачный сервис обрабатывает запросы на серверах под китайской юрисдикцией, и для персональных данных клиентов и сотрудников это создаёт риск по требованиям 152-ФЗ о защите персональных данных. Публичные и обезличенные тексты через облачный DeepSeek — рабочий вариант, чувствительные данные — только через локальное развёртывание открытых весов модели.
Где хранятся данные
По нашему опыту, компании без персональных данных клиентов в запросах работают с облачным DeepSeek без ограничений, а компании с персональными данными держат такую нагрузку на локальном развёртывании открытых весов.
Публичный облачный сервис DeepSeek принадлежит китайской компании, и запросы через него обрабатываются на серверах под китайской юрисдикцией. Открытые веса модели при этом доступны свободно — их можно развернуть на своём сервере или у российского облачного провайдера, и тогда данные остаются внутри периметра компании.
- Облачный DeepSeek — сервис в Китае, данные уходят на внешние серверы
- Открытые веса DeepSeek — можно развернуть на своём сервере в России
- Российский облачный хостинг открытых весов — трафик остаётся внутри страны
- Гибридная схема — публичные задачи в облаке, чувствительные — локально
У DeepSeek несколько версий модели разного размера — от компактной, которая помещается на одной видеокарте, до полноразмерной, которая требует кластера серверов. Для локального развёртывания под задачи одной компании обычно достаточно версии среднего размера — полноразмерная нужна только при очень высокой нагрузке или сложных задачах рассуждения.
Сравнение DeepSeek и ChatGPT по задачам, цене и качеству разобрано в статье про сравнение DeepSeek и ChatGPT — там модель подбирается под тип задачи. Здесь разобран отдельный вопрос: законность и риски именно самой отправки данных в DeepSeek для российской компании, вне зависимости от того, какая альтернативная модель рассматривается.
Какие риски
Главный риск — передача персональных данных сотрудников или клиентов в облачный сервис под иностранной юрисдикцией без должных оснований. Закон о персональных данных требует локализации базы персональных данных россиян на серверах внутри страны для определённых операций, и отправка персоналки в облачный DeepSeek без обезличивания этому требованию противоречит.
- Персональные данные клиентов и сотрудников — самый чувствительный класс запросов
- Коммерческая тайна компании — риск утечки конкурентам через внешний сервис
- Публичные и обезличенные тексты — низкий риск при отправке в облако
- Юридические документы с именами сторон — требуют обезличивания перед отправкой
Работа через российского посредника или агрегатора с закрытым контуром снимает часть риска даже при формально облачном сервисе — если посредник гарантирует обработку и хранение данных на серверах внутри страны по договору. Здесь стоит запросить у поставщика конкретные условия обработки данных письменно вместо общих маркетинговых формулировок на сайте.
Штраф за нарушение требований к обработке персональных данных считается по механизму оборотного или фиксированного взыскания в зависимости от состава нарушения — точную сумму стоит сверять по актуальной редакции КоАП РФ и разъяснениям Роскомнадзора перед принятием решения.
Когда локальная модель
Локальное развёртывание открытых весов DeepSeek оправдано, если через модель регулярно проходят персональные данные, коммерческая тайна или документы с грифом конфиденциальности. Держать такую нагрузку на своём сервере или у российского облачного провайдера дороже в поддержке, чем облачный сервис, но снимает вопрос юрисдикции хранения данных целиком.
- Разделите задачи компании по чувствительности данных на классы
- Публичные и обезличенные тексты оставьте в облачном сервисе
- Персональные данные и коммерческую тайну переведите на локальное развёртывание
- Настройте регламент — какой класс данных в какую модель уходит
- Закрепите правило письменно — так у команды остаётся единый ориентир по классам данных
При локальном развёртывании стоит сразу настроить разграничение доступа — доступ к модели с полным охватом чувствительных данных компании имеет смысл давать только тем сотрудникам, чья задача этого требует напрямую.
Локальное развёртывание требует сервера с достаточной видеопамятью под выбранный размер модели — младшие версии DeepSeek работают на видеокарте среднего уровня, старшие требуют мощностей уровня небольшого дата-центра. Стоимость такой инфраструктуры стоит сравнивать с наценкой агрегатора за облачный доступ на горизонте года вместо одного месяца.
Что проверять
| Класс данных | Где обрабатывать | Риск в облаке |
|---|---|---|
| Публичные тексты | Облачный DeepSeek без ограничений | Риска для компании нет |
| Внутренние документы без имён | Облачный DeepSeek после обезличивания | Риск снят обезличиванием |
| Персональные данные клиентов | Локальное развёртывание открытых весов | Нарушение требований к обработке персональных данных |
| Коммерческая тайна | Локальное развёртывание или закрытый контур | Риск утечки данных конкурентам |
Какие данные компания планирует отправлять в DeepSeek?
Отдельно стоит вести журнал запросов к модели с чувствительными данными — кто отправил запрос, когда и по какой задаче. При проверке со стороны регулятора такой журнал показывает и подтверждает, что компания контролирует поток данных осознанно.
Разбор того, какие данные компании можно отправлять в облачные модели, а какие держать локально, — тема отдельной консультации по ИИ-консалтингу: регламент собирается под конкретный состав данных и задач компании.
Частые ошибки
- Персональные данные клиентов отправляются в облачный DeepSeek без обезличивания
- Компания использует одну модель для всех задач без разделения по чувствительности данных
- Регламент по классам данных существует только устно, без письменной фиксации
- Локальное развёртывание запускается без расчёта реальной стоимости инфраструктуры на год вперёд
- Коммерческая тайна компании отправляется в облако наравне с публичными текстами
Стоимость локального сервера стоит пересчитывать минимум раз в год — цены на видеокарты и аренду мощностей меняются, и выгодное сегодня решение может через год потерять смысл при росте цен на электроэнергию или на сами видеокарты.
Резервный канал связи стоит держать на случай сбоя локального сервера — облачный DeepSeek на публичных задачах в такой момент подстраховывает бизнес-процесс, пока локальная инфраструктура восстанавливается.
Переход с облачного DeepSeek на локальное развёртывание стоит планировать поэтапно — сначала перевести самый чувствительный класс задач, оставив публичные и обезличенные запросы в облаке до полной готовности локальной инфраструктуры. Резкий единовременный переход всей нагрузки чаще приводит к сбоям на старте, чем постепенный.
Разделите задачи компании на три класса — публичные, внутренние обезличенные, чувствительные — и для каждого класса решите отдельно, облачный DeepSeek или локальное развёртывание подходит. Начните с публичных задач в облаке, чувствительные переводите на локальную модель по мере роста объёма.
Вопрос обработки персональных данных соискателей нейросетью в HR разобран отдельно в статье про нейросеть в HR и данные соискателей — там та же логика классов чувствительности данных применена к резюме кандидатов.