anonym.legal

By · Last updated 2026-04-18

Nazaj na blogVarnost umetne inteligence

3,8 dnevnih izpostavljanj PII v ekipah za podporo

Vsak agent za podporo, ki uporablja ChatGPT, v povprecju 3,8-krat na dan prilepi obcutljive podatke. Za 100-clansko ekipo je to 380 incidentov izpostavljanja GDPR dnevno.

April 18, 20268 min branja
accidental PII exposuresupport team ChatGPTCyberhaven 3.8 pastesworkflow PII protectionGDPR daily exposure

Matematika dnevne izpostavljenosti PII

Research Cyberhaven je ugotovil, da poslovni zaposleni v povprecju 3,8-krat dnevno prilepijo obcutljive podatke v ChatGPT. Za 100-clansko ekipo za podporo je to 380 primerov, ko zapisi o strankah vsak dan vstopijo v ChatGPT.

Vsak primer je lahko krsitev nacela minimizacije podatkov GDPR po clenu 5(1)(c). Ta clen zahteva, da so osebni podatki "ustrezni, upostevajoce in omejeni na tisto, kar je potrebno."

Niso to neposluhni zaposleni, ki ignorirajo politiko. Stevilo 3,8 odrazа normalno delo. Agenti kopirajo e-posta strank za pripravo odgovorov. Prilepijo besedilo pritozbe za empaticne predloge. Vkljucijo podrobnosti racuna za kontekstualne odgovore. Vsako lepljenje je veljaven korak produktivnosti, ki ob sebi nosi PII.

Usposabljanje za ravnanje ne odpravlja tezave

Revizija EU iz leta 2024 je ugotovila, da 63 % podatkov uporabnikov ChatGPT vsebuje osebno identificljive informacije. Le 22 % uporabnikov je vedelo, da se lahko odjavijo prek nastavitev orodja. Vecina vsebine, prileпljene v asistenta AI, vsebuje PII. Vecina uporabnikov se ne zaveda kontrol. Rezultat je dnevna izpostavljenost v velikem obsegu.

Usposabljanje na osnovi politike naleti na osnovno tezavo. Navada kopiranja in lepljenja je stara desetletja. Uporabniki so kopirali in lepili besedilo od svojega prvega dneva za racunalnikom. Vkljucitev orodja za klepet z AI kot cilj lepljenja doda novo destinacijo. Ne spremi navade.

Politika "ne lepite PII strank v asistenta AI" zahteva od agentov, da vstavijo korak klasifikacije - "ali to besedilo vsebuje PII?" - v navadno dejanje, ki nima naravne pavze. Ucinki usposabljanja se izrabijo. Kumulativni rezultat 380 dnevnih odlocitev o lepljenju je tveganje za skladnost, ki ga politika sama ne more zadrзati.

Kje tehnicne kontrole delujejo

Resitev deluje pri samem dejanju lepljenja. Razsiritev brskalnika prestrezе vsebino odlozisca v trenutku, ko agent pritisne prilepi - preden besedilo doseze vnosno polje. Agent vidi modalni predogled. Kaze, kaj je bilo zaznano in kaj bo anonimiziran, preden je besedilo poslano.

To ni blokirna kontrola. Agenti lahko nadaljujejo, preglasijo ali ustavijo. Je korak preglednosti. Doda en kratek trenutek vidnosti sicer avtomaticnemu dejanju.

Razmislite o nemski vodji ekipe za podporo v e-trgovini, ki pripravlja odgovore na pritozbe strank. Potek dela ostane enak: kopiraj pritozbo, prilepi v ChatGPT, ustvari odgovor. Razsiritev doda dvosekundni pregled. Agent vidi, da so bila zaznana imena, naslovi in stevilke narocil. Agent klikne nadaljuj. Orodje prejme anonimiziran o razlicico. Krsitev skladnosti se ne zgodi.

Nas vodnik za skladnost z GDPR pokriva pravno podlago za te kontrole. Glejte tudi nas primerjave politike AI in tehnicnih kontrol in vodnik za DLP v brskalniku za ChatGPT za podrobnosti implementacije.

Viri

Ste pripravljeni zaščititi svoje podatke?

Začnite z anonimizacijo PII z več kot 285 tipi entitet v 48 jezikih.

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.