Når politik møder virkelighed
En statslig underleverandør var under pres. Han havde en bunke FEMA-ansøgninger om oversvømmelseshjælp, der skulle behandles. Han indsatte navne, adresser og helbredsoplysninger i ChatGPT for at komme hurtigere fremad. I hans optik brød han ingen regler. Han brugte blot det bedste tilgængelige værktøj.
Resultatet: en statslig efterforskning og en offentlig afsløring.
Dette er kernesvigtet ved AI-governance baseret udelukkende på politik. Politikker fortæller medarbejderne, hvad de skal gøre. De stopper ikke adfærden.
77 % af virksomhedsmedarbejdere deler følsomme arbejdsdata med AI-værktøjer mindst ugentligt — selv når politikken forbyder det (eSecurity Planet/Cyberhaven 2025). Det er ikke tankeløse medarbejdere. Det er mennesker under tidspres, der vælger det hurtigste værktøj.
Hvorfor politikker bryder ned
AI-brugspolitikker er afhængige af menneskelig vurdering i inputøjeblikket. Det øjeblik er kortvarigt. Medarbejderen husker måske ikke politikken. De ser måske ikke indholdet som "følsomt". De accepterer måske risikoen, fordi tidsbesparelsen føles stor.
Cyberhavens Q4 2025-analyse fandt, at 34,8 % af alle ChatGPT-input indeholder fortrolige forretningsoplysninger. Mange af disse brugere kendte politikken. De indsatte alligevel.
Adgangspolitikker virker, fordi systemer håndhæver dem. DLP på e-mail-laget virker, fordi systemer anvender det. AI-brugspolitikker har ingen håndhævelse ved indsætningspunktet. En menneskelig beslutning udfylder dette hul. I stor skala begår mennesker fejl.
FEMA-underleverandøren begik en af disse fejl. Han var ikke en skurk. Værktøjet vandt, fordi politikken bad ham vælge langsomhed frem for hastighed. Under pres valgte han hastighed.
Tekniske kontroller stopper det, politikker ikke kan
Den eneste løsning, der virker i stor skala, opererer på det tekniske lag — ikke uddannelseslaget.
En browserudvidelse kan opsnappe udklipsholderindhold, inden det når en webbaseret AI. Når underleverandøren kopierer ansøgernavne og adresser og indsætter dem i ChatGPT, opdager udvidelsen persondata, anonymiserer det og sender den rene version. AI-modellen ser [NAVN_1] og [ADRESSE_1] i stedet for reelle værdier. Den løser stadig opgaven. Ansøgerens private oplysninger når aldrig ChatGPTs servere.
Dette er automatisk. Det kræver ikke, at brugeren husker noget.
For udviklere, der bruger Cursor eller GitHub Copilot, giver en MCP Server det samme lag. Kode, der indsættes i AI-konteksten, passerer først igennem anonymiseringsmotoren. Legitimationsoplysninger og proprietære identifikatorer bliver til tokens. AI-modellen modtager rent input og leverer stadig nyttigt output.
Se, hvordan dette sammenligner med blokering: Blokering vs. anonymisering — Browser DLP sammenlignet.
Hvad der ændrer sig med tekniske kontroller
Med en browserudvidelse på plads forløber FEMA-underleverandør-scenariet anderledes:
- Underleverandøren kopierer ansøgerdata fra sagssystemet
- Udvidelsen opdager persondata i udklipsholderen
- Et forhåndsvisningsvindue viser, hvad der vil blive erstattet
- Den anonymiserede version sendes til ChatGPT
- ChatGPT behandler anmodningen og returnerer resultater
- Underleverandøren får den nødvendige hjælp — ingen efterforskning udløses
Politikken behøvede ikke at ændre sig. Uddannelse behøvede ikke at køre. Opfangningslaget håndterede det.
Politikuddannelse reducerer risikoen marginalt. Tekniske kontroller eliminerer fejltilstanden. FEMA-hændelsen var et politiksvigt. Den ville have været en ikke-hændelse med én Chrome-udvidelse installeret på underleverandørens enhed.
Se også:
- Enterprise AI Governance: Chrome Extension DLP
- Browser DLP til ChatGPT, Claude og Gemini
- Chrome Extension: Browser DLP til AI-værktøjer