Проблемы безопасного использования AI в корпоративном email-маркетинге: риски, комплаенс и надежные стратегии

Если вы работаете с корпоративными email-рассылками, CRM, маркетингом жизненного цикла или маркетинговыми операциями, важно понимать, какие данные о подписчиках передаются AI-системе, какие выводы она делает на их основе и на что именно влияет результат ее работы: только на текст сообщения или также на то, как система взаимодействует с конкретным пользователем. В этой статье мы рассмотрим весь путь одной промокампании с AI-персонализацией, определим связанные с ней риски, объясним актуальные в 2026 году требования и предложим практический процесс проверки кампании перед запуском.

Когда риск конфиденциальности возникает в AI-персонализированном промописьме

Предположим, ваша команда работает в ритейле, где email-адреса подписчиков связываются с их действиями на сайте. Ваши аналитические данные показывают, что за семь дней была зафиксирована два посещения одной и той же страницы с беговыми кроссовками, поэтому вы планируете провести соответствующую промоакцию. 

Данные могут передаваться из системы аналитики сайта в CDP или CRM, где с помощью правила определяется целевая аудитория. Затем AI-инструмент или сторонняя модель помогает сформулировать сообщение. После проверки одобренное письмо передается в ESP, который выбирает получателей и запускает кампанию.

Эту кампанию можно реализовать тремя способами. В варианте с минимальным объемом данных AI составляет типовой текст на основе краткого описания товара и не получает данных об адресатах. Во втором варианте система превращает поведение пользователя при просмотре сайта в показатель «высокой склонности к покупке» и выбирает вариант контента. В третьем варианте LLM получает данные о личности подписчика, его истории просмотров, жизненной ценности и предыдущих покупках, а затем составляет индивидуальный текст.

В двух последних версиях возникают вопросы, которых в первой, возможно, удалось избежать. Ваша команда должна определить, является ли оценка профилированием, как вы раскрыли информацию об обработке данных, кто имеет доступ к запросам, как долго хранятся введенные данные и использует ли провайдер их для улучшения своих моделей. NIST Generative AI Profile связывает эти рабочие процессы с вопросами конфиденциальности данных, информационной безопасности, неточных результатов и рисков, связанных со сторонними компонентами. Рекомендации FTC добавляют проверку провайдеров: обещания в отношении конфиденциальности должны соответствовать тому, как провайдеры обрабатывают запросы, файлы клиентов и деловую информацию, полученную с помощью их сервисов.

Когда сегментация превращается в профилирование или автоматизированное принятие решений

Сегментация группирует получателей по точному критерию. Согласно Article 4(4) в GDPR, под профилированием понимается автоматизированная обработка персональных данных с целью оценки или прогнозирования интересов, предпочтений, поведения, надежности или других личностных характеристик. Категория определяется не меткой, которую ваша команда присваивает рабочему процессу, а фактической обработкой данных.

Если ваша команда фильтрует подписчиков, выбравших «текущие предложения», вы используете заявленное предпочтение. Присвоение статуса «высокого намерения совершить покупку» на основании двух посещений страницы продукта означает оценку предполагаемого интереса и может квалифицироваться как профилирование.

Согласно Article 22 в GDPR, профилирование не всегда является исключительно автоматизированным решением. Выбор обычного рекламного текста обычно не влечет за собой юридических или иных значимых последствий. Однако изменение критериев отбора, цены, условий кредитования, условий страхования, доступа к трудоустройству или иных существенных последствий может пересечь эту грань в зависимости от того, как используется полученный результат и имеется ли значимое вмешательство со стороны человека. AI не делает каждую кампанию высокорисковой, так же как простое правило не снимает обязательств по обеспечению конфиденциальности.

Перед утверждением заполните пять полей:

 

Данная запись служит основанием для проверки по вопросу комплаенса, но не подтверждает его соблюдение. В спорных случаях для вынесения заключения по-прежнему необходимо располагать полной информацией о потоке данных, правовых основаниях, местонахождении аудитории и последствиях принятого решения.

Требования к AI и правилам защиты конфиденциальности в 2026 году

Что касается кампании по продвижению беговых кроссовок, начните с описания роли организации, используемых данных, местонахождения получателей и системных изменений. Соответствующие правила не рассматривают каждое персонализированное письмо как значимое решение, принятое с помощью AI.

Проверка конфиденциальности перед запуском кампании

Заполните этот чеклист совместно с ответственными лицами по маркетингу, вопросам конфиденциальности и юридическим вопросам, безопасности и закупкам, а также по CRM и ESP. В рамках промоакции с беговыми кроссовками на каждом этапе должно быть указано, какие данные передавались, зачем они были нужны и кто утвердил полученный результат.

Перед передачей данных в AI-систему

1. Укажите цель кампании, источники данных и поля, предполагаемые атрибуты, провайдера, место обработки, срок хранения, юрисдикции аудитории, а также все системы, получающие результаты.
2. Сведите текст запроса к минимуму. Если для достижения цели достаточно краткого описания товара и анонимного описания сегмента, не указывайте личные данные подписчика и исходную историю просмотров. Используйте формулировку «Создай промоакцию для постоянных посетителей, интересующихся кроссовками», а не email-адреса, ID клиентов, историю покупок или весь журнал просмотров.
3. Изучите DPA провайдера, список субподрядчиков, условия обучения моделей, меры по контролю хранения данных, механизм передачи данных, процесс удаления, ограничения доступа и условия уведомления об инцидентах. Убедитесь, что уведомление о сборе данных, правовое основание и первоначальная цель оправдывают такое использование данных о просмотрах.

Перед утверждением письма

1. Разделите процессы генерирования контента и выбора получателей. Фиксируйте, что написал AI, какие выводы сделала CRM или ESP и какая система выбрала окончательный вариант.
2. Назначьте рецензента, который сможет редактировать или отклонять текст, предложение, изображение, ссылку, правило персонализации и предполагаемый атрибут.

   Важное примечание: согласно рекомендациям ЕС по Article 50, проверка орфографии или грамматики сама по себе не считается содержательной проверкой, выполняемой человеком.

3. Проведите тестирование получателей с совпадающими, отсутствующими, устаревшими и неверными данными о просмотрах. Предусмотрите фолбэк для получателей, не соответствующих данному правилу. Сравните результаты, чтобы выявить существенные различия в ценах, доступе или подходе к иначе сопоставимым получателям.
4. Добавляйте уведомление об использовании AI только в том случае, если взаимодействие или контент соответствуют действующим правовым критериям. Сохраняйте предоставленную провайдером информацию о происхождении данных, когда это требуется.
5. Сохраняйте запись об утверждении с указанием сценария использования, полей данных, вывода, провайдера / модели, категории запроса, результатов тестирования, имени проверяющего и даты. Не храните личные запросы, которые не требуются для данной записи.

После запуска

1. Отслеживайте жалобы, отписки, некорректную персонализацию, неожиданные результаты сегментации, запросы о конфиденциальности и инциденты со стороны провайдеров.
2. Наделите назначенного ответственного полномочиями приостанавливать кампанию. Определите порядок расследования ошибок или подозрений в утечке данных силами отделов маркетинга, безопасности и конфиденциальности, а также провайдером.
3. Повторяйте проверку при изменении источника данных, предполагаемого атрибута, модели, провайдера, цели кампании, последствий принятых решений или действующих правил.

Как Stripo контролирует работу с AI

Stripo можно использовать для составления и проверки контента, при этом скоринг получателей остается в системах, утвержденных для выполнения этой задачи. В соответствии с Политикой Stripo в отношении искусственного интеллекта каждое действие AI должно инициироваться человеком. Система не утверждает, не публикует и не распространяет контент самостоятельно, а ее AI-функции не предназначены для принятия юридически значимых решений или использования в целях, относящихся к категории высокого риска согласно Annex III к EU AI Act.

В рамках кампании по продвижению беговых кроссовок маркетолог может воспользоваться AI Assistant или функцией «Улучшить с AI» для создания или доработки промоакции на основе брифа к продукту и описания целевой аудитории. Данные о просмотрах, идентификационные данные подписчиков, предполагаемые интересы, статус согласия, оценки и правила рассылки должны храниться в утвержденной CRM или ESP, где команды фиксируют правовые основания и проверяют списки получателей.

Информация, вводимая в AI-функцию, может храниться не только в Stripo. Согласно политике, могут обрабатываться или храниться запросы, контент писем, загруженные файлы, URL-адреса, история переписки, результаты и метаданные. Запросы могут проходить через сторонних AI-провайдеров. Stripo настраивает API-сервисы таким образом, чтобы свести к минимуму использование данных для обучения моделей, но только в том случае, если провайдер поддерживает эту опцию; поэтому командам не следует исходить из того, что хранение данных или их использование для обучения исключены.

В разделе «Информация по безопасности» на сайте Stripo представлены отчет SOC 2 Type II и сертификат ISO/IEC 27001:2022. Отчет SOC 2 Type II отражает состояние контрольных механизмов за период проверки; сертификат ISO/IEC 27001 подтверждает комплаенс системы управления информационной безопасностью в указанных рамках. На странице с ценами указано, что Stripo ежегодно проходит тестирование безопасности, проводимое компанией Bishop Fox. Эти документы касаются контрольных механизмов и оценки. Они не подтверждают комплаенс в отношении запросов, правил персонализации, результатов или рабочих процессов ESP. 

В завершение

Команда, занимающаяся продвижением кроссовок для бега, может использовать AI для разработки промоакции, не загружая исходные профили подписчиков в инструмент генерирования текста. Однако выводы, основанные на данных о просмотрах, и выбор получателей по-прежнему требуют проведения задокументированной проверки на соответствие требованиям конфиденциальности.

Перед запуском следующей кампании с использованием AI создайте одностраничный отчет, содержащий пять полей: использованные данные; сделанные выводы; влияние на каждого получателя; задействованная AI-система и провайдер; а также лицо, утверждающее кампанию. Если команда не может заполнить эти поля, не переходите к запуску кампании до тех пор, пока не будут определены недостающие данные или ответственное лицо.