By · Last updated 2026-06-02

Takaisin BlogiinAI Turvallisuus

GDPR-yhteensopivan asiakastuki-tekoälyn rakentaminen: PII:n ja mukautettujen tunnisteiden poistaminen ennen tekoälytoimittajille lähettämistä

Asiakastuki-tekoäly vastaanottaa asiakasviestejä, jotka sisältävät nimet, sähköpostit JA tilaus-ID:t. Vakio-PII-työkalut poistavat sähköpostiosoitteet mutta jättävät tilaus-ID:t ehjiksi.

June 2, 20267 min lukuaika
customer support AIGDPR AI complianceorder ID detectionIntercom GDPRZendesk privacyAI vendor data

GDPR-yhteensopivan asiakastuki-tekoälyn rakentaminen: PII:n ja mukautettujen tunnisteiden poistaminen ennen tekoälytoimittajille lähettämistä

Asiakaspalvelutiimisi käyttää tekoälyavustajaa vastausten luonnosteluun, pyyntöhistorian tiivistämiseen ja ratkaisujen ehdottamiseen. Tekoäly on hyvä. Tuottavuus on kasvanut. Sitten tietosuojavastaavasi tarkistaa toteutuksen.

Tekoälyrajapintaan liitetyt asiakasviestit sisältävät:

  • Asiakkaan nimi: "Hei, olen Erika Virtanen ja tilaukseni..."
  • Sähköpostiosoite: "Ole hyvä ja lähetä minulle sähköpostia erika.v@gmail.com"
  • Tilaus-ID: "ORD-4521893 ei ole saapunut vielä"

Nimi ja sähköposti ovat henkilötietoja. Tilaus-ID on myös henkilötietoja — se on linkitetty Erika Virtaseen tilausjärjestelmässäsi, jonka tekoälytoimittaja voi ristiinviitata, jos he käsittelevät dataa useille asiakkaille, tai joka luo uudelleentunnistamisriskin, jos tekoälyn koulutusdata paljastuu.

Lähetät henkilötietoja ulkoiselle tekoälytoimittajalle ilman pätevää oikeudellista perustaa tai asianmukaisia suojatoimia. Tämä on GDPR-rikkomus.

Miksi tilaus-ID:t ovat henkilötietoja

GDPR:n henkilötietojen määritelmä on tarkoituksellisesti laaja: "kaikki tiedot, jotka liittyvät tunnistettuun tai tunnistettavissa olevaan luonnolliseen henkilöön." Henkilö on tunnistettavissa, jos hänet voidaan tunnistaa "suoraan tai epäsuorasti, erityisesti viittaamalla tunnisteeseen."

Tilaus-ID (ORD-4521893) on epäsuora tunniste. Yksin se ei tunnista Erika Virtasta. Mutta yhdistettynä tilausjärjestelmääsi — johon tekoälytoimittajalla voi olla tai ei ole pääsyä — se tunnistaa hänet varmasti.

GDPR:n artiklan 4(5) pseudonymisointikonsepti soveltuu tähän: tilaus-ID:t ovat pseudonyymejä, jotka vaativat lisätietoja (tilausjärjestelmän) uudelleentunnistamiseen. Kun pseudonyymiavainta kontrolloiva organisaatio (sinä, rekisterinpitäjä) lähettää kyseisen pseudonyymin ulkoiselle tekoälytoimittajalle, jaat pseudonymisoituja tietoja, jotka saattavat olla uudelleentunnistettavia.

Oikeudellinen analyysi: pseudonymisoidut tiedot, jotka lähetetään kolmannelle osapuolelle, jolla ei ole avainta, on suojattu kyseisen kolmannen osapuolen uudelleentunnistamiselta — mutta olet silti jakanut henkilötietoja, jotka vaativat oikeudellisen perusteen ja tietojenkäsittelysopimuksen.

Vakioanonymisoinnin aukko

Tukitiimit, jotka toteuttavat GDPR-vaatimustenmukaisuuden tekoälytyökaluilleen, ottavat usein käyttöön vakio-PII-havaitsemisen:

Mitä poistetaan:

  • Asiakasnimet (PERSON-yksikköhavaitseminen) ✓
  • Sähköpostiosoitteet (EMAIL_ADDRESS-havaitseminen) ✓
  • Puhelinnumerot (PHONE_NUMBER-havaitseminen) ✓
  • Luottokorttinumerot (CREDIT_CARD-havaitseminen) ✓

Mitä jää:

  • Tilaus-ID:t (ORD-XXXXXXX-formaatti — ei vakioyksikkökirjastossa) ✗
  • Tilinumerot (ACC-XXXXXXXX-XX-formaatti) ✗
  • Pyyntöviittausnumerot (TKT-XXXXX-formaatti) ✗
  • Sisäiset käyttäjätunnukset (UUID tai mukautettu formaatti) ✗
  • Tilaus-ID:t (SUB-XXXXXXXX-formaatti) ✗

Anonymisoitu viesti näyttää tältä: "Hei, olen [PERSON_1] ja tilaukseni ORD-4521893 ei ole saapunut vielä. Ole hyvä ja lähetä minulle sähköpostia [EMAIL_1]."

Tilaus-ID pysyy. Kaikki, jotka tietävät, että kyseessä on ORD-4521893 (mikä on kirjaimellisesti kaikki organisaatiossasi, joilla on CRM-pääsy) voivat heti tunnistaa asiakkaan, johon tämä viesti viittaa. Anonymisointi on epätäydellinen.

Chrome-laajennus: reaaliaikainen mukautettu tunnistehavaitseminen

Tukihenkilöille, jotka käyttävät verkkopohjaisia tekoälytyökaluja (Claude, ChatGPT, Gemini) suoraan selaimessaan, Chrome-laajennus tarjoaa reaaliaikaisen anonymisoinnin syöttöpisteessä:

  1. Tukihenkilö kopioi asiakkaan viestin leikepöydälle tai kirjoittaa tekoälyrajapintaan
  2. Chrome-laajennus havaitsee, että kohde on tekoälyalusta
  3. Vakio-PII havaitaan ja korvataan automaattisesti
  4. Mukautetut yksikkökuviot (tilaus-ID:t, tilinumerot spesifisessä formaatissasi) havaitaan tallennetun tiimikonfiguraation avulla
  5. Tukihenkilö näkee anonymisoidun viestin tekoälyrajapinnassa — ei koskaan alkuperäistä PII:tä

Mukautettu yksikkökonfiguraatio (ORD-XXXXXXX-kuvio) asetetaan kerran DPO:n tai vaatimustenmukaisuustiimin toimesta ja soveltuu kaikkiin tiimin jäseniin, jotka käyttävät laajennusta.

MCP-palvelin: API-tason havaitseminen integroiduille työkaluille

Asiakastukialustoille, jotka käyttävät tekoälyä API-integraatioiden kautta (Intercom tekoälyvastauksilla, Zendesk tekoälyluonnoksilla), MCP-palvelin tarjoaa välitasoanonymisoinnin:

Integrointivirtaus:

  1. Asiakasviesti vastaanotetaan tukialustalla
  2. Ennen tekoälymallille välittämistä: viesti reititetään MCP-anonymisointiendpointin kautta
  3. Anonymisointi soveltuu (vakio + mukautetut yksiköt)
  4. Anonymisoitu viesti lähetetään tekoälymallille
  5. Tekoälyvastaus generoidaan (ei PII-altistusta)
  6. Vastaus palautetaan tukialustalle, tukihenkilö tarkistaa ja muokkaa

Tämä integraatio on läpinäkyvä tukihenkilöille — työnkulku pysyy muuttumattomana. Anonymisointi tapahtuu API-tasolla, ei vaadi tukihenkilön toimia.

Liittimen konfiguraatio: Määritä mukautetut yksiköt kerran MCP-konfiguraatiossa. Kaikki MCP:n kautta tehdyt API-kutsut soveltavat automaattisesti täydellistä yksikköhavaitsemista mukautetut kuviot mukaan lukien.

DPO-toteutustarkistuslista

DPO:lle, joka tarkistaa tekoälyavusteisen asiakastuen toteutuksen:

1. Inventoi kaikki tekoälylle virtaava data:

  • Suorat liitokset/syötteet (selainpohjaiset tekoälytyökalut)
  • API-kutsut (tukialustaan integroitu tekoäly)
  • Tiedostoliitteet (jos tukihenkilöt lataavat kuvakaappauksia tai asiakirjoja)

2. Tunnista kaikki tunnistetyypit asiakkaiden viesteissä: Vakio-PII: nimet, sähköpostit, puhelimet (oletushavaitseminen kattaa) Mukautetut tunnisteet: tilaus-ID:t, tilinumerot, pyyntönumerot (vaativat mukautetun konfiguraation)

3. Konfiguroi mukautetut yksikkökuviot: Jokaiselle mukautetulle tunnistusformaatille: määrittele kuvio, testaa näyteviesteillä, tallenna tiimin esiasetukseksi

4. Toteuta anonymisointi asianmukaisissa kerroksissa: SelaInpohjainen tekoäly: Chrome-laajennus tiimin esiasetuksella API-integroitu tekoäly: MCP-palvelin tai API-tason esikäsittely

5. Dokumentoi ROPA:lle: Tallenna, että asiakastuki-tekoälyn käsittely käyttää automatisoitua PII-anonymisointia, mukaan lukien mitkä mukautetut tunnisteet havaitaan. Tämä on teknisen suojatoimenpiteen dokumentaatio.

6. Validoi testiskenaarioilla: Lähetä testiviesejä, jotka sisältävät kaikki tunnistetylit, toteutetun anonymisoinnin läpi. Varmista, että kaikki tunnisteet poistetaan ennen kuin ne saavuttavat tekoälymallin.

Todellinen esimerkki: SaaS-asiakastuki

SaaS-yrityksen asiakaspalvelutiimi käyttää Claudea (sisäisen tekoälyalustansa kautta) tukivastausten luonnosteluun. Asiakasviestit sisältävät:

  • Asiakkaiden nimet ja sähköpostit
  • Tilaus-ID:t (ORD-XXXXXXX-formaatti)
  • Tilaus-ID:t (SUB-XXXXXXXX-formaatti)
  • Ominaisuuslipputnimet (sisältävät joskus sisäisiä asiakastunnisteita)

Ennen GDPR-tarkistusta: Kaikki viestin sisältö lähetetään suoraan tekoälymallille tilaus- ja tilaus-ID:t mukaan lukien.

Mukautetun yksikköhavaitsemisen käyttöönoton jälkeen:

  • ORD-XXXXXXX ja SUB-XXXXXXXX -kuviot konfiguroitu mukautetuiksi yksiköiksi
  • Chrome-laajennus otettu käyttöön tukitiimissä jaetulla esiasetuksella
  • DPO vahvisti: testiviesejä järjestelmän läpi ajettuna kaikki tunnisteet poistettu

Tukityönkulun muutos: Nolla. Tukihenkilöt liittävät viestejä kuten ennenkin. Anonymisointi on heille näkymätöntä. DPO:lla on dokumentaatio teknisestä suojatoimenpiteestä.

Päätelmä

GDPR-yhteensopiva asiakastuki-tekoäly vaatii enemmän kuin nimien ja sähköpostien poistamista. Tilaus-ID:t, tilinumerot ja pyyntöviitteet ovat henkilötietoja, joita vakio-PII-työkalut jättävät huomaamatta. Vaatimustenmukaisuusaukko "anonymisoimme PII:n ennen tekoälyä" ja "anonymisoimme todellisuudessa kaikki tunnisteet" välillä suljetaan mukautetulla yksikkökonfiguraatiolla.

Korjaus ei ole monimutkainen: määrittele organisaatiosi tunnistusformaatit, testaa näyteviesteillä, ota käyttöön tiimille. DPO voi konfiguroida tämän yhtenä iltapäivänä. Jatkuva vaatimustenmukaisuushyöty — kaikki asiakkaan PII poistettu ennen ulkoista tekoälykäsittelyä — on pysyvä.

Lähteet

Valmiina suojaamaan tietojasi?

Aloita PII-anonymisointi yli 285 entiteettityypillä 48 kielellä.

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.