Výplatní pásky, smlouvy, poznámky z pohovorů a korespondence se zákazníky mohou obsahovat citlivé informace. Maskování dokumentů pomáhá odstranit vybrané informace z verze, kterou chcete sdílet nebo zpracovat. Vratné a trvalé maskování slouží různým účelům; žádné z nich automaticky nezaručuje, že je výstup anonymní nebo že je následné použití zákonné.
Tento průvodce je rozsáhlá příručka, jakou nám chyběla, když jsme stavěli Redactic. Vysvětluje, co maskování údajů skutečně je a co není, jak je rámcuje GDPR (pseudonymizace podle článku 4 a anonymizace podle bodu odůvodnění 26), jaké dva režimy maskování budete v praxi používat, které kategorie osobních údajů je nutné před jakýmkoli použitím AI zamaskovat, pětikrokový postup, který zvládne od jediného PDF po mzdový sešit s mnoha listy, skutečné riziko shadow AI podle GDPR v profesionálních firmách, kontrolní seznam o osmi bodech pro výběr nástroje a FAQ s otázkami, které nám klienti kladou každý týden.
Článek můžete číst od začátku do konce, je napsán tak, aby se dal prolétnout, nebo přeskočit k části, která odpovídá vašemu aktuálnímu problému. Pokud už vaše firma vedla rozhovor „co s ChatGPT“ a prohrála ho, začněte částí o shadow AI. Pokud vás nejvíc trápí kontrola dozorového úřadu, začněte rámcem GDPR.
1. Co maskování údajů je a co není
Maskování údajů (anglicky redaction) je proces, při němž se v dokumentu zjistí osobní nebo jinak citlivé informace a odstraní se z verze, která bude dále sdílena, zpracována nebo uložena. Název pochází z právní praxe, kde se před zveřejněním začerňovaly pasáže soudních podání; v digitálních postupech zahrnuje mnohem širší škálu operací, od nahrazení jména zástupnou značkou po trvalé zničení oblasti obrázku přesným začerněním na úrovni pixelů.
Lidé často zaměňují „maskování“, „anonymizaci“, „pseudonymizaci“, „zakrývání“, „šifrování“ a „mazání“. Nejsou zaměnitelné a rozdíl je podle GDPR podstatný. K právním nuancím se vrátíme v části 2; zatím si zapamatujte tato rozlišení.
- Maskování (redaction) je zastřešující operace: proměna dokumentu s osobními údaji na verzi, která je už neobsahuje (nebo je neobsahuje způsobem, který by útočníci či neoprávnění čtenáři mohli obnovit).
- Zakrývání (masking) je jedna technika: každý zjištěný úsek osobních údajů se nahradí zástupnou značkou, například
[PERSON_1]nebo⟦NAME⟧. Značka má smysl pro navazující proces (například LLM), ale sama žádný identifikátor neobsahuje. V praxi znamená maskování osobních údajů volbu mezi touto cestou a trvalým začerněním podle toho, kam dokument míří. - Pseudonymizace je zakrývání plus řízené, odděleně uložené mapování zpět na původní hodnoty. GDPR ji výslovně uznává v článku 4 bodě 5 a v celém textu ji podporuje, ale z údajů nedělá údaje „anonymní“.
- Anonymizace je jednosměrná a nevratná. Po anonymizaci by nikdo, včetně vás, neměl být schopen subjekt údajů znovu identifikovat. GDPR tuto laťku stanoví v bodě odůvodnění 26 a anonymní údaje zcela spadají mimo nařízení.
- Šifrování je vratné pro každého, kdo má klíč. Zašifrované osobní údaje jsou podle GDPR stále osobními údaji; šifrování je bezpečnostní opatření, nikoli technika maskování.
- Mazání odstraní dokument; maskování odstraní osobní údaje z dokumentu, který si ponecháte.
Trvalé maskování zvolte, když musí být vybrané citlivé informace odstraněny ze sdíleného výstupu. Vratné zakrývání zvolte, když podporovaný postup potřebuje zástupné značky a pozdější obnovení. V obou případech posuďte zbývající kontext a nepřímé identifikátory. Trvalé maskování automaticky nezakládá anonymizaci.
Druhý vzorec, který vídáme stále, je pojetí maskování jako jednorázového kroku před sdílením. Ve firmě se sdílenými disky, týdenním používáním LLM a externími zpracovateli musí být maskování součástí pracovního postupu: při nahrání, v okamžiku požadavku na AI a při exportu. Měsíční ruční kontrola paralegalem s černým zvýrazňovačem to nenahradí.
2. Rámec GDPR: pseudonymizace podle čl. 4 bodu 5 a anonymizace podle bodu odůvodnění 26
Tři odkazy na GDPR formují každou smysluplnou debatu o maskování údajů v EU.
Čl. 4 bod 5 GDPR definuje pseudonymizaci jako „zpracování osobních údajů tak, že již nemohou být přiřazeny konkrétnímu subjektu údajů bez použití dodatečných informací“. Dodatečné informace musí být „uchovávány odděleně a vztahují se na ně technická a organizační opatření, aby bylo zajištěno, že osobní údaje nebudou přiřazeny identifikované či identifikovatelné fyzické osobě“. Pseudonymizované údaje zůstávají osobními údaji: GDPR se na ně stále vztahuje, stále potřebujete právní základ a subjekt údajů si zachovává právo na přístup a výmaz.
Bod odůvodnění 26 GDPR vytyčuje hranici anonymizace: „Zásady ochrany osobních údajů by se proto neměly vztahovat na anonymní informace, totiž na informace, které se netýkají identifikované nebo identifikovatelné fyzické osoby, ani na osobní údaje, které byly anonymizovány tak, že subjekt údajů není nebo již není identifikovatelný.“ Anonymní údaje jsou mimo rozsah. Laťka je vysoko a nejlépe se chápe prostřednictvím tří kritérií Stanoviska 05/2014 Pracovní skupiny podle článku 29: vyčlenění, propojitelnost a odvození. Pokud zamaskovaný dokument stále umožňuje vyčlenit jednoho jedince, propojit záznamy napříč datovými soubory nebo odvodit vlastnosti konkrétní osoby, pak jste pseudonymizovali, nikoli anonymizovali.
Článek 25 (záměrná a standardní ochrana osobních údajů) a článek 32 (zabezpečení zpracování) společně prosazují pseudonymizaci jako rozumné technické opatření u rizikového zpracování. Čl. 32 odst. 1 písm. a) ji uvádí výslovně. Proto dozorové úřady oceňují program souladu s GDPR, který investoval do řádné pseudonymizace: je to opatření, které nařízení samo jmenuje.
Nařízení EU o umělé inteligenci, které se v této oblasti s GDPR překrývá, platí od roku 2024, ustanovení o vysoce rizikových systémech se zavádějí postupně v letech 2026 a 2027 a přidává další vrstvu. Systémy AI používané v HR (nábor, hodnocení výkonu, rozhodování o povýšení) jsou podle přílohy III klasifikovány jako vysoce rizikové. Vyžadují řízení rizik, správu dat, technickou dokumentaci, transparentnost, lidský dohled, opatření pro přesnost, odolnost a kybernetickou bezpečnost a posouzení dopadu na základní práva. Nařízení nevyžaduje pseudonymizaci před použitím AI, ale v praxi je to nejčistší způsob, jak naplnit minimalizaci údajů (čl. 5 GDPR) a článek o správě dat v nařízení o AI (čl. 10) současně. U použití AI funguje soulad s GDPR a nařízením o AI nejlépe jako jeden provozní model, v němž se oba předpisy řeší společně.
Jeden mýtus je třeba zlikvidovat: mnozí dodavatelé nabízejí svůj nástroj jako „anonymizaci podle GDPR“, přestože jde o pseudonymizaci. Pokud mapování zástupné značky na původní hodnotu existuje kdekoli, v souborovém systému, v prohlížeči uživatele nebo ve službě, kterou provozujeme my, jsou údaje pseudonymizované a nikoli anonymní. Pseudonymizace podle GDPR je užitečná záruka a nabízet ji není nic špatného; nazývat ji anonymizací je zavádějící a vystavuje zákazníka pasti v souladu s předpisy. Certifikát o maskování Redactic obě pojetí výslovně rozlišuje a každou vratnou úlohu označuje jako pseudonymizaci podle článku 4 bodu 5.
Judikatura hranici ještě zpřísnila. Ve věci Breyer proti Německu (C-582/14, 2016) rozhodl Soudní dvůr, že IP adresa uchovávaná provozovatelem webu je osobním údajem, pokud má provozovatel přiměřené zákonné prostředky k získání dodatečných identifikačních informací od třetí strany. Test „přiměřených prostředků“ je širší, než mnozí inženýři předpokládají: údaje, které vaše služba sama identifikovat nemůže, mohou být přesto osobními údaji, pokud chybějící díly může dodat soudní příkaz nebo smluvní ujednání. Pro maskování to znamená, že rozdělení na zástupnou značku a mapování mezi dvě organizace automaticky anonymizací není: pokud kterákoli strana může druhou zákonně přinutit mapování vydat, jsou údaje pseudonymizované pro obě. Rozsudek SRB proti EDPS z roku 2023 (T-557/20) posílil kontextový charakter testu rozlišením pseudonymizovaných údajů u příjemce, který nemůže identifikovat, od týchž údajů u správce, který to může.
Stanovisko 05/2014 Pracovní skupiny podle článku 29 (nyní podporované EDPB) uvádí bod odůvodnění 26 do praxe třemi konkrétními modely útoku. Vyčlenění: může útočník izolovat jeden záznam odpovídající jedné osobě? Propojitelnost: lze dva záznamy ze stejného nebo z různých souborů dat propojit se stejnou osobou? Odvození: lze hodnotu jednoho atributu odvodit z kombinace ostatních? Pokud je odpověď na kteroukoli otázku ano, je dokument pseudonymizovaný, nikoli anonymizovaný. Praktický závěr zní, že zamaskování jména v mzdové tabulce ji neanonymizuje, protože řádek stále vyčleňuje jednoho zaměstnance, a že skutečně anonymní případ je vzácnější, než dodavatelé naznačují.
3. Dva režimy maskování: vratný (tabulka zástupných značek) a nevratný (začernění)
V provozu budete neustále používat dva režimy. Pochopit jejich rozdíl znamená rozdíl mezi postupem, který přežije kontrolu, a postupem, který vyzradí jména, protože jste na úkol použili špatný nástroj.
Vratné maskování nahrazuje zjištěné citlivé hodnoty zástupnými značkami a v podporovaných postupech používá samostatnou tabulku pro obnovení. Tabulku chraňte a připravený text před každým volitelným úkolem AI zkontrolujte. Přehlédnuté hodnoty a informace z kontextu mohou osoby stále identifikovat.
Obnovovací tabulky vyžadují ochranu a stanovená pravidla uchovávání. Podle postupu může zpracování zahrnovat vedle místního obnovení i dočasný stav na straně serveru. Redactic netvrdí, že původní obsah nebo data tabulky zůstávají vždy v prohlížeči. Povinnosti týkající se uchovávání a mazání najdete v příslušné DPA.
Trvalé maskování odstraní vybrané citlivé informace z exportovaného dokumentu. U skenů a obrázků může OCR pomoci najít text, který je třeba zkontrolovat. Výstup zkontrolujte, zda neobsahuje přehlédnuté hodnoty, skryté informace a nepřímé identifikátory. Zničení vybraného textu nebo oblastí obrázku samo o sobě neprokazuje, že osoby už nelze ze zbývajícího obsahu identifikovat.
Chyba, kterou vídáme nejčastěji, je opačná: firma provede „anonymizaci“, která je ve skutečnosti vratným maskováním, sdílí soubor externě a tabulku nechá na sdíleném disku, k němuž se příjemce nakonec dostane. Výsledkem je znovu identifikovatelný záznam na serveru třetí strany. Režim volte podle cíle, kam dokument míří.
Redactic nabízí vratné i trvalé maskování pro podporované postupy. Dostupné formáty exportu a zachování rozvržení závisejí na vstupu a zvolené operaci. Výsledek ověřte na reprezentativním souboru; nepředpokládejte, že vratné maskování zachová PDF v původním formátu.
4. Kategorie osobních údajů, které je nutné před použitím AI zamaskovat
Ne každý osobní údaj má stejnou regulatorní váhu. GDPR rozlišuje „osobní údaje“ (čl. 4 bod 1), tedy vše, co identifikuje nebo může identifikovat fyzickou osobu, a „zvláštní kategorie“ (čl. 9), jako jsou zdravotní údaje, biometrické identifikátory, rasový nebo etnický původ, politické názory, náboženské přesvědčení, členství v odborech, sexuální orientace a genetické údaje. U zvláštních kategorií je laťka pro zpracování výrazně vyšší (výslovný souhlas, životně důležité zájmy, veřejný zájem v oblasti zdraví atd.) a riziko neúmyslného vyzrazení na straně LLM je odpovídajícím způsobem větší.
Následující tabulka je provozní užší seznam, který používáme. Než jakýkoli dokument putuje do ChatGPT, Claude, Gemini, Mistralu nebo jiného poskytovatele LLM, měla by být každá položka níže buď zakryta zástupnou značkou, nebo začerněna podle toho, zda postup potřebuje vratnost.
| Kategorie | Příklady | Proč je to důležité |
|---|---|---|
| Přímé identifikátory | Celé jméno, e-mail, telefon, poštovní adresa | Minimální sada osobních údajů; identifikuje bez obtíží. |
| Národní identifikátory | Italské Codice Fiscale, francouzské NIR/INSEE, německé Steuer-ID, španělské DNI/NIE, čísla pasů EU | Identifikátory specifické pro zemi vyžadují odpovídající pokrytí a lidskou kontrolu. Shoda formátu identifikátoru ho nemusí ověřovat ani určovat, komu patří. |
| Finanční | IBAN, SWIFT, čísla platebních karet, bankovní účet, daňové číslo/DIČ | Riziko blízké PCI-DSS a přímé riziko podvodu. |
| Zaměstnání | Osobní číslo, mzdová položka, datum nástupu, plat, hodnocení výkonu | Umožňují identifikaci v malé organizaci i bez jména. |
| Zdraví (čl. 9) | Diagnózy, léky, důvody pracovní neschopnosti, poznámky závodní lékařské péče | Zvláštní kategorie; je třeba výslovný souhlas nebo jiný základ podle čl. 9. |
| Biometrie / doklady totožnosti | Čísla občanských průkazů, řidičské průkazy, pasy, fotografie obličeje | Zvláštní kategorie, pokud slouží k jednoznačné identifikaci. |
| Kvaziidentifikátory | Datum narození + PSČ + pohlaví, přesná role + oddělení, vzácný název pozice | Používají se při útocích propojením. Sweeneyho pravidlo 87 %: PSČ + datum narození + pohlaví identifikuje většinu dospělých Američanů. |
| Sdělení ve volném textu | Přepisy výstupních pohovorů, stížnosti zákazníků, tikety podpory | Nejobtížnější kategorie. Často unikne nástrojům založeným na vzorech a vyžaduje rozpoznávání entit pomocí strojového učení. |
Automatická detekce osobních údajů může kombinovat techniky založené na vzorech a strojovém učení k nalezení pravděpodobně citlivých informací. Redactic kombinuje automatickou detekci se zpracováním dokumentů a kontrolou člověkem na infrastruktuře v Evropě, kterou řídí Redactic. Nezamaskovaný obsah se při detekci ani maskování neodesílá službám třetích stran pro inferenci AI či strojové učení. Přesnost závisí na kvalitě dokumentu, jazyku a kontextu.
OCR zpřístupňuje text v podporovaných skenech a obrázcích pro detekci a kontrolu. Nízké rozlišení, natočení, rukopis a složitá rozvržení mohou výsledek ovlivnit. Zkontrolujte každou relevantní stránku i exportovaný dokument; podpora OCR nezaručuje, že bude nalezena každá citlivá hodnota.
Zprávy sestávající převážně ze zdravotních informací vyžadují stejnou péči a Redactic ukazuje, jak mohou psychologové maskovat psychologické zprávy a znalecké posudky, než je předají právníkům, školám nebo soudu.
5. Pětikrokový postup maskování, který se dá škálovat
Opakovatelný postup maskování spojuje výběr dokumentu, automatickou detekci, kontrolu člověkem, aplikaci a ověření výstupu. Následujících pět kroků je praktický výchozí bod; přizpůsobte je požadavkům na nakládání s údaji a schvalování ve své organizaci.
- Nahrání. Vyberte podporovaný dokument a ověřte, že jste oprávněni ho zpracovat. Ve standardním SaaS se původní dokument nahrává do Redactic ke zpracování v Evropě. Detekce a maskování neodesílají nezamaskovaný obsah službám inference AI třetích stran.
- Detekce. Zjistěte pravděpodobná jména, kontaktní údaje, finanční informace a relevantní národní identifikátory. U skenů a obrázků může rozpoznávání textu pomoci informace najít. Zjištění berte jako návrhy, které vyžadují kontrolu.
- Kontrola. Projděte zjištěné hodnoty, opravte falešné poplachy a vyhledejte citlivé informace, které unikly. Zvláštní pozornost věnujte kontextovým identifikátorům, špatným skenům, tabulkám a nejednotnému pravopisu.
- Aplikace. Zvolte trvalé nebo vratné maskování podle zamýšleného cíle. Pokud používáte obnovovací tabulky, chraňte je. Kromě viditelného textu zkontrolujte vlastnosti dokumentu a skryté informace; omezení specifická pro formát jsou podstatná.
- Sdílení nebo obnovení. Před sdílením zkontrolujte exportovaný výstup. Pokud zvolíte volitelný postup s AI, nejprve zkontrolujte připravený obsah a podmínky poskytovatele. Hodnoty obnovujte jen v podporovaném postupu s řádně chráněnou tabulkou. Vedte záznamy o operacích odpovídající vašim požadavkům na audit.
Certifikát o maskování může doplnit vaše záznamy o operacích o otisky dokumentů a shrnutí maskování. Neprokazuje, že byla zjištěna každá citlivá hodnota, nezakládá anonymizaci a nezávisle neprokazuje, že nebyla uchována žádná kopie dokumentu. Skutečná pole certifikátu porovnejte se svými požadavky na audit.
Mzdový tým může například projít sešit s více listy kvůli jménům zaměstnanců, daňovým identifikátorům, bankovním údajům a citlivým poznámkám. Zjištění potvrdí, přehlédnuté hodnoty opraví a podle potřeby zvolí vratné nebo trvalé maskování. Před sdílením zkontroluje exportovaný sešit včetně vzorců, číselných buněk, skrytých listů, komentářů a vlastností. Tento příklad ilustruje postup a není měřenou zárukou přesnosti ani doby zpracování.
6. Shadow AI: proč bezhlavé používání ChatGPT porušuje GDPR
Rozhovor, který s klienty vedeme nejčastěji, začíná takto: „Zakázali jsme ChatGPT pro citlivé údaje. Pak jsme zjistili, že tam stejně všichni něco vkládají, z osobních účtů, na telefonech, po práci.“ To je shadow AI: používání veřejných služeb LLM s citlivými údaji bez dohledu IT, často v nejlepším úmyslu. V roce 2026 je to dominantní riziko AI v profesionálních firmách.
Shadow AI porušuje GDPR třemi konkrétními způsoby. Zaprvé se poskytovatel LLM stává zpracovatelem bez smlouvy o zpracování osobních údajů. Článek 28 takovou smlouvu vyžaduje a čl. 28 odst. 3 vyjmenovává osm ustanovení, která musí obsahovat, před jakýmkoli zpracováním jménem správce. Uživatel, který vkládá jména klientů do osobního účtu ChatGPT, vytváří zpracování bez smlouvy, bez záznamu o činnostech zpracování (čl. 30), bez prověření podle čl. 28 a bez zdokumentovaného řetězce dalších zpracovatelů. Zadruhé se podle výchozího nastavení spotřebitelské úrovně může vstup použít k trénování dalšího modelu, což je nevratné vyzrazení, které výmaz (čl. 17) nedokáže vrátit. Zatřetí údaje překračují hranici EU do datového centra v USA, aniž správce po rozsudku Schrems II provedl posouzení dopadu předání.
Detekce a maskování dokumentů v Redactic běží na infrastruktuře v Evropě, kterou řídí Redactic, bez inference AI či strojového učení třetích stran nad nezamaskovaným obsahem. Volitelné postupy s AI jsou oddělené: zjištěné citlivé hodnoty se odstraní nebo nahradí dříve, než se připravený obsah odešle zvolenému poskytovateli. Zkontrolujte text dokumentu, dodatečné pokyny a zprávy v chatu; přehlédnuté hodnoty a kontextové podrobnosti mohou osoby stále identifikovat. Poskytovatel, region, uchovávání a podmínky trénování závisejí na zvoleném postupu a příslušné smlouvě.
Nejde o teoretickou obavu. Samsung zakázal ChatGPT a další nástroje generativní AI v květnu 2023 poté, co zaměstnanci podle zpráv zadávali do chatbota firemní informace včetně zdrojového kódu. Italský úřad Garante dočasně pozastavil ChatGPT 30. března 2023 kvůli čl. 6 (právní základ), čl. 13 (informační povinnost) a chybějícímu ověření věku; služba byla obnovena 28. dubna 2023 až poté, co OpenAI zavedlo věkovou bránu, možnost odmítnutí a výslovné informace. Garante pak vydal 20. prosince 2024 konečné rozhodnutí s pokutou 15 milionů eur. Souběžně zahájil španělský úřad AEPD v dubnu 2023 šetření a Evropský sbor pro ochranu osobních údajů zřídil v dubnu 2023 pracovní skupinu pro ChatGPT, která v květnu 2024 zveřejnila předběžná zjištění. Studie Cyberhaven z roku 2023, citovaná společností Cleansum, zjistila, že 11 % firemních dotazů do ChatGPT obsahovalo citlivé údaje, jako jsou mzdové záznamy, zdrojový kód a informace o zákaznících, nahrané zevnitř firewallů. Nařízení o AI přidává od srpna 2025 povinnosti pro AI pro obecné účely, které dále omezují, jak lze spotřebitelské služby LLM používat v regulovaných kontextech. Věrohodná odpověď na otázku soukromí v ChatGPT je dnes provozní předpoklad zavedení AI ve vaší firmě.
Schválený postup s AI by měl být pro zaměstnance praktický a podložený jasnými pravidly nakládání. Redactic nabízí volitelné postupy s AI vedle maskování dokumentů se zakrýváním zjištěných citlivých hodnot. Neuvádíme zde žádné srovnávací tvrzení o rychlosti: doba zpracování a pracnost kontroly závisejí na souboru, úkolu a postupu.
Jako nákupní otázka se soukromí údajů u LLM redukuje na tři konkrétní odpovědi. (1) Má poskytovatel koncový bod v EU s uložením dat v EU a jasným seznamem dalších zpracovatelů? (2) Je váš vstup ve výchozím nastavení vyloučen z trénování modelu, s podepsanou smlouvou o zpracování, která to potvrzuje? (3) Je uchovávání nulové nebo přísně omezené, s auditní stopou, kterou lze reprodukovat? Cokoli slabšího než ano na všechny tři vrací břemeno souladu na vaši firmu, a to na právníka, účetního nebo HR vedoucího, který na to nemá ani čas, ani školení. Výchozí nastavení soukromí spotřebitelské úrovně ChatGPT tímto testem neprojde; podnikové úrovně ano, ale k obhajitelnosti vyžadují jak náležitou péči při nákupu, tak před sebou vrstvu maskování.
Při odhadu rizika shadow AI pro vlastní firmu berte statistiky, které kolují, opatrně: náš audit nejčastěji opakovaných statistik o shadow AI vystopuje každé číslo k primárnímu zdroji a ukazuje několik takových, která neměří to, co se jim obvykle připisuje.
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.
7. Výběr nástroje pro maskování: kontrolní seznam s 8 body
Pokud kupujete software pro maskování dokumentů, s detekcí založenou na AI nebo bez ní, nebo porovnáváte vlastní řešení s hotovým produktem, je následující kontrolní seznam tím, který používáme s potenciálními klienty. Každou položku ohodnoťte 0-2 (ne / částečně / ano) a body o ochraně soukromí počítejte dvojnásobně. Pokud skončíte pod 18 z možných 32, máte riziko souladu; pod 12 máte i riziko produktivity.
- Architektura bez stop. Zpracovává služba dokument v paměti a okamžitě ho zahodí? Jsou vstupy šifrovány v klidu v dočasném úložišti, s krátkou dobou platnosti, a nikdy se nezapisují do trvalého logu? Proč je to důležité: uložená kopie je stále osobním údajem; samotný proces maskování se stává samostatnou činností zpracování, pokud vstup požadavek přežije.
- Vícejazyčná detekce osobních údajů. Zvládá model italské Codice Fiscale, francouzské NIR, německé Steuer-ID, španělské DNI/NIE, polský PESEL atd., nebo jen anglická jména a americká SSN? Proč je to důležité: detektory zaměřené na angličtinu vynechají 30-50 % národních identifikátorů v dokumentech z EU.
- OCR pro skeny. Dokáže nástroj zamaskovat naskenované PDF nebo vyfocený občanský průkaz přesným začerněním na úrovni pixelů? Proč je to důležité: případy, které nejvíc děsí vašeho pověřence pro ochranu osobních údajů, staré smlouvy a vyfocené dokumenty, jsou přesně ty, u nichž čistě textový nástroj nepomůže.
- Podpora dvou režimů. Dokáže nástroj z téhož nahrání vytvořit vratný výstup (zástupné značky) i nevratný (začernění)? Proč je to důležité: jednorežimové nástroje vás nutí udržovat dva procesy.
- Ruční kontrola. Umožňuje rozhraní člověku přijmout nebo odmítnout každý zjištěný úsek před aplikací maskování? Proč je to důležité: detekce zaměřená na úplnost je správné výchozí nastavení, ale produkuje falešné poplachy, které potřebují rychlou cestu kontroly.
- Odstranění metadat. Odstraňuje nástroj také vlastnosti dokumentu (autor, naposledy změnil, XMP, EXIF)? Proč je to důležité: nejčastějším únikem v praxi je čisté tělo dokumentu se jménem autora ve vlastnostech PDF.
- Auditní certifikát. Vytváří nástroj pro každou úlohu kryptografický záznam toho, co bylo zpracováno, s otisky a počty kategorií, ale bez obsahu? Proč je to důležité: certifikát je to, co ukážete dozorovému úřadu, pojišťovně a klientovi.
- Soulad s předpisy. Uložení dat v EU, DPA zahrnuté při registraci, seznam dalších zpracovatelů, souhlas click-wrap s kryptografickým snímkem, oddělení rolí (váš nástroj působí jako zpracovatel, nikoli správce). Proč je to důležité: právě to rozhoduje, zda se nástroj hodí do vašeho stávajícího programu GDPR, nebo vytváří nové činnosti zpracování, které musíte řídit.
Nástroje dodávané jako rozšíření Chrome mohou být elegantní, ale u bodů (1) a (8) vycházejí špatně: za bezplatným rozšířením se skutečná DPA objevuje zřídka. Open-source knihovny jako Presidio nebo Piiranha vycházejí dobře u (2), ale provozní zázemí (bez stop, OCR, audit, certifikát), tedy většinu práce, máte na starosti vy. Komerční hostované nástroje vycházejí různě; otázka, kterou položit, zní: „ukažte mi certifikát z ukázkové úlohy a seznam dalších zpracovatelů.“
Při rozhodování mezi vlastním vývojem a nákupem je třeba počítat se zpracováním dokumentů, kontrolou člověkem, validací výstupů, kontrolou uchovávání, správou přístupů, smluvní dokumentací a průběžnou podporou. Prototyp detekce je jen část udržované služby. Celkovou provozní pracnost porovnejte s požadavky své organizace na reprezentativních dokumentech.
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
Důležitá omezení: formát exportu a zachování rozvržení závisejí na zvoleném postupu. Skeny, částečná jména, alternativní pravopis a kontextové identifikátory mohou vést k přehlédnutým nebo nekonzistentním zjištěním. Tyto případy a výsledný exportovaný soubor zkontrolujte. Pro vratné obnovení může být potřeba tabulka, kterou je třeba chránit odděleně.
8. Často kladené otázky
Jaký je rozdíl mezi maskováním údajů a anonymizací údajů?
Maskování odstraní vybrané informace z výstupu. Vratné maskování nahradí zjištěné hodnoty a k obnovení použije převodní tabulku. Trvalé maskování neučiní zbytek dokumentu automaticky anonymním: informace z kontextu mohou osoby stále identifikovat. Než výstup budete považovat za anonymní, posuďte možnost identifikace samostatně.
Je pseudonymizace totéž co šifrování?
Ne. Šifrování může zvrátit každý, kdo má klíč, a jde o bezpečnostní opatření; pseudonymizace nahrazuje identifikující hodnoty zástupnými značkami a zpětnou tabulku drží pod přísnější kontrolou přístupu. GDPR pseudonymizaci výslovně uznává v čl. 4 bodu 5 a čl. 32 odst. 1 písm. a); zašifrované osobní údaje jsou stále osobními údaji.
Mohu s ChatGPT podle GDPR bezpečně používat zamaskované dokumenty?
Maskování může snížit množství osobních údajů sdílených s poskytovatelem AI, ale samo o sobě neučiní použití zákonným. Zkontrolujte připravený obsah včetně dodatečných pokynů, ověřte podmínky poskytovatele a posuďte účel, právní základ a zbývající kontext. V Redactic SaaS se dokumenty nahrávají do Redactic ke zpracování před každým samostatně zvoleným volitelným úkolem AI.
Funguje automatická detekce osobních údajů na naskenovaných PDF?
OCR může pomoci s detekcí textu v naskenovaných PDF a obrázcích. Redactic podporuje postupy zahrnující skeny v rámci podporovaných formátů a jazyků. Stránky s nízkou kvalitou a exportované výsledky zkontrolujte; OCR i automatická detekce mohou citlivé informace přehlédnout.
Jak dlouho se má uchovávat tabulka zástupných značek?
Obnovovací tabulku uchovávejte jen po dobu a k účelu, které váš postup vyžaduje, a chraňte k ní přístup. Podmínky dočasného zpracování a mazání v Redactic najdete v příslušné smlouvě. Tabulka, kterou si sami stáhnete nebo uchováte, vyžaduje vlastní pravidla nakládání a uchovávání.
Co je shadow AI a proč je problémem z hlediska GDPR?
Shadow AI je používání veřejných služeb LLM s citlivými údaji mimo dohled IT, obvykle přes osobní účty. Vzniká zpracování bez smlouvy o zpracování (čl. 28), nezdokumentované předávání do zahraničí (Schrems II) a možné vystavení vstupu při trénování modelu. Řešením je oficiální cesta rychlejší a bezpečnější než ta stínová, protože zákazy se obcházejí.
Mění nařízení EU o umělé inteligenci něco na maskování?
Ano. Vysoce rizikové systémy AI podle přílohy III (HR, nábor, hodnocení výkonu) musí plnit povinnosti v oblasti správy dat (čl. 10), řízení rizik (čl. 9) a lidského dohledu (čl. 14). Pseudonymizace vstupních dat před jejich předáním takovému systému je nejčistší způsob, jak současně naplnit minimalizaci údajů podle čl. 5 GDPR a čl. 10 nařízení o AI. Nařízení maskování výslovně nevyžaduje, ale v praxi ho usnadňuje.
Co je certifikát o maskování a proč ho potřebuji?
Certifikát o maskování může doplnit vaše záznamy o operacích o otisky dokumentů a shrnutí maskování. Neprokazuje, že byla zjištěna každá citlivá hodnota, nezakládá anonymizaci a nezávisle neprokazuje, že nebyla uchována žádná kopie dokumentu. Skutečná pole certifikátu porovnejte se svými požadavky na audit.
Mohu zamaskovat tabulku v Excelu s údaji o zaměstnancích, aniž bych rozbil vzorce?
Redactic podporuje postupy maskování tabulek. Vyzkoušejte reprezentativní sešit a ověřte exportované listy, vzorce, číselné hodnoty, rozvržení a vlastnosti. Nepředpokládejte, že se zachová každá funkce tabulky nebo že byly zjištěny všechny citlivé informace.
Kde Redactic ukládá moje data?
Dokumenty a výsledky využívají dočasné úložiště pro zpracování na infrastruktuře v Evropě, kterou řídí Redactic. Může jít i o dočasné zpracování obnovovacích dat na straně serveru. Záznamy o účtu, fakturaci, souhlasech a operacích se vedou odděleně. Podmínky uchovávání a mazání najdete v DPA a v zásadách ochrany soukromí Redactic a profil pro váš postup vám na požádání potvrdíme. Další informace: stránky o důvěře
Pokud si z tohoto průvodce přečtete jen jedno, přečtěte si část 6 o shadow AI. Největším jednotlivým rizikem ve vaší firmě v roce 2026 je kumulativní účinek tisíce drobných vložení do ChatGPT z osobních účtů. Odpovědí je rychlejší oficiální cesta s řádným maskováním údajů a podepsanou DPA, protože přísnější pravidla se obcházejí. Postavte tu cestu dřív, než ji místo vás postaví regulátor.
Chcete-li vidět, jak to funguje v praxi, úvodní stránka Redactic prochází čtyři režimy použití (Maskování, Anonymizace, Použití s AI, Zabezpečený chatbot) s živou ukázkou na vzorové smlouvě. Tarif Solo pokrývá jednoho profesionála za 19 eur měsíčně; tarif Firm přidává zabezpečený chat s AI a až padesát uživatelů za 49 eur měsíčně; Enterprise je na míru. DPA se podepisuje při registraci a certifikát o maskování lze stáhnout z každé dokončené úlohy.