Korzystanie z narzędzi AI w firmie, która przetwarza dane osobowe klientów lub pracowników, wymaga uwzględnienia wymogów RODO — nie inaczej niż przy każdym innym systemie przetwarzającym takie dane.

Objaw

Zgłoszenia dotyczą firm planujących wdrożenie AI do procesów obejmujących dane osobowe — obsługę zgłoszeń klientów, dokumentację kadrową czy korespondencję zawierającą dane kontaktowe — które chcą upewnić się, że wdrożenie nie narusza obowiązujących przepisów.

Możliwe przyczyny

Typowe ryzyka: wprowadzanie danych osobowych klientów do narzędzia AI bez sprawdzenia, czy dostawca zapewnia odpowiednie gwarancje zgodne z RODO, brak informacji dla klientów, że ich zapytania mogą być przetwarzane z pomocą AI, oraz brak podstawy prawnej do takiego przetwarzania danych w dokumentacji firmy.

Co robimy

Sprawdzane jest, czy wybrane narzędzie AI oferuje warunki zgodne z wymogami RODO, w tym odpowiednie umowy powierzenia przetwarzania danych, jeśli dane osobowe faktycznie mają trafiać do systemu dostawcy. Weryfikowane jest, czy dokumentacja firmy — polityka prywatności, informacje dla klientów — uwzględnia fakt korzystania z narzędzi AI w procesach obejmujących ich dane. Techniczna strona wdrożenia jest realizowana przez serwis, natomiast pełna ocena zgodności prawnej i przygotowanie dokumentacji, przy bardziej złożonych przypadkach, wymaga konsultacji z prawnikiem lub specjalistą ochrony danych.

Ile to trwa

Wstępna ocena zgodności to zwykle jedno spotkanie, dalsze kroki zależą od złożoności przetwarzanych danych i mogą wymagać dodatkowego czasu na konsultację prawną.

Co można zrobić samemu, zanim przyjedzie serwisant

Warto sprawdzić, czy firma ma aktualnie obowiązującą politykę prywatności i czy uwzględnia ona możliwość korzystania z narzędzi automatyzujących przetwarzanie danych klientów.

Czego nie robić: nie warto wdrażać AI do przetwarzania danych osobowych bez wcześniejszego sprawdzenia zgodności z RODO, licząc na to, że „jakoś to będzie" — konsekwencje naruszenia przepisów o ochronie danych bywają poważne finansowo.

Warunki

Ocena techniczna wyceniana jest indywidualnie. Pełna analiza prawna zgodności z RODO wymaga współpracy z prawnikiem lub kancelarią — techniczną stronę wdrożenia realizuje serwis, dokumentację i analizę ryzyka prowadzi specjalista prawny.

Warianty modeli AI a poziom ryzyka dla danych osobowych

Wybór architektury sztucznej inteligencji bezpośrednio determinuje obowiązki prawne i techniczne wynikające z RODO (Ogólnego Rozporządzenia o Ochronie Danych Osobowych). W praktyce firmowej wyróżnia się cztery główne modele wdrożeniowe:

Bezpłatne, publiczne czaty internetowe (modele konsumenckie): Wprowadzanie danych osobowych do ogólnodostępnych interfejsów webowych wiąże się z największym ryzykiem. Większość dostawców w darmowych planach zastrzega sobie prawo do wykorzystywania wprowadzonych promptów (tekstowych poleceń użytkownika) do dalszego trenowania modeli (model training). Oznacza to, że poufne dane klientów mogą stać się częścią ogólnej bazy wiedzy algorytmu i potencjalnie zostać ujawnione innym użytkownikom. W tym wariancie zazwyczaj brak jest możliwości zawarcia wymaganej umowy powierzenia przetwarzania danych.
Komercyjne interfejsy programistyczne (płatne API): Korzystanie z płatnych subskrypcji biznesowych i bezpośredniego dostępu przez API (Application Programming Interface, czyli interfejs programistyczny aplikacji) zazwyczaj wyłącza automatyczne uczenie modelu na danych klienta. Dostawcy udostępniają w tym modelu formalne umowy DPA (Data Processing Agreement, czyli umowę powierzenia przetwarzania danych osobowych) oraz deklarują retencję (okres przechowywania logów) ograniczoną do celów bezpieczeństwa. Konieczna jest jednak weryfikacja, w jakich centrach danych dane są przetwarzane.
Infrastruktura chmurowa z certyfikacją regionalną (chmura dedykowana): Wdrożenie modeli w ramach europejskich regionów chmurowych gwarantuje, że dane nie opuszczają Europejskiego Obszaru Gospodarczego (EOG). Zapobiega to komplikacjom związanym z transferem danych do państw trzecich, co wymagałoby stosowania standardowych klauzul umownych (SCC – Standard Contractual Clauses).
Lokalne modele językowe (on-premise): Uruchomienie modelu bezpośrednio na stacjach roboczych lub serwerze firmowym w sieci lokalnej (LAN – Local Area Network). W tym scenariuszu żadne zapytania ani dane klientów nie opuszczają infrastruktury przedsiębiorstwa. Jest to rozwiązanie zapewniające pełną kontrolę techniczną nad danymi osobowymi.

Techniczne metody ochrony danych osobowych przy wdrażaniu sztucznej inteligencji

Zapewnienie zgodności z zasadami privacy by design (ochrona danych w fazie projektowania) oraz privacy by default (domyślna ochrona danych) wymaga wdrożenia odpowiednich zabezpieczeń informatycznych przed przekazaniem informacji do modułów analitycznych AI:

Pseudonimizacja i anonimizacja w locie (data masking): Przed wysłaniem zapytania do zewnętrznego modelu system pośredniczący automatycznie identyfikuje i maskuje dane wrażliwe (PII – Personally Identifiable Information, czyli informacje pozwalające zidentyfikować osobę). Numery PESEL, nazwiska, adresy zamieszkania, numery telefonów czy adresy e-mail są zastępowane losowymi ciągami znaków lub etykietami technicznymi. Odpowiedź wygenerowana przez sztuczną inteligencję trafia z powrotem do systemu lokalnego, gdzie następuje ponowne podstawienie właściwych danych, dzięki czemu zewnętrzny dostawca nigdy nie otrzymuje informacji poufnych.

Filtry zapobiegania wyciekom informacji (DLP – Data Loss Prevention): Na stacjach roboczych oraz na poziomie bramy sieciowej instalowane są reguły blokujące wklejanie numerów kart płatniczych, baz adresowych czy poufnych dokumentów firmowych do okien dialogowych przeglądarek internetowych. Pozwala to wyeliminować przypadkowe udostępnienie danych przez pracowników.

Bazy wektorowe i kontrola uprawnień w architekturze RAG (Retrieval-Augmented Generation): W systemach, gdzie sztuczna inteligencja przeszukuje wewnętrzne repozytoria dokumentów firmy (technologia RAG polegająca na doczytywaniu kontekstu z zewnętrznej bazy wiedzy), kluczowe jest zachowanie macierzy uprawnień (RBAC – Role-Based Access Control, czyli kontroli dostępu opartej na rolach). Użytkownik zadający pytanie modelowi nie może uzyskać odpowiedzi wygenerowanej na podstawie dokumentów kadrowych czy finansowych, do których nie posiada uprawnień w tradycyjnym systemie plików.

Rejestrowanie zdarzeń i audytowalność (audit logs): Wszystkie zapytania kierowane do modeli przetwarzających dane firmowe podlegają logowaniu w zabezpieczonym dzienniku zdarzeń. Pozwala to na późniejszą weryfikację, kto przetwarzał określone rekordy i w jakim celu biznesowym.

Najczęstsze błędy techniczne i organizacyjne

W praktyce audytowej spotyka się powtarzające się nieprawidłowości, które narażają przedsiębiorstwa na konsekwencje prawne i techniczne wycieki danych:

Korzystanie z prywatnych kont pracowników: Zezwalanie pracownikom na przetwarzanie korespondencji handlowej, dokumentów aplikacyjnych kandydatów do pracy czy formularzy reklamacyjnych przy użyciu osobistych kont w darmowych narzędziach AI. Firma traci wówczas całkowitą kontrolę nad tym, gdzie trafiają dane osobowe i jak długo są przechowywane.

Nieświadome włączenie telemetrii i zgody na uczenie modeli: Wiele aplikacji biurowych integrujących moduły asystentów AI posiada domyślnie zaznaczone opcje dzielenia się danymi diagnostycznymi i zawartością dokumentów w celu ulepszania usług. Brak audytu ustawień prywatności na poziomie stacji roboczych prowadzi do nieautoryzowanego transferu informacji.

Brak aktualizacji Rejestru Czynności Przetwarzania (RCP): Zgodnie z art. 30 RODO każde nowe narzędzie informatyczne zmieniające sposób operowania na danych osobowych powinno zostać odnotowane w dokumentacji wewnętrznej firmy. Pominięcie systemów AI w rejestrze uniemożliwia rzetelne wykazanie rozliczalności przed organem nadzorczym.

Mylenie szyfrowania transmisji z ochroną prywatności: Zabezpieczenie połączenia protokołem TLS (Transport Layer Security, czyli protokołem szyfrowania transmisji sieciowej) chroni dane przed podsłuchem w sieci, ale nie ogranicza prawa dostawcy narzędzia do analizy treści po jej odebraniu na serwerze docelowym, jeśli nie podpisano umowy DPA.

Brak procedury retencji i usuwania danych: Jeśli dane osobowe zostaną wykorzystane do procesu dotrenowania modelu (fine-tuning, czyli trwała modyfikacja wag sieci neuronowej pod specyficzne dane firmy), ich późniejsze wybiórcze usunięcie na żądanie osoby (realizacja prawa do bycia zapomnianym) jest technicznie niewykonalne bez ponownego wytrenowania modelu od podstaw.

Kiedy korzystanie z AI nie wymaga umowy powierzenia przetwarzania

Nie każde zastosowanie technologii sztucznej inteligencji w środowisku biurowym wiąże się z rygorystycznymi procedurami ochrony danych osobowych. Obowiązki powierzenia nie powstają w następujących sytuacjach:

Przetwarzanie danych czysto technicznych i anonimowych: Analiza logów serwerowych pozbawionych adresów IP użytkowników, optymalizacja kodu źródłowego aplikacji czy generowanie szablonów dokumentów bez wprowadzania danych personalnych nie podlega przepisom RODO.

Generowanie i przetwarzanie danych syntetycznych: Wykorzystanie sztucznie wygenerowanych zestawów danych testowych (tzw. synthetic data, czyli danych symulujących strukturę bazy danych, ale niezawierających realnych rekordów) do testowania algorytmów i procesów automatyzacji.

Pełne przetwarzanie lokalne (Local LLM): Gdy duży model językowy działa całkowicie offline na karcie graficznej lub procesorze komputera firmowego i nie nawiązuje połączeń wychodzących, nie dochodzi do powierzenia danych podmiotowi trzeciemu. Administrator zachowuje pełną wyłączność nad przetwarzaniem.

Praca na dokumentacji ogólnodostępnej: Redagowanie treści marketingowych, tłumaczenie instrukcji obsługi maszyn czy analiza raportów branżowych, które nie zawierają danych osób fizycznych.

Praktyczny schemat bezpiecznego wdrożenia narzędzi AI w biurze

Bezpieczne uruchomienie modułów sztucznej inteligencji w infrastrukturze przedsiębiorstwa opiera się na kolejnych krokach technicznych:

Krok 1: Identyfikacja strumieni danych (data mapping): Ustala się, które działy w firmie zamierzają korzystać z asystentów AI oraz jakie kategorie informacji (dane klientów, dane kadrowe, dokumentacja finansowa) będą wprowadzane do zapytań.

Krok 2: Dobór odpowiedniego wariantu technologicznego: W zależności od wrażliwości danych wybiera się komercyjne konto biznesowe z umową DPA i wyłączonym trenowaniem, chmurę z lokalizacją w EOG lub dedykowany model lokalny on-premise.

Krok 3: Konfiguracja stacji roboczych i sieci: Blokuje się dostęp do niesprawdzonych, bezpłatnych narzędzi AI na poziomie zapory sieciowej (firewall). Na komputerach personelu instaluje się zweryfikowane oprogramowanie oraz odpowiednie reguły DLP uniemożliwiające wyciek danych.

Krok 4: Wdrożenie modułów anonimizujących: W przypadku integracji baz danych klientów z systemami generatywnymi konfiguruje się skrypty pośredniczące, które czyszczą zapytania z identyfikatorów personalnych przed przekazaniem ich do sieci.

Krok 5: Przygotowanie dokumentacji i procedur: Uzupełnia się rejestr czynności przetwarzania, aktualizuje klauzule informacyjne na stronie internetowej oraz wdraża regulamin korzystania z narzędzi IT dla pracowników.

Często zadawane pytania

Czy darmowa wersja internetowego czatu AI może być legalnie wykorzystywana do redagowania odpowiedzi do klientów?

Jeśli treść wiadomości zawiera dane osobowe klienta (imię, nazwisko, adres, numer zamówienia czy szczegóły reklamacji), wklejenie jej do bezpłatnego czatu stanowi naruszenie przepisów RODO. W darmowych planach dostawca zazwyczaj przetwarza zapytania na własnych serwerach poza EOG i wykorzystuje je do trenowania modeli, nie oferując przy tym prawnie wiążącej umowy powierzenia przetwarzania danych (DPA).

Czym różni się komercyjna licencja biznesowa AI od wersji bezpłatnej pod kątem RODO?

Konta biznesowe i płatny dostęp przez API gwarantują formalne zawarcie umowy DPA, w której dostawca zobowiązuje się do nieużywania wprowadzanych danych do celów szkoleniowych oraz do ich usuwania po określonym czasie retencji (zwykle maksymalnie 30 dni na potrzeby wykrywania nadużyć). Ponadto plany biznesowe dają administratorom możliwość zarządzania uprawnieniami i audytowania aktywności pracowników.

Co to jest technika RAG i dlaczego wymaga uwagi przy ochronie danych?

Technika RAG (Retrieval-Augmented Generation) polega na podłączeniu modelu językowego do wewnętrznej bazy wiedzy firmy, na przykład dysku sieciowego z dokumentami. Model przed udzieleniem odpowiedzi przeszukuje te pliki. Ryzyko polega na tym, że jeśli w bazie wiedzy znajdą się dokumenty z danymi osobowymi (np. umowy o pracę, zestawienia wynagrodzeń), sztuczna inteligencja może ujawnić te informacje każdemu pracownikowi mającemu dostęp do czatu, o ile nie skonfigurowano odpowiednich filtrów uprawnień.

Czy do uruchomienia lokalnego modelu AI (on-premise) potrzebny jest dostęp do internetu?

Dostęp do internetu jest wymagany wyłącznie jednorazowo podczas pobierania wag modelu (plików binarnych zawierających parametry sieci neuronowej) oraz oprogramowania wykonawczego. Po zainstalowaniu model może pracować w całkowicie odizolowanym środowisku sieciowym (air-gap, czyli środowisku fizycznie odciętym od internetu, lub w wydzielonej podsieci VLAN), co wyklucza ryzyko wycieku danych osobowych do sieci publicznej.

Jak technicznie ograniczyć pracownikom możliwość wprowadzania wrażliwych danych do zewnętrznych narzędzi AI?

Stosuje się zestaw zabezpieczeń: blokowanie nieautoryzowanych domen na poziomie serwerów DNS (Domain Name System) lub zapory sieciowej (firewall), instalację oprogramowania klasy DLP monitorującego zawartość schowka systemowego oraz wdrożenie lokalnego serwera proxy, który automatycznie wykrywa i zamazuje dane osobowe w zapytaniach kierowanych do autoryzowanych interfejsów API.

Obsługa techniczna i audyt środowiska IT pod kątem bezpiecznego korzystania z AI

Wdrożenie systemów sztucznej inteligencji wymaga odpowiedniego przygotowania sprzętu komputerowego, konfiguracji sieci lokalnej oraz weryfikacji przepływu danych w firmie. Zapewniamy dojazd do siedziby klienta na terenie Warszawy i okolicznych powiatów w celu przeprowadzenia audytu technicznego stacji roboczych, konfiguracji lokalnych modeli AI niewysyłających danych do chmury oraz wdrożenia zabezpieczeń sieciowych chroniących informacje osobowe przed niekontrolowanym wyciekiem.

22 378 48 09

RODO a korzystanie z narzędzi AI w firmie