PII-maskering voor een AI-prompt houdt in dat je de gegevens die een persoon identificeren (namen, contactgegevens, rekening- en ID-nummers, geboortedata) vervangt door neutrale labels voordat je de tekst in ChatGPT, Claude of Gemini plakt. Behoud de rollen, bedragen en gebeurtenisdatums die de AI nodig heeft, maskeer alles wat aangeeft om wie het gaat en lees de gemaskeerde tekst nog een keer door voordat je die verstuurt.
Wat PII is en hoe het verschilt van persoonsgegevens
PII staat voor persoonlijk identificeerbare informatie (personally identifiable information). Het is een Amerikaanse term uit federale richtlijnen. OMB-circulaire A-130 definieert dit als informatie die kan worden gebruikt om de identiteit van een persoon te onderscheiden of te achterhalen, op zichzelf of in combinatie met andere informatie die aan die persoon is gekoppeld of kan worden gekoppeld. NIST SP 800-122, de gids van NIST voor de bescherming van de vertrouwelijkheid van PII, geeft voorbeelden: naam, Social Security Number, geboorte- en geboorteplaats, biometrische gegevens en informatie die aan een persoon is gekoppeld, zoals medische, financiële of werkgerelateerde gegevens.
De EU en het VK gebruiken een andere term. Volgens artikel 4, lid 1, van de AVG, en hetzelfde artikel van de Britse AVG, zijn persoonsgegevens "alle informatie over een geïdentificeerde of identificeerbare natuurlijke persoon", waaronder identificatie aan de hand van locatiegegevens, een online-identificator of factoren die specifiek zijn voor iemands fysieke, economische, culturele of sociale identiteit.
Voor een prompt is het verschil vooral een kwestie van gewoonte. Wie aan "PII" denkt, zoekt vaak naar velden: naam, SSN, e-mailadres. De AVG-definitie zet je er ook toe aan om na te gaan of een zin, in samenhang met de rest, naar één persoon verwijst. Als je cliënten in de EU of het VK hebt, hanteer dan die ruimere definitie. Of een bepaald AI-gebruik rechtmatig is voor jouw organisatie, is een vraag voor je advocaat of functionaris voor gegevensbescherming, niet voor een maskeertool.
Waarom onschuldige gegevens samen toch veel prijsgeven
Identificerende gegevens vallen in twee groepen. Directe identificatoren verwijzen op zichzelf naar één persoon: een volledige naam, een paspoortnummer, een e-mailadres. Quasi-identificatoren doen dat niet, maar verkleinen de groep: een postcode, geboortedatum, functietitel of zeldzame diagnose.
De bekendste meting van hoe snel zulke gegevens de groep verkleinen, is afkomstig van Latanya Sweeney. Op basis van gegevens van de Amerikaanse volkstelling van 1990 schatte zij in "Simple Demographics Often Identify People Uniquely" dat 87% van de Amerikaanse bevolking waarschijnlijk uniek was op basis van slechts drie gegevens: postcode van vijf cijfers, geslacht en geboortedatum. Een latere heranalyse door Philippe Golle kwam voor de volkstelling van 2000 uit op ongeveer 63%. Hoe je het ook bekijkt, drie gewone gegevens waren genoeg om de meeste mensen te identificeren.
In een prompt zitten quasi-identificatoren meestal verstopt in vrije tekst: "de enige vrouwelijke partner op kantoor in Leeds", "de cliënt die afgelopen voorjaar de bakkerij aan Main Street heeft verkocht". Onze lijst met gegevens die je moet verwijderen voordat je een document naar AI stuurt behandelt deze combinaties per categorie.
Maskeren, redigeren en pseudonimiseren: wat de AI nog kan doen
De drie termen worden vaak losjes gebruikt. Voor een prompt is vooral van belang wat de AI met elke methode nog kan. Neem deze zin: "Anna Weber mailde Tom Hale op 3 mei; Anna betwist de factuur van Tom."
| Methode | De zin wordt | Wat de AI nog kan doen | Kun je de namen terughalen? |
|---|---|---|---|
| Redigeren (verwijderen of zwartmaken) | "[█████] mailde [█████] op 3 mei; [█████] betwist de factuur van [█████]." | Weinig: de AI kan niet zien wie schreef, wie iets betwist en aan wie geld verschuldigd is. | Nee |
| Maskeren met een label voor het type | "[NAAM] mailde [NAAM] op 3 mei; [NAAM] betwist de factuur van [NAAM]." | De AI weet dat het om personen gaat, maar niet om welke persoon. | Nee |
| Pseudonimiseren (consistente tijdelijke aanduidingen) | "Person_1 mailde Person_2 op 3 mei; Person_1 betwist de factuur van Person_2." | De AI kan volgen wie wat heeft gedaan en in dezelfde termen antwoord geven. | Ja, met de tabel die tijdelijke aanduidingen aan namen koppelt, die je zelf bewaart |
Voor de meeste AI-taken leveren consistente tijdelijke aanduidingen de beste antwoorden op, omdat de AI het verhaal nog kan volgen. De AVG noemt dit pseudonimisering (artikel 4, lid 5) en beschouwt het resultaat nog steeds als persoonsgegevens. Ons artikel over anonimiseren, pseudonimiseren en redigeren legt de drie termen in detail uit.
Wat je in een prompt moet maskeren en wat je moet behouden
Maskeer wat de persoon identificeert. Behoud waar de vraag over gaat.
| Maskeren | Behouden |
|---|---|
| Namen van personen en bedrijven, bijnamen, initialen | Rollen: koper, huurder, werknemer, onze cliënt, de wederpartij |
| E-mailadressen, telefoonnummers, straatadressen | Land of rechtsgebied, als het antwoord daarvan afhangt |
| Rekeningnummers, IBAN's, kaartnummers, belasting- en ID-nummers, zaak- en polisnummers | Bedragen, tenzij het bedrag zelf de cliënt zou identificeren |
| Geboortedata | Datums van gebeurtenissen: ondertekening, kennisgeving, betaling, deadline |
| Gegevens in vrije tekst waarmee iemand kan worden geïdentificeerd: een zeldzame functietitel, een klein dorp, een genoemde verwant | De feiten waar de vraag om draait, algemeen geformuleerd |
Leeftijd is een veelvoorkomende uitzondering op "geboortedata maskeren": als het antwoord ervan afhangt of iemand ouder is dan 18 of bijna met pensioen gaat, vermeld dan de leeftijd of "ouder dan 65" in plaats van de geboortedatum.
Een korte prompt, voor en na:
Before:
Maria Lopez (born 12 March 1981, maria.lopez@example.com) rents
a flat from Greenfield Lettings Ltd. Her deposit of $2,400 was not
returned after she moved out on 30 June. What can she do?
After:
Person_1 (born Date_1, Email_1) rents a flat from Company_1.
Person_1's deposit of $2,400 was not returned after Person_1 moved
out on 30 June. What can Person_1 do? Keep the placeholders as written.Het bedrag en de verhuisdatum blijven staan, omdat het antwoord daarvan afhangt. Als de geboortedatum niets aan de vraag toevoegt, verwijder die dan in plaats van hem te maskeren.
Drie manieren om te maskeren
Handmatig
Bij één korte prompt kun je de tekst lezen en elke identificator zelf vervangen. Noteer gaandeweg de lijst met tijdelijke aanduidingen (Person_1 = Maria Lopez), zodat dezelfde persoon steeds hetzelfde label krijgt. Handmatig maskeren is traag en werkt niet goed bij lange teksten: een naam die twaalf keer voorkomt, wordt elf keer vervangen.
Met zoeken en vervangen voor patronen
Sommige identificatoren volgen een vast patroon en je kunt ze allemaal tegelijk vinden met een zoekopdracht met reguliere expressies. Tekstverwerkers zoals Notepad++ en VS Code ondersteunen dit, en Word heeft zoeken met jokertekens met een eigen syntaxis. Twee patronen om mee te beginnen:
Email: [A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,}
IBAN: \b[A-Z]{2}[0-9]{2}(?: ?[A-Z0-9]){11,30}\bHet IBAN-patroon volgt de structuur in het SWIFT IBAN Registry: een landcode van twee letters, twee controlecijfers en vervolgens maximaal dertig letters en cijfers. Patronen herkennen formaten, geen betekenis. Ze vinden geen telefoonnummer dat is geschreven als "oh-zeven-zeven", en ze vinden nooit een naam.
Met een detectietool
Detectietools zoeken zowel naar namen, bedrijven en plaatsen als naar patronen. Bij een lang document zijn ze veel sneller dan handmatig werken, maar geen enkele tool vindt alles. In de documentatie van de opensourcetoolkit voor detectie, Presidio staat dat duidelijk: omdat de tool automatische detectie gebruikt, "bestaat er geen garantie dat Presidio alle gevoelige informatie vindt".
Daarom is controle noodzakelijk na detectie. Loop na wat de tool heeft gevonden en vink foutieve treffers uit, zoals een straatnaam die ook een achternaam is. Lees de tekst daarna op wat de tool heeft gemist: bijnamen, namen in kleine letters en personen die worden beschreven in plaats van bij naam genoemd. Waar je op moet letten bij een pseudonimiseringstool vergelijkt de soorten beschikbare tools.
In ClientSafe voeg je documenten aan een dossier toe. De app vindt op je pc namen, bedrijven, adressen, telefoonnummers, e-mailadressen, rekening- en ID-nummers en geboortedata. Je vinkt uit wat geen persoonsgegeven is en markeert wat de app heeft gemist. Daarna kopieer je de veilige kopie naar de AI-chat. Dezelfde persoon krijgt in elk document van het dossier dezelfde tijdelijke aanduiding.
Het antwoord komt terug met tijdelijke aanduidingen
Maskeren werkt in beide richtingen. De AI antwoordt in dezelfde termen die jij hebt gebruikt, dus het antwoord luidt "Person_1 kan Company_1 vragen om..." in plaats van "Maria Lopez kan vragen om...". Als je de AI vraagt om de tijdelijke aanduidingen precies zo te laten staan, zoals in het voorbeeld hierboven, is de kans daarop groter.
Zet de echte namen terug op je eigen computer, niet in de chat: met zoeken en vervangen op basis van je lijst met tijdelijke aanduidingen, of met dezelfde tool waarmee je hebt gemaskeerd. Lees het herstelde antwoord daarna één keer door: een tijdelijke aanduiding die de AI heeft gewijzigd ("Persoon 1" in plaats van "Person_1") is mogelijk niet teruggezet. Onze gids voor echte namen terugzetten in het antwoord van de AI behandelt het hele proces stap voor stap.
Veelgestelde vragen
Is gemaskeerde tekst anoniem?
Meestal niet. Als je een tabel bewaart die tijdelijke aanduidingen aan namen koppelt, is de tekst gepseudonimiseerd en volgens de AVG nog steeds een persoonsgegeven. Maskeren beperkt wat de AI-dienst ontvangt. Het haalt de tekst niet buiten de wetgeving inzake gegevensbescherming.
Moet ik bedrijfsnamen maskeren?
Maskeer het bedrijf van de cliënt en elk bedrijf dat de cliënt zou identificeren, zoals een klein familiebedrijf. Een groot beursgenoteerd bedrijf dat als leverancier of wederpartij wordt genoemd, kan vaak blijven staan als dat nodig is voor de vraag.
Maakt maskeren het antwoord van de AI slechter?
Met consistente tijdelijke aanduidingen zelden: de AI ziet nog steeds wie wat heeft gedaan. Het antwoord wordt slechter als het afhangt van iets wat je hebt gemaskeerd, zoals het land of iemands leeftijd. Voeg die informatie in algemene vorm weer toe.
Kan ik de AI gewoon vertellen dat de persoonsgegevens moeten worden genegeerd?
Nee. Tegen de tijd dat de AI de instructie leest, zijn de gegevens al verstuurd. Je moet maskeren voordat je de tekst plakt.
ClientSafe vervangt op je pc namen, adressen, telefoonnummers, e-mailadressen, rekening- en ID-nummers en geboortedata door tijdelijke aanduidingen, en zet de echte namen terug in het antwoord van de AI. Detectie is niet perfect, dus controleer de lijst voordat je die kopieert.