By · Last updated 2026-06-05

Späť na blogGDPR a Dodržiavanie

Zlyhanie auditu GDPR: Fragmentované nástroje na OÚ

Audítor sa pyta na kontroly detekcie OÚ. Odpoved 'Pouzívame pat rôznych nástrojov' nie je ta, ktorú ocakáva. Tu je vysvetlenie, preco nekonzistentnost napriec platformami predstavuje riziko pri auditoch.

June 5, 20266 min čítania
GDPR auditcompliance controlsPII tool consistencyDPA investigationtechnical measures

Zlyhanie auditu GDPR: Fragmentované nástroje na OÚ

Aktualizované pre rok 2026.

Vás audítor kladie jednu otázku: „Aké technické kontroly chránia osobné údaje?" Zlá odpoved: „Pouzívame pat rôznych nástrojov." Tu je vysvetlenie, preco pät nástrojov zlyhá pri auditoch GDPR — a ako vyzerá jasná odpoved.

Moment auditu

Vysetrujúci z Úradu na ochranu osobných údajov (DPA) sa stretá s pracovníkom pre súlad. DPA preskúmava saznost dotknutej osoby. Niekdajsí zákazník tvrdí, ze jeho údaje boli zneuzité.

Otázka: „Aké kontroly vasa organizácia pouzíva na ochranu osobných údajov pri ich spracúvaní zamestnancami?"

Pracovník pre súlad: „Nasi právnici pouzívajú doplnok pre Word. Pracovníci podpory pouzívajú rozsírenie Chrome. Náš datový tím má skript v Pythone. Pre jednorazové poziadavky môze ktokokvek pouzit webovú aplikáciu."

Vysetrujúci: „Sú to rovnaké nástroje? Rovnaký engine? Rovnaké pokrytie?"

Pracovník pre súlad: „Nie. Pracujú rôzne."

Práve vtedy sa audit skomplikuje.

Preco fragmentované nástroje zlyhávajú pri clanku 32

Clanok 32 GDPR vyzaduje „primerané technické a organizacné opatrenia". Standard má dve casti.

Primerané riziku. Opatrenia musia zodpovedat riziku. Pre osobné údaje spracúvané napriec mnohými pracovnými tokmi je potrebná konzistentná detekcia OÚ. Detekcia, ktorá sa lísi podla nástroja, túto latku nespĺna.

Dokazatelnost. Opatrenia musia byt preukázatelné. Clanok 5 ods. 2 — princíp zodpovednosti — vyzaduje, aby správcovia „vedeli preukázat súlad". To znamená dôkaz konzistentnej kontroly. Nie snahu. Konzistentnost.

Rozdrobené nástroje zlyhávajú pri preukázovaní. Nástroj A deteguje 285 typov entít. Nástroj B deteguje 50. Nástroj C deteguje 200, ale s inými prahmi. S takýmto zásobníkom nástrojov nemôzete preukázat konzistentnú ochranu. Môzete len ukázat, ze niektoré nástroje bezi v niektorých kontextoch.

Nález DPA o rozdrobených nástrojoch znie: „Technické kontroly na ochranu OÚ sú nekonzistentné napriec pracovnými tokmi. To vytvára medzery v pokrytí a bráni centralizovanej revízii auditného záznamu."

Problem objavovania medzier

Úcasokrát si medzery v pokrytí neuvedomíte, kým nedôjde k porušeniu.

Povedzte, ze Nástroj B (pouzívaný datovým tímom) nedeteguje národné cisla preukazov EÚ. Nástroj A (pouzívaný právnikmi) áno. Táto medzera je pocas beznej práce neviditelná. Súbory sa spracúvajú. Ziadne upozornenia sa nesprustia. Zdá sa, ze nie je nic zle.

Medzera sa prejaví, ked:

  • Národné cislo preukazu EÚ sa objaví v súbore spracovanom datovým tímom
  • Tento súbor sa zdielа bez kontrol
  • Dotknutá osoba zistí expozíciu a podá saznost GDPR

Teraz DPA odhalí medzeru. Datový tím pouzil nástroj s iným pokrytím ako ostatné tímy. Medzera, ktorá mala byt nájdená a uzavretá.

Zjednotené pokrytie toto rieсi. Rovnaké typy entít sa detegujú vo vsetkých kontextoch. Medzery sa stávajú viditelné — nulové detekcie entity X v akomkolvek pracovnom toku — namiesto toho, aby boli skryté.

Pozrite si GDPR clanok 32 a monitorovanie AI nástrojov pre to, co audítori hladajú v technických kontrolách.

Ako vyzerá cistá odpoved na súlad

Pracovník pre súlad s jednotnou platformou odpovie inak.

„Pouzívame jednu platformu na detekciu OÚ napriec vsetkými pracovnými tokmi. Právnici, pracovníci podpory a datoví inzinieri pouzívajú rovnaký detekcný engine. Rozhrania sa lísia — doplnok pre Word, rozsírenie Chrome, desktopová aplikácia — ale model a nastavenie sú rovnaké. Vsetko spracovanie sa loguje do centrálneho auditného záznamu. Nase nastavenie pokrýva 285+ typov entít s predvolbami zodpovedajúcimi jurisdikcii. Môzem vytiahnút akékolveк casové obdobie, aké potrebujete."

Táto odpoved je:

  • Konkrétna. Menuje platformu a vysvetluje nastavenie pre viacero platforiem.
  • Konzistentná. „Rovnaký detekcný engine" priamo rieсi obavy o pokrytí.
  • Preukázatelná. Centrálny auditný záznám znamená, ze dôkazy sú pripravené na poziadanie.

Ked vysetrujúci poziadа o auditný záznám pre konkrétnu dotknutú osobu, poziadavka je splnená okamzite.

Standard konzistentnosti napriec platformami

Pre silnú pozíciu podla clanku 32 sú to minimálne poziadavky.

Konzistentnost detekcie:

  1. Rovnaký detekcný model alebo API napriec vsetkými platformami
  2. Rovnaké pokrytie typov entít — ak webová aplikácia kontroluje 285 entít, desktopová aplikácia musí tiez
  3. Rovnaké prahy istoty — ziadny nástroj nie je miernejsí ani prísnejsí pre rovnaký typ entity
  4. Rovnaké náhradné tokeny pre rovnaké typy entít
  5. Centrálny auditný záznám napriec vsetkými platformami

Poziadavky na dokumentáciu:

  • Snímka konfigurácie: aktuálne pokrytie entít a prahy
  • História zmien: co sa zmenilo a kedy
  • Dôkaz pokrytia: vsetky platformy zdielaju rovnaké nastavenie

Môzete to vybudovat pre zásobník viacerých nástrojov. Vyzaduje to vsak formálnu správu konfigurácie a pravidelné audity napriec nástrojmi. Jedna platforma robí odpoved jednoduchou: „Tu je nastavenie. Platí vsade. Tu je auditný záznám."

Pre sirsí prehlad konzistentnosti napriec platformami pozrite Súlad OÚ napriec platformami: Mac, Linux, Windows.

Praktický prechod: Od fragmentácie k zjednoteniu

Krok 1: Zmapujte nástroje a pokrytie

  • Uvedte kazdy nástroj podla tímu a pracovného toku
  • Zdokumentujte, aké typy OÚ kazdy nástroj deteguje
  • Nájdite medzery — co deteguje Nástroj A, co Nástroj B prehliadne?

Krok 2: Definujte standard pokrytia

  • Na základe vasich povinností — typy entít GDPR, PHI podla HIPAA, kategórie CCPA
  • Nastavte jeden standard, ktorý platí pre vsetky pracovné toky

Krok 3: Vyberte zjednotenú platformu

  • Môze sa nasadit cez web, desktop, Word a prehliadac?
  • Splna vás standard pokrytia?
  • Poskytuje centralizovaný auditný záznám?

Krok 4: Migrujte

  • Zacnite s pracovnými tokmi s najvyssím rizikom
  • Presúvajte tím po tíme a vyrazujte staré nástroje po migrácii pouzívatelov
  • Zaznamenajte migráciu do vasho záznamu o súlade

Rozdrobené nástroje patria k najcastejsím medzerám v kontrolách GDPR zistených pri auditoch. Pre to, ako sa to prejavuje v distribuovaných tímoch, pozrite Vzdialená práca a GDPR: Nekonzistentnost platforiem.

Zdroje

Pripravení chrániť vaše údaje?

Začnite anonymizovať PII s 285+ typmi entít v 48 jazykoch.

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.