By · Last updated 2026-06-05

Torna al BlogGDPR e Conformità

NAIH Ungheria: Governance dell'IA e Regole DPA

La NAIH richiede DPIA per tutti i sistemi IA che trattano dati personali. L'accuratezza del NER per l'ungherese è del 67% — ben al di sotto della media UE dell'82%.

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

NAIH Ungheria: Governance dell'IA e Regole DPA

L'autorità garante ungherese è la NAIH — Nemzeti Adatvédelmi és Információszabadság Hatóság. L'autorità ha prodotto le linee guida sull'IA più dettagliate di qualsiasi DPA dell'Europa centrale. Nel 2024 ha emesso 38 decisioni di enforcement e ha pubblicato norme che richiedono una DPIA per ogni sistema IA che tratta dati personali. Queste norme vanno oltre il quadro di riferimento minimo del GDPR.

Le Regole di Enforcement IA della NAIH

La maggior parte delle DPA europee pubblica linee guida generali sull'IA. La NAIH è andata oltre con indicazioni operative specifiche.

DPIA obbligatorie per tutti i sistemi IA: Ogni sistema IA che gestisce dati personali richiede una DPIA preliminare al rilascio. L'autorità garante lo richiede prima della messa in produzione. Questo vale anche quando il trattamento non è «ad alto rischio» ai sensi dell'articolo 35 del GDPR. Si tratta di un requisito più stringente rispetto all'approccio basato sul rischio del GDPR stesso.

Cosa deve includere una DPIA NAIH:

  • Una descrizione tecnica degli input e output di dati del modello IA
  • Evidenza che i dati di addestramento fossero anonimizzati o avessero una base giuridica valida
  • Una valutazione del rischio di discriminazione algoritmica
  • Una fase di revisione umana per le decisioni automatizzate
  • Un piano di conservazione e cancellazione dei dati elaborati dall'IA

Revisione annuale: L'autorità richiede che le DPIA vengano aggiornate ogni anno, nei casi in cui un sistema IA venga riaddestratto o modificato in modo significativo.

Nel 2024 l'Ungheria ha gestito oltre 890.000 richieste di dati GDPR. È un volume considerevole per un paese di 10 milioni di abitanti. Segnala un esercizio attivo dei diritti e una pressione reale sui team di conformità.

Il Gap nell'Accuratezza del NER

La revisione 2024 dell'autorità ha testato modelli NER su testi in lingua ungherese, registrando un'accuratezza di appena il 67%. La media europea è dell'82%. Quel divario di 15 punti ha costi concreti in termini di conformità.

L'ungherese è una lingua agglutinante: costruisce le parole attraverso numerosi suffissi. Nomi, indirizzi e identificativi in ungherese hanno un aspetto molto diverso rispetto ai dati in inglese o tedesco. Gli strumenti addestrati su quelle lingue non rilevano una quota significativa dei dati personali in ungherese. Consulta la nostra guida al rilevamento PII multilingue per capire come questo gap incida sulla conformità GDPR nelle diverse lingue.

L'autorità ha rilevato che gli strumenti NLP generici non rilevano il TAJ-szám nel 61% dei documenti. Le principali cause sono la variabilità dei formati e l'assenza di supporto per il checksum.

Identificativi Nazionali Ungheresi

I team che elaborano documenti in Ungheria devono rilevare con precisione questi tipi di ID. Consulta la nostra guida al rilevamento degli ID fiscali nazionali EU per il contesto di copertura a livello europeo.

TAJ-szám (Társadalombiztosítási Azonosító Jel): Numero di previdenza sociale a 9 cifre. Compare in documenti sanitari, previdenziali e pensionistici. La validazione utilizza un checksum ponderato stabilito dall'autorità previdenziale.

Adóazonosító jel: Codice fiscale personale a 10 cifre, con nucleo a 8 cifre più 2 cifre di controllo. Compare in buste paga, dichiarazioni fiscali e contratti di lavoro.

Személyi igazolvány: Numero della carta d'identità nazionale. Formato e cifra di controllo seguono le regole dell'autorità emittente.

Útlevél szám: Numero di passaporto. Formato e cifra di controllo seguono anch'essi le regole dell'autorità emittente.

Il Contesto Ügyfélkapu

L'Ungheria gestisce la maggior parte dei servizi pubblici attraverso un'unica piattaforma — Ügyfélkapu (Portale del Cittadino). Oltre 4 milioni di cittadini la utilizzano per fisco, previdenza, sanità e licenze. Le aziende private si collegano a Ügyfélkapu per gestione buste paga, prestazioni o verifica dell'identità, e trattano gli stessi identificativi in un contesto regolamentato.

L'autorità ha riscontrato che queste aziende utilizzano spesso strumenti PII internazionali, la maggior parte dei quali non supporta gli identificativi sopra elencati. Questo produce dati non rilevati e un rischio diretto di non conformità.

Sovrapposizione con il Regolamento UE sull'IA

L'Ungheria è stata tra le prime ad integrare le norme del Regolamento UE sull'IA nelle linee guida della DPA. La posizione dell'autorità è chiara.

I sistemi IA ad alto rischio sono elencati nell'Allegato III del Regolamento UE sull'IA e riguardano occupazione, scoring creditizio e servizi essenziali. Richiedono sia la valutazione di conformità prevista dal Regolamento UE sull'IA sia una DPIA NAIH.

I modelli IA a uso generale che trattano dati di persone residenti in Ungheria richiedono anch'essi una DPIA NAIH, anche quando non sono classificati come ad alto rischio ai sensi del Regolamento UE sull'IA.

Per i team che implementano sistemi IA in Ungheria, la checklist fondamentale prevede tre punti: completare una DPIA NAIH prima del lancio, verificare che lo strumento NER copra le entità sopra elencate in lingua ungherese e confermare il rilevamento del TAJ-szám e dell'adóazonosító jel con validazione checksum.

Fonti

Pronto a proteggere i tuoi dati?

Inizia ad anonimizzare i PII con oltre 285 tipi di entità in 48 lingue.

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.