Jeśli prowadzą Państwo biuro rachunkowe w 2026 roku, należą Państwo do największych przetwarzających dane osobowe w europejskiej gospodarce pod względem wolumenu i działają Państwo pod ciaśniejszymi ograniczeniami niż większość administratorów: obowiązuje Państwa RODO, krajowy reżim tajemnicy zawodowej i unijny system przeciwdziałania praniu pieniędzy, a dane swoich klientów przetwarzają Państwo na ich zlecenie. Maskowanie dokumentów w biurze rachunkowym, czyli zasłanianie nazwisk, numerów podatkowych, IBAN-ów i pozycji płacowych w każdym dokumencie klienta przechodzącym przez biuro, jest dziś operacyjną bramką, która decyduje, czy biuro w ogóle może korzystać z narzędzi AI, bezpiecznie przekazywać pliki zagranicznym korespondentom i przejść zarówno kontrolę organu nadzorczego, jak i audyt jednostki analityki finansowej.
To trzeci artykuł z naszej serii przewodników o maskowaniu. Przewodnik główny omawia technologię bazową i ogólne ramy RODO. Ten artykuł przybliża księgowość: obsługę płac, zeznania podatkowe, KYC/AML, dokumentację roboczą z badania i korespondencję z klientami, czyli obszar, w którym liczba danych osobowych przypadająca na jednego praktyka jest największa w całych usługach profesjonalnych, a stos regulacji najbardziej warstwowy.
Jest to także artykuł klastra najbardziej użyteczny dla biur pracujących transgranicznie. Księgowi obsługujący włoskich rezydentów z biura we Francji, francuscy klienci raportujący przez irlandzki holding, niemiecki Mittelstand korzystający z hiszpańskich spółek zależnych: każdy transgraniczny proces podatkowy generuje przepływ danych osobowych, który przechodzi przez dwie lub trzy jurysdykcje, zanim osiądzie w zeznaniu. Warstwa maskowania sprawia, że ten przepływ daje się obronić.
Uwaga o zakresie: w tym artykule maskowanie dokumentów i maskowanie danych osobowych w biurze rachunkowym oznaczają tę samą warstwę operacyjną wraz z oprogramowaniem, które ją obsługuje. Anonimizację numerów podatkowych, numerów VAT i numerów EORI traktujemy jako zestaw przypadków szczegółowych tego samego problemu wielonarodowych identyfikatorów, a obowiązki biura rachunkowego wynikające z RODO obejmują zarówno rolę administratora, jak i podmiotu przetwarzającego. Zgodność z regulacjami AI w księgowości to termin zbiorczy dla połączonego stosu RODO, rozporządzenia o AI i AML omawianego poniżej, używany z naciskiem na rolę biura jako podmiotu stosującego narzędzia AI.
1. Dlaczego biura rachunkowe przetwarzają w UE najwięcej danych osobowych
Pięć faktów strukturalnych razem wyjaśnia, dlaczego maskowanie danych osobowych w księgowości jest wyraźnie bardziej złożone niż w jakiejkolwiek innej kategorii usług profesjonalnych.
Po pierwsze, wolumen. Średniej wielkości biuro rachunkowe obsługuje setki klientów, z których każdy generuje miesięczne listy płac, kwartalne deklaracje VAT, roczne zeznania podatkowe, dokumenty wdrożeniowe KYC i bieżącą korespondencję. Jedno biuro przetwarza rocznie więcej rekordów danych osobowych niż wiele platform marketingowych, a dane te są strukturalnie bogatsze (identyfikator krajowy, dane finansowe, zatrudnienie, czasem zdrowie).
Po drugie, wrażliwość. Dane identyfikują osoby i podlegają jednocześnie wielu reżimom prawnym. Identyfikatory krajowe (Codice Fiscale we Włoszech, NIR we Francji, Steuer-ID w Niemczech, DNI/NIE w Hiszpanii) są danymi osobowymi w rozumieniu RODO, ale także celem ryzyka oszustw. Dane płacowe nakładają się na szczególne kategorie z art. 9 RODO, ilekroć obejmują przyczyny zwolnień lekarskich, świadczenia z tytułu niepełnosprawności, składki związkowe czy uprawnienia w pracowniczych programach emerytalnych o charakterze wyznaniowym. Dokumenty AML/KYC (paszporty, dowody osobiste, oświadczenia o beneficjentach rzeczywistych) podlegają odrębnemu obowiązkowi przechowywania wynikającemu z unijnych ram przeciwdziałania praniu pieniędzy.
Po trzecie, podział ról. Księgowi są podmiotami przetwarzającymi dane swoich klientów i nie są ich administratorami. Dlatego art. 28 RODO, czyli umowa powierzenia przetwarzania, ujawnienie podprocesorów i udokumentowany łańcuch upoważnień, stanowi operacyjny kręgosłup relacji biura z każdym klientem. Nieautoryzowany podprocesor, w tym darmowe konto ChatGPT, jest naruszeniem umowy jednocześnie wobec każdego z tych klientów.
Po czwarte, tajemnica zawodowa. Art. 622 włoskiego Codice Penale oraz art. 1175 i 1375 Codice Civile, art. L820-5 francuskiego Code de commerce i kodeks deontologiczny OEC, § 57 StBerG czytany z § 203 StGB w Niemczech oraz RGL del ICEC w Hiszpanii nakładają karną lub quasi-karną tajemnicę zawodową. Zależność od RODO jest nietrywialna: minimalizacja danych z art. 5 RODO nakłada się na tajemnicę zawodową, ale reguły ujawniania są różne (RODO przyznaje prawo dostępu, tajemnica zawodowa daje poufność niemal absolutną). Obowiązki tajemnicy zawodowej księgowego są zwykle ostrzejsze niż prawo dostępu z RODO, a biuro musi spełnić oba wymogi.
Po piąte, transgraniczny przepływ danych jest regułą. Typowe zlecenie dla średniego przedsiębiorstwa obejmuje przepływy do korespondenta księgowego za granicą, do zagranicznych organów podatkowych klienta, do banków korespondentów w celu weryfikacji IBAN oraz do centralnego rejestru przedsiębiorców jednego lub kilku państw członkowskich. Każdy przepływ wymaga własnej oceny przekazania z art. 44. Przesłanie transgranicznych danych podatkowych przez amerykański LLM jest pojedynczym, łatwym do udowodnienia naruszeniem RODO w każdym audycie, bo same logi sieciowe stanowią wystarczający dowód.
2. Sześć kategorii dokumentów, które obsługuje każde biuro rachunkowe
Różne kategorie dokumentów generują różne wzorce maskowania. Sześć poniższych obejmuje ok. 98% tego, co przepływa przez dowolne biuro rachunkowe, i dobrze mapuje się na architekturę maskowania.
1. Listy płac i paski wynagrodzeń. Wielopracownicze pliki XLSX z nazwiskiem, numerem podatkowym, IBAN-em, wynagrodzeniem brutto, potrąceniami i uwagami; paski płacowe w PDF dla każdego pracownika; roczne zestawienia płac. Problem maskowania jest tu wielomodalny: strukturalne dane osobowe na poziomie komórek (kolumna numeru podatkowego, kolumna IBAN) oraz notatki bez struktury (komentarze przełożonych, przyczyny zwolnień lekarskich). Anonimizacja płac zwykłym „znajdź i zamień” psuje formuły wynagrodzeń, a narzędzie rozumiejące typy komórek zachowuje wartość analityczną arkusza i maskuje dane osobowe. Maskowanie płac jest też najczęstszą czynnością maskowania w każdym biurze.
2. Zeznania i deklaracje podatkowe. Włoskie 730, F24, Modello Unico, IRAP; francuskie liasse fiscale, déclaration de TVA, IS; niemieckie Einkommensteuererklärung, Umsatzsteuer-Voranmeldung, Bilanz; hiszpańskie Modelo 100, Modelo 303, Modelo 200. Każda deklaracja zawiera dane osobowe podatnika, a często także osób na jego utrzymaniu lub pracowników. Maskowanie deklaracji jest potrzebne zawsze, gdy deklaracja lub jej dokumentacja robocza jest udostępniana osobie trzeciej (korespondencja z innym biurem, wsparcie badania, przegląd wspomagany AI). Gdy zeznania są anonimizowane do analizy AI, maskowanie musi zachować logikę obliczeń przy zasłanianiu identyfikatorów, co wymaga wykrywania strukturalnego ponad dopasowywaniem wzorców.
3. Dokumenty wdrożeniowe KYC/AML. Dokumenty tożsamości (paszporty, dowody osobiste), potwierdzenia adresu, oświadczenia o beneficjentach rzeczywistych, dokumentacja źródeł środków. Podlegają one unijnemu stosowi AML: AMLD4 (2015), AMLD5 (2018), AMLD6 (2018), AMLR (rozporządzenie (UE) 2024/1624) oraz AMLD (dyrektywa (UE) 2024/1640). Księgowi są instytucjami obowiązanymi na mocy wszystkich tych aktów. Maskowanie danych KYC jest w tym kontekście asymetryczne: nie można zamaskować samej teczki KYC (musi być przechowywana), ale informacje pochodzące z KYC trzeba maskować, gdy trafiają do dalszego procesu (streszczenie przez AI, wewnętrzne szkolenia, korespondencja z klientem o osobie trzeciej).
4. Dokumentacja robocza z badania. W biurach prowadzących badanie sprawozdań dokumentacja robocza zawiera wyciągi z systemów klienta, identyfikatory pracowników, dane dostawców i komunikację zarządu. ISA 230 wymaga przechowywania przez co najmniej pięć lat; wytyczne ICAEW i IAASB traktują dokumentację roboczą jako poufną. Maskowanie dokumentacji z badania pozwala częściowo ją udostępniać współbadającym zespołom, recenzentom koleżeńskim i recenzentom jakości badania bez naruszania RODO ani reżimu poufności badania.
5. Umowy i korespondencja z klientami. Umowy zlecenia, propozycje wynagrodzenia, notatki doradcze, wymiana e-maili. Zawierają dane osobowe klienta, często dane osób trzecich (kontrahent klienta) i nierzadko informacje strategiczne o transakcji. Ogólne asystenty AI do poczty i narzędzia do streszczania dokumentów działające na tej kategorii tworzą najbardziej podstępną ekspozycję shadow AI, ponieważ użytkownik uważa tę czynność za mało ryzykowną („po prostu streszczam skrzynkę”).
6. Dane bankowe i skarbowe. Listy IBAN, wyciągi SWIFT, autoryzacje płatności, uzgodnienia bankowe. Dane osobowe koncentrują się w IBAN-ach i nazwach posiadaczy rachunków; wrażliwość finansowa jest wysoka; zarówno PSD2, jak i reguły schematu SCT dodają kolejną warstwę do podstawy z RODO. Maskowanie IBAN-ów to częsty mikroproces, który powinien działać automatycznie przed każdym krokiem AI na dokumentach finansowych.
Wzorzec we wszystkich sześciu kategoriach jest ten sam: dane strukturalne wymagają maskowania strukturalnego, dane w tekście swobodnym wymagają wykrywania ML, a certyfikat audytowy sprawia, że działanie daje się obronić przed inspektorem ochrony danych i przed jednostką analityki finansowej.
3. Krajobraz identyfikatorów krajowych i dlaczego samo dopasowanie wzorców nie wystarcza
Księgowi pracują z identyfikatorami krajowymi częściej niż jakakolwiek inna grupa zawodowa. Każdy z nich ma strukturę, algorytm cyfry kontrolnej i zestaw ryzyk fałszywych trafień. Ogólny maskownik wytrenowany na amerykańskich numerach Social Security po cichu pominie większość z nich.
| Kraj | Identyfikator | Długość | Uwagi |
|---|---|---|---|
| Włochy | Codice Fiscale | 16 znaków alfanumerycznych | Nazwisko + imię + data urodzenia + płeć + miejsce urodzenia + znak kontrolny. Struktura zdradza datę urodzenia i płeć nawet po zamaskowaniu otaczającego kontekstu. |
| Włochy | Partita IVA | 11 cyfr | Numer VAT; zakodowana prowincja; cyfra kontrolna. W tekście swobodnym często mylony z CF. |
| Francja | NIR / INSEE | 15 cyfr | Płeć + rok + miesiąc + departament + gmina + numer porządkowy + kontrola. Jednoznacznie identyfikuje osobę w gminie urodzenia. |
| Francja | SIRET / SIREN | 14 / 9 cyfr | Identyfikator zakładu / firmy. Dane osobowe w przypadku samozatrudnionych. |
| Niemcy | Steuer-ID (IdNr) | 11 cyfr | Osobisty numer podatkowy, dożywotni, niewyprowadzalny z daty urodzenia. Ściśle regulowany. |
| Niemcy | USt-IdNr | 9 cyfr po DE | Numer VAT dla transakcji transgranicznych. |
| Hiszpania | DNI / NIE | 8 cyfr + litera | DNI dla obywateli, NIE dla rezydentów zagranicznych. Litera jest deterministyczną kontrolą. |
| Hiszpania | CIF (dawny) / NIF | 9 znaków | NIF dla osób prowadzących działalność odpowiada DNI; CIF dla osób prawnych. |
| UE | EORI | różna | Identyfikator celny. Format zależy od państwa członkowskiego; dane osobowe w przypadku samozatrudnionego importera. |
| UE | IBAN | 15-34 znaki alfanumeryczne | Kod kraju + cyfry kontrolne + BBAN; strukturalnie weryfikowalny. Najbardziej podatne na wyciek pojedyncze pole w płacach. |
Redactic łączy automatyczne wykrywanie, przetwarzanie dokumentów i przegląd przez człowieka, by pomagać w identyfikowaniu informacji wrażliwych, także w obsługiwanych dokumentach skanowanych. Wykryte wartości należy przejrzeć przed zastosowaniem maskowania trwałego lub odwracalnego. Pokrycie zależy od jakości dokumentu, języka i kontekstu; automatyzacja może coś pominąć. Przed wdrożeniem procesu warto ocenić reprezentatywne pliki i wyeksportowane wyniki.
Decyzja o maskowaniu zależy też od rodzaju identyfikatora. Numery EORI i VAT zwykle nie są danymi osobowymi w przypadku spółek i nie należy ich maskować w procesie czysto B2B; te same numery są danymi osobowymi w przypadku osób samozatrudnionych i trzeba je maskować. Narzędzie musi rozumieć kontekst typu podmiotu, aby podjąć właściwą decyzję.
4. Stos RODO i AML oraz czym różni się dla księgowych
Do każdego biura rachunkowego stosują się jednocześnie trzy reżimy: RODO, unijne ramy przeciwdziałania praniu pieniędzy i krajowe prawo o tajemnicy zawodowej. Nie są one ze sobą zgrane; w niektórych miejscach kolidują.
Art. 28 RODO jako kręgosłup podmiotu przetwarzającego. Księgowy jest podmiotem przetwarzającym dla swoich klientów. Umowa zlecenia musi zawierać klauzule z art. 28 ust. 3 lub się do nich odwoływać. Podprocesorzy (chmurowa platforma księgowa, dostawca e-fakturowania, dostawca OCR, LLM) muszą być ujawnieni klientowi z prawem sprzeciwu. Użycie shadow AI przez starszego księgowego narusza art. 28 wobec każdego klienta, którego dane były w sesji, zwykle kilkudziesięciu naraz.
Art. 32 RODO i bezpieczeństwo przetwarzania. Wytyczne EROD z 2024 roku w sprawie środków technicznych i organizacyjnych dla podmiotów przetwarzających wprost umieszczają pseudonimizację w zalecanym zestawie narzędzi. Dla księgowych oznacza to: maskować przed użyciem AI, szyfrować dane w spoczynku, logować dostęp, dokumentować kontrole. Biuro bez warstwy maskowania nie może wiarygodnie twierdzić, że spełniło art. 32 w procesach z AI.
AMLD6 i AMLR (2024). Szósta dyrektywa AML (dyrektywa (UE) 2018/1673) uczyniła pranie pieniędzy przestępstwem z zharmonizowanymi przestępstwami źródłowymi; AMLR z 2024 roku (rozporządzenie (UE) 2024/1624) to nowy jednolity zbiór przepisów, który będzie stosowany bezpośrednio od lipca 2027 r. wraz z nowym unijnym Urzędem ds. AML (AMLA). Księgowi są instytucjami obowiązanymi na mocy obu aktów. Zebrane dokumenty KYC trzeba przechowywać co najmniej pięć lat po zakończeniu stosunku gospodarczego. Przechowywanie danych AML i KYC oraz zasada ograniczenia przechowywania z RODO tworzą pozorne napięcie; rozwiązanie polega na tym, że obowiązek przechowywania AML jest podstawą prawną z art. 6 ust. 1 lit. c dla samego przechowywania, a dalsze przetwarzanie tych samych danych (streszczanie przez AI, analizy wewnętrzne) to odrębna czynność przetwarzania wymagająca własnej podstawy. Zgodność z AMLD6 i zgodność z RODO mogą współistnieć przy starannym zaprojektowaniu procesu.
Tajemnica zawodowa na poziomie krajowym. Art. 622 włoskiego Codice Penale przewiduje odpowiedzialność karną za ujawnienie przez depozytariusza tajemnicy zawodowej; francuska tajemnica zawodowa wiąże się z wpisem na tableau de l'ordre; niemiecki § 57 StBerG z § 203 StGB czyni tajemnicę zawodową przestępstwem; hiszpańska tajemnica zawodowa ma charakter ustawowy. W każdym przypadku tajemnica jest zwykle ostrzejsza niż prawo dostępu z RODO, co oznacza, że biuro musi (a) odmówić części wniosków o dostęp na podstawie tajemnicy zawodowej, nawet jeśli RODO by na nie pozwalało, oraz (b) zadbać, by shadow AI nie stanowiło ujawnienia osobie trzeciej (dostawcy LLM).
Unijne rozporządzenie o AI dla księgowych. Klasyfikacja wysokiego ryzyka z załącznika III rozporządzenia o AI nie dotyczy większości zastosowań AI w księgowości (załącznik III dotyczy głównie HR i biometrii). Jednak przejrzystość z art. 13, obowiązki podmiotu stosującego z art. 26 dla każdego systemu wysokiego ryzyka oraz obowiązek zapewnienia kompetencji w zakresie AI z art. 4 (obowiązujący od lutego 2025) obejmują księgowych. Przykład: narzędzie AI do wstępnej selekcji zgłoszeń o podejrzanych działaniach (SAR) w ramach AML byłoby prawdopodobnie systemem wysokiego ryzyka według załącznika III pkt 5 lit. d („systemy AI wykorzystywane do oceny ryzyka w usługach finansowych”). Księgowy, który je wdraża, ponosi obowiązki podmiotu stosującego.
Wniosek: każde zastosowanie AI w biurze rachunkowym musi jednocześnie przejść przez RODO (art. 28 i art. 32), AML (AMLR i AMLA tam, gdzie mają zastosowanie), krajową tajemnicę zawodową i, dla niektórych wąskich kategorii, obowiązki wysokiego ryzyka z rozporządzenia o AI. Zgodność z RODO w księgowości jest domyślnie wieloreżimowa, a warstwa maskowania jest jedyną kontrolą techniczną działającą we wszystkich czterech.
Streszczenie harmonogramu płac przez AI może jednocześnie angażować obowiązki dotyczące prywatności, poufności, prawa pracy i przeciwdziałania przestępczości finansowej. Maskowanie może ograniczyć ekspozycję wykrytych identyfikatorów, ale nie rozstrzyga ograniczeń celu, podstawy prawnej, tajemnicy zawodowej ani ograniczeń dalszego wykorzystania. Przed udostępnieniem treści trzeba je ocenić osobno.
5. Problem shadow AI w biurach rachunkowych
Dynamika shadow AI opisana w klastrze HR występuje także w biurach rachunkowych, z innymi wzorcami ryzyka.
Proces w cieniu na koniec kwartału. Starszy asystent pracujący w sobotę przed terminem zeznań wkleja do osobistego konta ChatGPT 2000-wierszowy plik XLSX z nazwiskami pracowników, Codice Fiscali, IBAN-ami i wynagrodzeniami, by „sprawdzić sumy”. Model widzi cały spis klienta. Logi modelu widzą to jako zapytanie. Sesja może posłużyć do trenowania kolejnej wersji modelu. Rejestry biura z art. 30 niczego z tego nie widzą. Klient o niczym nie wie.
Proces w cieniu: tłumaczenia. Praktyk pracujący nad zleceniem transgranicznym używa darmowego narzędzia tłumaczeniowego, by przełożyć niemiecki regulamin pracowniczy na włoski. Regulamin zawiera nazwiska, historię zatrudnienia i Steuer-ID w przykładach. Darmowy poziom każdego dużego tłumacza opartego na LLM kieruje dane przez amerykańskie moce obliczeniowe i domyślnie zachowuje je do trenowania.
Proces w cieniu: streszczanie. Kierownik używa konsumenckiego chatbota do streszczenia wątku mailowego partnera w sprawie klienta, zanim odpowie. Wątek zawiera objętą tajemnicą komunikację księgowego z klientem, dane osobowe osób trzecich, a czasem strategiczne rozważania AML/SAR. Ta kategoria jest szczególnie podstępna, bo praktyk nie uważa streszczania poczty za regulowaną czynność z użyciem AI.
Proces w cieniu: rozwój zawodowy. Asystent przygotowujący się do modułu CPE wkleja do sesji ChatGPT „zanonimizowane, ale nie do końca” studia przypadków z prawdziwych zleceń. „Zanonimizowane” oznacza tu zwykle, że usunięto nazwę klienta; struktura podatkowa, geografia i kwoty transakcji pozostają, a sprawa daje się zrekonstruować.
W każdym przypadku praktyk uważa działanie za mało ryzykowne, bo dane to „tylko tekst”, czynność to „tylko streszczanie”, a model „tylko pomaga mi myśleć”. W każdym przypadku ekspozycja regulacyjna jest taka sama: nieudokumentowany podprocesor, nieudokumentowane przekazanie międzynarodowe, naruszenie tajemnicy zawodowej, potencjalny wyciek informacji AML. Takie korzystanie z ChatGPT tworzy też problem dowodowy przy kolejnej kontroli: nie ma logu, na który można się powołać, ani certyfikatu do okazania.
Naprawa to ta sama architektura, którą opisaliśmy w przewodniku głównym i klastrze HR: oficjalna ścieżka musi być szybsza niż ścieżka w cieniu, a warstwa maskowania musi stać przed modelem. W przypadku księgowych architektura musi rozumieć numery podatkowe, IBAN-y i rozróżnienie rodzaju podmiotu między B2B a samozatrudnionymi. Korzystanie przez księgowych z ChatGPT to problem, który rozwiązuje architektura. Aby wiarygodnie maskować numery podatkowe i dane pracowników oraz anonimizować płace w całej pracy biura, warstwa maskowania musi domyślnie działać przed każdym krokiem AI. To samo dotyczy zgłoszeń w stylu amerykańskim: w biurach z klientami z USA numery SSN na formularzach 1099 i numery rozliczeniowe banków należą do tej samej kaskady wykrywania.
Opublikowane liczby o tym, jak często profesjonaliści wklejają dane klientów do narzędzi AI, pochodzą z ankiet, telemetrii dostawców i zbiorów konsumenckich, które mierzą różne rzeczy, a przegląd statystyk shadow AI źródło po źródle zestawia je obok siebie.
Aby korzystać z AI bez przekazywania nazwisk i identyfikatorów, Redactic może przygotować Państwa dokumenty dla AI: wykryte wartości zamieniają się w znaczniki, a prawdziwe nazwiska wracają w przeglądarce, gdy nadejdzie odpowiedź.
6. Proces pięciokrokowy dostrojony do dokumentów księgowych
Proces pięciokrokowy z przewodnika głównego stosuje się do dokumentów księgowych z trzema szczególnymi dostrojeniami.
- Wgranie (ze świadomością formatu). Przyjmować formaty natywne: XLSX (strukturalny arkusz po arkuszu), PDF cyfrowy i skanowany (OCR dla skanów), DOCX (umowy zlecenia, notatki), CSV (eksporty danych). Odrzucać wgranie, jeśli plik przekracza limity; typowe limity to 100 stron na dokument i 50 MB na plik, a oba powinny być konfigurowalne dla każdego zlecenia klienta.
- Wykrycie (z kaskadą księgowego). Najpierw wyszukiwanie w słowniku na liście klienta wgranej przez biuro (pracownicy, dostawcy, podmioty powiązane), potem krajowe wyrażenia regularne (CF, Partita IVA, NIR, SIRET, Steuer-ID, USt-IdNr, DNI/NIE, NIF, IBAN, SWIFT), potem wielojęzyczny NER dla nazwisk i organizacji pominiętych przez wyrażenia regularne, a na końcu OCR dla skanów. Kolejność ma znaczenie: słownik na początku oznacza, że lista własna biura otrzymuje zamienniki w formie kanonicznej, wyrażenia regularne w drugiej kolejności oznaczają wychwycenie identyfikatorów strukturalnych z wysoką precyzją, NER na końcu oznacza wychwycenie pozostałych nazwisk.
- Przegląd (z kategoriami księgowego). Pokazać wykryte fragmenty zgrupowane według kategorii, a nie według pozycji w dokumencie. Recenzent zwykle chce zweryfikować „wszystkie 80 Codice Fiscali → zamaskowane”, a nie przeglądać arkusz. Widok zgrupowany ułatwia też generowanie certyfikatu audytowego.
- Zastosowanie (odwracalne lub nieodwracalne). W procesach AI na zeznaniach podatkowych i płacach odpowiednią wartością domyślną jest tryb odwracalny (księgowy musi przeczytać wynik AI z przywróconymi prawdziwymi wartościami). Przy udostępnianiu zagranicznemu korespondentowi właściwą wartością domyślną jest nieodwracalne zaczernienie (korespondent nie może móc ponownie zidentyfikować osób). Narzędzie musi obsługiwać oba tryby z tego samego wgrania.
- Certyfikacja i kierowanie. Wygenerować certyfikat SHA-256. W procesach AI skierować spseudonimizowany tekst do unijnego LLM i przywrócić dane lokalnie. Przy udostępnianiu spakować zamaskowany wynik z certyfikatem i przesłać odbiorcy kanałem bezpiecznego transferu biura. Certyfikat jest artefaktem przedstawianym organowi nadzorczemu, jednostce analityki finansowej, klientowi, gdy zapyta „co zrobiliście z moimi danymi?”, oraz ubezpieczycielowi.
Na przykład zespół płacowy może przejrzeć wieloarkuszowy plik pod kątem nazwisk pracowników, identyfikatorów podatkowych, danych bankowych i wrażliwych notatek. Należy potwierdzić wykrycia, poprawić pominięte wartości i wybrać maskowanie odwracalne lub trwałe, zależnie od potrzeby. Przed udostępnieniem trzeba sprawdzić wyeksportowany skoroszyt, w tym formuły, komórki liczbowe, ukryte arkusze, komentarze i właściwości. Ten przykład ilustruje proces, a nie mierzoną dokładność ani gwarancję czasu przetwarzania.
7. Wybór narzędzia do maskowania dla biura rachunkowego
Lista kontrolna z 8 punktami z przewodnika głównego obowiązuje; dla księgowych cztery punkty mają dodatkową wagę.
Punkt A o zwiększonej wadze: wielojęzyczne pokrycie identyfikatorów krajowych. Najważniejsza pojedyncza zdolność. Narzędzie obsługujące od ręki Codice Fiscale, Partita IVA, NIR, SIRET, Steuer-ID, USt-IdNr, DNI/NIE, NIF, EORI i IBAN pokrywa ok. 95% typów dokumentów, które widzi biuro. Cokolwiek słabszego zmusza do napisania i utrzymywania własnej warstwy wyrażeń regularnych.
Punkt B o zwiększonej wadze: obsługa arkuszy kalkulacyjnych. Należy sprawdzić, czy proces zachowuje arkusze, formuły, wartości liczbowe i układ, których potrzebujemy. Oprócz widocznych komórek trzeba przejrzeć ukryte arkusze, komentarze i właściwości dokumentu. Eksport warto zweryfikować, bo ogólna zamiana nie gwarantuje zachowania skoroszytu.
Punkt C o zwiększonej wadze: typy podmiotów rozpoznawane przez księgowych. Narzędzie musi odróżniać Partita IVA na fakturze spółki (nie jest daną osobową, gdy klient jest spółką) od Partita IVA na fakturze osoby prowadzącej działalność (jest daną osobową). Bez tego rozróżnienia narzędzie albo maskuje za dużo (niszczy procesy B2B), albo za mało (ujawnia dane osobowe samozatrudnionych).
Punkt D o zwiększonej wadze: format certyfikatu audytowego odpowiedni dla jednostki analityki finansowej. Jednostki analityki finansowej we Włoszech (UIF), Francji (Tracfin), Niemczech (FIU przy Zoll) i Hiszpanii (SEPBLAC) oczekują artefaktów pokazujących, jak przebiegało dane przetwarzanie powiązane z AML. Certyfikat maskowania SHA-256 z haszami i liczbami, ale bez treści, jest najczystszym dowodem do przedstawienia jednostce, bo nie tworzy nowych obowiązków ujawnienia. Format certyfikatu Redactic spełnia ten wymóg.
Pozostałe cztery punkty listy (architektura bez śladów, OCR dla skanów, tryby odwracalny i nieodwracalny, przegląd ręczny) mają wagę standardową. Oprogramowanie do maskowania dla księgowych, które trafnie spełnia wszystkie osiem punktów, jest rzadkością; ekonomia budowy i zakupu zwykle przemawia za zakupem, ponieważ ślad operacyjny (brak śladów, audyt, zarządzanie podprocesorami, utrzymanie krajowych wyrażeń regularnych) to większość kosztu. W przygotowaniu podatkowym wspomaganym przez AI, w którym obowiązują też zobowiązania z RODO, wybór jest dodatkowo ograniczony, bo narzędzie musi również udostępniać ścieżkę audytu zgodną z oczekiwaniami organu podatkowego co do dokumentacji.
W praktyce kupują Państwo dyscyplinę na poziomie biura, czyli minimalizację danych domyślnie: każdy proces z AI, każdy udostępniany dokument i każde wewnętrzne streszczenie przechodzą najpierw przez warstwę maskowania. Ta jedna dyscyplina jednocześnie spełnia minimalizację danych z art. 5 ust. 1 lit. c RODO, odpowiednie zabezpieczenia z art. 32 RODO, granicę dalszego wykorzystania w AML i obowiązek kompetencji w zakresie AI z art. 4 rozporządzenia o AI. Prywatność w księgowości wspomaganej przez AI w procesach rutynowych (streszczanie uzgodnień bankowych, klasyfikacja wydatków, ekstrakcja faktur) opiera się na tej samej architekturze; warstwa maskowania leży przed każdym wywołaniem modelu.
Redactic łączy automatyczne wykrywanie, przetwarzanie dokumentów i przegląd przez człowieka, by pomagać w identyfikowaniu informacji wrażliwych, także w obsługiwanych dokumentach skanowanych. Wykryte wartości należy przejrzeć przed zastosowaniem maskowania trwałego lub odwracalnego. Pokrycie zależy od jakości dokumentu, języka i kontekstu; automatyzacja może coś pominąć. Przed wdrożeniem procesu warto ocenić reprezentatywne pliki i wyeksportowane wyniki. Więcej informacji: DPA
8. Najczęściej zadawane pytania
Czy jako księgowy jestem administratorem, czy podmiotem przetwarzającym dane płacowe mojego klienta?
Zazwyczaj jest Pan lub Pani podmiotem przetwarzającym dane pracowników i administratorem danych własnych firmy klienta. To rozróżnienie ma znaczenie, ponieważ obowiązki z art. 28 dotyczą relacji z podmiotem przetwarzającym: umowa zlecenia musi odwoływać się do klauzul z art. 28 ust. 3, podprocesorzy muszą być ujawnieni, a dane wolno przetwarzać wyłącznie na udokumentowane polecenie. Włoski Garante i francuski CNIL wydały wytyczne traktujące księgowych jako podmioty przetwarzające dane pracowników; niemiecka Datenschutzkonferenz stoi na tym samym stanowisku. Jeżeli Państwa umowa nie ma załącznika z art. 28, należy to naprawić przed kolejnym odnowieniem umowy z klientem.
Czy mogę użyć darmowego konta ChatGPT do „szybkich” obliczeń na danych klienta?
Nie. Taki krok tworzy nieudokumentowane podpowierzenie przetwarzania (naruszenie art. 28), nieudokumentowane przekazanie międzynarodowe (Schrems II) i ujawnienie tajemnicy zawodowej (art. 622 włoskiego Codice Penale lub odpowiednik w Państwa jurysdykcji). To, że zadanie jest „szybkie”, nie zmienia jego kwalifikacji prawnej.
Czy AMLD6 wymaga, abym przechowywał dane KYC, które wolałbym usunąć na podstawie RODO?
Tak. Obowiązek przechowywania danych AML (co najmniej pięć lat od zakończenia stosunku gospodarczego na mocy AMLR; dłużej w niektórych krajowych transpozycjach) ma pierwszeństwo przed zasadą ograniczenia przechowywania z RODO w odniesieniu do samego przechowywania. Podstawą prawną jest art. 6 ust. 1 lit. c RODO (obowiązek prawny). Można natomiast ograniczać dalsze przetwarzanie: jeśli zachowana teczka KYC służy jako dowód AML, nie należy jej używać do trenowania AI, wewnętrznych analiz ani korespondencji z klientem dotyczącej osoby trzeciej.
Jak tajemnica zawodowa wiąże się z używaniem shadow AI?
Wklejenie danych klienta do konsumenckiego LLM jest w większości jurysdykcji UE ujawnieniem osobie trzeciej (dostawcy LLM). Tajemnica zawodowa jest zwykle przestępstwem odpowiedzialności obiektywnej: praktyk nie może się bronić twierdzeniem, że „LLM tak naprawdę nie widzi danych”, ponieważ kwalifikacja prawna dotyczy aktu ujawnienia, a nie późniejszego wykorzystania. Art. 622 włoskiego Codice Penale jest w szczególności interpretowany szeroko. Bezpieczniej jest założyć, że każde udostępnienie zewnętrznej usłudze poza podpisaną relacją powierzenia przetwarzania jest naruszeniem tajemnicy zawodowej.
Czy mam maskować własne dane, czy dane klienta?
Dane klienta, zanim zostaną udostępnione na zewnątrz lub przekazane do AI. Własne dane (CV pracowników biura, wewnętrzne oceny okresowe) podlegają regułom maskowania w obszarze HR opisanym w klastrze HR. Oba procesy mogą korzystać z tego samego narzędzia, ale podstawa polityki jest inna: dane klienta to przetwarzanie po stronie podmiotu przetwarzającego, dane własne to przetwarzanie po stronie administratora.
Czym różni się maskowanie zeznania podatkowego od maskowania arkusza płac?
Zeznanie podatkowe to zwykle dokument jednego podatnika ze skoncentrowanymi identyfikatorami (numer podatkowy podatnika, numery podatkowe osób na utrzymaniu, IBAN-y, nazwy pracodawców). Arkusz płac to dokument obejmujący wielu pracowników ze strukturalnymi kolumnami danych osobowych. Wzorce maskowania są inne: zeznania wymagają wykrywania encji w pojedynczym dokumencie z zachowaniem obliczeń; płace wymagają przetwarzania XLSX z uwzględnieniem komórek i reguł na poziomie kolumn. Narzędzie obsługujące oba przypadki natywnie oszczędza biuru utrzymywania dwóch potoków.
Czy mogę udostępnić zamaskowany plik klienta zagranicznemu korespondentowi bez oceny po Schrems II?
Jeżeli odbiorca jest w UE, pytanie nie powstaje. Jeżeli odbiorca jest w kraju trzecim, zamaskowany plik nadal jest daną osobową, jeśli został spseudonimizowany (art. 4 pkt 5); dopiero rzeczywista anonimizacja (motyw 26) wyprowadza go poza zakres RODO. W praktyce potrzebny jest zestaw standardowych klauzul umownych z korespondentem, decyzja o adekwatności (Wielka Brytania, Szwajcaria, Izrael itd.) albo pełna anonimizacja. Certyfikat maskowania dokumentujący nieodwracalność wzmacnia argument o anonimizacji.
Czy unijne rozporządzenie o AI dotyczy narzędzi AI, których używam do wstępnej selekcji w AML?
Jeżeli narzędzie służy do oceny ryzyka prania pieniędzy dla konkretnego klienta lub transakcji, prawdopodobnie podlega załącznikowi III pkt 5 lit. d („systemy AI wykorzystywane do oceny ryzyka w usługach finansowych”). Czyni to je systemem wysokiego ryzyka w rozumieniu rozporządzenia o AI, z obowiązkami podmiotu stosującego po stronie księgowego: nadzór ludzki, monitorowanie, przejrzystość, prowadzenie rejestrów, a w wielu przypadkach ocena skutków dla praw podstawowych. Obowiązki dostawcy (dokumentacja techniczna, monitorowanie po wprowadzeniu do obrotu, ocena zgodności) spoczywają na dostawcy.
Jaki jest właściwy okres przechowywania certyfikatu maskowania?
Co najmniej tak długi jak okres przechowywania AML dla danego zlecenia (zwykle pięć lat od zakończenia relacji). Certyfikaty nie zawierają danych osobowych ani treści, więc ich przechowywanie nie rodzi własnych problemów z prywatnością. Zalecamy przechowywanie bezterminowe jako dowodu, ponieważ krańcowy koszt miejsca jest znikomy, a wartość w razie kontroli wysoka.
Gdzie Redactic przechowuje dane moich klientów?
Dokumenty i wyniki korzystają z tymczasowej pamięci przetwarzania w infrastrukturze kontrolowanej przez Redactic w Europie. Może dochodzić do tymczasowego przetwarzania po stronie serwera danych potrzebnych do przywracania. Rekordy konta, rozliczeń, zgód i operacji są obsługiwane osobno. Warunki przechowywania i usuwania znajdą Państwo w umowie powierzenia przetwarzania (DPA) i informacji o prywatności Redactic; możemy też potwierdzić profil dla Państwa procesu. Więcej informacji: strony zaufania
Ostatnia uwaga operacyjna: zbudowanie warstwy maskowania przed procesami AI biura daje też efekt uboczny w postaci lepszej jakości. Modele działają lepiej na czysto spseudonimizowanym tekście niż na surowych dokumentach, bo dane wejściowe są krótsze, istotny sygnał jest skoncentrowany, a model nie rozprasza się rozpoznawaniem encji. Agenci przeglądający zeznania podatkowe, którzy w naszych wewnętrznych pilotażach otrzymywali spseudonimizowane dane, popełniali mniej halucynacji w pytaniach analitycznych niż agenci otrzymujący surowe dokumenty. To niewielki, ale powtarzalny zysk jakości, który kumuluje się przez tysiące comiesięcznych uruchomień. Warstwa maskowania zwraca się raz dzięki zgodności, a drugi raz dzięki jakości wyników.
Jeśli Państwa biuro obsługuje zeznania podatkowe, listy płac, teczki KYC lub dokumentację roboczą z badania (a obsługuje), każdy z tych dokumentów przechodzi dziś przez pocztę, dyski i konsumenckie narzędzia AI bez warstwy maskowania przed nimi. Koszt bezczynności to konkretne zdarzenia: kontrola Garante lub CNIL czekająca na właściwy pretekst, zapytanie AMLA po uruchomieniu ram w 2027 roku, doniesienie o naruszeniu tajemnicy zawodowej od niezadowolonego klienta i ubezpieczyciel odrzucający roszczenie, bo użycie AI nie było udokumentowane. Architektura istnieje, zegar regulacyjny tyka, a warstwa maskowania zwraca się przy pierwszym audycie. Proszę zacząć w tym miesiącu od dziesięciu klientów o największym wolumenie.
Podstawową architekturę opisuje przewodnik główny; procesy z pogranicza HR, które łączą się z płacami, omawia artykuł o shadow AI w HR. Aby zobaczyć Redactic na przykładowym arkuszu płac, strona główna Redactic zawiera demo na żywo.