Корпоративные AI-ассистенты
Сотрудники задают вопросы по внутренним документам, кейсам и обращениям, а MOLL Y/X подготавливает безопасный запрос перед отправкой во внешнюю модель.
Можно запускать Copilot-сценарии без ручной анонимизации.
MOLL Y/X API
Контролируемая отправка данных во внешние LLM и AI-сервисы
MOLL Y/X API вставляет между вашей системой и внешней моделью обязательный слой маскировки: данные подготавливаются до отправки наружу, а заказчик получает не обещание безопасности, а управляемый сценарий работы с чувствительной информацией.
100%
обработка в контролируемом контуре
70+
встроенных правил и шаблонов
2
слоя детекции: NER и regex
0
сторонних API для самой маскировки
Потребность бизнеса
Дать сотрудникам и сервисам доступ к внешним LLM без прямой передачи персональных данных.
Показать ИБ, DPO и заказчику, что перед отправкой данных есть обязательный программный шаг контроля.
Сохранить пользу AI в документах, заявках, переписке и аналитике без ручной анонимизации.
Решение
Перед обращением к внешней модели или сервису система выполняет анонимизацию и возвращает безопасную версию данных. Это упрощает пресейл, пилот, согласование с ИБ и корпоративное внедрение.
Типовые области применения
Где MOLL Y/X API дает быстрый эффект
Сценарий особенно полезен там, где внешние AI-сервисы уже нужны бизнесу, но передача сырых данных наружу неприемлема.
Документы и заявки
Договоры, обращения, претензии, анкеты и служебные письма проходят через слой маскировки перед анализом, маршрутизацией или подготовкой ответа.
ИИ работает со структурой документа, а не с персональными данными.
Поддержка и клиентский сервис
Сообщения клиентов, тикеты и переписка можно анализировать во внешних AI-сервисах без отправки реальных имен, контактов и реквизитов.
Сохраняется скорость обработки и снижается риск утечки.
Обмен с подрядчиками и сервисами
Если в процессе участвуют внешние аналитические сервисы, OCR или подрядчик, MOLL Y/X отделяет безопасную версию данных от исходных материалов.
Заказчик видит понятный и контролируемый сценарий работы с данными.
Финансы и страхованиеМедицинаГоссекторЮридические службыРитейл и e-commerceТелеком и поддержка
Сравнение сценариев
Как компании подключают внешние LLM сегодня
Обычно приходится выбирать между скоростью запуска, удобством работы команды и риском внешней передачи чувствительных данных. MOLL Y/X API убирает эту развилку.
Прямой доступ в облачные LLM
Команда быстро получает результат, но сырые документы, сообщения и внутренние данные уходят во внешний сервис без предварительной подготовки.
Полный запрет или только локальные модели
Риск внешней передачи снижается, но бизнес теряет гибкость, скорость запуска и доступ к уже востребованным облачным AI-сервисам.
Рекомендуемый сценарий
Контролируемый доступ через MOLL Y/X API
Перед отправкой включается обязательный программный слой: система находит чувствительные сущности, маскирует их и передает наружу уже безопасную версию данных.
Как работает API
Понятная схема контролируемой обработки
Заказчик видит, где именно происходит обезличивание данных и почему наружу уходит уже подготовленная версия запроса.
01
Текст, документ или API-запрос поступает из внутренней системы, операторского интерфейса, чата или другого бизнес-процесса.
02
Локальная NER-модель и встроенные правила находят ФИО, контакты, адреса, реквизиты и другие чувствительные сущности.
03
Система формирует безопасную версию текста с консистентной заменой одинаковых сущностей едиными метками.
04
Исходный материал и логика подстановок остаются внутри контролируемого контура, а наружу передается уже подготовленный запрос.
05
Внешняя LLM, аналитический сервис или подрядчик работают с безопасной версией данных, не теряя смысл документа.
Преимущества подхода
Что получает заказчик
MOLL Y/X API сочетает архитектурную гибкость, контроль контура и расширяемость под реальные корпоративные документы и процессы.
Контролируемый доступ к внешним LLM
Между бизнес-системой и внешним сервисом появляется обязательный программный шаг маскировки. Это помогает согласовать внедрение с ИБ и владельцами данных.
Локальная обработка критичных данных
Ключевая часть анонимизации выполняется внутри вашего контура без обращения к стороннему API для самой маскировки.
Сохранение смысла и структуры
Консистентная замена оставляет документ понятным для модели, аналитики и последующих бизнес-процессов.
Настройка под реальные данные заказчика
Поверх стандартных правил можно добавить корпоративные справочники, домены, названия подразделений и специальные форматы документов.
Что система находит из коробки
ФИО и персоналии
Иван Петров, Петров Иван Сергеевич, И.П. Сидоров
Контакты
+7 999 123-45-67, name@company.ru, support_team@service.org
Адреса и локации
г. Москва, ул. ..., филиал, регион, место оказания услуги
Документы и реквизиты
паспорт 4510 123456, ИНН, счет, договор, номер заявки
Benchmark
Качество распознавания подтверждается тестами
Сводная таблица показывает конкурентное качество распознавания. Для пилота можно отдельно прогнать тест на данных заказчика.
| Model | FactRuEval | NE5 |
|---|---|---|
| MOLL Y/X (ONNX) | 0.964713 | 0.994509 |
| deeppavlov | 0.910000 | 0.942000 |
| deeppavlov_bert | 0.971000 | 0.997000 |
| deeppavlov_slavic | 0.956000 | 0.984000 |
| pullenti | 0.905000 | 0.952000 |
| slovnet | 0.959000 | 0.984000 |
| slovnet_bert | 0.973000 | 0.996000 |
| spacy | 0.901000 | 0.967000 |
Что остается внутри контура
Главный вопрос заказчиков и ИБ-команд: уйдут ли сырые данные во внешний сервис. В модели MOLL Y/X API критичная часть обработки строится так, чтобы исходные материалы не были обязательной частью внешнего запроса.
исходные документы и текст остаются внутри процесса обработки
маскировка выполняется до обращения к внешней LLM или сервису
наружу передается только подготовленная безопасная версия данных
Что получает заказчик на пилоте и внедрении
Для бизнеса
Понятный сценарий подключения внешних LLM без ручной маскировки и без запрета на полезные AI-инструменты.
Для ИБ и DPO
Фиксированный слой обезличивания перед внешней отправкой и прозрачная архитектура обработки данных.
Для пилота
Демонстрация на ваших документах, заявках и сообщениях, а не абстрактное обещание на слайде.
Для внедрения
Набор правил и форматов, адаптированный под конкретные процессы, справочники и корпоративные шаблоны.
FAQ
Частые вопросы по API
Для корпоративных команд
Покажите заказчику не обещание, а управляемый сценарий работы с данными
Подготовим демонстрацию, описание контура, benchmark и проверку на ваших данных под конкретный сценарий внедрения.