By · Last updated 2026-04-24

Tornar al BlogTecnologia Legal

Enquestes de RRHH anonimes amb PII reversible

Les enquestes anonimes fomenten la denuncia honesta d'assetjament i infraccions etiques. Quan sorgeix una acusacio greu, RRHH ha d'investigar, pero l'anonimitat ho bloqueja.

April 24, 20268 min llegit
anonymous HR surveysconditionally reversible anonymizationworkplace investigationemployee reportingHR compliance

El problema de les enquestes anonimes

Les enquestes anonimes ajuden el personal a expressar-se. Cobreixen qüestions com l'assetjament, l'etica i la seguretat. L'anonimitat funciona: genera denúncies que no arribarien per canals identificats. Un estudi d'Allvoices del 2024 va trobar que els empleats son 3 vegades mes propensos a denunciar conductes indegudes a traves de canals anonims que dels identificats.

Pero l'anonimitat bloqueja el seguiment. Quan apareix una acusacio greu en una enquesta, com ara un informe detallat d'assetjament, un problema de seguretat o una infraccio etica, RRHH ha d'actuar. Pero la mateixa anonimitat que ha generat l'informe ara bloqueja la investigacio.

Per dur a terme una investigacio, RRHH necessita la persona denunciant. Ha de demanar mes detalls, valorar la credibilitat de la reclamacio i escoltar el context que no cabia en la casella de l'enquesta. En alguns casos, ha d'oferir proteccio legal al denunciant. Res d'aixo funciona sense saber qui ha presentat la denuncia.

Algunes plataformes ofereixen xat anonymous bidireccional. RRHH pot enviar preguntes de seguiment a traves d'un enllag xifrat. Pero el denunciant ha d'optar per respondre, i molts no ho faran. Respondre redueix el camp de possibles denunciants, i els denunciants coneixen aquest risc.

Que significa la reversibilitat condicional

La solucio es la reversibilitat condicional. Les respostes de l'enquesta s'xifren per defecte. Totes les identitats dels denunciants romanen ocultes. Una clau de desxifratge la guarda una part nomenada: un ombudsman extern, un responsable de RRHH superior o un membre del consell d'auditoria. Les normes sobre qui pot usar la clau estan escrites i compartides.

Les condicions per al desxifratge es comparteixen amb el personal abans que s'obri l'enquesta. Condicions tipiques: conducta criminal, amenaces a la seguretat fisica, acusacions contra l'alta direccio o qualsevol cas que superi un llindar de gravetat definit a la politica etica. El personal sap que les seves respostes estan protegides per defecte i tambe sap que la desanonimitzacio nomes es produeix en condicions nomenades, per una part nomenada.

Aquí hi ha un exemple real. Una fabrica de 2.000 persones fa la seva enquesta de cultura anual. La resposta num. 4.217 conte una acusacio greu contra un Vicepresident d'Operacions. Compleix el llindar de gravetat publicat. L'ombudsman la revisa, encara registrada nomes com a "Enquestada num. 4.217", i decideix que la desanonimitzacio es valida. L'ombudsman desxifra aquella resposta amb la clau que conserva. La persona denunciant es contactada a traves d'un canal formal i segur. Comenca una investigacio independent. Les altres 4.216 respostes romanen bloquejades per sempre.

Per a aixo estan pensades les eines d'anonimitzacio d'anonym.legal. Protegeixen totes les identitats per defecte. Permeten la reversio controlada nomes quan es compleixen les condicions.

El dret laboral exigeix que les empreses documentin el seu proces d'investigacio. Una empresa ha de demostrar que les condicions de desanonimitzacio estaven escrites i compartides amb el personal, que es van seguir i que nomes s'aplicaven dins del seu abast declarat. Un rastre d'auditoria de xifratge reversible proporciona aquesta prova. Registra quines respostes es van desxifrar, quan, per qui i amb quina autoritat.

L'Opinio Formal de l'ABA 512 (2023) i la norma FRCP 26(b)(5) estableixen com han de ser els bons registres en entorns legals. La norma en dret laboral es la mateixa: fixeu les condicions abans de qualsevol incident, seguiu-les i demostreu que ho heu fet. Vegeu els documents de conformitat legal per saber com els registres d'auditoria compleixen aquestes normes.

Les Directrius de l'EDPB 05/2022 tracten la pseudonimitzacio de dades de RRHH en virtut del RGPD. La reversibilitat condicional compleix els estandards de pseudonimitzacio quan l'acces esta restringit i la clau es conserva separada. Llegiu mes als documents del sistema de tokens.

Fonts

Preparat per protegir les vostres dades?

Comenceu a anonimitzar PII amb més de 285 tipus d'entitats en 48 idiomes.

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.