Jeśli chcesz korzystać z AI w pracy z dokumentami zawierającymi dane osobowe, narzędzie do pseudonimizacji musi spełniać cztery warunki. Plik jest przetwarzany w miejscu, które akceptujesz. Każda osoba otrzymuje ten sam znacznik zastępczy we wszystkich dokumentach. Klucz pozwalający odwrócić zamianę jest bezpiecznie przechowywany. Możesz też sprawdzić i poprawić to, co narzędzie wykryło. W pozostałej części tej listy kontrolnej dowiesz się, czy dane narzędzie pasuje do Twoich dokumentów, zespołu i budżetu.
Co musi robić narzędzie
Zgodnie z RODO pseudonimizacja oznacza przetwarzanie danych osobowych w taki sposób, aby nie można ich było przypisać konkretnej osobie bez wykorzystania dodatkowych informacji, które są przechowywane oddzielnie i chronione (art. 4 ust. 5). Dane pseudonimizowane nadal są danymi osobowymi. Znaczenie tego w kontekście chatbotów AI omawia artykuł RODO a dane pseudonimizowane w AI.
W pracy z AI wygląda to następująco. Imiona i nazwiska, adresy i numery zamienia się na znaczniki zastępcze, takie jak Person_1. AI pracuje na tych znacznikach. Po Twojej stronie klucz pozwala przywrócić imiona i nazwiska w odpowiedzi. Jeśli nie musisz nigdy przywracać imion i nazwisk, możesz potrzebować anonimizacji lub redakcji danych zamiast pseudonimizacji — zobacz którego z tych trzech rozwiązań potrzebujesz.
Dokąd trafiają Twoje dane
- Gdzie odbywa się przetwarzanie. Albo na Twoim komputerze, albo na serwerach dostawcy po przesłaniu pliku. W drugim przypadku oryginał ze wszystkimi nazwiskami trafia do strony trzeciej, zanim zostanie zabezpieczony. Nasze porównanie narzędzi lokalnych i internetowych zawiera pytania, które warto zadać dostawcy usługi internetowej, oraz prosty test aplikacji komputerowej: wyłącz sieć i spróbuj z niej skorzystać.
- Co dzieje się później z danymi. W przypadku usługi chmurowej: jak długo przechowywane są pliki i wyniki, w jakim regionie oraz kim są podwykonawcy przetwarzania. W przypadku aplikacji komputerowej: jakie dane zapisuje na dysku i jak je usunąć.
- Dzienniki. Zapis informacji o tym, kiedy przetwarzano dokumenty, może się przydać, gdy zapyta o to klient lub inspektor ochrony danych. Sprawdź, czy sam dziennik nie zawiera danych osobowych.
Czy możesz przywrócić nazwiska
- Spójność. Ta sama osoba powinna otrzymywać ten sam znacznik zastępczy w każdym akapicie i każdym dokumencie dotyczącym danej sprawy. W przeciwnym razie AI nie będzie wiedzieć, że najemca wymieniony w umowie i nadawca wiadomości e-mail to ta sama osoba. Zapytaj, jak narzędzie obsługuje warianty takie jak „Maria Lopez”, „pani Lopez” i „M. Lopez”.
- Możliwość odwrócenia zamiany. Niektóre narzędzia dokonują jednokierunkowej zamiany danych. Inne przechowują tabelę łączącą znaczniki zastępcze z prawdziwymi imionami i nazwiskami albo szyfrują wartości za pomocą klucza, który pozwala je później odszyfrować.
- Gdzie przechowywany jest klucz. Tabela lub klucz to „dodatkowe informacje”, o których mówi definicja RODO. Zapytaj, gdzie są przechowywane, czy są szyfrowane, kto może je otworzyć i kiedy są usuwane. Jeśli każdy, kto ma dostęp do bezpiecznej kopii, może również odczytać klucz, pseudonimizacja zapewnia niewielką ochronę.
Czy narzędzie pasuje do Twoich dokumentów
- Rodzaje wykrywanych danych. Nazwiska, nazwy firm, adresy, numery telefonów, adresy e-mail, numery kont i dokumentów tożsamości, daty urodzenia. Jeśli pracujesz w różnych krajach, sprawdź, czy narzędzie wykrywa krajowe numery identyfikacyjne i podatkowe w państwach, z którymi współpracujesz. Stanowiska, pseudonimy i rzadko występujące szczegóły są trudne do wykrycia dla każdego narzędzia, więc część z nich oznaczysz ręcznie.
- Etap weryfikacji. Wykrywanie nigdy nie jest kompletne. Nawet dokumentacja Presidio, szeroko stosowanego detektora typu open source, mówi, że nie ma gwarancji wykrycia wszystkich informacji wrażliwych. Musisz zobaczyć każde dopasowanie, odznaczyć te błędne i dodać pominięte informacje, zanim cokolwiek opuści Twoje urządzenie.
- Formaty plików. PDF, Word, Excel, e-maile. Zeskanowane pliki PDF i zdjęcia dokumentów wymagają rozpoznawania tekstu. Niektóre narzędzia przyjmują tylko zwykły tekst, co oznacza, że każdy plik trzeba przekonwertować samodzielnie.
- Języki. Wykrywanie zależy od języka. Przetestuj narzędzie na rzeczywistych dokumentach w każdym języku, w którym pracujesz.
Dla kogo jest przeznaczone i ile kosztuje
- Dla programistów czy użytkowników biurowych. Biblioteka lub interfejs API wymagają, aby ktoś je zainstalował, napisał do nich kod i dbał o ich działanie. Wystarczy zainstalować aplikację komputerową. Są przeznaczone dla różnych użytkowników i ogólnie rzecz biorąc, żadne rozwiązanie nie jest lepsze od drugiego.
- Model cenowy. Opłata zależna od wolumenu (za gigabajt lub sto znaków), abonament za użytkownika, jednorazowy zakup albo bezpłatne oprogramowanie open source wraz z czasem pracy personelu. Oblicz roczny koszt dla przewidywanego przez Ciebie wolumenu.
Cztery rodzaje narzędzi
Poniższe przykłady to rozwiązania, których funkcje mogliśmy zweryfikować na podstawie dokumentacji dostawców. Funkcje i ceny według stanu na październik 2026 r.
Biblioteki open source dla programistów
Presidio to framework na licencji MIT służący do wykrywania i deidentyfikacji danych osobowych. Powstał w Microsoft i jest obecnie projektem rozwijanym przez społeczność w ramach organizacji Data Privacy Stack. Jego moduł anonimizujący może zastępować, redagować, maskować, haszować lub szyfrować każdy wykryty element, a zaszyfrowane wartości można odszyfrować tym samym kluczem. Oddzielny moduł wykrywa i redaguje tekst na obrazach przy użyciu OCR.
Jest bezpłatny, działa na Twoich własnych urządzeniach i można go dostosować do niemal każdego potoku przetwarzania. To zestaw narzędzi, a nie aplikacja: instalacja obejmuje pakiety Pythona, pobranie modelu językowego i napisanie własnego kodu. Ekrany weryfikacji, obsługę spraw i konwersję plików musisz stworzyć samodzielnie.
Usługi ochrony danych w chmurze
Google Cloud Sensitive Data Protection wykrywa dane wrażliwe za pomocą długiej listy wbudowanych detektorów i może zastępować je tokenami. Szyfrowanie deterministyczne i szyfrowanie zachowujące format zapewniają ten sam token dla tej samej wartości, a ponowna identyfikacja danych jest możliwa przy użyciu klucza. Google zaleca opakowanie tego klucza za pomocą Cloud Key Management Service. Usługa może również redagować obrazy przez zasłanianie wykrytych elementów nieprzezroczystymi prostokątami. Jest wyceniana za gigabajt.
Amazon Comprehend wykrywa dane osobowe w tekstach w języku angielskim lub hiszpańskim. Redagowanie odbywa się jako zadanie wsadowe na plikach w Amazon S3. Każdy element jest zastępowany etykietą określającą jego typ, np. [NAME], albo znakiem maskującym, więc dwie różne osoby otrzymają ten sam znacznik [NAME]. Usługa jest wyceniana w jednostkach po 100 znaków.
Usługi te obsługują duże wolumeny danych i są zintegrowane z pozostałymi elementami infrastruktury chmurowej firmy, na koncie i w ramach umowy tej firmy. Są przeznaczone dla programistów i zespołów IT.
Redagowanie w edytorach PDF
W programie Adobe Acrobat Pro redagowanie zastępuje tekst lub obrazy kolorowymi prostokątami i po zapisaniu pliku nie można tego cofnąć. Osobny etap Sanitize usuwa ukryte dane, takie jak metadane. To odpowiednie narzędzie do dokumentu przekazywanego sądowi, kontrahentowi lub organowi regulacyjnemu. Nie sprawdzi się w cyklu pracy z AI, bo czarne prostokąty nie informują AI, kto jest kim, a zamiana jest nieodwracalna. Zobacz symbolach zastępczych i czarnych paskach.
Aplikacje komputerowe dla użytkowników biurowych
ClientSafe należy do tej grupy. Działa na komputerze Windows i przechowuje dokumenty w sprawach, dzięki czemu to samo imię i nazwisko otrzymuje ten sam znacznik zastępczy we wszystkich dokumentach danej sprawy. Weryfikujesz wykryte elementy, odznaczasz dopasowania, które nie są danymi osobowymi, i oznaczasz to, co zostało pominięte. Bezpieczną kopię wklejasz do czatu AI albo zapisujesz jako plik Markdown. Następnie wklejasz odpowiedź AI z powrotem, a ClientSafe przywraca prawdziwe imiona i nazwiska. Tabela łącząca znaczniki zastępcze z imionami i nazwiskami pozostaje zaszyfrowana na komputerze aż do usunięcia sprawy. To nie jest narzędzie do redagowania dokumentów składanych w sądzie ani wysyłanych innej stronie.
Porównanie obok siebie
| Kryterium | Biblioteka dla programistów (Presidio) | Usługa chmurowa (Google, Amazon) | Redagowanie PDF (Acrobat Pro) | Aplikacja komputerowa (ClientSafe) |
|---|---|---|---|---|
| Gdzie działa | Na Twoich urządzeniach | W chmurze dostawcy, na Twoim koncie | W edytorze PDF | Na Twoim komputerze |
| Ten sam znacznik zastępczy dla tej samej osoby | Jeśli odpowiednio ją skonfigurujesz | Google: dzięki szyfrowaniu deterministycznemu. Redagowanie Amazon: wyłącznie etykiety typów | Nie, czarne prostokąty | Tak, w obrębie jednej sprawy |
| Odwracalna | Za pomocą szyfrowania lub własnego mapowania | Google: przy użyciu klucza. Redagowanie Amazon: nie | Nie, zgodnie z założeniem | Tak, wklej odpowiedź z powrotem |
| Gdzie znajduje się klucz | Tam, gdzie umieści go Twój kod | Google zaleca Cloud KMS | Brak klucza | Zaszyfrowany na Twoim komputerze do momentu usunięcia sprawy |
| Weryfikacja i poprawianie | Tworzysz je samodzielnie | Tworzysz je samodzielnie | Samodzielnie wybierasz, co zredagować | Wbudowane |
| Pliki | Tekst; obrazy obsługiwane przez moduł OCR | Google: tekst i obrazy. Amazon: zwykły tekst | PDF, w tym skany, DOCX, XLSX, PPTX, HTML, TXT, EML i inne | |
| Przeznaczenie | Programiści | Programiści i zespoły IT | Każda osoba udostępniająca pliki PDF | Użytkownicy biurowi na Windows |
| Cena | Bezpłatne, z uwzględnieniem czasu pracy personelu | Opłata zależna od wolumenu | Plan Acrobat Pro | Jednorazowy $19.99 w USA, 7-dniowy okres próbny |
Jak dokonać wyboru
- Przetwarzasz tysiące rekordów w bazie danych lub potoku i masz programistów: wybierz bibliotekę lub usługę chmurową.
- Wysyłasz dokument poza firmę: wybierz redagowanie.
- Zadajesz AI pytania dotyczące dokumentów klientów i potrzebujesz prawdziwych nazwisk w odpowiedzi: wybierz aplikację komputerową z etapem weryfikacji i możliwością przywrócenia nazwisk.
Zanim zdecydujesz się na narzędzie, przetestuj je na trzech dobrze znanych Ci dokumentach w każdym używanym języku i policz, ile elementów pominęło. Jeśli w Twojej firmie pracuje inspektor ochrony danych lub osoba odpowiedzialna za zgodność, zaangażuj ją, zanim narzędzie zostanie użyte do pracy z plikami klientów.
Często zadawane pytania
Czy po pseudonimizacji dokumentu mogę wysłać go do dowolnego narzędzia AI?
Nie automatycznie. Zgodnie z RODO nadal są to dane osobowe, a własne ustawienia i warunki narzędzia AI wciąż mają znaczenie. Pseudonimizacja zmniejsza ryzyko, ale go nie usuwa.
Czy bezpłatna biblioteka open source może zastąpić płatne narzędzie?
Tak, jeśli ktoś z Twojego zespołu potrafi ją zainstalować, napisać do niej kod i ją utrzymywać. Jeśli nikt tego nie potrafi, biblioteka będzie kosztować więcej czasu niż aplikacja pieniędzy.
Czy potrzebuję możliwości odwrócenia zamiany, jeśli chcę tylko uzyskać podsumowanie?
Jeśli w podsumowaniu będą wymienione osoby — tak, bo zechcesz przywrócić ich imiona i nazwiska. Jeśli nie będzie ich wymieniać, wystarczy zamiana jednokierunkowa.
Jak szybko przetestować narzędzie?
Weź dokument, w którym znasz wszystkie nazwiska i numery. Przetwórz go za pomocą narzędzia i porównaj wynik. Sprawdź zeskanowane strony, nagłówki i podpisy, które narzędzie często pomija.
ClientSafe Zastępuje imiona i nazwiska, adresy, numery telefonów i numery dokumentów tożsamości spójnymi znacznikami zastępczymi na Twoim komputerze, pozwala przejrzeć listę i przywraca prawdziwe imiona i nazwiska w odpowiedzi AI. Wykrywanie nie jest doskonałe, dlatego przed skopiowaniem przejrzyj listę.