By · Last updated 2026-04-18

Povratak na BlogSigurnost AI-a

3,8 dnevnih PII izlaganja u timovima podrske

Svaki agent podrske koji koristi ChatGPT prosjecno napravi 3,8 lijepljenja osjetljivih podataka dnevno. Za tim od 100 osoba to je 380 dnevnih GDPR incidenata izlaganja.

April 18, 20268 min čitanja
accidental PII exposuresupport team ChatGPTCyberhaven 3.8 pastesworkflow PII protectionGDPR daily exposure

Matematika dnevnog PII izlaganja

Cyberhaven istrazivanje pokazalo je da poslovni zaposlenici prosjecno napravi 3,8 lijepljenja osjetljivih podataka u ChatGPT po korisniku dnevno. Za tim podrske od 100 osoba to je 380 slucajeva korisnickih zapisa koji svakodnevno ulaze u ChatGPT.

Svaki slucaj moze biti krsenje GDPR-ovog nacela minimizacije podataka prema clancku 5(1)(c). Taj clanak zahtijeva da osobni podaci budu "primjereni, relevantni i ograniceni na ono sto je nuzno".

Ovo nisu agenti koji odlaze od politike. Broj 3,8 odrazava normalan rad. Agenti kopiraju e-mailove kupaca za pisanje odgovora. Lijepljuju tekst prituzbi kako bi dobili empatijne prijedloge. Ukljucuju podatke o racunu kako bi dobili kontekstualne odgovore. Svako lijepljenje je valjani korak produktivnosti koji slucajno sa sobom nosi PII.

Edukacija o ponasanju ne rjesava ovo

EU revizija iz 2024. pokazala je da 63% ChatGPT korisnickih podataka sadrzi osobne podatke koji se mogu identificirati. Samo 22% korisnika znalo je da se moze ispisati putem postavki alata. Vecina sadrzaja koji se lijepi u AI asistenta sadrzi PII. Vecina korisnika nije svjesna kontrola. Rezultat je svakodnevno izlaganje u velikom opsegu.

Edukacija politike nailazi na osnovni problem. Navika kopiranja i lijepljenja stara je desetljeca. Korisnici kopiraju i lijepe tekst od svog prvog dana za racunalom. Dodavanje AI chat alata kao odredista za lijepljenje dodaje novu destinaciju. Ne mijenja naviku.

Politika "ne lijepi PII kupca u AI asistenta" trazi od agenata da ubace korak klasifikacije — "sadrzi li ovaj tekst PII?" — u naviknu radnju koja nema prirodnu pauzu. Ucinkovitost edukacije opada. Kumulativni rezultat 380 dnevnih odluka o lijepljenju rizik je sukladnosti koji politika sama ne moze zadrzati.

Gdje tehnicke kontrole djeluju

Popravak funkcionira na samoj radnji lijepljenja. Prosirenje preglednika presrece sadrzaj meduspremnika u trenutku kada agent pritisne lijepljenje, prije nego tekst dospe do polja za unos. Agent vidi modalni pregled. Pokazuje sto je otkriveno i sto ce biti anonimizirano prije slanja teksta.

Ovo nije blokirajuca kontrola. Agenti mogu nastaviti, zaobici ili zaustaviti. To je korak transparentnosti. Dodaje jedan trenutak vidljivosti inace automatskoj radnji.

Razmotrite voditelja tima podrske njemacke e-commerce tvrtke koji sastavlja odgovore na prituzbe kupaca. Radni tijek ostaje isti: kopiranje prituzbe, lijepljenje u ChatGPT, generiranje odgovora. Prosirenje dodaje provjeru od dvije sekunde. Agent vidi da su otkrivena imena, adrese i brojevi narudzbi. Agent klikne nastavi. Alat prima anonimiziranu verziju. Krsenje sukladnosti se ne dogada.

Nas vodic za GDPR sukladnost pokriva pravnu osnovu za ove kontrole. Pogledajte takoder nasu usporedbu AI politike i tehnickih kontrola i vodic za DLP preglednika za ChatGPT za detalje implementacije.

Izvori

Spremni za zaštitu vaših podataka?

Započnite anonimizaciju PII-a s 285+ vrsta entiteta na 48 jezika.

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.