By · Last updated 2026-04-15

Povratak na BlogSigurnost AI-a

Zasto Politika Ne Moze Zaustaviti ChatGPT Curenja Osobnih Podataka

77% korporativnih korisnika AI-ja kopira i lijeplja podatke u upite chatbota. Gotovo 40% ucitanih datoteka sadrzi osobne podatke ili PCI podatke. Predlozen je update HIPAA Security Rule-a.

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

Problem Kopiranja i Lijepljenja

77% korporativnih korisnika AI-ja kopira i lijeplja podatke u upite chatbota. Ovo nije rub ponasanja. To je zadani nacin na koji zaposlenici koriste AI alate na poslu.

Uzorak je jednostavan. Zaposlenik se suocava sa zadatkom. Otvori dokument, kopira relevantan tekst i lijepi ga u ChatGPT. Dobiva koristan odgovor.

Nista u tom tijeku rada ne filtrira osobne podatke. Lijepljenje se dogadja prije nego sto se upita: "sadrzi li ovo osobne podatke?" Do trenutka kada cita odgovor AI-ja, prijenos je dovrseni.

Istrazivanje tvrtke Cyberhaven otkrilo je da gotovo 40% datoteka ucitanih u AI alate sadrzi osobne podatke ili PCI podatke. Vecina tih ucitavanja nije neoprezna. Zaposlenici rade na datoteci koja im je dodijeljena. Podaci o klijentima u njoj su slucajni.

Zasto Obuka Ne Funkcionira u Mjerilu

Obuka o politikama suocava se sa strukturnim ogranicenjem. Pokusava promijeniti navikno ponasanje putem periodicnog obrazovanja.

Jaz izmedju sesija obuke je problem. Vecina korporativnih programa odvija se godisnje. Radnik obucen o rukovanju AI podacima u sijecnju operira po navici do listopada. Zaboravljanje se dogadja. Navike traju.

Predlozeni update HIPAA Security Rule-a iz ozujka 2025. odrazava ovo. Zahtijeva godisnje revizije enkripcije — a ne samo godisnju obuku. Regulatori ocekuju da tehnicke kontrole budu primarna zastita. Obuka je dopuna.

AI alati pogorsavaju problem s obukom. Ponasanje je novo. Zaposlenici nisu razvili navike rukovanja AI podacima prije desetljecu kao sto su to napravili s e-poztom. I curenje je nevidljivo. Zaposlenik vidi koristan odgovor. Nema poruke o gresci. Nema neposredne negativne povratne informacije.

Bez povratne informacije, ponasanje se ne ispravlja samo od sebe.

Kako Chrome Prosirenje Presrece Lijepljenje

Chrome prosirenje radi na razini meduspremnika. Stoji izmedju radnje kopiranja i polja za unos AI alata.

Presretanje funkcionira ovako. Zaposlenik kopira tekst iz svog poslovnog programa. Prelazi na karticu ChatGPT-a i lijepi. Prosirenje detektira osobne podatke u sadrzaju meduspremnika u trenutku lijepljenja — prije nego sto se sadrzaj pojavi u polju za unos.

Pojavljuje se modalni pregled. Prikazuje tocno sto ce se promijeniti:

"Ime kupca 'Maria Schmidt' -> '[PERSON_1]'; Email 'maria.schmidt@company.de' -> '[EMAIL_1]'"

Zaposlenik moze nastaviti s anonimiziranom verzijom. Takodjer moze odustati ako zamjena ne odgovara za njen zadatak.

Ovaj dizajn radi dvije stvari. Prvo, transparentan je. Zaposlenici vide sto alat radi. To gradi povjerenje i izbjegava osjecaj da su kontrole privatnosti nadzor. Drugo, cini odluku o klasifikaciji eksplicitnom. Covjekov potvrdjuje svaki korak anonimizacije. Odluka nije automatizirana.

Prakticni Primjer

Razmotrite tim korisnicke podrske europske tvrtke za e-trgovinu. Agenti koriste ChatGPT za sastavljanje odgovora. Lijepljuju e-poruke kupaca koje sadrze imena, brojeve narudzbi i adrese.

S aktivnim prosirenjima, svako lijepljenje aktivira provjeru anonimizacije. Agent salje anonimizirani upit. ChatGPT odgovor referencira anonimizirane tokene. Agent cita prijedloge i ukljucuje ih u stvarni odgovor.

Kvaliteta podrske ostaje visoka. Minimizacija podataka prema GDPR Clanku 5 je zadovoljena. Osobni podaci kupca nikada ne dosizu Openin-ove posluzitelje.

Obuka o politikama ne moze producirati ovaj rezultat. Tehnicka kontrola na razini meduspremnika moze.

Politika kao Dopuna, Ne Primarna Kontrola

Obuka o politikama ima svoje mjesto. Postavlja ocekivanja. Gradi temeljnu svijest. Ali ne moze presresti lijepljenje u stvarnom vremenu.

Update HIPAA pravila signalizira kuda ide uskladjenost. Revizibilne tehnicke kontrole, a ne samo dokumentirani programi obuke. Poduzetja koja se oslanjaju samo na obuku suocavaju se s revizijskim jazom koji samo tehnicka razina moze zatvoriti.

Vidi takodjer:

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.