anonym.legal

By · Last updated 2026-04-15

Nazaj na blogVarnost umetne inteligence

Zakaj politike ne preprecut uhajanja PII prek ChatGPT

77 % podjetniskih uporabnikov umetne inteligence kopira podatke v poizvedbe chatbotov. Skoraj 40 % naloženih datotek vsebuje PII ali PCI podatke. Predlagana posodobitev varnostnega pravila HIPAA.

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

Problem kopiranja in lepljenja

77 % podjetniskih uporabnikov umetne inteligence kopira podatke v poizvedbe chatbotov. To ni obrobno vedenje. To je privzeti nacin, kako zaposleni pri delu uporabljajo orodja umetne inteligence.

Vzorec je preprost. Zaposleni se soci naloge. Odpre dokument, kopira ustrezno besedilo in ga prilepi v ChatGPT. Dobi koristen odgovor.

V tem delovnem toku nic ne filtrira osebnih podatkov. Lepljenje se zgodi, preden se vprasа: "ali to vsebuje PII?" Ko prebere odgovor umetne inteligence, je prenos ze zakljucen.

Raziskave Cyberhaven so ugotovile, da skoraj 40 % datotek, nalozenih v orodja umetne inteligence, vsebuje podatke PII ali PCI. Vecina teh nalaganj ni nepremisljenih. Zaposleni delajo na dodeljeni datoteki. Podatki o strankah v njej so nakljucni.

Zakaj usposabljanje ne ucinkovito skalira

Usposabljanje o politikah naleti na strukturno omejitev. Poskusa spremeniti navadnovedenje z obcasnim izobrazevanjem.

Vrzel med usposabljanji je problem. Vecina podjetniskih programov se izvaja letno. Delavec, ki je bil v januarju usoposabljen o ravnanju z AI podatki, do oktobra ze deluje po navadi. Spomin se slabsa. Navade vztrajajo.

Posodobitev varnostnega pravila HIPAA, predlagana marca 2025, to odrazuje. Zahteva letne revizije sifrirajnja -- ne samo letno usposabljanje. Regulatorji pricakujejo, da bodo tehnicne kontrole primarna zastitna sredstva. Usposabljanje je dopolnilo.

Orodja umetne inteligence problem usposabljanja poslabsajo. Vedenje je novo. Zaposleni niso razvili navad ravnanja s podatki AI pred desetletjem, kot so to storili z e-posto. In uhajanje je nevidno. Zaposleni vidi koristen odgovor. Nobene sporocila o napaki ni. Nobene takojsnje negativne povratne informacije.

Brez povratnih informacij se vedenje ne popravi samo od sebe.

Kako razsiritev Chrome prestrezе lepljenje

Razsiritev Chrome deluje na ravni odlodisnisce. Sedi med dejanjem kopiranja in vnosnim poljem orodja umetne inteligence.

Prestrezanje deluje tako. Zaposleni kopira besedilo iz svoje delovne aplikacije. Preklopi na zavihek ChatGPT in prilepi. Razsiritev zazna PII v vsebini odlodisnice v trenutku lepljenja -- preden se vsebina pojavi v vnosnem polju.

Pojavi se predogledni modal. Pokaze natanko, kaj se bo spremenilo:

"Ime stranke 'Maria Schmidt' -> '[PERSON_1]'; E-posta 'maria.schmidt@company.de' -> '[EMAIL_1]'"

Zaposleni se lahko odloci za anonimizirano razlicico. Prav tako lahko preklic, ce zamenjava za njegovo nalogo ne ustreza.

Ta zasnova naredi dve stvari. Prvic, je pregledna. Zaposleni vidijo, kaj orodje pocne. To gradi zaupanje in se izogiba obcutku, da so kontrole zasebnosti nadzor. Drugic, odlocitev o razvrstiti naredi eksplicitno. Clovek potrdi vsak korak anonimizacije. Odlocitev ni avtomatizirana.

Prakticen primer

Premislite o ekipi za podporo strankam evropskega podjetja za e-trgovino. Agenti uporabljajo ChatGPT za sestavljanje odgovorov. Lepijo e-poste strank, ki vsebujejo imena, stevilke narocil in naslove.

Z aktivno razsiritvijo vsako lepljenje sprozи preverjanje anonimizacije. Agent odda anonimizirano poizvedbo. Odgovor ChatGPT se sklicuje na anonimizirane zetone. Agent prebere predloge in jih vkljuci v dejanski odgovor.

Kakovost podpore ostaja visoka. Minimizacija podatkov po clenu 5 GDPR je izpolnjena. Osebni podatki stranke nikoli ne dosezejo streznikov OpenAI.

Usposabljanje o politikah ne more proizvesti tega rezultata. Tehnicna kontrola na ravni odlodisnice pa.

Politike kot dopolnilo, ne primarna kontrola

Usposabljanje o politikah ima svoje mesto. Postavlja pricakovanja. Gradi osnovno zavest. Toda ne more prestrezati lepljenja v realnem casu.

Posodobitev pravila HIPAA nakazuje, kam gre skladnost. Revizijske tehnicne kontrole, ne samo dokumentirani programi usposabljanja. Podjetja, ki se zanasajo samo na usposabljanje, se soocajo z vrzeljo pri reviziji, ki jo lahko zapre samo tehnicna plast.

Glejte tudi:

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.