anonym.legal

By · Last updated 2026-06-02

Terug na BlogKI-sekuriteit

GDPR Ondersteuning AI: Pasgemaakte Identifikatore

Klienterondersteuning AI ontvang klientebergte met name, e-posse EN bestelling-ID's. Standaard PII-hulpmiddele verwyder e-posadresse maar los bestelling-ID's intact.

June 2, 20267 min lees
customer support AIGDPR AI complianceorder ID detectionIntercom GDPRZendesk privacyAI vendor data

GDPR en Ondersteuning AI: Pasgemaakte Identifikatore Tel

Jou ondersteuningspan gebruik AI om antwoorde op te stel en kaartjies te hersien. Produktiwiteit is op. Dan kontroleer jou DPO die opstelling.

'n Tipiese klienteboodskap bevat 'n naam, 'n e-posadres en 'n bestelling-ID. Die naam en e-pos is persoonlike data. So is die bestelling-ID. Dit koppel aan Sarah Johnson in jou bestellingsdatabasis. 'n AI-verkoper kan dit kruisverwys. As opleidingsdata lek, kan die ID haar her-identifiseer.

Die stuur van enige van hierdie na 'n eksterne AI-verkoper sonder 'n regsgrondslag is 'n GDPR-oortreding.

Hoekom Bestelling-ID's Persoonlike Data Is

GDPR Artikel 4 definieer persoonlike data breed. Die term dek alle inligting wat verband hou met 'n geidentifiseerde of identifiseerbare persoon. Identifiseerbaarheid sluit indirekte identifikasie deur verwysing na 'n identifikator in.

'n Bestelling-ID soos ORD-4521893 is 'n indirekte identifikator. Alleen noem dit nie Sarah Johnson nie. Gepaard met jou bestellingsdatabasis, wel.

GDPR Artikel 4(5) dek pseudonimisering. Bestelling-ID's is pseudonieme. Hulle benodig 'n tweede bron om die persoon agter hulle te openbaar. Wanneer jy een na 'n eksterne AI-verkoper stuur, deel jy persoonlike data. 'n Regsgrondslag en 'n Dataverwerking-Ooreenkomst is vereist.

Die verkoper hou miskien nie jou databasis nie. Dit beeindig nie jou plig nie. Jy het persoonlike data gedeel. GDPR is steeds van toepassing.

Die Standaard Anonimiseringgaping

Ondersteuningspanne ontplooi dikwels PII-opsporing vir GDPR-nakoming. Standaard hulpmiddele verwyder algemene entiteitstipes.

Standaard opsporing vang klienteername, e-posadresse, telefoonnommers en kredietkaart-nommers. Hierdie slaag almal.

Standaard opsporing vang nie bestelling-ID's in ORD-XXXXXXX formaat nie. Dit mis rekeningnommers, kaartjieverwysings, interne gebruikers-ID's en intekeninge-ID's. Hierdie misluk almal.

Die resultaat lyk soos volg: "Hallo, ek is [PERSOON_1] en my bestelling ORD-4521893 het nog nie aangekom nie. Stuur my asseblief 'n e-pos by [E-POS_1]."

Die bestelling-ID is steeds daar. Enigiemand met CRM-toegang kan Sarah Johnson dadelik vind. Die anonimisering is onvolledig. Dit is die nakoming-gaping.

Chrome-Uitbreiding: Opsporing by die Blaaier

Ondersteuningsagente wat Claude, ChatGPT of Gemini gebruik, werk in hulle blaaier. Die Chrome-Uitbreiding keer dat pasgemaakte identifikatore vertrek.

Hier is hoe dit werk. Die agent plak 'n klienteboodskap in die AI-hulpmiddel. Die uitbreiding sien dat die teiken 'n AI-platform is. Dit verwyder standaard PII. Dit pas dan pasgemaakte patrone toe. Hierdie pas jou bestelling-ID-formaat, jou rekeningnommer-formaat en enige ander pasgemaakte identifikator wat jou span gebruik. Die agent sien slegs die skoon boodskap. Die ru data bereik nooit die AI nie.

Die nakomingspan stel die pasgemaakte patrone eenmalig in. Hulle deel 'n voorafinstellings met alle agente. Agente hoef dit nie te bestuur nie. Hulle plak die boodskap. Die uitbreiding hanteer die res.

MCP Bediener: Opsporing by die API-Laag

Sommige platforms roep AI deur API's. Intercom gebruik AI om antwoorde op te stel. Zendesk gebruik AI vir antwoordvoorstelle. Die MCP Bediener voeg anonimisering by die API-laag vir hierdie opstellings.

Hier is die vloei. 'n Klienteboodskap kom in die ondersteuningsplatform aan. Dit gaan deur die MCP-eindpunt voor dit die AI bereik. Die eindpunt verwyder standaard en pasgemaakte entiteite. Die skoon boodskap gaan na die AI. Die AI gee 'n antwoord terug. Geen persoonlike data is gedeel nie. Die agent lees en wysig dan die antwoord in die ondersteuningsplatform.

Agente sien geen verandering in hoe hulle werk nie. Die proses lyk dieselfde. Pasgemaakte entiteite word eenmalig in die MCP-konfig ingestel. Alle API-oproepe gebruik volle entiteitsopsporing vanaf daardie punt af.

DPO Implementeringskontrole

1. Karteer alle datavloei na AI.

Lys waar agente AI gebruik. Sluit blaaiergereedskap, API-gebaseerde gereedskap en leeroplaaie in.

2. Lys alle identifikator-tipes in klientebergte.

Standaard PII - name, e-posse, telefone - word by verstek gedek. Pasgemaakte identifikatore - bestelling-ID's, kaartjieverwysings, rekeningnommers - benodig pasgemaakte patrone.

3. Voeg pasgemaakte entiteitspatrone by.

Definieer elke formaat. Toets dit op monster-bergte. Stoor dit in die spanvoorafinstellings.

4. Ontplooi by die regte laag.

Blaaiergebaseerde AI: gebruik die Chrome-Uitbreiding met 'n gedeelde voorafinstellings. API-geintegreerde AI: gebruik die MCP Bediener of API-vlak voorverwerking.

5. Dateer jou ROPA op.

Teken aan dat ondersteuning AI outomatiese anonimisering gebruik. Lys die pasgemaakte identifikator-tipes wat gedek word. Dit is jou tegniese beveiliging-dokumentasie.

6. Toets die opstelling.

Laat monster-bergte met alle identifikator-tipes loop. Kontroleer dat niks die AI bereik nie. Sien die regs-nakomingsgids vir dokumenttemplates.

SaaS Ondersteuningspan: 'n Praktiese Voorbeeld

'n SaaS-ondersteuningspan gebruik Claude deur 'n interne AI-platform. Klientebergte sluit name, e-posse, bestelling-ID's en intekening-ID's in. Sommige funksie-vlagname dra ook interne identifikatore.

Voor GDPR-hersiening: Alle inhoud is na die AI gestuur. Bestelling- en intekening-ID's was ingesluit.

Na pasgemaakte entiteitsopsporing:

ORD-XXXXXXX en SUB-XXXXXXXX is as pasgemaakte entiteite bygevoeg. Die Chrome-Uitbreiding is met 'n gedeelde voorafinstellings ontplooi. Die DPO het toetse gedoen en bevestig dat alle identifikatore verwyder is voor AI-verwerking.

Agent-werkvloei verandering: Geen. Agente werk op dieselfde manier. Die anonimisering loop op die agtergrond. Die DPO het 'n gedokumenteerde beveiliging op ler.

Gevolgtrekking

GDPR-voldoenende ondersteuning AI doen meer as net name en e-posse verwyder. Bestelling-ID's, rekeningnommers en kaartjieverwysings is persoonlike data. Standaard hulpmiddele mis hulle. Pasgemaakte entiteitskonfigurasie sluit die gaping.

Die stappe is eenvoudig. Definieer jou identifikatorformate. Toets hulle teen monster-bergte. Ontplooi na die span. 'n DPO kan dit 'n middag voltooi. Daarna word alle kliendata verwyder voor dit eksterne AI-stelsels bereik. Die nakomingsvoordeel hou vanaf daardie punt af.

Bronne

Gereed om u data te beskerm?

Begin om PII te anonimiseer met 285+ entiteitstipes in 48 tale.

About this page

We update this page when our platform or the law changes.

Read our founder note for how we work.

Each change shows up in the timestamp at the top.

Related reading

We follow these rules

  • GDPR (EU 2016/679).
  • ISO/IEC 27001:2022.
  • NIS2 (EU 2022/2555).
  • HIPAA safe harbor under 45 CFR § 164.514(b)(2).

Our promise

We do not sell your data.

We do not train models on your text.

We store your files in Germany.

You can delete your account at any time.

You own your work.

Where we run

Our servers live in Falkenstein, Germany.

We use Hetzner. They hold ISO 27001 certification.

All data stays in the EU.

Backups run every day.

Need help?

Email support@anonym.legal.

We reply within one business day.

How we test

We run a full check suite on every release.

Each surface gets its own sweep script and report.

Human reviewers spot-check the output each week.

We track recall and precision on a labelled set.

Bad runs block the deploy.

What we never do

  • We never sell your information to third parties.
  • We never train models on what you upload.
  • We never keep your work after you delete it.
  • We never share keys with any outside firm.
  • We never run ads inside the product.

Plans in plain words

We sell credits, not seats.

One credit covers one short job.

Long jobs use a few credits each.

You can top up at any time.

Unused credits roll over each month.

Read the plans page for current rates.

Who built this

A small team of engineers and lawyers built this.

We ship from Europe and work in the open.

Our founder note spells out why we started.

Where to start

How the parts fit

A browser add-on cleans text inside Chrome.

A Word plug-in handles drafts in Office.

A small desktop tool works on whole folders.

An agent protocol link feeds large models safely.

All four share one core engine and one rule set.

Words from our team

We started this work after a lunch about cookies.

One friend kept getting odd ads on her phone.

We asked why a court file leaked through a draft.

We sketched the first build on a napkin that week.

By month three we had a tiny demo for a friend.

She used it on her first case the next day.

Common questions we hear

Can the tool read scanned PDFs? Yes, with OCR.

Does it work on long files? Yes, in small chunks.

Can I roll my own rule set? Yes, save it as a preset.

Does it run offline? The desktop build runs offline.

Do you keep my files? No, the cloud build wipes after each run.

Will it learn from my work? No, we never train on inputs.

A short tour of the workflow

Upload a file or paste a snippet of prose.

Pick the entities you want gone from the draft.

Choose a method: replace, mask, hash, encrypt, or redact.

Press run and watch the side panel show each hit.

Skim the result and tweak any rule that misfired.

Save the cleaned file or send it to a teammate.