Pokud chcete používat AI na dokumenty s osobními údaji, musí pseudonymizační nástroj správně zvládnout čtyři věci. Soubor se zpracovává někde, kde vám to vyhovuje. Každá osoba dostane stejný zástupný text ve všech dokumentech. Klíč, který záměnu vrací zpět, je bezpečně uložen. A vy můžete zkontrolovat a opravit, co nástroj našel. Zbytek tohoto kontrolního seznamu vám pomůže zjistit, zda se nástroj hodí pro vaše dokumenty, tým a rozpočet.
Co musí nástroj umět
Podle GDPR znamená pseudonymizace zpracování osobních údajů takovým způsobem, že je již nelze přiřadit konkrétní osobě bez dalších informací, přičemž tyto informace jsou uchovávány odděleně a chráněny (článek 4 odst. 5). Pseudonymizované údaje jsou stále osobními údaji. To, co to znamená pro chatboty s AI, popisuje článek GDPR a pseudonymizované údaje v AI.
Pro práci s AI to vypadá takto. Jména, adresy a čísla se změní na zástupné texty, například Person_1. AI pracuje se zástupnými texty. U vás pak klíč v odpovědi nahradí zástupné texty skutečnými jmény. Pokud jména nikdy nepotřebujete obnovit, možná místo toho potřebujete anonymizaci nebo redakci: viz kterou z těchto tří možností potřebujete.
Kam putují vaše data
- Kde probíhá zpracování. Buď ve vašem počítači, nebo na serverech dodavatele poté, co nahrajete soubor. Ve druhém případě se originál obsahující všechna jména dostane k třetí straně ještě předtím, než je zabezpečen. Naše srovnání lokálních a online nástrojů uvádí otázky, které položit dodavateli online nástroje, a jednoduchý test pro desktopovou aplikaci: vypněte síť a zkuste ji použít.
- Co se s daty děje potom. U cloudové služby: jak dlouho se soubory a výsledky uchovávají, v jakém regionu a kdo jsou dílčí zpracovatelé. U desktopové aplikace: co zapisuje na váš disk a jak to odstraníte.
- Protokoly. Záznam o tom, kdy byly dokumenty zpracovány, se hodí, když se na to zeptá klient nebo pověřenec pro ochranu osobních údajů. Ověřte, že samotný protokol neobsahuje osobní údaje.
Zda můžete obnovit původní jména
- Konzistence. Stejná osoba by měla dostat stejný zástupný text v každém odstavci a v každém dokumentu jednoho případu. Jinak AI nepozná, že nájemník v nájemní smlouvě a odesílatel e-mailu jsou jedna a tatáž osoba. Zeptejte se, jak nástroj zachází s variantami jako „Maria Lopez“, „paní Lopezová“ a „M. Lopez“.
- Možnost vrácení změn. Některé nástroje nahrazují údaje pouze jednosměrně. Jiné uchovávají tabulku propojující zástupné texty se skutečnými jmény nebo hodnoty zašifrují klíčem, kterým je lze později dešifrovat.
- Kde je uložen klíč. Tabulka nebo klíč jsou „dalšími informacemi“, o kterých hovoří definice v GDPR. Zeptejte se, kde se uchovávají, zda jsou šifrované, kdo je může otevřít a kdy se smažou. Pokud každý, kdo má bezpečnou kopii, může zároveň číst klíč, pseudonymizace poskytuje jen malou ochranu.
Zda se hodí pro vaše dokumenty
- Typy nalezených údajů. Jména, společnosti, adresy, telefonní čísla, e-mailové adresy, čísla účtů a dokladů, data narození. Pokud pracujete přes hranice, ověřte, že nástroj podporuje národní identifikační a daňová čísla zemí, se kterými jednáte. Pracovní pozice, přezdívky a neobvyklé podrobnosti se obtížně rozpoznávají jakýmkoli detektorem, takže některé z nich označíte ručně.
- Kontrola. Rozpoznávání nikdy není úplné. Dokonce i dokumentace nástroje Presidio, široce používaného detektoru s otevřeným zdrojovým kódem, uvádí, že nelze zaručit nalezení všech citlivých informací. Potřebujete vidět všechny nalezené položky, zrušit zaškrtnutí u chybných nálezů a doplnit to, co nástroj přehlédl, ještě předtím, než cokoli odešlete.
- Formáty souborů. PDF, Word, Excel, e-maily. Naskenované soubory PDF a fotografie dokumentů vyžadují rozpoznávání textu. Některé nástroje přijímají pouze prostý text, takže si každý soubor musíte převést sami.
- Jazyky. Rozpoznávání závisí na jazyce. Otestujte nástroj na skutečných dokumentech v každém jazyce, ve kterém pracujete.
Pro koho je určen a kolik stojí
- Vývojáři, nebo uživatelé kancelářských nástrojů. Knihovna nebo API vyžaduje někoho, kdo ji nainstaluje, napíše k ní kód a bude ji udržovat v chodu. Desktopovou aplikaci stačí nainstalovat. Jsou určeny různým uživatelům a žádná z těchto možností není obecně lepší.
- Model cen. Platba podle objemu (za gigabajt nebo za sto znaků), předplatné za uživatele, jednorázový nákup nebo bezplatný software s otevřeným zdrojovým kódem plus čas vašich zaměstnanců. Spočítejte roční náklady při objemu, který skutečně očekáváte.
Čtyři typy nástrojů
Níže uvedené příklady jsou ty, které jsme mohli ověřit podle dokumentace dodavatelů. Funkce a ceny platí k říjnu 2026.
Knihovny s otevřeným zdrojovým kódem pro vývojáře
Presidio je framework s licencí MIT pro vyhledávání a deidentifikaci osobních údajů. Vznikl ve společnosti Microsoft a nyní jde o komunitní projekt organizace Data Privacy Stack. Jeho anonymizér může každou nalezenou položku nahradit, redigovat, maskovat, hashovat nebo šifrovat a zašifrované hodnoty lze dešifrovat stejným klíčem. Samostatný modul pomocí OCR vyhledává a rediguje text v obrázcích.
Je bezplatný, běží na vašich vlastních počítačích a lze jej přizpůsobit téměř jakémukoli procesu. Jde o sadu nástrojů, nikoli o aplikaci: instalace zahrnuje balíčky Pythonu, stažení jazykového modelu a vlastní napsaný kód. Obrazovky pro kontrolu, správu případů a převod souborů si musíte vytvořit sami.
Cloudové služby pro ochranu dat
Google Cloud Sensitive Data Protection vyhledává citlivé údaje pomocí dlouhého seznamu vestavěných detektorů a může je nahradit tokeny. Deterministické šifrování a šifrování zachovávající formát poskytují stejný token pro stejnou hodnotu a údaje lze pomocí klíče znovu identifikovat. Google doporučuje tento klíč chránit službou Cloud Key Management Service. Služba také dokáže redigovat obrázky překrytím nalezených údajů neprůhlednými rámečky. Je zpoplatněna podle počtu gigabajtů.
Amazon Comprehend rozpoznává osobní údaje v anglických nebo španělských textech. Redakce probíhá jako dávková úloha nad soubory v Amazon S3 a každou položku nahradí jejím typem, například [NAME], nebo maskovacím znakem, takže dva různí lidé se oba změní na [NAME]. Služba je zpoplatněna po jednotkách po 100 znacích.
Tyto služby zpracovávají velké objemy dat a jsou součástí širšího cloudového prostředí společnosti, pod jejím vlastním účtem a smlouvou. Jsou určeny vývojářům a IT týmům.
Redakce v editorech PDF
V aplikaci Adobe Acrobat Pro redakce nahrazuje text nebo obrázky barevnými rámečky a po uložení ji nelze vrátit zpět. Samostatný krok Sanitize odstraňuje skrytá data, například metadata. To je správný nástroj pro dokument, který předáváte soudu, protistraně nebo regulačnímu úřadu. Pro postup, kdy dokument posíláte AI a pak jej získáváte zpět, se nehodí: černé rámečky AI neřeknou, kdo je kdo, a nic nelze obnovit. Viz zástupných označeních oproti černým pruhům.
Desktopové aplikace pro uživatele kancelářských nástrojů
ClientSafe je jednou z nich. Běží na počítači Windows a uchovává dokumenty v případech, takže stejné jméno dostane stejný zástupný text ve všech dokumentech jednoho případu. Zkontrolujete, co nástroj našel, zrušíte zaškrtnutí u položek, které nejsou osobními údaji, a označíte, co přehlédl. Bezpečnou kopii zkopírujete do chatu s AI nebo ji uložíte jako soubor Markdown. Potom vložíte odpověď AI zpět a ClientSafe doplní skutečná jména. Tabulka propojující zástupné texty se jmény zůstává zašifrovaná v počítači, dokud případ nesmažete. Nejde o nástroj pro redakci dokumentů určených k podání soudu ani dokumentů, které posíláte jiné straně.
Přehledné srovnání
| Kritérium | Knihovna pro vývojáře (Presidio) | Cloudová služba (Google, Amazon) | Redakce PDF (Acrobat Pro) | Desktopová aplikace (ClientSafe) |
|---|---|---|---|---|
| Kde běží | Na vašich vlastních počítačích | V cloudu poskytovatele pod vaším účtem | V editoru PDF | Váš počítač |
| Stejný zástupný text pro stejnou osobu | Pokud ji tak nastavíte | Google: pomocí deterministického šifrování. Redakce v Amazonu: pouze označení typu | Ne, černé rámečky | Ano, v rámci jednoho případu |
| Lze vrátit zpět | Pomocí šifrování nebo vlastního mapování | Google: pomocí klíče. Redakce v Amazonu: ne | Ne, záměrně | Ano, vložením odpovědi zpět |
| Kde je uložen klíč | Tam, kam jej umístí váš kód | Google doporučuje Cloud KMS | Žádný klíč | Zašifrovaný v počítači, dokud případ nesmažete |
| Kontrola a oprava | Vytvoříte si ji sami | Vytvoříte si ji sami | Sami vyberete, co redigovat | Vestavěná |
| Soubory | Text; obrázky prostřednictvím modulu OCR | Google: text a obrázky. Amazon: prostý text | PDF včetně skenů, DOCX, XLSX, PPTX, HTML, TXT, EML a další | |
| Určeno pro | Vývojáře | Vývojáře a IT týmy | Každého, kdo sdílí soubory PDF | Uživatele kancelářských nástrojů na Windows |
| Cena | Zdarma, plus čas zaměstnanců | Podle objemu | Tarif Acrobat Pro | Jednorázová platba $19.99 v USA, 7denní zkušební verze |
Jak vybrat
- Zpracováváte tisíce záznamů v databázi nebo procesu a máte vývojáře: knihovna nebo cloudová služba.
- Posíláte dokument někomu mimo firmu: redakce.
- Ptáte se AI na dokumenty klientů a potřebujete vrátit jména do odpovědi: desktopová aplikace s možností kontroly a obnovení jmen.
Než se rozhodnete, vyzkoušejte nástroj na třech dokumentech, které dobře znáte, v každém jazyce, který používáte, a spočítejte, co přehlédl. Pokud má vaše firma pověřence pro ochranu osobních údajů nebo vedoucího pracovníka pro dodržování předpisů, zapojte jej ještě před použitím nástroje na soubory klientů.
Časté dotazy
Mohu pseudonymizovaný dokument poslat libovolnému nástroji AI?
Ne automaticky. Podle GDPR jde stále o osobní údaje a záleží také na vlastním nastavení dat a podmínkách nástroje AI. Pseudonymizace snižuje riziko, ale neodstraňuje je.
Může bezplatná knihovna s otevřeným zdrojovým kódem nahradit placený nástroj?
Ano, pokud někdo ve vašem týmu umí knihovnu nainstalovat, napsat k ní kód a udržovat ji. Pokud takového člověka nemáte, knihovna vás bude stát více času, než kolik by stála aplikace peněz.
Potřebuji možnost obnovení jmen, pokud chci jen souhrn?
Pokud souhrn bude zmiňovat osoby, ano: budete v něm chtít mít jejich jména zpět. Pokud je zmiňovat nebude, stačí jednosměrná náhrada.
Jak nástroj rychle otestovat?
Vezměte dokument, ve kterém znáte každé jméno a číslo. Zpracujte ho nástrojem a výsledek porovnejte s originálem. Zkontrolujte naskenované stránky, záhlaví a podpisy, kde nástroj nejčastěji něco přehlédne.
ClientSafe nahrazuje na vašem počítači jména, adresy, telefonní čísla a čísla dokladů konzistentními zástupnými texty, umožňuje vám zkontrolovat seznam a vrátí skutečná jména do odpovědi AI. Rozpoznávání není dokonalé, proto seznam před zkopírováním zkontrolujte.