By · Last updated 2026-06-05

Tornar al BlogGDPR i Compliment

NAIH Hongria: Governanca de la IA i normes de les APD

El NAIH exigeix EIPDs per a tots els sistemes d'IA que processen dades personals. La precisio del NER en hungares es del 67%, molt per sota de la mitjana europea del 82%.

June 5, 20268 min llegit
Hungary NAIHAI GDPR complianceTAJ-szám detectionCentral Europe DPAHungarian data protection

NAIH Hongria: Governanca de la IA i normes de les APD

L'organisme de dades d'Hongria es el NAIH — Nemzeti Adatvedelmi es Informacioszabadsag Hatosag. L'autorita ha emès les orientacions sobre IA mes detallades de cap APD d'Europa Central. El 2024 va emetre 38 decisions d'aplicacio. Tambe va publicar normes que exigeixen una EIPD per a tot sistema d'IA que gestioni dades personals. Aquestes normes van mes enlla de l'estandard base del RGPD.

Les normes d'aplicacio de la IA del NAIH

La majoria d'APD de la UE publiquen orientacions generals sobre IA. L'APD d'Hongria va mes enlla. La seva guia de 2024 es operativament especifica.

EIPDs exigides per a tots els sistemes d'IA: Tot sistema d'IA que toqui dades personals necessita una EIPD previ. El regulador ho exigeix abans del desplegament. Aixo s'aplica fins i tot quan el tractament no es d'alt risc en virtut de l'Article 35 del RGPD. Es mes estricte que el propi enfocament basat en el risc del RGPD.

Que ha d'incloure una EIPD del NAIH:

  • Una descripcio tecnica de les entrades i sortides de dades del model d'IA
  • Evidencia que les dades d'entrenament van ser anonimitzades o tenien una base legal valida
  • Una avaluacio del risc de discriminacio algorismica
  • Un pas de revisio humana per a les decisions automatitzades
  • Un calendari de retencio i eliminacio de les dades processades per la IA

Revisio anual: L'autorita exigeix que les EIPDs s'actualitzin cada any. Aixo s'aplica quan un sistema d'IA es reentrenat o modificat significativament.

Hongria va gestionar mes de 890.000 solicituds de dades RGPD el 2024. Es un volum gran per a un pais de 10 milions d'habitants. Indica un us actiu dels drets i una pressio real sobre els equips de compliment.

La llacuna de precisio del NER

La revisio de l'autorita de 2024 va provar models NER en text hongares. Nomes van obtenir un 67% de precisio. La mitjana de la UE es del 82%. Aquesta diferencia de 15 punts te costos de compliment reals.

L'hungares es una llengua aglutinant. Construeix paraules a traves de molts sufixos. Els noms, les adreces i els IDs en hongares semblen molt diferentes de les dades en angles o alemany. Les eines entrenades en aquests idiomes passen per alt una gran part de les dades personals en hongares. Consulteu la nostra guia de deteccio de PII multilingue per veure com aquesta llacuna afecta el compliment del RGPD en diferents idiomes.

El regulador va trobar que les eines NLP generiques passen per alt el TAJ-szam en el 61% dels documents. Les variacions de format i la manca de suport per al checksum son les causes principals.

Identificadors nacionals hongaresos

Els equips que processen documents a Hongria han de detectar aquests tipus d'ID amb precisio. Consulteu la nostra guia de deteccio d'ID fiscals nacionals de la UE per al context de cobertura completa de la UE.

TAJ-szam (Tarsadalombiztositasi Azonosito Jel): Un numero de seguretat social de 9 digits. Apareix en registres de salut, prestacions i pensions. La validacio utilitza un checksum ponderat establert per l'autorita de la seguretat social.

Adoazonositо jel: Un ID fiscal personal de 10 digits. El format es un nucli de 8 digits mes 2 digits de control. Apareix en nomines, declaracions fiscals i contractes d'ocupacio.

Numero de szemelyigazolvany: El numero de la targeta d'identitat nacional. El format i les regles del digit de control segueixen l'autorita emissora.

Utlevel szam: El numero de passaport. El format i el digit de control tambe segueixen les normes de l'autorita emissora.

El context d'Ugyfélkapu

Hongria gestiona la majoria dels serveis publics a traves d'una sola plataforma — Ugyfélkapu (Porta del Client). Mes de 4 milions de ciutadans l'utilitzen per a impostos, prestacions, sanitat i llicencies. Les empreses privades es connecten a Ugyfélkapu per a nomines, prestacions o verificacio d'identitat. Aquestes empreses processen els mateixos identificadors en un context regulat.

L'autorita ha constatat que aquestes empreses sovint utilitzen eines de PII internacionals. La majoria d'aquestes eines no compten amb suport per als identificadors esmentats. Aixo condueix a dades no detectades i a un risc de compliment directe.

Superposicio amb la Llei europea d'IA

Hongria va ser pionera en integrar les regles de la Llei d'IA a les orientacions de les APD. La postura del regulador es clara.

Els sistemes d'IA d'alt risc figuren a l'Annex III de la Llei d'IA. Aquests inclouen llocs de treball, puntuacio de credit i serveis essencials. Requereixen tant una avaluacio de conformitat de la Llei d'IA com una EIPD del NAIH.

Els models d'IA de proposit general que processen dades de persones a Hongria tambe necessiten una EIPD del NAIH. Aixo s'aplica fins i tot quan el model no esta classificat com a d'alt risc en virtut de la Llei d'IA.

Per als equips que despleguen IA a Hongria, la llista de comprovacio basica te tres elements. Completeu una EIPD del NAIH abans del llancament. Verifiqueu que la vostra eina NER cobreix les entitats esmentades en text hongares. Confirmeu la deteccio del TAJ-szam i l'adoazonositо jel amb validacio del checksum.

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.