By · Last updated 2026-06-02

Tilbake til BloggAI Sikkerhet

GDPR Support AI: Tilpassede Identifikatorer

Kundestott AI mottar kundemeldinger med navn, e-poster OG ordre-ID-er. Standard PII-verktoy fjerner e-postadresser men lar ordre-ID-er sta.

June 2, 20267 min lesing
customer support AIGDPR AI complianceorder ID detectionIntercom GDPRZendesk privacyAI vendor data

GDPR og Support AI: Tilpassede Identifikatorer Teller

Supportteamet bruker AI til a utforme svar og gjennomga billetter. Produktiviteten er opp. Deretter sjekker DPO-en oppsettet.

En typisk kundemelding inneholder et navn, en e-postadresse og en ordre-ID. Navn og e-post er personopplysninger. Det er ogsa ordre-ID-en. Den er koblet til Sarah Johnson i orddatabasen din. En AI-leverandor kan kryssreferere den. Hvis treningsdata lekker, kan ID-en re-identifisere henne.

A sende noen av disse til en ekstern AI-leverandor uten et juridisk grunnlag er et GDPR-brudd.

Hvorfor Ordre-ID-er Er Personopplysninger

GDPR artikkel 4 definerer personopplysninger bredt. Begrepet dekker all informasjon relatert til en identifisert eller identifiserbar person. Identifiserbarhet inkluderer indirekte identifikasjon ved referanse til en identifikator.

En ordre-ID som ORD-4521893 er en indirekte identifikator. Alene navngir den ikke Sarah Johnson. Paret med orddatabasen din gjor den det.

GDPR artikkel 4(5) dekker pseudonymisering. Ordre-ID-er er pseudonymer. De trenger en andre kilde for a avsloore personen bak dem. Nar du sender en til en ekstern AI-leverandor, deler du personopplysninger. Et juridisk grunnlag og en Databehandleravtale er pakreved.

Leverandoren holder kanskje ikke databasen din. Det avslutter ikke plikten din. Du delte personopplysninger. GDPR gjelder fortsatt.

Standard Anonymiseringsgapet

Supportteam implementerer ofte PII-deteksjon for GDPR-samsvar. Standardverktoy fjerner vanlige enhetstyper.

Standarddeteksjon fanger kundernavn, e-postadresser, telefonnumre og kreditkortnumre. Disse bestaar alle.

Standarddeteksjon fanger ikke ordre-ID-er i ORD-XXXXXXX-format. Den mangler kontonumre, billettreferanser, interne bruker-ID-er og abonnements-ID-er. Disse mislykkes.

Resultatet ser slik ut: "Hei, jeg er [PERSON_1] og ordren min ORD-4521893 har ikke ankommet enna. Vennligst send meg e-post til [EMAIL_1]."

Orde-ID-en er fortsatt der. Alle med CRM-tilgang kan finne Sarah Johnson umiddelbart. Anonymiseringen er ufullstendig. Dette er samsvarssgapet.

Chrome-Utvidelse: Deteksjon i Nettleseren

Supportagenter som bruker Claude, ChatGPT eller Gemini arbeider i nettleseren sin. Chrome-utvidelsen hindrer tilpassede identifikatorer fra a forlate.

Slik fungerer det. Agenten limer inn en kundemelding i AI-verkttoyet. Utvidelsen ser at malet er en AI-plattform. Den fjerner standard PII. Deretter bruker den tilpassede monstre. Disse matcher din ordre-ID-format, ditt kontonummerformat og alle andre tilpassede identifikatorer teamet ditt bruker. Agenten ser bare den rene meldingen. Radata nar aldri AI-en.

Samsvarsiteamet setter de tilpassede monstrene en gang. De deler en forhanndsinnstilling med alle agenter. Agenter trenger ikke a administrere dette. De limer inn meldingen. Utvidelsen tar seg av resten.

MCP-Server: Deteksjon pa API-Laget

Noen plattformer kaller AI gjennom API-er. Intercom bruker AI til a utforme svar. Zendesk bruker AI til svar-forslag. MCP-serveren legger til anonymisering pa API-laget for disse oppsettene.

Slik er floten. En kundemelding ankommer supportplattformen. Den passerer gjennom MCP-endepunktet for den nar AI-en. Endepunktet fjerner standard og tilpassede enheter. Den rene meldingen gar til AI-en. AI-en returnerer et svar. Ingen personopplysninger ble delt. Agenten leser og redigerer deretter svaret i supportplattformen.

Agenter ser ingen endring i hvordan de arbeider. Prosessen ser den samme ut. Tilpassede enheter settes en gang i MCP-konfigurasjonen. Alle API-kall bruker full enhetsdeteksjon fra det tidspunktet.

DPO Implementeringssjekkliste

1. Kartlegg alle dataflyter til AI.

List opp hvor agenter bruker AI. Inkluder nettleserverktoy, API-baserte verktoy og filopplastinger.

2. List opp alle identifikatortyper i kundemeldinger.

Standard PII -- navn, e-poster, telefoner -- er dekket som standard. Tilpassede identifikatorer -- ordre-ID-er, billettreferanser, kontonumre -- trenger tilpassede monstre.

3. Legg til tilpassede enhetsmonstre.

Definer hvert format. Test det pa proveemeldinger. Lagre det i teamforhanndsinnstillingen.

4. Rull ut pa riktig lag.

Nettleserpbasert AI: bruk Chrome-utvidelsen med en delt forhanndsinnstilling. API-integrert AI: bruk MCP-serveren eller API-niva forbehandling.

5. Oppdater ROPA-en din.

Registrer at support AI bruker automatisert anonymisering. List de tilpassede identifikatortypene som er dekket. Dette er din tekniske sikringstiltaksdokumentasjon.

6. Test oppsettet.

Kjor proveemeldinger med alle identifikatortyper. Sjekk at ingenting nar AI-en. Se den juridiske samsvarsguiden for dokumentmaler.

SaaS Supportteam: Et Praktisk Eksempel

Et SaaS-supportteam bruker Claude gjennom en intern AI-plattform. Kundemeldinger inkluderer navn, e-poster, ordre-ID-er og abonnements-ID-er. Noen funksjonsflaggnavn barer interne identifikatorer ogsa.

For GDPR-gjennomgangen: Alt innhold ble sendt til AI-en. Ordre- og abonnements-ID-er var inkludert.

Etter tilpasset enhetsdeteksjon:

ORD-XXXXXXX og SUB-XXXXXXXX ble lagt til som tilpassede enheter. Chrome-utvidelsen ble rullet ut med en delt forhanndsinnstilling. DPO-en kjorte tester og bekreftet at alle identifikatorer ble fjernet forst AI-behandling.

Agent-arbeidsflytendring: Ingen. Agenter arbeider pa samme mate. Anonymiseringen kjorer i bakgrunnen. DPO-en har et dokumentert sikringstiltak pa fil.

Konklusjon

GDPR-kompatibel support AI gjor mer enn a fjerne navn og e-poster. Ordre-ID-er, kontonumre og billettreferanser er personopplysninger. Standard verktoy mangler dem. Tilpasset enhetskonfigurasjon lukker gapet.

Trinnene er enkle. Definer identifikatorformatene dine. Test dem mot proveemeldinger. Rull dem ut til teamet. En DPO kan fullstendige dette pa en ettermiddag. Etter det fjernes alle kundedata for de nar eksterne AI-systemer. Samsvarsfordelen holder fra det tidspunktet.

Kilder

Klar til å beskytte dataene dine?

Begynn å anonymisere PII med 285+ enhetstyper på 48 språk.

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.