Udowodnienie zgodności z Artykułem 32 RODO w zakresie narzędzi AI
Zaktualizowano na rok 2026.
Artykuł 32 RODO wymaga „odpowiednich środków technicznych i organizacyjnych” w celu ochrony danych osobowych. Gdy pracownicy korzystają z zewnętrznych narzędzi AI — ChatGPT, Claude, Gemini — ryzyko jest realne i mierzalne. Środki kontroli muszą być równie mierzalne.
Polityka mówiąca „nie udostępniaj danych osobowych narzędziom AI” to środek organizacyjny. Nie jest to środek techniczny. I nie wystarczy, gdy inspektor DPA zapyta: „Skąd wiadomo, że pracownicy to przestrzegają?”
O co pytają inspektorzy DPA w kontekście narzędzi AI
Po incydencie Samsunga z ChatGPT w marcu 2023 roku organy nadzorcze przyjrzały się korporacyjnym programom AI. Inspektorzy DPA zadają teraz bezpośrednie pytania.
W zakresie środków technicznych pytają:
- Co uniemożliwia danych osobowym dotarcie do systemów AI?
- Jak egzekwujesz maskowanie w czasie rzeczywistym?
- Jakie dowody świadczą o tym, że środki kontroli działają?
W zakresie monitorowania pytają:
- Jak śledzisz korzystanie z AI przez pracowników pod kątem ekspozycji PII?
- Jakie metryki zbierasz? Jak często?
- Skąd wiadomo, że środki kontroli nie są omijane?
W zakresie wykrywania incydentów pytają:
- Jak wykryjesz wyciek PII do narzędzia AI?
- Jaki masz plan reagowania?
Dokumenty polityki nie odpowiadają na żadne z tych pytań. Mówią, co pracownicy powinni robić. Nie pokazują, co pracownicy faktycznie robią.
Luka w monitorowaniu przeglądarkowych narzędzi AI
Zespoły IT w przedsiębiorstwach stoją przed zasadniczym problemem: przeglądarkowe narzędzia AI są trudne do monitorowania.
Szyfrowanie HTTPS
ChatGPT, Claude i Gemini używają HTTPS z HSTS. Inspekcja sieci nie może odczytać tekstu promptu bez deszyfrowania TLS.
Inspekcja TLS
Inspekcja SSL wymaga firmowych certyfikatów na każdym urządzeniu. Może powodować problemy z przypinaniem certyfikatów w niektórych aplikacjach. Tworzy nowe luki bezpieczeństwa. Może naruszać warunki korzystania z platform AI. W wielu krajach budzi obawy o prywatność pracowników.
Endpoint DLP
Agenci endpoint monitorują schowek i dane z klawiatury. Mają jednak wysoki wskaźnik fałszywych alertów. Nie potrafią odróżnić „wpisywania danych klienta do umowy” od „wpisywania ich do ChatGPT”. Opóźnienie może powodować pominięcie wysyłek na żywo.
W rezultacie większość firm korzystających z narzędzi AI ma ograniczony wgląd w to, jakie dane trafiają do tych systemów.
Pulpit zgodności w praktyce
Dyrektor ds. bezpieczeństwa informacji (CISO) w usługach finansowych musi pokazać audytorom, że ekspozycja PII w narzędziach AI jest śledzona i kontrolowana. Wymóg audytu: twarde dane dotyczące aktywnego monitorowania.
Firma wdraża rozszerzenie Chrome u 500 pracowników. Wyniki po tygodniu:
| Metryka | Wartość tygodniowa |
|---|---|
| Łączna liczba sesji AI | 8 400 |
| Wykryte encje PII | 12 000 |
| Wskaźnik maskowania | 94% |
| Wykryte nazwiska klientów | 4 800 |
| Wykryte numery kont | 3 200 |
| Wykryte ID transakcji | 2 100 |
| Wysyłki bez maskowania (6%) | 720 encji |
Uwaga: scenariusz ilustracyjny. Wyniki różnią się w zależności od wielkości firmy i intensywności korzystania z AI.
Cztery rzeczy, które to pokazuje audytorom:
- Skalę korzystania z narzędzi AI (8 400 sesji tygodniowo)
- Wolumen PII zagrożonego ujawnieniem (12 000 wykrytych encji)
- Efektywność środków kontroli (wskaźnik maskowania 94%)
- Ryzyko rezydualne (720 encji wymaga działania następczego)
Trzy rzeczy, które audytorzy mogą zweryfikować:
- Środek techniczny jest aktywny (dzienniki wdrożenia rozszerzenia)
- Monitorowanie jest aktywne (raporty tygodniowe)
- Ryzyko rezydualne jest zarządzane (dodatkowe szkolenie dla 6%)
To właśnie jest różnica między „mamy politykę” a „oto mierzony wynik naszego środka kontroli”.
Przekuwanie wyników w ulepszenia
6% wysyłek bez maskowania to nie porażka. To sukces monitorowania. Firma wie teraz:
- Którzy pracownicy odrzucają lub pomijają monity o maskowanie.
- Jakie typy encji są najczęściej wysyłane bez maskowania.
- Które zespoły mają wyższe wskaźniki ominięcia.
- Czy wskaźnik spada w miarę jak pracownicy się przystosowują.
To napędza ukierunkowane działania. Pracownicy z dużą liczbą ominięć otrzymują dodatkowe szkolenia. Typy encji z dużą liczbą ominięć mogą wymagać silniejszych monitów. Zespoły z powtarzającymi się ominięciami mogą potrzebować zmiany przepływu pracy.
Bez tych danych szkolenie jest stosowane równomiernie. Z nimi — tam, gdzie ryzyko jest największe.
Jak wygląda kompletny pakiet dokumentów Art. 32
Kompletny zestaw dokumentów RODO Art. 32 dla programu narzędzi AI:
Środki techniczne:
- Rozszerzenie Chrome na N urządzeniach (dowód: logi MDM)
- Detekcja PII na żywo w polach wejściowych narzędzi AI
- Przepływ maskowania z ścieżką audytu (logi rozszerzenia)
- Pulpit zgodności (metryki detekcji)
Środki organizacyjne:
- Polityka korzystania z narzędzi AI
- Dokumentacja szkoleń pracowniczych
- Plan reagowania na incydenty z wyciekiem danych AI
- Kwartalne przeglądy wyników monitorowania
Dowody monitorowania:
- Tygodniowe metryki pulpitu (12 miesięcy kroczących)
- Trend wskaźnika maskowania
- Podział według typów encji
- Dokumenty działań następczych w przypadku ominięć
Wykrywanie incydentów:
- Wyniki monitorowania sygnalizują anomalie (nagły spadek wskaźnika, nowe typy encji)
- Plan reagowania na incydenty przetestowany w [data]
Ten zestaw spełnia wymogi Art. 32. Pokazuje środki techniczne i organizacyjne z rzeczywistymi dowodami.
Kwantyfikacja redukcji ryzyka
Do testu proporcjonalności musisz wykazać, jakie ryzyko eliminuje środek kontroli.
Bez środka kontroli:
- 11% promptów AI zawiera PII (Cyberhaven 2025)
- 8 400 sesji tygodniowo × 11% = 924 sesje z PII tygodniowo
- Każda sesja: potencjalna ekspozycja wynikająca z Art. 83 RODO, jeśli dotyczy danych z UE
Ze środkiem kontroli (wskaźnik maskowania 94%):
- 924 sesje z wykrytym PII
- 94% zamaskowanych: 869 chronionych sesji
- Ryzyko rezydualne: 55 sesji tygodniowo z niezamaskowaną treścią
Wynik: 94% spadek ekspozycji PII z narzędzi AI.
Dla organów nadzorczych stosujących test proporcjonalności, 94% redukcja dzięki wdrożonemu środkowi technicznemu to mocny dowód. Zobacz też prewencję PII w czasie rzeczywistym dla narzędzi AI oraz przeglądarkowy DLP dla ChatGPT, Claude i Gemini.
Wnioski
Zgodność z Art. 32 RODO w zakresie narzędzi AI nie może opierać się wyłącznie na polityce. Monitorowanie sesji AI w przeglądarce pod kątem ekspozycji PII wymaga środka technicznego produkującego dowody.
Maskowanie na żywo z wbudowanym monitorowaniem daje obie rzeczy: prewencję (mniejsza ekspozycja) i dowody (zmierzone ryzyko i wyniki środka kontroli). Ta kombinacja spełnia wymogi Art. 32.
Dla CISO stojących przed audytem DPA: audytorzy chcą twardych danych. Pokaż wskaźniki detekcji, maskowania i trendy ryzyka rezydualnego. Polityka to punkt wyjścia. Wyniki monitorowania to dowód.
Jak blokowanie wypada w porównaniu z maskowaniem jako środkiem kontroli, opisuje artykuł Przeglądarkowy DLP: blokowanie a anonimizacja.