Anonimizować dane, zanim pójdą do AI – czy to wystarczy?
Częściowo. Zaczernienie wpisów przed wysłaniem wyraźnie zmniejsza ryzyko i jest lepsze niż nic. Prawnie chodzi jednak prawie zawsze o pseudonimizację, a nie anonimizację – bo przypisanie gdzieś istnieje, inaczej odpowiedź nie wróciłaby czytelna. Dane pozostają więc danymi osobowymi, RODO nadal obowiązuje, a przetwarzanie wciąż odbywa się u zewnętrznego dostawcy. Kto chce tego uniknąć, nie potrzebuje lepszego maskowania, lecz tego, by dane wcale nie wychodziły.
Co maskowanie rzeczywiście daje
Procedurę wyjaśnia się szybko: zanim tekst pójdzie do modelu językowego, detektor szuka odniesień osobowych – nazwisk, adresów, dat urodzenia, numerów IBAN, numerów sprawy – i zastępuje je symbolami zastępczymi. Model pracuje na zamaskowanym tekście, a pierwotne wartości są wstawiane z powrotem do odpowiedzi. Dla użytkowniczki wygląda to tak, jakby AI przeczytała prawdziwą sprawę.
Zysk jest realny i nie ma być tu pomniejszany. Jedno jawne nazwisko mniej w zapytaniu to jedno jawne nazwisko mniej w logach dostawcy. Przeciw najczęstszemu błędowi codzienności – ktoś wkleja całe pismo klienta w okno czatu – automatyczne maskowanie pomaga pewniej niż jakiekolwiek szkolenie.
Ale decydujące pytanie nie brzmi, czy to pomaga. Brzmi: czy wystarczy, by spełnić obowiązki, które na początku dały wam do myślenia? I tu odpowiedź staje się mniej ostra.
Gdzie leży granica
Detektor, który rozpoznaje charakter osobowy w swobodnym tekście, pracuje na prawdopodobieństwach. Jest niedoskonały nie dlatego, że byłby źle zbudowany, lecz dlatego, że samo zadanie nie ma jednoznacznego rozwiązania: czy ciąg znaków identyfikuje, zależy od kontekstu, nie od jego formy.
Dlatego dostawcy takich procedur podają wskaźniki wykrywalności, a nie gwarancje. Wskaźnik 95 procent brzmi wysoko – ale znaczy, że jedno na dwadzieścia wystąpień nie zostaje rozpoznane. Przy tysiącu stron korespondencji miesięcznie nie jest to już wielkość teoretyczna.
Ostatni wiersz jest najważniejszy i prowadzi wprost do prawnego sedna.
Pseudonimizacja nie jest anonimizacją
RODO wyraźnie rozdziela te dwie rzeczy. Dane są anonimowe tylko wtedy, gdy nikt nie może już rozsądnym nakładem przywrócić powiązania z osobą – takie dane wypadają całkowicie z zakresu rozporządzenia zgodnie z motywem 26. Dane są spseudonimizowane, jeśli można je przypisać z pomocą dodatkowych informacji (art. 4 pkt 5 RODO). Dane pseudonimowe pozostają danymi osobowymi i wszystkie obowiązki nadal obowiązują.
Procedura, która wstawia symbole zastępcze i z powrotem je rozwiązuje w odpowiedzi, z definicji należy do drugiego przypadku. Przypisanie musi istnieć, inaczej produkt nie działa. Chodzi więc nadal o przetwarzanie danych osobowych – z umową powierzenia, rejestrem czynności, podstawą prawną i w razie potrzeby oceną skutków.
Dla osób zobowiązanych do zachowania tajemnicy zawodowej – kancelarii, gabinetów lekarskich, zawodów doradczych – to przesuwa pytanie jeszcze raz. Tam już ujawnienie osobie trzeciej jest krokiem krytycznym, niezależnie od jakości zaczernienia. Maskowanie może ten krok złagodzić, ale go nie usuwa.
Kiedy maskowanie i tak pozostaje właściwym wyborem
Nic z tego nie czyni procedury bezużyteczną. Są przypadki, w których pasuje dokładnie:
- Gdy potrzebny jest określony model zewnętrzny. Niektóre zadania działają dziś najlepiej na jednym z wielkich modeli rynkowych. Kto od tego zależy, wychodzi wyraźnie lepiej z maskowaniem niż bez.
- Jako siatka przeciw ludzkiemu błędowi. Także obok rozwiązania wewnętrznego pozostaje pokusa, by szybko wrzucić coś w prywatne okno czatu. Wymuszone maskowanie to przechwytuje.
- Dla materiału bez danych osobowych. Dla dokumentacji technicznej, tekstów marketingowych albo publicznych dokumentów przetargowych cała dyskusja jest bezprzedmiotowa.
Błędem nie jest maskowanie. Błędem jest uznanie maskowania za decyzję o miejscu. Zmienia ono, co wychodzi – nie, czy coś wychodzi, ani dokąd.
Alternatywa: wcale nie wysyłać
Druga droga odwraca kolejność. Zamiast maskować dane, zanim wyjdą z domu, nic z domu nie wychodzi. Model działa tam, gdzie dokumenty już są – on-premise na waszej własnej infrastrukturze albo w niemieckim centrum danych.
Kilka pytań wtedy się rozpływa, zamiast wymagać odpowiedzi. Nie ma wskaźnika wykrywalności, bo nie ma czego wykrywać. Nie ma przekazania do kraju trzeciego ani kwestii CLOUD Act, bo żaden kraj trzeci nie jest zaangażowany. A jakość odpowiedzi nie cierpi od maskowania: model widzi całą sprawę, bo wolno mu.
Dokładnie tak zbudowany jest KOSMO. Asystent pracuje na waszych własnych źródłach, podaje odniesienie każdej odpowiedzi i żaden model nie jest trenowany na waszych treściach. Jak to wygląda w codzienności, znajdziecie w Jak to działa; ocenę prawną usług chmurowych w ChatGPT, Claude i inni z danymi klientów.
Uwaga: ta strona porządkuje schemat techniczny i prawny i nie zastępuje porady prawnej. Dopuszczalność konkretnego zastosowania zależy od branży, przetwarzanych danych i realizacji w pojedynczym przypadku – w razie wątpliwości do wyjaśnienia z waszym inspektorem ochrony danych albo wyspecjalizowaną kancelarią.
Często zadawane pytania
Czy anonimizacja wystarczy, by używać ChatGPT zgodnie z RODO?
Pomaga, ale sama z reguły nie wystarcza. Procedury, które z powrotem rozwiązują symbole zastępcze w odpowiedzi, są prawnie pseudonimizacją – dane pozostają osobowe, a przetwarzanie wciąż odbywa się u zewnętrznego dostawcy. Umowa powierzenia, podstawa prawna i kwestia przekazania poza UE pozostają.
Jaka jest różnica między anonimizacją a pseudonimizacją?
Danych anonimowych nikt nie może już rozsądnym nakładem odnieść do osoby; zgodnie z motywem 26 wypadają z zakresu RODO. Dane pseudonimowe można przypisać z pomocą dodatkowych informacji (art. 4 pkt 5) i pozostają w pełni chronione. Kto tłumaczy symbole zastępcze z powrotem, z konieczności posiada tę dodatkową informację.
Jak niezawodne są te procedury w wykrywaniu danych osobowych?
Dobre, ale nie kompletne. Ustrukturyzowane odniesienia jak IBAN albo daty urodzenia znajduje się pewnie po wzorcu. Trudniejsze są wewnętrzne identyfikatory bez stałego formatu, a przede wszystkim kombinacje: rzadka diagnoza z gminą i okresem identyfikuje osobę także bez nazwiska.
Czy jakość odpowiedzi cierpi od maskowania?
To kompromis. Im staranniej się maskuje, tym mniej kontekstu zostaje modelowi. W tekstach prawnych albo medycznych, gdzie relacje między zaangażowanymi osobami są samą informacją, może to stać się odczuwalne.
Czy dotyczy to także osób zobowiązanych do tajemnicy zawodowej?
Tam sytuacja jest surowsza. Krytyczne jest już ujawnienie osobie trzeciej, niezależnie od jakości zaczernienia. Maskowanie zmniejsza ryzyko, ale nie usuwa kroku. Kto przetwarza dane klientów, pacjentów albo doradcze, powinien zlecić wyraźne zbadanie tego punktu.
Czy KOSMO potrzebuje anonimizacji?
Nie. KOSMO działa on-premise albo w niemieckim centrum danych – dane nie opuszczają waszej infrastruktury, nie ma więc odbiorcy, przed którym trzeba by cokolwiek maskować. Żaden model nie jest też trenowany na waszych treściach.
Czy można połączyć oba podejścia?
Tak, a w dużych organizacjach często ma to sens. Wewnętrzny asystent obsługuje codzienność na prawdziwych danych; dla rzadkich przypadków, w których potrzebny jest określony model zewnętrzny, maskowanie pozostaje właściwym narzędziem.
Asystent, przy którym pytanie nie powstaje
KOSMO pracuje na waszych własnych źródłach – on-premise albo w niemieckim centrum danych. Nic nie jest przekazywane na zewnątrz, nic nie jest używane do trenowania.
