By · Last updated 2026-05-01

Voltar ao BlogGDPR & Conformidade

IDs Internos de Funcionários Também São PII...

Toda grande organização possui identificadores internos proprietários que vinculam registros anonimizados a pessoas reais.

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

O que é Quasi-PII?

O RGPD Artigo 4 cobre qualquer dado que possa identificar uma pessoa. Os dados não precisam nomear alguém diretamente. Basta que a identificação seja possível por etapas adicionais.

Os identificadores internos de funcionários são um exemplo claro. Considere o valor "EMP-EU-123456." Essa sequência não nomeia ninguém. Mas o sistema de RH contém uma tabela de consulta simples. EMP-EU-123456 aponta para Maria Schmidt, Engenheira Sênior, Munique. Qualquer pessoa com acesso a essa tabela pode encontrá-la. Segundo o RGPD, o identificador é um dado pessoal.

A mesma regra se aplica a outros códigos internos:

  • Números de conta de clientes vinculados a registros de CRM
  • Códigos de projeto vinculados a nomes de clientes em sistemas de contratos
  • Números de referência em processos jurídicos
  • Números de prontuário vinculados a registros de pacientes

Remover nomes e endereços de e-mail não é suficiente. Se os identificadores internos permanecerem em um arquivo, a reidentificação está a apenas dois passos.

Por que essa lacuna gera multas

34% de todas as multas do RGPD envolvem medidas técnicas inadequadas sob o Artigo 32. Esse número vem do Relatório Anual RGPD 2025 da DLA Piper. A falha em detectar identificadores internos quase-identificadores se enquadra nessa categoria.

O EDPB processou mais de 900 casos do mecanismo de consistência em 2024. A aplicação transfronteiriça significa que uma lacuna em um conjunto de dados compartilhado pode desencadear ação coordenada em vários Estados-Membros da UE.

Ferramentas PII padrão detectam padrões universais: nomes, e-mails, telefones, identificadores nacionais. Elas não conhecem o formato do seu identificador interno. Nenhuma ferramenta conhece até você configurá-la. Essa é a lacuna.

Como funciona o gerador de padrões sem código

Uma empresa de logística global precisa anonimizar registros de funcionários para uma auditoria externa. Os identificadores de funcionários seguem este formato: EMP-[REGIÃO]-[6 dígitos]. Três exemplos: EMP-EU-123456, EMP-APAC-789012, EMP-AMER-345678.

A equipe de conformidade insere três exemplos no assistente de padrões de IA. A IA retorna:

  • Padrão: EMP-[A-Z]{2,4}-\d{6}
  • Corresponde aos três exemplos fornecidos
  • Nome de entidade sugerido: EMPLOYEE-ID
  • Próximo passo recomendado: testar com mais códigos de região

A equipe testa dez amostras adicionais. O padrão funciona em todas.

Eles salvam a entidade personalizada no preset RGPD compartilhado da equipe. Os 47 documentos do pacote de auditoria são processados em um lote. Cada identificador de funcionário é substituído por um rótulo baseado na função. O escritório de auditoria recebe arquivos que não podem mais ser vinculados a nenhum indivíduo.

Não é necessária ajuda técnica. A configuração completa leva menos de uma hora.

O que acontece depois

Depois que a entidade personalizada é salva em um preset compartilhado, todos os membros da equipe usam a mesma configuração. Novos colaboradores a recebem desde o primeiro dia. Processamentos em lote, chamadas de API e uploads manuais aplicam o mesmo padrão.

O registro de auditoria mostra qual preset foi usado para cada arquivo. Se uma autoridade de proteção de dados solicitar evidências, você pode fornecê-las.

Para o fluxo de trabalho completo de configuração de entidades personalizadas, consulte identificadores PII personalizados para anonimização organizacional. Para manter a configuração consistente entre equipes, consulte presets de anonimização para auditorias RGPD.

Fontes

Pronto para proteger seus dados?

Comece a anonimizar PII com mais de 285 tipos de entidades em 48 idiomas.

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.