By · Last updated 2026-06-05

Volver al BlogGDPR y Cumplimiento

NAIH Hungría: Gobernanza de IA en Europa Central...

NAIH requiere DPIAs para todos los sistemas de IA que procesan datos personales.

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

NAIH Hungría: Gobernanza de IA y normas DPA

La autoridad de protección de datos de Hungría es la NAIH — Nemzeti Adatvédelmi és Információszabadság Hatóság. La autoridad ha emitido la guía de IA más detallada de cualquier APD de Europa Central. En 2024 emitió 38 decisiones de ejecución. También publicó normas que exigen una Evaluación de Impacto sobre la Protección de Datos para todo sistema de IA que trate datos personales. Estas normas van más allá de la base del RGPD.

Las normas de ejecución de IA de la NAIH

La mayoría de las APD de la UE publican orientaciones generales sobre IA. La APD húngara fue más lejos. Sus orientaciones de 2024 son específicas a nivel operativo.

EIPD obligatoria para todos los sistemas de IA: Todo sistema de IA que trate datos personales necesita primero una EIPD. La autoridad lo exige antes del despliegue. Esto se aplica incluso cuando el tratamiento no es de «alto riesgo» según el artículo 35 del RGPD. Es más estricto que el enfoque basado en riesgos del RGPD.

Lo que debe incluir una EIPD de la NAIH:

  • Una descripción técnica de las entradas y salidas de datos del modelo de IA
  • Prueba de que los datos de entrenamiento fueron anonimizados o contaban con una base jurídica válida
  • Una evaluación del riesgo de discriminación algorítmica
  • Un paso de revisión humana para las decisiones automatizadas
  • Un calendario de conservación y supresión de los datos tratados por IA

Revisión anual: La autoridad exige que las EIPD se actualicen cada año. Esto se aplica cuando un sistema de IA se reentrenan o se modifica significativamente.

Hungría gestionó más de 890.000 solicitudes de derechos RGPD en 2024. Es un volumen elevado para un país de 10 millones de habitantes. Señala un ejercicio activo de derechos y una presión real sobre los equipos de cumplimiento.

La brecha de precisión NER

La revisión técnica de 2024 de la autoridad probó modelos NER en texto en húngaro. Solo alcanzaron un 67 % de precisión. La media europea es del 82 %. Esa brecha de 15 puntos tiene costes de cumplimiento reales.

El húngaro es una lengua aglutinante. Forma palabras con muchos sufijos. Los nombres, direcciones e identificadores en húngaro son muy diferentes de los datos en inglés o alemán. Las herramientas entrenadas en esos idiomas omiten una gran parte de los datos personales en húngaro. Consulte nuestra guía de detección PII multilingüe para ver el impacto en el cumplimiento del RGPD.

La autoridad comprobó que las herramientas NLP genéricas omiten el TAJ-szám en el 61 % de los documentos. Las variaciones de formato y la falta de validación por suma de verificación son las causas principales.

Identificadores nacionales húngaros

Los equipos que procesan documentos en Hungría deben detectar estos tipos de identificadores con precisión. Consulte nuestra guía de detección de identificadores fiscales de la UE para el contexto completo de la UE.

TAJ-szám (Társadalombiztosítási Azonosító Jel): Un número de seguridad social de 9 dígitos. Aparece en registros de salud, prestaciones y pensiones. La validación utiliza una suma de verificación ponderada definida por la autoridad de seguridad social húngara.

Adóazonosító jel: Un identificador fiscal personal de 10 dígitos. El formato es un núcleo de 8 dígitos más 2 dígitos de control. Aparece en nóminas, declaraciones fiscales y contratos laborales.

Número Személyi igazolvány: El número del documento nacional de identidad. El formato y las reglas del dígito de control siguen la autoridad emisora.

Útlevél szám: El número de pasaporte. El formato y el dígito de control también siguen las normas de la autoridad emisora.

El contexto Ügyfélkapu

Hungría gestiona la mayoría de los servicios públicos a través de una sola plataforma — Ügyfélkapu (Client Gateway). Más de 4 millones de ciudadanos la utilizan para impuestos, prestaciones, sanidad y licencias. Las empresas privadas se conectan a Ügyfélkapu para nóminas, beneficios o verificaciones de identidad. Estas empresas procesan los mismos identificadores en un contexto regulado.

La autoridad ha comprobado que estas empresas suelen usar herramientas PII internacionales. La mayoría de esas herramientas no admiten los identificadores anteriores. Eso lleva a datos omitidos y a un riesgo de cumplimiento directo.

Superposición con el Reglamento de IA de la UE

Hungría fue de las primeras en incorporar las normas del Reglamento de IA en las orientaciones de la APD. La postura de la autoridad es clara.

Los sistemas de IA de alto riesgo están listados en el Anexo III del Reglamento de IA. Cubren empleo, puntuación crediticia y servicios esenciales. Requieren tanto la evaluación de conformidad del Reglamento de IA como una EIPD de la NAIH.

Los modelos de IA de uso general que tratan datos de personas en Hungría también necesitan una EIPD de la NAIH. Esto se aplica incluso cuando el modelo no está clasificado como de alto riesgo según el Reglamento de IA.

Para los equipos que despliegan IA en Hungría, la lista de verificación principal tiene tres elementos. Complete una EIPD de la NAIH antes del lanzamiento. Verifique que su herramienta NER cubra las entidades anteriores en texto húngaro. Confirme la detección de TAJ-szám y adóazonosító jel con validación por suma de verificación.

Fuentes

¿Listo para proteger sus datos?

Comience a anonimizar PII con más de 285 tipos de entidades en 48 idiomas.

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.