By · Last updated 2026-04-15

Tilbage til BlogAI Sikkerhed

Hvorfor politikker ikke stopper ChatGPT-PII-lækager

77% af virksomhedens AI-brugere kopierer og indsætter data i chatbot-forespørgsler. Næsten 40% af uploadede filer indeholder PII- eller PCI-data. HIPAA-sikkerhedsreglens opdatering er foreslået.

April 15, 20268 min læsning
ChatGPT PII leak preventionChrome extension DLPenterprise AI policytechnical controls browsercopy-paste PII protection

Kopier-og-indsæt-problemet

77% af virksomhedens AI-brugere kopierer og indsætter data i chatbot-forespørgsler. Det er ikke en nicheadfærd. Det er standardmåden, medarbejdere bruger AI-værktøjer på arbejdet.

Mønsteret er simpelt. En medarbejder får en opgave. Hun åbner et dokument, kopierer den relevante tekst og indsætter den i ChatGPT. Hun får et nyttigt svar.

Intet i den arbejdsgang filtrerer for personoplysninger. Indsætningen sker, inden hun spørger: "Indeholder dette PII?" Når hun læser AI'ens svar, er transmissionen allerede sket.

Cybehavens forskning viste, at næsten 40% af filer uploadet til AI-værktøjer indeholder PII- eller PCI-data. De fleste af disse uploads er ikke uoverlagte. Medarbejderne arbejder med den fil, de er tildelt. Kundedata i filen er tilfældig.

Hvorfor træning ikke skalerer

Politiktræning har en strukturel begrænsning. Den forsøger at ændre vanemæssig adfærd gennem periodisk undervisning.

Kløften mellem træningssessioner er problemet. De fleste virksomhedsprogrammer kører årligt. En medarbejder, der er trænet i AI-datahåndtering i januar, handler på vane i oktober. Hukommelsen svinder. Vanerne består.

HIPAAs foreslåede opdatering af sikkerhedsreglerne fra marts 2025 afspejler dette. Den kræver årlige krypteringsrevisioner — ikke blot årlig træning. Tilsynsmyndigheder forventer, at tekniske kontroller er den primære sikkerhedsforanstaltning. Træning er supplementet.

AI-værktøjer forværrer træningsproblemet. Adfærden er ny. Medarbejdere udviklede ikke vaner for AI-datahåndtering for et årti siden på samme måde som med e-mail. Og lækagen er usynlig. Medarbejderen ser et nyttigt svar. Der er ingen fejlmeddelelse. Ingen umiddelbar negativ feedback.

Uden feedback korrigerer adfærden sig ikke selv.

Hvordan en Chrome-udvidelse griber ind ved indsætning

Chrome-udvidelsen opererer på udklipsholderniveau. Den befinder sig mellem kopieringshandlingen og AI-værktøjets inputfelt.

Afbrydelsen fungerer sådan. Medarbejderen kopierer tekst fra sin arbejdsapplikation. Hun skifter til ChatGPT-fanen og indsætter. Udvidelsen detekterer PII i udklipsholderindholdet i det øjeblik, der indsættes — inden indholdet vises i inputfeltet.

En forhåndsvisningsmodal vises. Den viser præcis, hvad der vil ændre sig:

"Kundenavn 'Maria Schmidt' → '[PERSON_1]'; E-mail 'maria.schmidt@company.de' → '[EMAIL_1]'"

Medarbejderen kan fortsætte med den anonymiserede version. Hun kan også annullere, hvis erstatningen ikke fungerer til hendes opgave.

Dette design gør to ting. For det første er det gennemsigtigt. Medarbejderne ser, hvad værktøjet gør. Det skaber tillid og undgår fornemmelsen af, at privatlivskontroller er overvågning. For det andet gør det klassifikationsbeslutningen eksplicit. Et menneske bekræfter hvert anonymiseringstrin. Beslutningen er ikke automatiseret væk.

Et praktisk eksempel

Tag et europæisk e-handelsselskabs kundesupportteam. Agenter bruger ChatGPT til at udarbejde svar. De indsætter kunde-e-mails, der indeholder navne, ordrenumre og adresser.

Med udvidelsen aktiv udløser hvert indsæt en anonymiseringskontrol. Agenten indsender en anonymiseret forespørgsel. ChatGPTs svar refererer til de anonymiserede tokens. Agenten læser forslagene og indarbejder dem i det faktiske svar.

Supportkvaliteten forbliver høj. GDPR artikel 5's dataminimeringskrav er opfyldt. Kundens personoplysninger når aldrig OpenAIs servere.

Politiktræning kan ikke producere dette resultat. En teknisk kontrol på udklipsholderniveau kan.

Politik som supplement, ikke primær kontrol

Politiktræning har sin plads. Den sætter forventninger. Den bygger grundlæggende bevidsthed. Men den kan ikke gribe ind ved en indsætning i realtid.

HIPAA-regelopdateringen signalerer, i hvilken retning compliance bevæger sig. Reviderbare tekniske kontroller, ikke blot dokumenterede træningsprogrammer. Virksomheder, der udelukkende stoler på træning, har et revisorgab, som kun et teknisk lag kan lukke.

Se også:

Kilder

Klar til at beskytte dine data?

Begynd at anonymisere PII med 285+ enhedstyper på tværs af 48 sprog.

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.