By · Last updated 2026-06-03

Tornar al BlogGDPR i Compliment

Deriva de Configuració: Un Risc Ocult del RGPD

L'analista A substitueix noms per pseudoníms. L'analista B els ratlla. La teva auditoria RGPD troba tots dos en el mateix conjunt de dades. La deriva de configuració -- on els membres de l'equip apliquen normes de manera diferent -- és un risc real de compliment.

June 3, 20266 min llegit
GDPR auditconfiguration driftredaction inconsistencycompliance governanceteam anonymization

Deriva de Configuració: Un Risc Ocult del RGPD

L'analista A substitueix noms per pseudoníms. L'analista B els ratlla. Tots dos segueixen la mateixa norma RGPD per al mateix tipus de document -- o això creuen.

La teva auditoria troba tots dos mètodes en un sol conjunt de dades. L'auditor pregunta: "Quin és el vostre procediment estàndard per als noms personals?" No pots respondre. Hi ha dos procediments, no un.

Això és la deriva de configuració. No requereix cap violació per crear risc. Genera constatacions d'auditoria. Les constatacions repetides porten a sancions.

Com s'Assembla la Deriva de Configuració

La deriva es construeix lentament. Ningú la notà fins a l'auditoria.

Mes 0 -- Configuració: Un responsable de compliment configura l'eina PII. L'equip rep una breu demostració.

Mes 2 -- Nova incorporació: Un nou analista s'uneix. Copia la configuració d'un company. És propera a la correcta, però falta un tipus d'entitat.

Mes 4 -- Actualització de política: Una nota d'orientació afegeix la detecció de data de naixement. Alguns membres de l'equip actualitzen els seus perfils. Altres es perden el canvi.

Mes 6 -- Ajust local: Un analista baixa el llindar de confiança per corregir la sobreredacció. El canvi afecta tot el seu treball posterior. No es registra mai.

Mes 8 -- Auditoria de l'APD: L'auditor consulta cinquanta documents. Troba tres conjunts de normes diferents en el mateix tipus de document:

  • Documents 1-20: noms pseudonimitzats, dates de naixement redactades, adreces redactades
  • Documents 21-35: noms ratllats, sense tractament de dates de naixement, adreces presents
  • Documents 36-50: noms reemplaçats, adreces redactades, correus conservats

La constatació: cap control sistemàtic garanteix l'emmascarament consistent.

Tres Perjudicis de les Configuracions Mixtes

Incompliment en l'auditoria

Els auditors de l'APD comproven si l'emmascarament és sistemàtic. Tres enfocaments diferents en el mateix tipus de document mostren una manca de controls -- fins i tot si cada enfocament és sòlid per si sol.

Pèrdua de qualitat de les dades

Quan es fusionen els resultats de diversos analistes, els buits s'acumulen. Un conjunt de dades on el 40% dels registres té noms pseudonimitzats i el 60% té noms redactats és menys útil que qualsevol dels dos mètodes aplicats de manera uniforme. Els models entrenats amb resultats mixtos funcionen pitjor.

Defensa legal més feble

En un tribunal, la defensa de l'altra part pot qestionar la completesa de la redacció. Els jutges han qestionat la redacció en e-discovery quan diferents revisors han aplicat estàndards diferents. Els registres mixtos debiliten la claim que la redacció va ser exhaustiva.

La Solució del Preset

La solució és simple: eliminar la decisió de configuració de cada usuari.

Abans dels presets: Cada usuari configura l'eina basant-se en la seva pròpia interpretació de les normes. La configuració varia per persona i per sessió.

Després dels presets: Un responsable de compliment crea presets amb nom. Cada preset codifica el conjunt de normes aprovat. Els usuaris trien el preset adequat. La decisió es pren una vegada, per la persona adequada, i s'aplica a tothom.

Què inclou un preset:

  • Quins tipus d'entitats detectar
  • Quin mètode aplicar (Replace, Redact, Pseudonymize, Mask, Encrypt)
  • Definicions d'entitats personalitzades (identificadors interns, formats específics del lloc)
  • Configuració d'idioma
  • Llindars de confiança

Què segueix decidint l'usuari:

  • Quin preset s'adapta al document actual -- una elecció basada en normes, no en configuració
  • Si un element marcat necessita revisió manual

La decisió de compliment -- què fer -- està presa prèviament. L'elecció diària -- quin preset -- segueix normes clares.

Apreniu com els presets admeten pipelines de dades consistents.

Sis Passos per Controlar la Configuració

Pas 1 -- Llista les configuracions actuals

Demana a tots els membres de l'equip com han configurat l'eina. Anota els buits. Això mostra quanta deriva existeix.

Pas 2 -- Defineix els conjunts de normes aprovats

Per a cada tipus de document, escriu la configuració aprovada. Fes que el DPO la firmi.

Pas 3 -- Crea presets amb nom

Converteix cada conjunt de normes aprovat en un preset amb nom. Utilitza noms clars. "RGPD Estàndard -- Dades de Clients UE" és millor que "Config1".

Pas 4 -- Elimina les configuracions autogestionades

Treu les opcions de configuració ad hoc dels fluxos de treball estàndard. Els usuaris seleccionen presets. No construeixen des de zero.

Pas 5 -- Registra el procés

Anota quins presets s'han creat, per qui i quan. Estableix un cicle de revisió: trimestral per als presets RGPD, anual per als presets HIPAA.

Pas 6 -- Construeix una pista d'auditoria

Els registres han de mostrar: el lot X s'ha executat amb el preset "RGPD Estàndard -- Dades de Clients UE" la data Y per l'usuari Z. El conjunt de normes del preset està registrat. La pista està completa.

Vegeu com els registres preparats per a auditoria ajuden durant una auditoria RGPD.

El Cost d'Esperar

Molts equips ometen la governànça de presets. El cost inicial és clar. El cost del risc sembla lluny.

Les matemàtiques canvien quan s'examinen dades reals d'aplicació:

  • Les accions d'aplicació del RGPD van augmentar un 56% el 2024 (Informe Anual DLA Piper 2025)
  • Els incompliments del procés per primera vegada sovint produeixen ordres correctores amb terminis
  • Les constatacions repetides en la mateixa àrea condueixen a sancions
  • Els incompliments de l'article 32 comporten sancions de milers a milions, en funció de la mida i la gravetat

Una ordre correctora et força a construir els controls que hauries d'haver construït abans. Corregir-ho sota pressió normalment costa entre tres i cinc vegades més que actuar primer.

Conclusió

La deriva de configuració no és un incompliment deliberat. És el resultat previsible de permetre que cada usuari gestioni la seva pròpia configuració sense supervisió central.

Una millor formació no soluciona això. Uns registres més clars no solucionen això. Eliminar la configuració autogestionada del flux de treball ho soluciona.

Els presets són la forma tècnica del compliment sistemàtic. Garanteixen que les decisions preses per personal qualificat s'apliquen a tothom -- independentment de la seva experiència o criteri.

Els equips remots s'enfronten al mateix repte a escala.

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.