anonym.legal

By · Last updated 2026-04-25

블로그로 돌아가기GDPR 및 준수

GDPR AI 워크플로를 위한 토큰 매핑

AI 처리 전에 고객 이름을 익명화하면 AI의 응답에 익명화된 토큰이 포함됩니다. 최종 응답에는 토큰이 아닌 실제 이름이 있어야 합니다.

April 25, 20268 분 읽기
token mapping AIGDPR customer service AIauto-decryptsession-based anonymizationAI workflow pseudonymization

GDPR AI 워크플로를 위한 토큰 매핑

2026년 업데이트

팀이 AI를 활용해 고객 답변 초안을 작성합니다. 고객이 문의를 보냅니다. AI가 보기 전에 고객 이름이 익명화됩니다. AI는 자리 표시자(placeholder)가 포함된 초안을 작성합니다. 상담원이 수동으로 교체해야 합니다. 하루에 200건의 상호작용에서 그 비용은 빠르게 쌓입니다.

세션 기반 토큰 매핑이 이를 해결합니다. 실제 이름을 자동으로 복원합니다.

토큰 매핑 없이 생기는 문제

익명화 단계가 토큰을 생성합니다. "Maria Schmidt"가 [CUSTOMER_1]이 됩니다. Claude는 "Dear [CUSTOMER_1], 지연에 대해 사과드립니다"라고 초안을 작성합니다.

이제 담당자가 발송 전에 [CUSTOMER_1]을 "Maria Schmidt"로 교체해야 합니다. 이 규모에서 이 단계는 AI 지원의 목적을 훼손합니다. 사라지지 않는 반복 작업입니다.

세션 토큰 작동 방식

세션은 조회 테이블을 저장합니다. [CUSTOMER_1] → "Maria Schmidt". Claude가 초안을 반환하면 자동 복호화 레이어가 해당 테이블을 읽고 이름을 복원합니다. 상담원은 "Dear Maria Schmidt"를 봅니다. 이미 올바릅니다. 수동 단계 없습니다. GDPR 보호가 조용히 실행됩니다.

세션 일관성이 중요한 이유

토큰 테이블은 전체 세션에 걸쳐 일관성을 유지해야 합니다. "Maria Schmidt"가 최초 민원에도 등장하고 후속 문의에도 다시 등장한다면, 두 경우 모두 [CUSTOMER_1]로 해석되어야 합니다. 그렇지 않으면 Claude가 이들을 서로 다른 두 사람으로 취급할 수 있습니다. 응답이 일관성을 잃게 됩니다.

한 사람은 세션당 하나의 토큰을 받습니다. 그래야 Claude가 대화를 올바르게 추론할 수 있습니다.

설계에 의한 GDPR 규정 준수

GDPR 제4조 5항은 가명화를 위험 감소 기법으로 정의합니다. EDPB의 2022년 가이드라인은 한 가지를 요구합니다. 키는 가명화된 데이터와 분리하여 보관해야 합니다.

세션 토큰 테이블은 이 규칙을 충족합니다. 조회는 브라우저에 남아 있습니다. Claude에게 전송되지 않습니다. 세션이 종료되면 사라집니다. 개인 데이터가 외부 서버에 도달하지 않습니다. 제46조 이전 문제가 발생하지 않습니다.

보험 청구: 구체적인 사례

독일의 한 보험사가 고객 민원 이메일을 처리합니다. 각 이메일에는 이름, 보험 증권 번호, 청구 금액이 포함되어 있습니다.

AI 처리 전에 Chrome 확장 프로그램 또는 MCP 서버가 세 필드 모두를 익명화합니다. Claude는 [CUSTOMER_1], [POLICY_2024-08847], [AMOUNT_1]을 봅니다. 그 토큰들로 답변 초안을 작성합니다.

그러면 자동 복호화 레이어가 세 필드 모두를 복원합니다. 담당자는 초안에서 실제 이름과 보험 증권 번호를 봅니다. 검토하고 발송합니다. 자리 표시자 교체가 필요 없습니다.

GDPR 결과: Claude의 미국 서버로 전송된 데이터에는 개인 데이터가 없었습니다. 고객의 실제 이름과 보험 증권 번호는 담당자의 브라우저, 즉 독일에 남아 있었습니다.

완전한 루프에 필요한 것

원활한 워크플로를 위해서는 세 가지 구성 요소가 함께 작동해야 합니다.

1. 일관된 토큰. 각 개체는 세션당 하나의 토큰을 받습니다. 항상 동일한 것입니다.

2. 로컬 조회 테이블. 세션에 저장됩니다. AI에게 전송되지 않습니다.

3. 출력 시 자동 복호화. 상담원이 보기 전에 테이블이 AI 초안에 적용됩니다.

세 가지 모두 없으면 상담원이 수동으로 토큰을 교체합니다. 세 가지가 모두 있으면 워크플로가 자체적으로 실행되고 GDPR 규정을 준수합니다.

결론

이 접근 방식은 AI 지원 고객 업무의 루프를 완성합니다. 익명화가 데이터를 AI에 도달하기 전에 보호합니다. 자동 복호화가 응답에 실제 이름을 되돌려 놓습니다. 상담원은 모든 단계에서 올바른 이름을 봅니다. GDPR 규정 준수가 전반적으로 유지됩니다.

참고 자료

관련 기사

GDPR 및 준수

Japan My Number: Verhoeff & APPI

63% of generic tools fail My Number detection in Japanese documents. My Number uses Verhoeff algorithm — the most complex national ID checksum in Asia.

GDPR 및 준수

HDPA Greece: AFM & AMKA Detection

Greek AFM detected with 52% accuracy by generic tools. HDPA issued 89 decisions in 2024 — up 162% from 2022. Tourism and maritime sectors face distinct.

GDPR 및 준수

NAIH Hungary: TAJ-Szám and Adóazonosító Jel

Hungarian NER accuracy is 67% vs. EU average 82% — NAIH's 2024 assessment. TAJ-szám weighted checksum and adóazonosító jel detection gaps.

데이터 보호를 시작할 준비가 되셨나요?

48개 언어로 285개 이상의 엔티티 유형으로 PII 익명화를 시작하세요.

무료 체험 시작기능 보기

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.