By · Last updated 2026-05-01

Powrót do blogaGDPR i zgodność

Wewnętrzne identyfikatory pracownicze też są danymi osobowymi

Każda duża organizacja posiada wewnętrzne identyfikatory, które pozwalają powiązać zanonimizowane rekordy z konkretnymi osobami. 34% kar RODO dotyczy niewystarczających środków technicznych — a wewnętrzne identyfikatory są jedną z najczęściej pomijanych luk.

May 1, 20268 min czytania
employee ID anonymizationproprietary identifier detectionquasi-PIIGDPR custom entitiesno-code pattern builder

Czym są quasi-dane osobowe?

Artykuł 4 RODO obejmuje wszelkie dane umożliwiające identyfikację osoby. Dane nie muszą wprost wskazywać konkretnej osoby. Wystarczy, że identyfikacja jest możliwa za pomocą dodatkowych kroków.

Wewnętrzne identyfikatory pracownicze są tego wyraźnym przykładem. Weźmy wartość „EMP-EU-123456”. Ten ciąg znaków nikogo nie nazywa. Ale system kadrowy zawiera prostą tabelę przeglądową. EMP-EU-123456 odpowiada Marii Schmidt, starszej inżynierze z Monachium. Każda osoba mająca dostęp do tej tabeli może ją zidentyfikować. W świetle RODO ten identyfikator jest daną osobową.

Ta sama zasada dotyczy innych wewnętrznych kodów:

  • Numery kont klientów powiązane z rekordami CRM
  • Kody projektów powiązane z nazwami klientów w systemach umownych
  • Numery referencyjne spraw w dokumentach prawnych
  • Numery dokumentacji medycznej powiązane z rekordami pacjentów

Usunięcie imion i adresów e-mail to za mało. Jeśli w dokumencie pozostają wewnętrzne identyfikatory, reidentyfikacja jest zaledwie o dwa kroki dalej.

Dlaczego ta luka prowadzi do kar

34% wszystkich kar RODO dotyczy niewystarczających środków technicznych w rozumieniu Artykułu 32. Dane te pochodzą z raportu DLA Piper 2025 GDPR Annual Report. Niewyykrywanie quasi-identyfikujących identyfikatorów wewnętrznych wpisuje się właśnie w tę kategorię.

EDPB rozpatrzył ponad 900 spraw w ramach mechanizmu spójności w 2024 roku. Transgraniczna egzekucja oznacza, że jedna luka we współdzielonym zbiorze danych może doprowadzić do skoordynowanych działań obejmujących kilka państw członkowskich UE.

Standardowe narzędzia do ochrony danych osobowych wykrywają wzorce universalne: imiona i nazwiska, adresy e-mail, numery telefonów, krajowe numery identyfikacyjne. Nie znają twojego wewnętrznego formatu identyfikatorów. Żadne narzędzie go nie zna — dopóki go nie podasz. Na tym polega ta luka.

Jak działa kreator wzorców bez kodu

Globalna firma logistyczna musi zanonimizować dane pracownicze na potrzeby zewnętrznego audytu. Identyfikatory pracownicze mają format: EMP-[REGION]-[6 cyfr]. Trzy przykłady: EMP-EU-123456, EMP-APAC-789012, EMP-AMER-345678.

Zespół ds. zgodności wprowadza trzy przykłady do asystenta wzorców AI. AI zwraca:

  • Wzorzec: EMP-[A-Z]{2,4}-\d{6}
  • Pasuje do wszystkich trzech przykładów
  • Sugerowana nazwa encji: EMPLOYEE-ID
  • Zalecany następny krok: przetestuj z większą liczbą kodów regionów

Zespół testuje dziesięć kolejnych próbek. Wzorzec działa dla wszystkich.

Zapisują niestandardową encję do wspólnego presetu RODO całego zespołu. Wszystkie 47 dokumentów w pakiecie audytowym zostaje przetworzonych w jednej partii. Każdy identyfikator pracowniczy zostaje zastąpiony etykietą opartą na roli. Firma audytorska otrzymuje pliki, które nie powiązują się z żadną konkretną osobą.

Bez pomocy działu IT. Cała konfiguracja zajmuje mniej niż godzinę.

Co dalej

Po zapisaniu niestandardowej encji do współdzielonego presetu wszyscy członkowie zespołu korzystają z tej samej konfiguracji. Nowi pracownicy mają do niej dostęp od pierwszego dnia. Zadania wsadowe, wywołania API i ręczne przesyłanie plików — wszystko stosuje ten sam wzorzec.

Ścieżka audytu pokazuje, który preset był używany dla każdego pliku. Jeśli organ ochrony danych zażąda dowodów procesu anonimizacji, możesz je przedstawić.

Pełny proces konfiguracji niestandardowych encji: niestandardowe identyfikatory PII do anonimizacji organizacyjnej. Jak zachować spójność konfiguracji w całym zespole: presety spójności anonimizacji dla audytu RODO.

Źródła

Gotowy, aby chronić swoje dane?

Rozpocznij anonimizację PII z 285+ typami podmiotów w 48 językach.

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.