Anonymisere data, før de går til AI'en – er det nok?
Delvis. At sløre input før afsendelsen sænker risikoen mærkbart og er bedre end ingenting. Juridisk er der dog næsten altid tale om pseudonymisering og ikke anonymisering – for sammenkoblingen findes et sted, ellers ville svaret ikke komme læsbart tilbage. Data er derfor stadig personoplysninger, GDPR gælder fortsat, og behandlingen sker stadig hos den eksterne udbyder. Den, der vil undgå det, har ikke brug for bedre maskering, men for at data slet ikke forlader huset.
Hvad maskeringen faktisk giver
Fremgangsmåden er hurtigt forklaret: før en tekst går til en sprogmodel, søger en genkender efter personhenførbare oplysninger – navne, adresser, fødselsdatoer, IBAN, sagsnumre – og erstatter dem med pladsholdere. Modellen arbejder på den maskerede tekst, og de oprindelige værdier sættes tilbage i svaret. For brugeren ser det ud, som om AI'en havde læst den rigtige sag.
Gevinsten er reel og skal ikke tales ned her. Et navn i klartekst mindre i prompten er et navn i klartekst mindre i udbyderens logfiler. Mod den hyppigste fejl i hverdagen – nogen indsætter et helt kundebrev i et chatvindue – hjælper en automatisk maskering mere pålideligt end nogen oplæring.
Men det afgørende spørgsmål er ikke, om det hjælper. Det er: er det nok til at opfylde de pligter, der fik jer til at tænke over det til at begynde med? Og her bliver svaret mindre skarpt.
Hvor grænsen går
En genkender, der finder det personhenførbare i en fri tekst, arbejder med sandsynligheder. Den er ufuldkommen, ikke fordi den er dårligt bygget, men fordi opgaven i sig selv ikke har en entydig løsning: om en tegnfølge identificerer, afhænger af sammenhængen, ikke af dens form.
Derfor angiver udbydere af sådanne metoder genkendelsesrater og ikke garantier. En rate på 95 procent lyder højt – men den betyder, at én forekomst ud af tyve ikke bliver genkendt som sådan. Ved tusind sider korrespondance om måneden er det ikke længere en teoretisk størrelse.
Den sidste række er den vigtigste, og den fører direkte til den juridiske kerne.
Pseudonymisering er ikke anonymisering
GDPR skiller klart de to ting. Data er anonyme kun, hvis ingen længere kan genskabe forbindelsen til en person med en rimelig indsats – sådanne data falder helt uden for forordningens område efter betragtning 26. Data er pseudonymiserede, hvis de kan henføres igen ved hjælp af yderligere oplysninger (art. 4, nr. 5, GDPR). Pseudonyme data er stadig personoplysninger, og alle pligter gælder fortsat.
En metode, der sætter pladsholdere og opløser dem igen i svaret, falder per definition i den anden kategori. Sammenkoblingen skal findes, ellers virker produktet ikke. Der er derfor fortsat tale om behandling af personoplysninger – med databehandleraftale, fortegnelse over behandlingsaktiviteter, retsgrundlag og om nødvendigt konsekvensanalyse.
For personer med tavshedspligt – advokatkontorer, lægepraksis, rådgivningserhverv – flytter det spørgsmålet endnu en gang. Dér er videregivelsen til en tredjepart allerede det kritiske skridt, uanset hvor god sløringen er. Maskeringen kan dæmpe det skridt, men den fjerner det ikke.
Hvornår maskering alligevel er det rigtige valg
Intet af dette gør metoden ubrugelig. Der er tilfælde, hvor den passer præcist:
- Når en bestemt ekstern model er nødvendig. Nogle opgaver kører i dag bedst på en af de store markedsmodeller. Den, der afhænger af det, står væsentligt bedre med maskering end uden.
- Som net mod den menneskelige fejl. Også ved siden af en intern løsning består fristelsen til hurtigt at smide noget i et privat chatvindue. En påtvungen maskering fanger det.
- Til materiale uden personoplysninger. For teknisk dokumentation, markedsføringstekster eller offentlige udbudsmaterialer er hele diskussionen uden genstand.
Fejlen er ikke at maskere. Fejlen er at tage maskeringen for en beslutning om sted. Den ændrer, hvad der går ud – ikke, om noget går ud, og ikke hvortil.
Alternativet: slet ikke sende
Den anden vej vender rækkefølgen om. I stedet for at maskere data, før de forlader huset, forlader intet huset. Modellen kører, hvor dokumenterne allerede er – on-premise på jeres egen infrastruktur eller i et tysk datacenter.
Flere spørgsmål opløser sig da i stedet for at kræve et svar. Der er ingen genkendelsesrate, for der er intet at genkende. Der er ingen overførsel til et tredjeland og intet CLOUD Act-spørgsmål, for intet tredjeland er involveret. Og svarkvaliteten lider ikke under maskeringen: modellen ser den fulde sag, fordi den må.
Præcis sådan er KOSMO bygget. Assistenten arbejder på jeres egne kilder, angiver kilden til hvert svar, og ingen model trænes med jeres indhold. Hvordan det er i hverdagen, står under Sådan fungerer det; den juridiske vurdering af cloudtjenester under ChatGPT, Claude & Co. med kundedata.
Bemærk: denne side placerer et teknisk og juridisk mønster og erstatter ikke juridisk rådgivning. Om en konkret anvendelse er tilladt, afhænger af branchen, de behandlede data og den enkelte implementering – i tvivlstilfælde afklares det med jeres databeskyttelsesrådgiver eller et specialiseret advokatkontor.
Ofte stillede spørgsmål
Er anonymisering nok til at bruge ChatGPT i overensstemmelse med GDPR?
Det hjælper, men alene er det som regel ikke nok. Metoder, der opløser pladsholderne igen i svaret, er juridisk pseudonymisering – data er stadig personoplysninger, og behandlingen sker stadig hos den eksterne udbyder. Databehandleraftale, retsgrundlag og spørgsmålet om overførsel ud af EU består.
Hvad er forskellen på anonymisering og pseudonymisering?
Anonyme data kan ingen længere henføre til en person med en rimelig indsats; efter betragtning 26 falder de uden for GDPR. Pseudonyme data kan henføres igen ved hjælp af yderligere oplysninger (art. 4, nr. 5) og er fortsat fuldt beskyttede. Den, der oversætter pladsholdere tilbage, besidder nødvendigvis den yderligere oplysning.
Hvor pålideligt finder disse metoder personoplysninger?
Godt, men ikke fuldstændigt. Strukturerede oplysninger som IBAN eller fødselsdatoer findes sikkert ud fra mønstret. Vanskeligere er interne identifikatorer uden fast format og især kombinationerne: en sjælden diagnose med en kommune og en periode identificerer en person også uden navn.
Lider svarkvaliteten under maskeringen?
Det er en afvejning. Jo mere omhyggeligt der maskeres, jo mindre sammenhæng er der tilbage for modellen. I juridiske eller medicinske tekster, hvor relationerne mellem de involverede er selve informationen, kan det blive mærkbart.
Gælder det også for personer med tavshedspligt?
Dér er situationen strengere. Kritisk er allerede videregivelsen til en tredjepart, uanset hvor god sløringen er. Maskeringen sænker risikoen, men fjerner ikke skridtet. Den, der behandler kunde-, patient- eller rådgivningsdata, bør få dette punkt udtrykkeligt vurderet.
Har KOSMO brug for anonymisering?
Nej. KOSMO kører on-premise eller i et tysk datacenter – data forlader ikke jeres infrastruktur, så der er ingen modtager at maskere noget over for. Der trænes heller ingen model med jeres indhold.
Kan man kombinere de to?
Ja, og i store organisationer er det ofte fornuftigt. Den interne assistent dækker hverdagen med rigtige data; til de sjældne tilfælde, hvor en bestemt ekstern model er nødvendig, er maskeringen fortsat det rigtige værktøj.
En assistent, hvor spørgsmålet ikke opstår
KOSMO arbejder på jeres egne kilder – on-premise eller i et tysk datacenter. Intet videregives udadtil, intet bruges til træning.
