1 сентября 2026 года Perplexity запустила функцию Hybrid Compute для Mac. Суть вкратце: одна задача разделяется между двумя местами. Тяжёлые шаги — веб-поиск, планирование, долгосрочные рассуждения — выполняются передовыми моделями в облаке. Шаги, затрагивающие ваши конфиденциальные данные, передаются небольшой модели, работающей внутри вашего собственного компьютера, и эти данные вообще не покидают устройство.

На первый взгляд это продуктовая новость для пользователей Mac. Но внимания владельца бизнеса заслуживает не продукт, а архитектурный принцип, стоящий за ним: классифицировать данные до отправки, а не после того, как они поступили. И этот принцип вы можете применить в своих собственных системах — независимо от Perplexity и независимо от Mac.

Что на самом деле было объявлено

Прежде чем что-либо анализировать, стоит отделить объявленное от интерпретаций:

  • Дата: 1 сентября 2026 года.
  • Как это работает: каждая задача начинается в облаке, а затем посреди выполнения передаёт конфиденциальные шаги локальной модели без потери контекста.
  • Фильтр конфиденциальности: классификатор на устройстве читает каждую задачу перед отправкой, заменяет имена, адреса и номера счетов заглушками, а затем восстанавливает их, когда приходит ответ.
  • Требования: Mac на Apple silicon, macOS 15 или новее и не менее 24GB единой памяти, рекомендуется 32GB.
  • Подписка: доступно подписчикам Pro и Max, а также корпоративным клиентам.
  • Стоимость: работа, выполняемая локальной моделью, не расходует облачные кредиты.
  • Локальные модели: несколько вариантов на старте, включая Gemma 4 E4B от Google, Qwen3.6 35B-A3B от Alibaba и модель, обученную самой Perplexity.

Не было объявлено — и не следует предполагать — никаких договорных обязательств по соблюдению саудовского Закона о защите персональных данных и никакого независимого аудита, подтверждающего работу фильтра. Объявлены технический механизм и показатели производительности, которые компания опубликовала сама о себе.

Чем это отличается от «локального ИИ», о котором вы слышали раньше

Привычная постановка была бинарной: либо отправлять всё в облако и получать мощную модель, либо запускать небольшую модель локально и мириться с более низким качеством ради конфиденциальности. На практике в большинстве организаций конфиденциальность этот спор проиграла — потому что командам для работы нужны качественные ответы.

Эта архитектура отказывается от такой дилеммы. Одна задача выполняется в обоих местах: рассуждения происходят в облаке, а шаг, затрагивающий данные, — на устройстве. Что ещё важнее, решение принимается не вручную и не зависит от внимательности сотрудника — его принимает автоматический классификатор, который читает текст до того, как тот уйдёт наружу.

И вот деталь, на которой стоит остановиться: Perplexity опубликовала показатели работы этого классификатора с необычной откровенностью, включая его слабые места. Компания заявила, что полнота (recall) заметно падает, когда текст превышает примерно десять тысяч символов, и что она решила эту проблему с помощью техники декодирования, а не переобучения модели. Кроме того, она открыла исходный код классификатора.

Урок для вашего бизнеса, даже если вы никогда не будете пользоваться Perplexity

Большинство саудовских организаций, использующих ИИ сегодня, делают это вообще без какого-либо фильтра. Сотрудник копирует сообщение клиента, пункт договора или выписку по счёту и вставляет их в общедоступный инструмент, чтобы получить резюме или черновик ответа. В этот момент данные покинули организацию — без какой-либо записи и без принятого кем-либо решения.

Когда руководство это замечает, реакция обычно бывает одной из двух, и обе проигрышны. Полностью запретить инструменты — и сотрудники обходят запрет на личных устройствах. Или закрывать на это глаза, пока не произойдёт инцидент. Третий путь — тот, что иллюстрирует этот анонс: перестать спрашивать, используете ли вы ИИ, и начать спрашивать, что разрешено выносить из ваших систем, кто это решает и где это решение фиксируется.

Как встроить такой фильтр в собственные системы

На практике то, что мы внедряем в системах клиентов, опирается на четыре уровня, и все они работают независимо от поставщика:

  • Классифицируйте поля до создания функции. Прежде чем подключать какую-либо модель к своей системе, классифицируйте поля базы данных: что является публичным, что коммерчески чувствительно, что относится к персональным данным. Эта классификация — управленческое решение, а не техническое, и от неё зависит всё остальное.
  • Слой анонимизации на границе системы. Создайте единую точку, через которую проходит каждый исходящий запрос к внешнему поставщику, где персональные идентификаторы заменяются токенами-заглушками и восстанавливаются после возврата ответа. Ключевое здесь — это одна точка, а не логика, повторяемая на каждом экране.
  • Локальная обработка того, что не может покинуть систему. Не каждой задаче нужна передовая модель. Классифицировать сообщение, извлечь число из счёта, упорядочить заявки на обслуживание по приоритету — с этим небольшая модель на вашем собственном сервере справится с достаточным качеством и почти нулевыми затратами.
  • Сохраняемый журнал. Какой запрос ушёл, какие поля были замаскированы, кто запросил и когда. Без журнала вы не сможете ответить ни на вопрос аудитора, ни на вопрос клиента.

Обратите внимание, что ни один из четырёх уровней не называет конкретного поставщика. Это сделано намеренно: модели меняются каждые несколько недель, как мы видели весь этот год, и фильтр, который вы строите сегодня, должен оставаться рабочим, когда сменится модель за ним.

Что это значит в контексте Закона о защите персональных данных

Закон о защите персональных данных Саудовской Аравии, надзор за исполнением которого осуществляет Саудовское управление по данным и искусственному интеллекту, основан на принципах, включающих определение цели обработки и ограничение собираемых данных необходимым минимумом. Организация остаётся ответственной за обрабатываемые ею персональные данные, даже если поручает их обработку третьей стороне.

Архитектура, подобная описанной, напрямую служит обоим принципам: персональные данные вовсе не передаются третьей стороне, когда задача этого не требует, а передаётся лишь минимум, необходимый для выполнения работы. Но технология сама по себе не означает соответствия — вам по-прежнему нужны правовое основание для обработки, политика конфиденциальности и процедуры обработки запросов субъектов данных. Технический фильтр облегчает соблюдение требований, но не заменяет его, и единственным ориентиром перед любыми обязательствами остаются закон и его исполнительный регламент.

Три шага, чтобы начать на этой неделе

Чтобы начать, не нужен большой проект:

  • Задайте команде один вопрос: когда вы в последний раз вставляли содержимое из рабочей системы в общедоступный инструмент ИИ? Ответы покажут вам реальный масштаб проблемы в течение часа.
  • Напишите одну страницу, определяющую три категории: что никогда не может выйти наружу, что может выйти после анонимизации и что может выйти как есть. Одна страница, которая действительно применяется, лучше двадцатистраничной политики, которую никто не читает.
  • Выберите одну регулярную задачу, затрагивающую персональные данные, — например, резюмирование переписки с клиентами — и примените к ней четыре уровня в качестве прототипа. Опыт, полученный на одной задаче, переносится на остальные.

Итог

Анонс Perplexity касается пользователей Mac, но идея, стоящая за ним, касается каждой организации, применяющей ИИ к реальным данным: правильный выбор не между облаком и устройством, а в том, существует ли фильтр, который решает, что выйдет наружу, до того как оно выйдет. Компании, которые построят такой фильтр сейчас, смогут безопасно внедрить любую новую модель за считаные дни. Те, кто отложит, обнаружат, что он нужен им в самый неподходящий момент — после инцидента, а не до него.

Источники