anonym.legal

By · Last updated 2026-04-04

Назад на блоготБезбедност на вештачка интелигенција

AI политиките без технички контроли не функционираат

77% од вработените споделуваат чувствителни деловни податоци со AI алатки и покрај политиките кои го забрануваат тоа. Владин изведувач вметна податоци на апликантите за поплавна помош на FEMA.

April 4, 20268 мин читање
AI data governancetechnical controlsChatGPT policy failureChrome Extension DLPenterprise AI security

Кога политиката се сретнува со реалното однесување

Владин изведувач бил под притисок. Имал заостаток на апликации за поплавна помош на FEMA за обработка. Ги вметнал имињата, адресите и здравствените записи во ChatGPT за да работи побрзо. Во неговите очи, не прекршил никакви закони. Само го користел најдобриот достапен алат.

Резултатот: владина истрага и јавно обелоденување.

Тоа е суштинскиот неуспех на AI управувањето засновано само на политики. Политиките им кажуваат на вработените што да прават. Не го запираат однесувањето.

77% од деловните вработени споделуваат чувствителни работни податоци со AI алатки барем неделно -- дури и кога политиката го забранува тоа (eSecurity Planet/Cyberhaven 2025). Тоа не се несериозни работници. Тоа се луѓе под временски притисок кои ја избираат најбрзата алатка.

Зошто политиките се распаѓаат

Политиките за употреба на AI се потпираат на човечката проценка во моментот на внесување. Тој момент е брз. Вработениот може да не се сеќава на политиката. Можеби не ја гледа содржината како "чувствителна". Можеби го прифаќа ризикот затоа что заштедата на времето изгледа голема.

Анализата на Cyberhaven за Q4 2025 откри дека 34,8% од сите ChatGPT влезни податоци содржат доверливи деловни информации. Многу од тие корисници ја знаеле политиката. Сепак вметнале.

Политиките за пристап функционираат затоа што системите ги спроведуваат. DLP на ниво на е-пошта функционира затоа што системите го применуваат. Политиките за употреба на AI немаат спроведување на точката на вметнување. Човечка одлука го пополнува тој јаз. Во голем обем, луѓето прават грешки.

Изведувачот за FEMA направил една од тие грешки. Не бил лош актер. Алатката победила затоа što политиката побарала од него да избере бавност наспроти брзина. Под притисок, ја избрал брзината.

Техничките контроли го запираат она što политиките не можат

Единствената поправка која функционира во голем обем работи на техничкиот слој -- не на слојот за обука.

Екстензијата за прелистувач може да ја пресретне содржината на клипбордот пред да стигне до кој bilo AI базиран на веб. Кога изведувачот ги копира имињата и адресите на апликантите и ги вметнува во ChatGPT, екстензијата ги открива личните податоци, ги анонимизира и ја испраќа чистата верзија. AI гледа [NAME_1] и [ADDRESS_1] наместо реалните вредности. Сепак ја извршува задачата. Приватните детали на апликантот никогаш не стигнуваат до серверите на ChatGPT.

Тоа е автоматско. Не бара корисникот да се сеќава на ништо.

За програмерите кои користат Cursor или GitHub Copilot, MCP Server го обезбедува истиот слој. Кодот вметнат во AI контекстот прво поминува низ моторот за анонимизација. Акредитивите и сопствените идентификатори стануваат токени. AI добива чист влез и сепак дава корисен излез.

Погледнете kako ова се споредува со блокирањето: Блокирање наспроти анонимизација -- Споредба на Browser DLP.

Što се менува со техничките контроли

Со инсталирана екстензија за прелистувач, сценариото со изведувачот за FEMA тече поинаку:

  1. Изведувачот ги копира записите на апликантите од системот за случаи
  2. Екстензијата открива лични податоци во клипбордот
  3. Прозорец за преглед покажува što ќе биде заменето
  4. Анонимизираната верзија оди до ChatGPT
  5. ChatGPT го обработува барањето и враќа резултати
  6. Изведувачот ја добива потребната помош -- без покрената истрага

Политиката не требала да се менува. Обуката не требала да се одржи. Слојот за пресретнување се справил со тоа.

Обуката за политики го намалува ризикот на маргините. Техничките контроли го елиминираат режимот на неуспех. Инцидентот со FEMA бил неуспех на политиката. Ќе биде неважен настан со една Chrome Extension инсталирана на уредот на тој изведувач.

Видете исто така:

Извори

Подготвени да ги заштитите вашите податоци?

Започнете со анонимизација на PII со 285+ типови на ентитети на 48 јазици.

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.