By · Last updated 2026-04-25

Bloga DönGDPR & Uyumluluk

GDPR Yapay Zekâ İş Akışları için Token Eşleme

Müşteri adları yapay zekâ işlemden önce anonimleştirildiğinde yapay zekânın yanıtı anonimleştirilmiş token'lar içerir. Son yanıtta yer tutucular değil gerçek adlar bulunmalıdır.

April 25, 20268 dk okuma
token mapping AIGDPR customer service AIauto-decryptsession-based anonymizationAI workflow pseudonymization

GDPR Yapay Zekâ İş Akışları için Token Eşleme

2026 için Güncellendi

Ekibiniz, müşteri yanıtlarını taslak haline getirmek için yapay zekâ kullanıyor. Bir müşteri yazıyor. Adı, yapay zekâ görmeden önce anonimleştiriliyor. Yapay zekâ, yer tutucuyla bir taslak hazırlıyor. Müşteri hizmetleri temsilcisi yer tutucuyu el ile değiştirmek zorunda kalıyor. Günde 200 etkileşimde bu maliyet hızla birikir.

Oturum tabanlı token eşleme bunu çözer. Gerçek adları otomatik olarak geri yükler.

Token Eşleme Olmadan Yaşanan Sorun

Anonimleştirme adımı bir token oluşturur. "Maria Schmidt", [CUSTOMER_1] olur. Claude şunu taslak haline getirir: "Sayın [CUSTOMER_1], yaşanan gecikme için özür dileriz."

Müşteri hizmetleri temsilcisi şimdi göndermeden önce [CUSTOMER_1]'i "Maria Schmidt" ile değiştirmek zorundadır. Ölçekte bu adım, yapay zekâ desteğinin amacını ortadan kaldırır. Ortadan kalkmayan tekrarlayan bir iştir.

Oturum Token'ları Nasıl Çalışır

Oturum bir arama tablosu saklar: [CUSTOMER_1] → "Maria Schmidt." Claude taslağını döndürdüğünde, otomatik şifre çözme katmanı bu tabloyu okuyup adı geri yükler. Temsilci "Sayın Maria Schmidt" şeklinde — zaten doğru biçimde — görür. El ile adım yoktur. GDPR koruması sessizce işler.

Oturum Tutarlılığının Önemi

Token tablosu, tam oturum boyunca tutarlı olmalıdır. "Maria Schmidt" hem ilk şikâyette hem de bir takip mesajında geçiyorsa her ikisi de [CUSTOMER_1]'e çözülmelidir. Aksi hâlde Claude onları iki farklı kişi olarak değerlendirebilir. Yanıtı tutarsız hale gelir.

Bir kişi, oturum başına bir token alır. Böylece Claude konuşmayı doğru biçimde değerlendirebilir.

Tasarım Gereği GDPR Uyumu

GDPR Madde 4(5), sözde anonimleştirmeyi bir risk azaltma tekniği olarak tanımlar. EDPB'nin 2022 yönergeleri tek bir şeyi zorunlu kılar: anahtar, sözde anonimleştirilmiş veriden ayrı tutulmalıdır.

Oturum token tabloları bu kurala uyar. Arama tarayıcıda kalır. Claude'a hiçbir zaman gönderilmez. Oturum sona erince silinir. Dış sunuculara kişisel veri ulaşmaz. Madde 46 transferi sorunu doğmaz.

Sigorta Talepleri: Somut Bir Örnek

Almanya'daki bir sigorta şirketi, müşteri şikâyet e-postalarını işliyor. Her e-posta bir ad, bir poliçe numarası ve bir talep tutarı içeriyor.

Yapay zekâ işleminden önce Chrome Uzantısı veya MCP Sunucusu üç alanı da anonimleştirir. Claude [CUSTOMER_1], [POLICY_2024-08847] ve [AMOUNT_1] görür. Bu token'larla bir yanıt taslağı hazırlar.

Otomatik şifre çözme katmanı ardından üç alanı da geri yükler. Talep işleyicisi taslakta gerçek adı ve poliçe numarasını görür. İnceler ve gönderir. Yer tutucu değişikliği gerekmez.

GDPR sonucu: Claude'un ABD sunucularına gönderilen veriler hiçbir kişisel veri içermedi. Müşterinin gerçek adı ve poliçe numarası, Almanya'da işleyicinin tarayıcısında kaldı.

Tam Döngü İçin Gerekenler

Kesintisiz bir iş akışı için üç bileşen bir arada çalışmalıdır:

1. Tutarlı token'lar. Her varlık, oturum başına bir token alır. Her zaman aynı token.

2. Yerel arama tablosu. Oturumda yaşar. Yapay zekâya gönderilmez.

3. Çıktıda otomatik şifre çözme. Tablo, temsilci görmeden önce yapay zekâ taslağına uygulanır.

Üçü birden olmadan temsilciler token'ları el ile değiştirir. Üçü birden olduğunda iş akışı kendi kendine yürür ve GDPR uyumlu kalır.

Sonuç

Bu yaklaşım, yapay zekâ destekli müşteri hizmetinde döngüyü kapatır. Anonimleştirme, yapay zekâya ulaşmadan önce veriyi korur. Otomatik şifre çözme gerçek adları yanıta geri koyar. Temsilciler her adımda doğru adları görür. GDPR uyumu boyunca korunur.

Kaynaklar

Verilerinizi korumaya hazır mısınız?

48 dilde 285+ varlık türü ile PII anonimleştirmeye başlayın.

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.