Dane finansowe i księgowe firmy należą do szczególnie wrażliwych — ich przetwarzanie przez narzędzia AI wymaga dodatkowej ostrożności i jasnych zasad.

Na czym polega ta usługa

Usługa obejmuje przegląd sposobu, w jaki dane finansowe i księgowe mogłyby być przetwarzane przez rozważane narzędzie AI, oraz wskazanie zabezpieczeń ograniczających ryzyko ich niepożądanego ujawnienia.

Dla kogo ma sens

Usługa jest przydatna dla firm rozważających wykorzystanie AI do pracy z danymi finansowymi lub księgowymi, które chcą zrobić to w bezpieczny sposób.

Ile to trwa

Przegląd bezpieczeństwa danych finansowych mieści się z reguły w standardowym czasie do 3 dni.

Warunki

Diagnoza wstępna i wycena są bezpłatne. Dojazd na terenie Warszawy i okolic jest bezpłatny, a usługa objęta jest gwarancją do 12 miesięcy.

Główne ryzyka związane z wykorzystaniem AI w księgowości i finansach

Wprowadzenie algorytmów sztucznej inteligencji do działu finansowo-księgowego wiąże się z wieloma korzyściami operacyjnymi, ale stwarza również specyficzne zagrożenia dla poufności informacji. Dane księgowe, rejestry VAT, struktury kosztów, zestawienia marż oraz wykazy wynagrodzeń to zasoby o najwyższym stopniu wrażliwości w każdym przedsiębiorstwie. Niekontrolowane przekazanie takich danych do zewnętrznych systemów informatycznych może prowadzić do naruszenia tajemnicy przedsiębiorstwa lub złamania przepisów o ochronie danych osobowych.

Podstawowym zagrożeniem w przypadku publicznych narzędzi chmurowych jest uczenie modeli na wprowadzanych zapytaniach (ang. model training on user prompts - proces, w którym dostawca usługi wykorzystuje dane przesyłane przez użytkowników do trenowania i ulepszania kolejnych wersji swoich modeli językowych). W takiej sytuacji informacje wpisane w oknie czatu lub przesłane przez interfejs programistyczny mogą zostać zindeksowane i w określonych warunkach odtworzone jako odpowiedź dla innego użytkownika usługi na świecie.

Drugim istotnym problemem jest zjawisko nieautoryzowanego oprogramowania (tzw. Shadow AI - korzystanie przez pracowników z darmowych narzędzi internetowych bez wiedzy i zgody działu IT oraz zarządu). Księgowi lub analitycy finansowi, dążąc do przyspieszenia codziennej pracy, mogą samodzielnie kopiować fragmenty bilansów, wyciągów bankowych lub baz kontrahentów do niesprawdzonych aplikacji online, co natychmiast wyprowadza dane poza chroniony obwód firmowej sieci komputerowej.

Kolejnym aspektem są błędy poznawcze modeli, czyli halucynacje (ang. hallucinations - generowanie przez sztuczną inteligencję nieprawdziwych, zmyślonych informacji w sposób sprawiający wrażenie w pełni wiarygodnych). W analizie finansowej poleganie na niesprawdzonych obliczeniach lub automatycznie wygenerowanych formułach podatkowych może skutkować błędnymi decyzjami gospodarczymi lub nieprawidłowymi deklaracjami składanymi do urzędów skarbowych.

Warianty architektoniczne przetwarzania danych finansowych przez AI

Bezpieczne wdrożenie sztucznej inteligencji w środowisku biznesowym zależy od wyboru odpowiedniej architektury przetwarzania informacji. W zależności od profilu działalności oraz stopnia wrażliwości przetwarzanych dokumentów stosuje się różne modele technologiczne.

Pierwszym wariantem są lokalne modele językowe (ang. on-premise LLM - duże modele językowe uruchamiane w całości na firmowej stacji roboczej lub serwerze lokalnym bez konieczności wysyłania jakichkolwiek pakietów danych do sieci zewnętrznej). W tym modelu cała moc obliczeniowa zapewniana jest przez lokalne karty graficzne lub procesory serwerowe, a bazy danych pozostają w stu procentach wewnątrz fizycznej infrastruktury przedsiębiorstwa. Jest to rozwiązanie zapewniające maksymalny poziom prywatności, wymagające jednak odpowiednio dobranej konfiguracji sprzętowej opartej na systemach Windows lub Linux.

Drugim wariantem są dedykowane usługi chmurowe klasy biznesowej z podpisaną umową powierzenia przetwarzania danych (DPA, czyli Data Processing Agreement - dokument prawny określający warunki techniczne i organizacyjne przetwarzania danych, w tym formalny zakaz wykorzystywania zapytań do douczania publicznych modeli). Wersje komercyjne oferują szyfrowanie danych w spoczynku i podczas transmisji (ang. encryption in transit and at rest - zabezpieczenie informacji kluczami kryptograficznymi zarówno na dyskach, jak i w trakcie przesyłania przez internet).

Trzecim wariantem jest wykorzystanie modułów AI wbudowanych bezpośrednio w oprogramowanie księgowe i systemy planowania zasobów przedsiębiorstwa (ERP, czyli Enterprise Resource Planning - zintegrowane systemy zarządzania firmą). Narzędzia takie jak Comarch ERP Optima, InsERT Rewizor GT, InsERT nexo, Symfonia, WAPRO ERP czy enova365 wprowadzają własne, certyfikowane mechanizmy automatycznego odczytu faktur (OCR, czyli Optical Character Recognition - optyczne rozpoznawanie tekstu ze skanów i plików PDF) oraz asystentów wspomagających kategoryzację dokumentów, działających w ramach bezpiecznej infrastruktury dostawcy oprogramowania.

Czwartym wariantem jest architektura generowania wzbogaconego o wyszukiwanie (RAG, czyli Retrieval-Augmented Generation - technologia polegająca na łączeniu modelu językowego z lokalną bazą wektorową dokumentów). Model nie przechowuje wiedzy o firmie w swoich wagach, lecz w chwili zadania pytania przeszukuje wyłącznie ściśle określone, lokalnie zabezpieczone pliki księgowe i na ich podstawie generuje precyzyjną odpowiedź, eliminując ryzyko zmyślania danych.

Anonimizacja i maskowanie danych przed analizą

Niezależnie od wybranego narzędzia podstawową praktyką ograniczającą ryzyko wycieku jest automatyczna anonimizacja oraz maskowanie danych (ang. data masking - proces przekształcania wrażliwych elementów informacji w ciągi fikcyjne lub zamazane przy jednoczesnym zachowaniu ich struktury matematycznej i logicznej).

Prawidłowo przygotowane środowisko informatyczne stosuje reguły filtrujące, które przed przekazaniem zestawienia do modelu AI automatycznie zamieniają numery NIP, numery rachunków bankowych IBAN, nazwy kontrahentów oraz dane osobowe pracowników na unikalne identyfikatory zastępcze. Dzięki temu model może poprawnie dokonać analizy statystycznej, wykryć anomalie w kosztach lub przygotować podsumowanie struktury sprzedaży, nie mając w ogóle dostępu do rzeczywistych tożsamości podmiotów gospodarczych ani poufnych informacji kadrowych.

Proces ten może być realizowany na poziomie skryptów pośredniczących (tzw. middleware - oprogramowanie łączące różne aplikacje i filtrujące przepływ danych) lub odpowiednio skonfigurowanych widoków w relacyjnych bazach danych Microsoft SQL Server oraz PostgreSQL, na których pracują firmowe programy księgowe.

Procedura przeglądu bezpieczeństwa środowiska IT na miejscu u klienta

Przegląd bezpieczeństwa danych finansowych i księgowych realizowany jest w modelu dojazdu bezpośrednio do siedziby lub biura firmy na terenie Warszawy i okolicznych powiatów. Wszelkie prace techniczne rozpoczynają się od formalnych ustaleń gwarantujących pełną poufność.

Pierwszym krokiem jest bezpłatne podpisanie umowy o zachowaniu poufności (NDA, czyli Non-Disclosure Agreement - prawny kontrakt zobowiązujący do bezwzględnej ochrony tajemnicy handlowej i wszelkich informacji technicznych udostępnionych podczas audytu). Daje to pewność, że weryfikacja systemów odbywa się w warunkach pełnego bezpieczeństwa prawnego.

Kolejnym etapem jest inwentaryzacja punktów końcowych, czyli stacji roboczych, laptopów oraz serwerów, na których pracownicy wykonują operacje finansowe. Sprawdzane są uprawnienia w systemie operacyjnym Windows lub Linux, zainstalowane dodatki do przeglądarek internetowych, oprogramowanie antywirusowe oraz reguły zapory sieciowej (firewall - oprogramowanie filtrujące ruch sieciowy i blokujące nieautoryzowane połączenia wychodzące do podejrzanych domen i niezweryfikowanych usług AI).

Trzecim etapem jest analiza uprawnień dostępu do baz danych programów Comarch ERP, InsERT, Symfonia, WAPRO ERP, enova365 czy Płatnik ZUS. Weryfikowane jest, czy skrypty automatyzujące lub zewnętrzne interfejsy API (Application Programming Interface - zdefiniowany zestaw reguł umożliwiający komunikację między różnymi programami) nie posiadają zbyt szerokich uprawnień do zapisu danych lub wglądu w tabele zawierające wrażliwe dane płacowe.

Czwartym krokiem jest przygotowanie raportu zawierającego wykaz zidentyfikowanych podatności, zalecenia dotyczące konfiguracji bezpiecznych narzędzi oraz rekomendacje wdrożenia lokalnych lub zamkniętych rozwiązań sztucznej inteligencji dopasowanych do specyfiki danego przedsiębiorstwa.

Błędy przy próbie samodzielnego wdrażania AI w dziale księgowym

Próby samodzielnego wprowadzania narzędzi sztucznej inteligencji przez pracowników bez wsparcia ze strony specjalistów IT często prowadzą do poważnych luk bezpieczeństwa oraz błędów operacyjnych.

Najczęstszym błędem jest wgrywanie całych plików Jednolitego Pliku Kontrolnego (JPK) lub pełnych wyciągów bankowych w formacie CSV lub PDF do bezpłatnych translatorów i czatów internetowych w celu sporządzenia szybkiego podsumowania. Narzędzia te często zapisują historię zapytań na serwerach zewnętrznych podmiotów, co sprawia, że pełna historia transakcji firmy trafia w ręce firm trzecich.

Drugim powszechnym błędem jest instalowanie niesprawdzonych wtyczek i rozszerzeń do przeglądarek internetowych, które obiecują integrację AI z pocztą elektroniczną lub arkuszami kalkulacyjnymi. Wiele z tych dodatków to niezweryfikowane aplikacje, które w tle przechwytują zawartość schowka systemowego lub wysyłają treść przeglądanych stron do nieznanych serwerów.

Trzecim błędem jest nadawanie automatycznym skryptom AI bezpośredniego dostępu z uprawnieniami administratora (ang. administrative privileges - pełne prawa do odczytu, modyfikacji i usuwania dowolnych rekordów w systemie) do produkcyjnej bazy danych Microsoft SQL Server. W razie błędu logicznego skryptu lub nieprawidłowej interpretacji polecenia może dojść do uszkodzenia integralności tabel księgowych lub niezamierzonego nadpisania danych historycznych.

Czwartym błędem jest brak procedury regularnego tworzenia kopii zapasowych (backup - tworzenie kopii zapasowej danych na osobnym nośniku lub macierzy pamięci masowej) przed testowaniem nowych integracji. Wszelkie eksperymenty z automatyzacją powinny odbywać się wyłącznie na kopiach baz testowych, nigdy na aktywnych bazach produkcyjnych.

Piątym błędem jest brak wewnętrznej polityki bezpieczeństwa określającej, jakie typy dokumentów mogą być przetwarzane przez poszczególne narzędzia cyfrowe. Pozostawienie tej kwestii indywidualnej ocenie pracowników niemal zawsze prowadzi do rozszczelnienia obiegu informacji w firmie.

Kiedy to NIE jest problem bezpieczeństwa sztucznej inteligencji

Podczas codziennej pracy z oprogramowaniem księgowo-finansowym pojawia się wiele usterek i problemów technicznych, które bywają mylnie przypisywane działaniu nowych narzędzi cyfrowych, a w rzeczywistości wynikają z innych awarii sprzętowych lub programowych.

Problemem niezwiązanym z AI jest fizyczne uszkodzenie dysku twardego SSD lub macierzy RAID w serwerze bazodanowym, objawiające się spowolnieniem pracy programu Rewizor lub Optima, błędami odczytu plików lub zawieszaniem się systemu operacyjnego. Są to typowe usterki nośników pamięci masowej wymagające wymiany podzespołów na nowe i odtworzenia danych z kopii zapasowej.

Kolejną odrębną kwestią są uszkodzenia struktury bazy danych Microsoft SQL Server powstałe na skutek nagłego zaniku zasilania, nieprawidłowego zamknięcia systemu Windows Server lub przerwanej aktualizacji oprogramowania ERP. Objawia się to komunikatami o błędach spójności danych podczas uruchamiania programu księgowego.

Innym problemem jest infekcja złośliwym oprogramowaniem szyfrującym (ransomware - szkodliwe oprogramowanie blokujące dostęp do plików poprzez ich zaszyfrowanie i żądające zapłaty za odblokowanie). Jeśli pliki bazodanowe lub dokumenty finansowe stają się niedostępne, przyczyną jest zazwyczaj naruszenie zabezpieczeń poczty elektronicznej lub luka w protokole zdalnego pulpitu (RDP, czyli Remote Desktop Protocol), a nie korzystanie z modeli językowych.

Osobną kategorię stanowią również błędnie skonfigurowane uprawnienia użytkowników w usłudze katalogowej Active Directory lub wewnątrz samej aplikacji finansowej, gdzie pracownik uzyskuje dostęp do nieprzeznaczonych dla niego folderów sieciowych w wyniku pomyłki administratora sieci, a nie działania algorytmów AI.

Pytania i odpowiedzi dotyczące bezpiecznego AI w finansach

Czy bezpłatne wersje modeli językowych mogą legalnie przetwarzać dane księgowe polskiej firmy?

Z punktu widzenia przepisów o ochronie danych osobowych oraz tajemnicy przedsiębiorstwa korzystanie z bezpłatnych wersji publicznych modeli do przetwarzania surowych danych finansowych niesie za sobą wysokie ryzyko prawne. Regulaminy darmowych usług zazwyczaj zastrzegają prawo dostawcy do analizowania i wykorzystywania wprowadzanych zapytań w celach szkoleniowych. Aby legalnie i bezpiecznie przetwarzać dane biznesowe, konieczne jest korzystanie z rozwiązań biznesowych z podpisaną umową powierzenia przetwarzania danych (DPA) lub wdrożenie modeli lokalnych działających bez dostępu do sieci zewnętrznej.

Czym różni się lokalny model AI od rozwiązania chmurowego w księgowości?

Lokalny model AI (on-premise) jest instalowany i uruchamiany w całości na firmowym sprzęcie komputerowym - stacji roboczej lub serwerze wyposażonym w wydajny procesor graficzny. Żadne dane, zapytania ani dokumenty finansowe nie opuszczają infrastruktury przedsiębiorstwa. W przypadku rozwiązania chmurowego dane są przesyłane przez internet do zewnętrznego centrum danych dostawcy, co wymaga bezwzględnego zweryfikowania standardów szyfrowania, jurysdykcji prawnej serwerów oraz formalnych gwarancji bezpieczeństwa.

Czy oprogramowanie Comarch ERP, InsERT lub Symfonia można bezpiecznie połączyć z AI?

Tak, integracja jest możliwa i bezpieczna, o ile opiera się na oficjalnych modułach producentów (np. usługach OCR do automatycznego wprowadzania faktur) lub na bezpiecznych, autoryzowanych interfejsach programistycznych API z zachowaniem zasady minimalnych uprawnień. Zewnętrzne skrypty AI nie powinny mieć bezpośredniego dostępu do modyfikacji bazy danych, a jedynie odczytywać przygotowane wcześniej, zanonimizowane widoki danych.

Czy przed przeprowadzeniem przeglądu bezpieczeństwa podpisywana jest umowa poufności?

Tak, podpisanie umowy o zachowaniu poufności (NDA) jest bezpłatnym standardem przed przystąpieniem do jakichkolwiek analiz środowiska IT, baz danych czy konfiguracji sprzętowych u klienta. Gwarantuje to pełne bezpieczeństwo prawne oraz ochronę wszelkich informacji gospodarczych przedsiębiorstwa.

Jakie wymagania sprzętowe musi spełniać komputer do uruchomienia lokalnego modelu AI?

Do stabilnego działania lokalnych modeli językowych zoptymalizowanych pod kątem analizy dokumentów wymagana jest wydajna stacja robocza lub serwer z systemem Windows lub Linux, wyposażony w odpowiednią ilość pamięci operacyjnej RAM (rekomendowane 32 GB lub więcej) oraz dedykowaną kartę graficzną o dużej pojemności pamięci VRAM (Video RAM - pamięć podręczna karty graficznej wykorzystywana do przechowywania wag modelu językowego). W ramach bezpłatnej diagnozy wstępnej oceniamy możliwość wykorzystania istniejącego sprzętu firmowego.

Dojazd i audyt techniczny w siedzibie firmy

Wszystkie czynności związane z przeglądem bezpieczeństwa danych, weryfikacją stacji roboczych, konfiguracją zapór sieciowych oraz bezpiecznym wdrażaniem narzędzi automatyzacji księgowej wykonujemy z bezpośrednim dojazdem do klienta. Obsługujemy firmy na terenie całej Warszawy oraz w okolicznych powiatach podwarszawskich: pruszkowskim, piaseczyńskim, warszawskim zachodnim, grodziskim, wołomińskim, legionowskim i otwockim.

Dojeżdżamy pod wskazany adres firmowy z własnym sprzętem diagnostycznym, eliminując konieczność odłączania i transportowania serwerów czy stacji roboczych. Po wykonaniu przeglądu przedstawiamy przejrzyste rekomendacje techniczne, a wszelkie zrealizowane prace konfiguracyjne i instalacyjne objęte są gwarancją do 12 miesięcy oraz wsparciem technicznym do 30 dni.

22 378 48 09

Bezpieczeństwo danych finansowych i księgowych przy AI