Pokud v roce 2026 provozujete účetní kancelář, patříte objemem k největším zpracovatelům osobních údajů v evropské ekonomice a pracujete za přísnějších podmínek než většina správců: platí pro vás GDPR, vnitrostátní režim profesního tajemství a unijní systém boje proti praní peněz, a údaje svých klientů zpracováváte jejich jménem. Maskování dokumentů pro účetní, tedy zakrývání jmen, daňových čísel, IBAN a mzdových položek v každém klientském dokumentu, který kanceláří prochází, je dnes provozní bránou, která rozhoduje o tom, zda kancelář vůbec smí používat nástroje AI, bezpečně sdílet soubory se zahraničními korespondenty a obstát při šetření dozorového úřadu i při auditu finančního analytického útvaru.
Toto je třetí článek naší série průvodců maskováním. Hlavní průvodce popisuje základní technologii a obecný rámec GDPR. Tento článek se zaměřuje na účetnictví: zpracování mezd, daňová přiznání, KYC/AML, pracovní dokumentaci auditu a korespondenci s klienty, tedy oblast, kde je objem osobních údajů na jednoho odborníka nejvyšší ze všech kategorií profesních služeb a regulatorní vrstvení nejhustší.
Je to také článek clusteru, který je nejpřímo užitečný pro kanceláře s přeshraniční prací. Účetní obsluhující italské rezidenty z francouzské pobočky, francouzští klienti vykazující přes irský holding, německý Mittelstand využívající španělské dceřiné společnosti: každý přeshraniční daňový postup vytváří tok osobních údajů, který projde dvěma nebo třemi jurisdikcemi, než dosedne do přiznání. Vrstva maskování zajišťuje, že tento tok lze obhájit.
Poznámka k rozsahu: v tomto článku označují maskování dokumentů a maskování osobních údajů pro účetní stejnou provozní vrstvu spolu se softwarem, který ji provozuje. Anonymizaci daňových čísel, čísel DPH a čísel EORI pojímáme jako dílčí případy téhož problému nadnárodních identifikátorů a povinnosti účetní kanceláře podle GDPR zahrnují roli správce i zpracovatele. Soulad AI pro účetní je zastřešující pojem pro kombinovaný soubor GDPR, nařízení o AI a pravidel AML, o němž pojednává následující text, s důrazem na roli kanceláře jako uživatele nástrojů AI.
1. Proč jsou účetní kanceláře největšími zpracovateli osobních údajů v EU
Pět strukturálních skutečností dohromady vysvětluje, proč je maskování osobních údajů pro účetní výrazně složitější než v jakékoli jiné kategorii profesních služeb.
Zaprvé objem. Středně velká účetní kancelář obsluhuje stovky klientů, z nichž každý generuje měsíční mzdová zpracování, čtvrtletní přiznání k DPH, roční daňová přiznání, dokumenty k zahájení KYC a průběžnou korespondenci. Jediná kancelář zpracuje za rok více individuálních záznamů osobních údajů než mnohé marketingové platformy a údaje jsou strukturálně bohatší (národní identifikátor, finanční údaje, zaměstnání, někdy zdraví).
Zadruhé citlivost. Údaje identifikují osoby a zároveň podléhají několika režimům současně. Národní identifikátory (Codice Fiscale v Itálii, NIR ve Francii, Steuer-ID v Německu, DNI/NIE ve Španělsku) jsou osobními údaji podle GDPR, ale také cílem rizika podvodu. Mzdové údaje se překrývají se zvláštními kategoriemi podle čl. 9 GDPR, kdykoli zachycují důvody nemocenské, invalidní dávky, odborové příspěvky nebo nároky z penzijních schémat s náboženskou povahou. Dokumenty AML/KYC (pasy, občanské průkazy, prohlášení o skutečných majitelích) podléhají samostatné povinnosti uchovávání podle unijního rámce boje proti praní peněz.
Zatřetí rozdělení rolí. Účetní jsou zpracovateli údajů svých klientů a nejsou správci. Proto je čl. 28 GDPR, tedy smlouva o zpracování, oznámení dalších zpracovatelů a zdokumentovaný řetězec oprávnění, provozní páteří vztahu kanceláře s každým klientem. Neoprávněný další zpracovatel, včetně bezplatného účtu ChatGPT, je smluvním porušením vůči všem těmto klientům najednou.
Začtvrté profesní tajemství. Čl. 622 italského Codice Penale a čl. 1175 a 1375 Codice Civile, čl. L820-5 francouzského Code de commerce a etický kodex OEC, § 57 StBerG ve spojení s § 203 StGB v Německu a RGL del ICEC ve Španělsku ukládají trestněprávní nebo kvazitrestněprávní profesní tajemství. Souhra s GDPR je nezanedbatelná: minimalizace údajů podle čl. 5 GDPR se s profesním tajemstvím překrývá, ale pravidla zpřístupnění se liší (GDPR zná právo na přístup, profesní tajemství přináší téměř absolutní důvěrnost). Povinnosti účetního z profesního tajemství jsou obvykle přísnější než přístupová práva podle GDPR a kancelář musí splnit obojí.
Zapáté přeshraniční pohyb údajů je výchozí stav. Typická zakázka pro střední firmy zahrnuje toky ke korespondenčnímu účetnímu v zahraničí, k zahraničním daňovým orgánům klienta, ke korespondenčním bankám pro ověření IBAN a do centrálního obchodního rejstříku jednoho či více členských států. Každý tok vyžaduje vlastní posouzení přenosu podle čl. 44. Přeshraniční daňové údaje směrované přes americký LLM jsou jediným snadno prokazatelným porušením GDPR v každém auditu, protože samotné síťové logy jsou dostatečným důkazem.
2. Šest kategorií dokumentů, které zpracovává každá účetní kancelář
Různé kategorie dokumentů vytvářejí různé vzory maskování. Níže uvedených šest pokrývá přibližně 98 % toho, co kanceláří protéká, a dobře odpovídá architektuře maskování.
1. Mzdová zpracování a výplatní pásky. Soubory XLSX s mnoha zaměstnanci obsahující jméno, daňové číslo, IBAN, hrubou mzdu, srážky a poznámky; výplatní pásky v PDF pro každého zaměstnance; roční mzdové přehledy. Problém maskování je zde multimodální: strukturované osobní údaje na úrovni buněk (sloupec daňového čísla, sloupec IBAN) a nestrukturované poznámky (komentáře nadřízených, důvody nemocenské). Anonymizace mezd obecným „najít a nahradit“ rozbíjí mzdové vzorce, zatímco nástroj maskování, který rozumí typům buněk, zachová analytickou hodnotu tabulky a osobní údaje zamaskuje. Maskování mezd je také nejčastější maskovací činnost v každé kanceláři.
2. Daňová přiznání. Italská 730, F24, Modello Unico, IRAP; francouzské liasse fiscale, déclaration de TVA, IS; německé Einkommensteuererklärung, Umsatzsteuer-Voranmeldung, Bilanz; španělské Modelo 100, Modelo 303, Modelo 200. Každé přiznání obsahuje osobní údaje poplatníka a často také vyživovaných osob nebo zaměstnanců. Maskování přiznání je třeba, kdykoli se přiznání nebo jeho pracovní podklady sdílejí s třetí stranou (korespondence s jinou kanceláří, podpora auditu, přezkum s podporou AI). Při anonymizaci přiznání pro analýzu AI musí maskování zachovat výpočetní logiku a zakrýt identifikátory, což vyžaduje strukturovanou detekci nad rámec hledání vzorů.
3. Dokumenty k zahájení KYC/AML. Doklady totožnosti (pasy, občanské průkazy), doklad o adrese, prohlášení o skutečných majitelích, dokumentace původu prostředků. Řídí se unijním souborem pravidel AML: AMLD4 (2015), AMLD5 (2018), AMLD6 (2018), AMLR (nařízení (EU) 2024/1624) a AMLD (směrnice (EU) 2024/1640). Účetní jsou podle všech těchto předpisů povinné osoby. Maskování údajů KYC je v tomto kontextu asymetrické: samotný spis KYC maskovat nelze (musí se uchovávat), ale informace odvozené z KYC je třeba maskovat, kdykoli putují do navazujícího procesu (shrnutí pomocí AI, interní školení, korespondence s klientem o třetí osobě).
4. Pracovní dokumentace auditu. U kanceláří s auditní praxí obsahuje pracovní dokumentace výpisy ze systémů klienta, identifikátory zaměstnanců, údaje o dodavatelích a komunikaci vedení. ISA 230 vyžaduje uchovávání nejméně pět let; pokyny ICAEW a IAASB považují pracovní dokumentaci za důvěrnou. Maskování pracovní dokumentace auditu umožňuje částečné sdílení s týmy společného auditu, kolegiálními recenzenty a recenzenty kvality auditu, aniž by došlo k porušení GDPR či režimu důvěrnosti auditu.
5. Smlouvy a korespondence s klienty. Smlouvy o poskytování služeb, návrhy odměn, poradenské memoranda, e-mailová komunikace. Obsahují osobní údaje klienta, často osobní údaje třetích osob (protistrany klienta) a nezřídka strategické informace o transakci. Univerzální asistenti AI pro e-mail a nástroje pro shrnování dokumentů, které pracují s touto kategorií, vytvářejí nejzáludnější expozici vůči shadow AI, protože uživatel vnímá činnost jako málo rizikovou („jen shrnuji svou schránku“).
6. Bankovní a treasury údaje. Seznamy IBAN, výpisy SWIFT, platební příkazy, bankovní odsouhlasení. Osobní údaje jsou zde soustředěny v IBAN a jménech držitelů účtů; finanční citlivost je vysoká; pravidla PSD2 i schématu SCT přidávají další vrstvu k základu GDPR. Maskování IBAN je častý mikroprocess, který by měl probíhat automaticky před každým krokem AI na finančních dokumentech.
Vzor je napříč všemi šesti kategoriemi stejný: strukturovaná data vyžadují strukturované maskování, volný text vyžaduje detekci pomocí ML a auditní certifikát je to, co činnost činí obhajitelnou před pověřencem pro ochranu osobních údajů i před finančním analytickým útvarem.
3. Krajina národních identifikátorů a proč samotné hledání vzorů nestačí
Účetní pracují s národními identifikátory víc než kterákoli jiná profese. Každý z nich má strukturu, algoritmus kontrolní číslice a soubor rizik falešných zásahů. Obecný nástroj maskování vytrénovaný na amerických číslech Social Security většinu z nich tiše přehlédne.
| Země | Identifikátor | Délka | Poznámky |
|---|---|---|---|
| Itálie | Codice Fiscale | 16 alfanumerických znaků | Příjmení + jméno + datum narození + pohlaví + místo narození + kontrolní znak. Struktura prozrazuje datum narození a pohlaví i po zamaskování okolního kontextu. |
| Itálie | Partita IVA | 11 číslic | Číslo DPH; kódovaná provincie; kontrolní číslice. Ve volném textu se často zaměňuje s CF. |
| Francie | NIR / INSEE | 15 číslic | Pohlaví + rok + měsíc + département + obec + pořadové číslo + kontrola. Jednoznačně identifikuje osobu v obci narození. |
| Francie | SIRET / SIREN | 14 / 9 číslic | Identifikátor provozovny / společnosti. U osob samostatně výdělečně činných jde o osobní údaj. |
| Německo | Steuer-ID (IdNr) | 11 číslic | Osobní daňové číslo, celoživotní, nelze odvodit z data narození. Přísně regulované. |
| Německo | USt-IdNr | 9 číslic za DE | Číslo DPH pro přeshraniční transakce. |
| Španělsko | DNI / NIE | 8 číslic + písmeno | DNI pro státní příslušníky, NIE pro cizince s pobytem. Písmeno je deterministická kontrola. |
| Španělsko | CIF (starší) / NIF | 9 znaků | NIF pro živnostníky odpovídá DNI; CIF pro právnické osoby. |
| EU | EORI | proměnlivá | Celní identifikátor. Formát podle členského státu; u dovozce samostatně výdělečně činného jde o osobní údaj. |
| EU | IBAN | 15-34 alfanumerických | Kód země + kontrola + BBAN; strukturálně ověřitelný. Nejvíce náchylné k úniku jednotlivé pole ve mzdách. |
Redactic kombinuje automatickou detekci, zpracování dokumentů a kontrolu člověkem, aby pomohl identifikovat citlivé informace, včetně podporovaných naskenovaných dokumentů. Zjištěné hodnoty zkontrolujte před aplikací trvalého či vratného maskování. Pokrytí závisí na kvalitě dokumentu, jazyku a kontextu; automatizace může informace přehlédnout. Před zavedením postupu vyzkoušejte reprezentativní soubory a exportované výsledky.
Rozhodnutí o maskování závisí také na konkrétním identifikátoru. Čísla EORI a DPH obvykle nejsou osobními údaji u právnických osob a v čistě B2B procesu se nemají maskovat; tatáž čísla jsou osobními údaji u osob samostatně výdělečně činných a maskovat se musí. Nástroj musí rozumět kontextu typu entity, aby rozhodl správně.
4. Soubor GDPR a AML a čím se pro účetní liší
Na každou účetní kancelář se současně vztahují tři režimy: GDPR, unijní rámec boje proti praní peněz a vnitrostátní právo o profesním tajemství. Nejsou sladěny; v některých místech se dostávají do rozporu.
Čl. 28 GDPR jako páteř zpracovatele. Účetní je zpracovatelem svých klientů. Smlouva o poskytování služeb musí obsahovat ustanovení čl. 28 odst. 3 nebo na ně odkazovat. Další zpracovatelé (cloudová účetní platforma, poskytovatel elektronické fakturace, dodavatel OCR, LLM) musí být klientovi oznámeni s právem vznést námitku. Použití shadow AI starším účetním porušuje čl. 28 vůči každému klientovi, jehož údaje byly v relaci, obvykle desítkám najednou.
Čl. 32 GDPR a zabezpečení zpracování. Pokyny EDPB z roku 2024 k technickým a organizačním opatřením pro zpracovatele výslovně řadí pseudonymizaci do doporučeného souboru nástrojů. Pro účetní to znamená: maskovat před použitím AI, šifrovat údaje v klidu, zaznamenávat přístupy, dokumentovat kontroly. Kancelář bez vrstvy maskování nemůže věrohodně tvrdit, že u postupů s AI splnila čl. 32.
AMLD6 a AMLR (2024). Šestá směrnice proti praní peněz (směrnice (EU) 2018/1673) kriminalizovala praní peněz se sjednocenými předikativními trestnými činy; AMLR z roku 2024 (nařízení (EU) 2024/1624) je nový jednotný soubor pravidel, který se bude přímo použít od července 2027 spolu s novým Úřadem EU pro boj proti praní peněz (AMLA). Účetní jsou povinnými osobami podle obou. Dokumenty KYC, které shromažďují, je nutné uchovávat nejméně pět let po skončení obchodního vztahu. Uchovávání údajů AML a KYC a zásada omezení uložení podle GDPR vytvářejí zdánlivé napětí; řešením je, že povinnost uchovávání podle pravidel AML je právním základem podle čl. 6 odst. 1 písm. c) pro samotné uchovávání, zatímco navazující zpracování týchž údajů (shrnutí pomocí AI, interní analytika) je samostatná činnost zpracování, která potřebuje vlastní základ. Soulad s AMLD6 a soulad s GDPR mohou při pečlivém návrhu procesu existovat vedle sebe.
Profesní tajemství na vnitrostátní úrovni. Čl. 622 italského Codice Penale ukládá trestní odpovědnost za zpřístupnění držitelem profesního tajemství; francouzské profesní tajemství se váže na zápis do tableau de l'ordre; § 57 StBerG ve spojení s § 203 StGB činí profesní tajemství v Německu trestným; španělské profesní tajemství je zákonné. V každém případě je tajemství obvykle přísnější než právo na přístup podle GDPR, což znamená, že kancelář musí (a) odmítnout některé žádosti o přístup z důvodu profesního tajemství, i když by je GDPR umožňovalo, a (b) zajistit, aby shadow AI nepředstavovala zpřístupnění třetí osobě (poskytovateli LLM).
Nařízení EU o AI pro účetní. Klasifikace vysokého rizika podle přílohy III nařízení o AI se na většinu použití AI v účetnictví nevztahuje (příloha III se zaměřuje hlavně na HR a biometrii). Čl. 13 o transparentnosti, povinnosti zavádějícího subjektu podle čl. 26 u každého vysoce rizikového systému a povinnost zajistit znalosti o AI podle čl. 4 (účinná od února 2025) se však účetních dotýkají. Příklad: nástroj AI používaný k třídění oznámení o podezřelých aktivitách (SAR) v rámci AML by byl pravděpodobně vysoce rizikový podle přílohy III bodu 5 písm. d) („systémy AI používané k posuzování rizik ve finančních službách“). Účetní, který jej zavádí, nese povinnosti zavádějícího subjektu.
Závěr: každé použití AI v účetní kanceláři musí současně projít GDPR (čl. 28 a čl. 32), AML (AMLR a AMLA, kde se použijí), vnitrostátním profesním tajemstvím a u některých úzkých kategorií i povinnostmi pro vysoce rizikové systémy podle nařízení o AI. Soulad účetních s GDPR je ve výchozím stavu vícerežimový a vrstva maskování je jediné technické opatření, které působí napříč všemi čtyřmi.
Shrnutí mzdového přehledu pomocí AI může současně vyvolat povinnosti v oblasti soukromí, důvěrnosti, pracovního práva a finanční kriminality. Maskování může snížit expozici zjištěných identifikátorů, ale neřeší omezení účelu, právní základ, profesní tajemství ani omezení navazujícího použití. Před sdílením obsahu je posuďte samostatně.
5. Problém shadow AI uvnitř účetních kanceláří
Dynamika shadow AI, kterou jsme popsali v HR clusteru, existuje i v účetních kancelářích, s jinými konkrétními vzory rizika.
Postup ve stínu na konci čtvrtletí. Starší asistent pracující v sobotu před termínem podání přiznání vloží do osobního účtu ChatGPT soubor XLSX o 2 000 řádcích se jmény zaměstnanců, Codice Fiscali, IBAN a platy, aby „zkontroloval součty“. Model vidí celý seznam klienta. Logy modelu to vidí jako požadavek. Relace může trénovat další verzi modelu. Záznamy kanceláře podle čl. 30 z toho nevidí nic. Klient o ničem neví.
Postup ve stínu při překladech. Odborník pracující na přeshraniční zakázce používá bezplatný překladový nástroj k převodu německé příručky pro zaměstnance do italštiny. Příručka obsahuje v příkladech jména, pracovní historii a Steuer-ID. Bezplatná úroveň každého významného překladače založeného na LLM vede přes americký výpočetní výkon a ve výchozím stavu uchovává data pro trénování.
Postup ve stínu při shrnování. Manažer používá spotřebitelský chatbot ke shrnutí e-mailového vlákna partnera k případu klienta, než odpoví. Vlákno obsahuje komunikaci účetního s klientem chráněnou profesním tajemstvím, osobní údaje třetích osob a někdy strategické úvahy o AML a SAR. Tato kategorie je zvlášť záludná, protože odborník neřadí shrnování e-mailů mezi regulované činnosti s AI.
Postup ve stínu při profesním rozvoji. Asistent, který se připravuje na modul CPE, vkládá do relace ChatGPT „anonymizované, ale ne zcela anonymizované“ případové studie ze skutečných zakázek, aby je nechal vysvětlit. „Anonymizované“ tu obvykle znamená, že bylo odstraněno jméno klienta; daňová struktura, geografie a částky transakce zůstaly a případ lze zrekonstruovat.
V každém případě odborník věří, že činnost je málo riziková, protože data jsou „jen text“, akce je „jen shrnování“ a model mi „jen pomáhá přemýšlet“. V každém případě je regulatorní expozice stejná: nezdokumentovaný další zpracovatel, nezdokumentovaný mezinárodní přenos, porušení profesního tajemství, možný únik informací AML. Takové používání ChatGPT vytváří navíc důkazní problém při příští kontrole: není log, na který by se dalo odkázat, ani certifikát, který by šlo předložit.
Náprava je stejná architektura, kterou jsme popsali v hlavním průvodci a HR clusteru: oficiální cesta musí být rychlejší než cesta ve stínu a vrstva maskování musí stát před modelem. Pro účetní musí architektura rozumět daňovým číslům, IBAN a rozlišení typu entity mezi B2B a osobami samostatně výdělečně činnými. Používání ChatGPT účetními je problém, který architektura řeší. Aby bylo možné spolehlivě maskovat daňová čísla a údaje zaměstnanců a anonymizovat mzdy v celé práci kanceláře, musí vrstva maskování ve výchozím stavu běžet před každým krokem AI. Totéž platí pro podání v americkém stylu: u kanceláří s klienty z USA patří SSN na formulářích 1099 a směrovací čísla bank do téže detekční kaskády.
Zveřejněná čísla o tom, jak často odborníci vkládají údaje klientů do nástrojů AI, pocházejí z průzkumů, telemetrie dodavatelů a spotřebitelských datových sad, které měří různé věci, a přehled statistik shadow AI zdroj po zdroji je staví vedle sebe.
Chcete-li používat AI, aniž byste předávali jména a identifikátory, může Redactic připravit vaše dokumenty pro AI: zjištěné hodnoty se změní na zástupné značky a skutečná jména se vrátí ve vašem prohlížeči, až dorazí odpověď.
6. Pětikrokový postup přizpůsobený účetním dokumentům
Pětikrokový postup z hlavního průvodce se na účetní dokumenty vztahuje se třemi specifickými úpravami.
- Nahrání (s ohledem na formát). Přijímejte nativní formáty: XLSX (strukturovaný po listech), PDF digitální i skenované (OCR pro skeny), DOCX (smlouvy o poskytování služeb, memoranda), CSV (exporty dat). Nahrání odmítněte, pokud soubor překračuje limity; typické limity jsou 100 stran na dokument a 50 MB na soubor a oba by měly být nastavitelné pro každou zakázku klienta.
- Detekce (s kaskádou účetního). Nejprve vyhledávání ve slovníku podle seznamu klienta, který kancelář nahrála (zaměstnanci, dodavatelé, spřízněné osoby), poté národní regulární výrazy (CF, Partita IVA, NIR, SIRET, Steuer-ID, USt-IdNr, DNI/NIE, NIF, IBAN, SWIFT), poté vícejazyčné NER pro jména a organizace, které regulární výrazy minuly, a nakonec OCR pro skeny. Na pořadí záleží: slovník na prvním místě znamená, že vlastní seznam kanceláře dostane náhrady v kanonickém tvaru, regulární výrazy na druhém místě znamenají, že strukturované identifikátory se zachytí s vysokou přesností, NER na konci znamená, že se zachytí zbylá jména.
- Kontrola (s kategoriemi účetního). Zobrazte zjištěné úseky seskupené podle kategorií. Kontrolor obvykle chce na první pohled ověřit, že „všech 80 Codice Fiscali je zamaskováno“, aniž by procházel celou tabulku. Seskupené zobrazení také zpřehledňuje generování auditního certifikátu.
- Použití (vratné nebo nevratné). Pro postupy s AI na daňových přiznáních a mzdách je vhodným výchozím stavem vratný režim (účetní musí číst výstup AI s obnovenými skutečnými hodnotami). Pro sdílení se zahraničním korespondentem je vhodným výchozím stavem nevratné začernění (korespondent nesmí být schopen osoby znovu identifikovat). Nástroj musí podporovat oba režimy z téhož nahrání.
- Certifikace a směrování. Vygenerujte certifikát SHA-256. U postupů s AI nasměrujte pseudonymizovaný text do LLM v EU a lokálně obnovte. U sdílení zabalte maskovaný výstup s certifikátem a pošlete příjemci zabezpečeným přenosovým kanálem kanceláře. Certifikát je artefakt, který předkládáte dozorovému úřadu, finančnímu analytickému útvaru, klientovi, když se zeptá „co jste dělali s mými údaji?“, a pojistiteli.
Například mzdový tým může projít tabulku s více listy z hlediska jmen zaměstnanců, daňových identifikátorů, bankovních údajů a citlivých poznámek. Potvrďte detekce, opravte přehlédnuté hodnoty a podle potřeby zvolte vratné maskování nebo trvalé začernění. Před sdílením zkontrolujte exportovaný sešit včetně vzorců, číselných buněk, skrytých listů, komentářů a vlastností. Tento příklad ilustruje postup a neznamená změřenou přesnost ani záruku doby zpracování.
7. Výběr nástroje maskování pro účetní praxi
Kontrolní seznam s 8 body z hlavního průvodce platí; pro účetní mají čtyři body větší váhu.
Bod A s vyšší vahou: vícejazyčné pokrytí národních identifikátorů. Nejdůležitější jednotlivá schopnost. Nástroj, který zvládá Codice Fiscale, Partita IVA, NIR, SIRET, Steuer-ID, USt-IdNr, DNI/NIE, NIF, EORI a IBAN hned po instalaci, pokrývá zhruba 95 % typů dokumentů, které kancelář vidí. Cokoli slabšího vás nutí napsat si vlastní vrstvu regulárních výrazů a udržovat ji.
Bod B s vyšší vahou: práce s tabulkami. Vyzkoušejte, zda postup zachová listy, vzorce, číselné hodnoty a rozvržení, které potřebujete. Kromě viditelných buněk zkontrolujte skryté listy, komentáře a vlastnosti dokumentu. Export ověřte, protože obecná náhrada sešit nezaručí.
Bod C s vyšší vahou: typy entit, kterým rozumí účetní. Nástroj musí rozlišovat Partita IVA na faktuře společnosti (není osobním údajem, je-li klient právnická osoba) od Partita IVA na faktuře živnostníka (osobní údaj). Bez tohoto rozlišení nástroj buď maskuje příliš (ničí procesy B2B), nebo příliš málo (prozradí osobní údaje osob samostatně výdělečně činných).
Bod D s vyšší vahou: formát auditního certifikátu vhodný pro finanční analytický útvar. Finanční analytické útvary v Itálii (UIF), Francii (Tracfin), Německu (FIU u Zoll) a Španělsku (SEPBLAC) chtějí artefakty, které dokládají, jak určité zpracování související s AML probíhalo. Certifikát maskování SHA-256 s hashi a počty, ale bez obsahu, je nejčistším důkazem, který lze útvaru předložit, protože nevytváří nové povinnosti zpřístupnění. Formát certifikátu Redactic tento požadavek splňuje.
Ostatní čtyři body kontrolního seznamu (architektura bez stop, OCR pro skeny, vratný a nevratný režim, ruční kontrola) platí se standardní vahou. Software pro maskování pro účetní, který správně splňuje všech osm bodů, je vzácný; ekonomika vlastního vývoje oproti nákupu obvykle favorizuje nákup, protože provozní stopa (bez stop, audit, správa dalších zpracovatelů, údržba národních regulárních výrazů) tvoří většinu nákladů. U daňové přípravy s podporou AI, kde platí i povinnosti podle GDPR, je výběr dále zúžen, protože nástroj musí zpřístupnit také auditní stopu odpovídající očekáváním daňové správy ohledně dokumentace.
V praxi kupujete disciplínu na úrovni kanceláře, tedy minimalizaci údajů ve výchozím stavu: každý postup s AI, každý sdílený dokument a každé interní shrnutí nejprve projde vrstvou maskování. Tato jediná disciplína současně splňuje minimalizaci údajů podle čl. 5 odst. 1 písm. c) GDPR, přiměřené zabezpečení podle čl. 32 GDPR, hranici navazujícího použití v AML a povinnost zajistit znalosti o AI podle čl. 4 nařízení o AI. Soukromí v účetnictví s podporou AI při rutinních postupech (shrnování bankovních odsouhlasení, klasifikace výdajů, extrakce faktur) stojí na téže architektuře; vrstva maskování leží před každým voláním modelu.
Redactic kombinuje automatickou detekci, zpracování dokumentů a kontrolu člověkem, aby pomohl identifikovat citlivé informace, včetně podporovaných naskenovaných dokumentů. Zjištěné hodnoty zkontrolujte před aplikací trvalého či vratného maskování. Pokrytí závisí na kvalitě dokumentu, jazyku a kontextu; automatizace může informace přehlédnout. Před zavedením postupu vyzkoušejte reprezentativní soubory a exportované výsledky. Další informace: DPA
8. Často kladené otázky
Jsem jako účetní správcem, nebo zpracovatelem mzdových údajů svého klienta?
Obvykle jste zpracovatelem údajů zaměstnanců a správcem údajů samotné klientské firmy. Rozlišení je důležité, protože povinnosti podle článku 28 se vážou na vztah se zpracovatelem: smlouva o poskytování služeb musí odkazovat na ustanovení čl. 28 odst. 3, další zpracovatelé musí být oznámeni a údaje smíte zpracovávat jen na základě zdokumentovaných pokynů. Italský Garante i francouzský CNIL vydaly pokyny, které účetní považují za zpracovatele údajů zaměstnanců; německá Datenschutzkonferenz se k nim přiklání. Pokud vaše smlouva nemá přílohu podle čl. 28, napravte to před příštím obnovením s klientem.
Mohu používat bezplatný účet ChatGPT pro „rychlé“ výpočty s údaji klienta?
Ne. Takový krok vytváří nezdokumentované zapojení dalšího zpracovatele (porušení čl. 28), nezdokumentovaný mezinárodní přenos (Schrems II) a prozrazení profesního tajemství (čl. 622 italského Codice Penale nebo ekvivalent ve vaší jurisdikci). To, že je úkol „rychlý“, právní kvalifikaci nemění.
Ukládá mi AMLD6 uchovávat údaje KYC, které bych podle GDPR raději smazal?
Ano. Povinnost uchovávání údajů podle pravidel AML (nejméně pět let od skončení obchodního vztahu podle AMLR; v některých vnitrostátních úpravách déle) má co do samotného uchovávání přednost před zásadou omezení uložení podle GDPR. Právním základem je čl. 6 odst. 1 písm. c) GDPR (právní povinnost). Co můžete udělat, je omezit navazující zpracování: pokud uchovávaný spis KYC slouží jako důkaz pro účely AML, nepoužívejte ho k trénování AI, k interním analýzám ani ke korespondenci s klientem o třetí osobě.
Jak souvisí profesní tajemství s používáním shadow AI?
Vkládání údajů klientů do spotřebitelského LLM je ve většině jurisdikcí EU zpřístupněním třetí osobě (poskytovateli LLM). Profesní tajemství obvykle zakládá objektivní odpovědnost: odborník se nemůže hájit tvrzením, že „LLM data ve skutečnosti nevidí“, protože právní kvalifikace sleduje akt zpřístupnění, nikoli pozdější využití. Čl. 622 italského Codice Penale se vykládá zvlášť široce. Bezpečnějším předpokladem je, že jakékoli sdílení s externí službou mimo podepsaný vztah se zpracovatelem je porušením profesního tajemství.
Mám maskovat vlastní údaje, nebo údaje klienta?
Údaje klienta, než je sdílíte navenek nebo je předáte AI. Vlastní údaje (životopisy zaměstnanců kanceláře, interní hodnocení) se řídí pravidly maskování pro HR, která popisuje HR cluster. Oba procesy mohou používat stejný nástroj, ale základ politiky je jiný: údaje klienta jsou zpracování na straně zpracovatele, vlastní údaje jsou zpracování na straně správce.
Jaký je rozdíl mezi maskováním daňového přiznání a maskováním mzdové tabulky?
Daňové přiznání je obvykle dokument jednoho poplatníka se soustředěnými identifikátory (daňové číslo poplatníka, daňová čísla vyživovaných osob, IBAN, názvy zaměstnavatelů). Mzdová tabulka je dokument s mnoha zaměstnanci a strukturovanými sloupci osobních údajů. Vzory maskování se liší: přiznání vyžadují detekci entit v jednom dokumentu se zachováním výpočtů; mzdy vyžadují zpracování XLSX po buňkách s pravidly na úrovni sloupců. Nástroj, který zvládá obojí nativně, ušetří kanceláři údržbu dvou řetězců zpracování.
Mohu sdílet maskovaný spis klienta se zahraničním korespondentem bez posouzení podle Schrems II?
Pokud je cíl v EU, otázka nevzniká. Pokud je cíl ve třetí zemi, zůstává maskovaný soubor osobním údajem, je-li pseudonymizovaný (čl. 4 bod 5); z oblasti působnosti GDPR vystupuje až skutečně anonymizovaný soubor (bod odůvodnění 26). V praxi potřebujete buď sadu standardních smluvních doložek s korespondentem, rozhodnutí o odpovídající ochraně (Spojené království, Švýcarsko, Izrael atd.), nebo úplnou anonymizaci. Certifikát maskování, který dokládá nevratnost, argument anonymizace podporuje.
Vztahuje se nařízení EU o AI na nástroje AI, které používám pro třídění případů AML?
Pokud se nástroj používá k posouzení rizika praní peněz u konkrétního klienta nebo transakce, spadá pravděpodobně pod přílohu III bod 5 písm. d) („systémy AI používané k posuzování rizik ve finančních službách“). To z něj podle nařízení o AI dělá vysoce rizikový systém, přičemž povinnosti zavádějícího subjektu nese účetní: lidský dohled, monitorování, transparentnost, vedení záznamů a v mnoha případech posouzení dopadu na základní práva. Povinnosti poskytovatele (technická dokumentace, sledování po uvedení na trh, posouzení shody) nese poskytovatel.
Jaká je správná doba uchovávání certifikátu maskování?
Alespoň tak dlouho jako doba uchovávání podle pravidel AML u příslušné zakázky (obvykle pět let od skončení vztahu). Certifikáty neobsahují osobní údaje ani obsah, takže jejich uchovávání nevyvolává vlastní otázky ochrany soukromí. Doporučujeme uchovávat je neomezeně jako důkaz: mezní náklady na úložiště jsou zanedbatelné a hodnota při kontrole vysoká.
Kde Redactic ukládá údaje mých klientů?
Dokumenty a výsledky využívají dočasné úložiště pro zpracování v infrastruktuře v Evropě, kterou Redactic ovládá. Může se uplatnit dočasné zpracování obnovovacích údajů na straně serveru. Záznamy o účtu, fakturaci, souhlasu a operacích se vedou odděleně. Podmínky uchovávání a mazání najdete ve smlouvě o zpracování údajů (DPA) a v informacích o ochraně soukromí společnosti Redactic; potvrdit vám můžeme i profil pro váš postup. Další informace: stránky důvěry
Ještě jedna provozní poznámka: vybudování vrstvy maskování před postupy kanceláře s AI má také příznivý vedlejší účinek na kvalitu. Modely fungují lépe na čistě pseudonymizovaném textu než na surových dokumentech, protože vstup je kratší, důležitý signál je soustředěný a model nerozptyluje rozpoznávání entit. Agenti pro kontrolu daňových přiznání, kteří v našich interních pilotech dostávali pseudonymizované vstupy, vytvářeli u analytických otázek méně halucinací než agenti, kteří dostávali surové dokumenty. Je to malý, ale opakovatelný zisk kvality, který se sčítá přes tisíce měsíčních běhů. Vrstva maskování se vyplatí jednou díky souladu a podruhé díky kvalitě výstupů.
Pokud vaše kancelář zpracovává daňová přiznání, mzdová zpracování, spisy KYC nebo pracovní dokumentaci auditu (a zpracovává), každý z těchto dokumentů dnes putuje přes e-mail, disky a spotřebitelské nástroje AI bez vrstvy maskování před sebou. Cena nečinnosti jsou konkrétní události: kontrola Garante nebo CNIL čekající na správnou záminku, dotaz AMLA, až se rámec v roce 2027 spustí, trestní oznámení pro porušení profesního tajemství od nespokojeného klienta a pojistitel odpovědnosti, který zamítne nárok, protože použití AI nebylo zdokumentováno. Architektura existuje, regulatorní hodiny tikají a vrstva maskování se vyplatí při prvním auditu. Začněte tento měsíc deseti klienty s nejvyšším objemem.
Základní architekturu najdete v hlavním průvodci; postupy sousedící s HR, které se dotýkají mezd, popisuje článek o shadow AI v HR. Chcete-li vidět Redactic na ukázkové mzdové tabulce, úvodní stránka Redactic obsahuje živou ukázku.