By · Last updated 2026-04-06

Zpět na blogBezpečnost AI

Podniková AI: Přístup pro vývojáře bez rizika

Banky zakázaly ChatGPT. Jejich vývojáři ho přesto používali doma. 27,4 % veškerého obsahu vkládaného do podnikových AI chatbotů obsahuje citlivé údaje (Zscaler).

April 6, 20269 min čtení
enterprise AI banAI governanceMCP Server enterpriseZscaler AI data riskdeveloper AI policy

Zákaz AI, který se obrátil proti původnímu záměru

Velké podniky zakázaly veřejné nástroje AI. JPMorgan, Deutsche Bank, Wells Fargo, Goldman Sachs, Bank of America, Apple a Verizon — to vše udělaly. Zákazy přišly po skutečných incidentech úniku dat. Regulátoři se obávali odesílání důvěrných dat externím poskytovatelům AI.

Zákazy problém nevyřešily.

Analýza LayerX z roku 2025 zjistila, že 71,6 % podnikového přístupu k AI nyní probíhá přes nekorporátní účty. Zaměstnanci používají ChatGPT, Claude a Gemini přes osobní účty. Dělají to na firemních zařízeních. A také na soukromých zařízeních pro pracovní účely. Zákaz AI vytvořil ekosystém stínové AI. IT oddělení do něj nevidí. DLP kontroly na něj nedosáhnou. Monitorování souladu s předpisy ho nelze sledovat.

Zpráva Zscaler 2025 Data@Risk konkretizuje škody. 27,4 % veškerého obsahu vkládaného do podnikových AI chatbotů obsahuje citlivé údaje. To představuje nárůst o 156 % meziročně. Nárůst má dvě příčiny. Adopce nástrojů AI se rozšířila. Migrace ke stínové AI obešla veškerý stávající monitoring.

Proč zákazy situaci zhoršují

Konkurenční tlak vysvětluje adopci stínové AI. Vývojáři ve firmách, které AI povolují, uzavírají tickety rychleji. Píší dokumentaci rychleji. Prototypují rychleji. Vývojáři v JPMorganu, kteří zákaz dodržují, čelí skutečnému propadu produktivity.

Za těchto podmínek vyžaduje soulad s předpisy úsilí. Použití AI z osobního účtu je snadné. Každé individuální rozhodnutí je racionální. Daná osoba ušetří čas. Souhrnný efekt je opakem zamýšleného cíle. Používání AI pokračuje ve velkém objemu. Probíhá v kanálu bez jakéhokoli monitoringu.

To je paradox podnikové AI. Zákaz měl chránit citlivá data. Místo toho přesouvá používání AI do kanálů, kde ochrana dat není možná.

Architektura MCP paradox řeší

Řešením je kontrolní mechanismus, který používání AI umožňuje místo toho, aby ho blokoval. MCP Server se nachází mezi klientem AI a API modelu. Všechny prompty procházejí anonymizačním enginem před odesláním. Citlivá data jsou nahrazena tokeny. Model obdrží potřebný kontext. Nikdy nevidí přihlašovací údaje, OÚ ani proprietární identifikátory.

Představte si CISO v německém automobilovém výrobci. Potřebuje zpřístupnit nástroje AI pro kódování 500 vývojářům. Zároveň musí dodržovat GDPR. MCP Server zachycuje proprietární algoritmy ještě před tím, než se dostanou na servery Claude nebo GPT-4. Bezpečnostní tým může schválit používání nástrojů AI. Citlivý obsah neopouští firemní síť bez anonymizace. Vývojáři používají Cursor přesně jako dřív. Auditní protokol ukazuje, co bylo zachyceno a nahrazeno.

Podnik vyřeší dilema. Nástroje AI jsou povoleny. Technická vrstva vymáhá ochranu dat. Stínová AI klesá, protože zaměstnanci mají schválený a monitorovaný kanál. Tento kanál poskytuje stejný přínos pro produktivitu. CISO získá kontroly a auditní záznamy. Vývojáři získají přístup k AI.

Paradox zmizí. Podnik získá obojí: produktivitu vývojářů i skutečnou ochranu dat.

Viz také: Jak MCP Server řeší zabezpečení OÚ a případová studie zákazu ChatGPT ve Samsungu pro reálný kontext zákazů podnikové AI.

Zdroje

Připraveni chránit svá data?

Začněte anonymizovat PII s více než 285 typy entit ve 48 jazycích.

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.