anonym.legal

By · Last updated 2026-04-15

Terug naar BlogAI Beveiliging

ChatGPT Beleid vs. Technische Controles

77% van medewerkers deelt gevoelige gegevens met AI-tools ondanks beleidsregels die dat verbieden. Bewustmakingstraining vermindert het incident-percentage met slechts 8%. Hier leest u waarom technische controles essentieel zijn.

April 15, 20268 min lezen
ChatGPT PII leak preventionChrome extension DLPenterprise AI policytechnical controls browsercopy-paste PII protection

De Beleidskloof

De meeste organisaties reageerden op het risico van AI-gegevenslekken met twee benaderingen: beleidsregels ("gebruik geen klantgegevens in AI-tools") en bewustmakingstraining.

LayerX's 2025 data toont dat deze benaderingen niet werken:

  • 77% van medewerkers deelt wekelijks gevoelige werkgegevens met AI-tools ondanks verbiedend beleid
  • Bewustmakingstraining vermindert het incidentpercentage met slechts 8% (Ponemon Institute 2024)
  • 71,6% van medewerkers die aan AI-verboden zijn onderworpen, omzeilt die verboden via persoonlijke accounts

Waarom Bewustmakingstraining Onvoldoende Is

Bewustmakingstraining werkt op de lange termijn voor het veranderen van houding. Het werkt niet op het moment van beslissing — wanneer een medewerker onder tijdsdruk staat en de AI-tool direct beschikbaar is.

Het verzoek om een medewerker om te onthouden dat klantgegevens gevoelig zijn tijdens een routine klantenservicetaak is een cognitieve vraag die mensen consistent falen onder stress.

Technische controles werken ongeacht de mentale toestand van de medewerker. Ze opereren op het moment van actie, niet op het moment van training.

Wat Technische Controles Doen

Browser-extensies: Detecteren PII in tekst die wordt ingediend bij web-AI en vervangen het vóór verzending. De medewerker krijgt hetzelfde AI-antwoord. De gevoelige gegevens verlaten het bedrijfsnetwerk nooit.

MCP Servers: Voor IDE-gebaseerd AI-gebruik onderscheppen ze code en prompts vóór ze het AI-model bereiken.

DLP-integratie: Enterprise DLP-platformen kunnen worden geconfigureerd om AI-tool-webverkeer te monitoren en te blokkeren.

De meest effectieve aanpak combineert technische controles (die lekken voorkomen) met beperkte beleidsregels (die de grens verduidelijken) en gerichte training (die complexe edge cases aanpakt).

Bekijk de Chrome-extensiepagina en de MCP Server-pagina.

Bronnen

Gerelateerde Artikelen

AI Beveiliging

AI Coding Assistants Leak Production PII

Unit test fixtures with real customer records. Log files with production data for debugging. GitHub found 39 million secrets leaked in 2024.

AI Beveiliging

Internal Wiki PII: Confluence Customer Data

Support teams document processes with screenshots of customer accounts. Over 3 years, that's thousands of GDPR data minimization violations in your.

AI Beveiliging

Screenshot PII: Leaks in Internal Tools

Slack, Teams, Jira, and email regularly receive screenshots containing customer PII. This access-control violation bypasses every DLP tool.

Klaar om uw gegevens te beschermen?

Begin met het anonimiseren van PII met 285+ entiteitstypen in 48 talen.

Start Gratis ProefperiodeBekijk Kenmerken

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.