By · Last updated 2026-05-01

Tornar al BlogGDPR i Compliment

Els identificadors interns d'empleats tambe son dades personals

Totes les organitzacions grans tenen identificadors interns propis que vinculen els registres anonimitzats a persones reals. El 34% de les multes del RGPD impliquen mesures tecniques inadequades.

May 1, 20268 min llegit
employee ID anonymizationproprietary identifier detectionquasi-PIIGDPR custom entitiesno-code pattern builder

Que es la quasi-PII?

L'article 4 del RGPD cobreix qualsevol dada que pugui identificar una persona. Les dades no necessiten nomenar directament a algu. Nomes cal que facin possible la identificacio a traves de passos addicionals.

Els identificadors interns d'empleats en son un exemple clar. Preneu el valor "EMP-EU-123456". Aquesta cadena no identifica a ningu. Pero el sistema de recursos humans te una taula de consulta senzilla. EMP-EU-123456 correspon a Maria Schmidt, enginyera senior, Munich. Qualsevol persona amb acces a aquesta taula pot trobar-la. Sota el RGPD, l'identificador es una dada personal.

La mateixa norma s'aplica a d'altres codis interns:

  • Numeros de compte de clients que s'enllacen amb registres del CRM
  • Codis de projecte que s'enllacen amb noms de clients en sistemes contractuals
  • Numeros de referencia de casos en fitxers juridics
  • Numeros d'historia medica que s'enllacen amb registres de pacients

Eliminar noms i adreces electroniques no es suficient. Si els identificadors interns romanen en un fitxer, la re-identificacio nomes esta a dos passos.

Per que aquest buit provoca multes

El 34% de totes les multes del RGPD impliquen mesures tecniques inadequades segons l'article 32. Aquesta xifra prové de l'Informe Anual del RGPD 2025 de DLA Piper. La no deteccio d'identificadors interns quasi-identificadors entra en aquesta categoria.

El CEPD va gestionar mes de 900 casos del mecanisme de coherencia el 2024. L'aplicacio transfronterera significa que un buit en un conjunt de dades compartit pot derivar en accions coordinades a diversos estats membres de la UE.

Les eines estandard de dades personals troben patrons universals: noms, adreces electroniques, telefons, identificadors nacionals. No coneixen el vostre format d'identificador intern. Cap eina ho fa fins que vosaltres li ho expliqueu. Aquest es el buit.

Com funciona el creador de patrons sense codi

Una empresa logistica global necessita anonimitzar registres d'empleats per a una auditoria externa. Els seus identificadors d'empleats utilitzen aquest format: EMP-[REGIO]-[6 digits]. Tres exemples: EMP-EU-123456, EMP-APAC-789012, EMP-AMER-345678.

L'equip de compliment introdueix tres exemples a l'assistent de patrons d'IA. La IA retorna:

  • Patro: EMP-[A-Z]{2,4}-\d{6}
  • Coincideix amb els tres exemples
  • Nom d'entitat suggerit: EMPLOYEE-ID
  • Proper pas recomanat: provar amb mes codis de regio

L'equip prova deu exemples mes. El patro funciona en tots ells.

Desen l'entitat personalitzada al preset RGPD compartit de l'equip. Els 47 documents del paquet d'auditoria es processen en un lot. Cada identificador d'empleat es substitueix per una etiqueta basada en rols. L'empresa auditora rep fitxers que ja no estan vinculats a cap individu.

No cal ajuda d'enginyeria. Tota la configuracio triga menys d'una hora.

Que passa despres

Un cop l'entitat personalitzada s'ha desat en un preset compartit, tots els membres de l'equip utilitzen la mateixa configuracio. El personal nou la rep el primer dia. Els processos per lots, les cridades a l'API i les pujades manuals apliquen tots el mateix patro.

El registre d'auditoria mostra quin preset s'ha utilitzat per a cada fitxer. Si una autoritat de proteccio de dades demana proves del vostre proces d'anonimitzacio, podeu mostrar-les.

Per al flux de treball complet de configuracio d'entitats personalitzades, vegeu Identificadors PII personalitzats per a l'anonimitzacio organitzacional. Per mantenir aquesta configuracio consistent entre equips, vegeu Presets de consistencia d'anonimitzacio per a l'auditoria del RGPD.

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.