By · Last updated 2026-04-04

Kembali ke BlogKeselamatan AI

Dasar AI Tanpa Kawalan Teknikal Gagal

77% pekerja berkongsi data kerja sensitif dengan alat AI walaupun dasar melarangnya. Seorang kontraktor kerajaan menampal data pemohon bantuan banjir FEMA.

April 4, 20268 min baca
AI data governancetechnical controlsChatGPT policy failureChrome Extension DLPenterprise AI security

Apabila Dasar Bertemu Tingkah Laku Sebenar

Seorang kontraktor kerajaan berada di bawah tekanan. Dia mempunyai tumpukan permohonan bantuan banjir FEMA untuk diproses. Dia menampal nama, alamat, dan rekod kesihatan ke dalam ChatGPT untuk bergerak lebih pantas. Dalam mindanya, dia tidak melanggar sebarang undang-undang. Dia hanya menggunakan alat terbaik yang ada.

Hasilnya: siasatan kerajaan dan pendedahan awam.

Inilah kegagalan teras tadbir urus AI berasaskan dasar sahaja. Dasar memberitahu pekerja apa yang perlu dilakukan. Ia tidak menghentikan tingkah laku.

77% pekerja perusahaan berkongsi data kerja sensitif dengan alat AI sekurang-kurangnya setiap minggu - walaupun dasar melarangnya (eSecurity Planet/Cyberhaven 2025). Mereka bukan pekerja yang cuai. Mereka adalah orang-orang yang berada di bawah tekanan masa yang memilih alat terpantas.

Mengapa Dasar Gagal

Dasar penggunaan AI bergantung pada pertimbangan manusia pada titik input. Momen itu pantas. Pekerja mungkin tidak ingat dasar tersebut. Mereka mungkin tidak melihat kandungan sebagai "sensitif." Mereka mungkin menerima risiko kerana penjimatan masa terasa besar.

Analisis Q4 2025 Cyberhaven mendapati bahawa 34.8% daripada semua input ChatGPT mengandungi maklumat perniagaan sulit. Ramai pengguna tersebut mengetahui dasar itu. Mereka menampal juga.

Dasar akses berfungsi kerana sistem menguatkuasakannya. DLP di lapisan e-mel berfungsi kerana sistem menerapkannya. Dasar penggunaan AI tiada penguatkuasaan pada titik tampal. Keputusan manusia mengisi jurang itu. Pada skala besar, manusia membuat kesilapan.

Kontraktor FEMA membuat salah satu kesilapan tersebut. Dia bukan pelakon jahat. Alat itu menang kerana dasar memintanya memilih antara kelambatan dan kelajuan. Di bawah tekanan, dia memilih kelajuan.

Kawalan Teknikal Menghentikan Apa yang Dasar Tidak Dapat

Satu-satunya pembaikan yang berfungsi pada skala besar beroperasi pada lapisan teknikal - bukan lapisan latihan.

Ekstensi pelayar boleh memintas kandungan papan klip sebelum ia mencapai mana-mana AI berasaskan web. Apabila kontraktor menyalin nama dan alamat pemohon dan menampal ke dalam ChatGPT, ekstensi mengesan PII, menanonimasikannya, dan menghantar versi bersih. AI melihat [NAME_1] dan [ADDRESS_1] sebagai ganti nilai sebenar. Ia masih menyiapkan tugas. Butiran peribadi pemohon tidak pernah sampai ke pelayan ChatGPT.

Ini adalah automatik. Ia tidak meminta pengguna mengingat apa-apa.

Bagi pembangun yang menggunakan Cursor atau GitHub Copilot, sebuah MCP Server menyediakan lapisan yang sama. Kod yang ditampal ke dalam konteks AI melalui enjin anonimisasi dahulu. Kelayakan dan pengecam proprietari menjadi token. AI menerima input bersih dan masih memberikan output berguna.

Lihat cara ini berbanding pemblokiran: Pemblokiran vs. Anonimisasi - DLP Pelayar Dibandingkan.

Apa yang Berubah dengan Kawalan Teknikal

Dengan ekstensi pelayar dipasang, senario kontraktor FEMA berjalan secara berbeza:

  1. Kontraktor menyalin rekod pemohon daripada sistem kes
  2. Ekstensi mengesan PII dalam papan klip
  3. Modal pratonton menunjukkan apa yang akan digantikan
  4. Versi tanpa nama pergi ke ChatGPT
  5. ChatGPT memproses permintaan dan mengembalikan keputusan
  6. Kontraktor mendapat bantuan yang diperlukan - tiada siasatan dicetuskan

Dasar tidak perlu berubah. Latihan tidak perlu dijalankan. Lapisan pemintasan mengendalikannya.

Latihan dasar mengurangkan risiko pada margin. Kawalan teknikal menghapuskan mod kegagalan. Insiden FEMA adalah kegagalan dasar. Ia akan menjadi bukan kejadian dengan satu Chrome Extension yang digunakan pada peranti kontraktor tersebut.

Lihat juga:

Sumber

Sedia untuk melindungi data anda?

Mulakan pengenalan PII dengan 285+ jenis entiti dalam 48 bahasa.

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.