Pracownik wkleja wiadomość klienta do ChatGPT, żeby szybciej przygotować odpowiedź. Handlowiec przesyła arkusz z leadami do analizy. Ktoś inny wrzuca do AI umowę albo reklamację. Problem zaczyna się wtedy, gdy firma nie wie, jakie dane faktycznie opuszczają jej systemy i co dzieje się z nimi dalej.
Oceniając AI pod kątem RODO, nie zaczynałbym od pytania: „Czy ChatGPT jest zgodny z RODO?”. Najpierw trzeba ustalić, jakie informacje mają trafiać do narzędzia, po co są potrzebne, kto je przetwarza, gdzie są przechowywane i czy można ograniczyć ich zakres.
6 sierpnia 2026 r. UODO opublikował zestawy pytań, które organizacje powinny rozważyć przed wdrożeniem AI. Ważny wniosek jest prosty: ochronę danych warto analizować przed wdrożeniem, a nie dopiero wtedy, gdy narzędzie jest już używane przez pracowników.
Ten tekst ma charakter informacyjny i nie jest poradą prawną.
Najpierw sprawdź, jakie dane naprawdę trafiają do AI
Najważniejsze pytanie brzmi nie „jakiego AI używamy?”, lecz „co dokładnie do niego wysyłamy?”. To może być tekst wpisany ręcznie, ale też plik PDF, arkusz, nagranie, historia rozmów z klientem albo dane pobierane automatycznie z CRM.
Przykład: pracownik prosi AI o poprawienie stylu odpowiedzi na reklamację. Do tego zadania model zwykle nie potrzebuje imienia klienta, jego adresu, numeru telefonu ani numeru zamówienia. Wystarczyłby sam fragment tekstu po usunięciu danych identyfikujących.
Dlatego przed wdrożeniem warto rozpisać prosty schemat:
źródło danych → pracownik lub integracja → narzędzie AI → wynik → dalsze wykorzystanie
Taki diagram często wystarcza, aby szybko zobaczyć, gdzie pojawiają się dane osobowe i gdzie można je ograniczyć.
Szczególną uwagę zwróciłbym na pliki. Arkusz przesłany „tylko do analizy sprzedaży” może dodatkowo zawierać numery telefonów, adresy e-mail czy prywatne notatki handlowców. Do AI powinny trafiać wyłącznie te dane, które są rzeczywiście potrzebne do wykonania zadania.
Dane osobowe i informacje poufne trzeba oceniać osobno
Nie każda poufna informacja jest daną osobową i nie każda dana osobowa jest tajemnicą firmy.
Strategia cenowa bez nazwisk może nie podlegać analizie RODO, ale nadal może być bardzo poufna biznesowo. Z kolei lista uczestników wydarzenia może nie zawierać tajemnic handlowych, ale nadal obejmuje dane osobowe.
Dlatego przed użyciem AI warto zadać dwa osobne pytania:
- Czy materiał zawiera dane osobowe?
- Czy zawiera informacje poufne, tajemnicę przedsiębiorstwa albo dane objęte ograniczeniami umownymi?
Trzeba też uważać na pozorną anonimizację. Usunięcie imienia i nazwiska nie zawsze wystarcza. Jeśli osobę można rozpoznać po stanowisku, numerze klienta, lokalizacji czy innych szczegółach, dane nadal mogą pozwalać na identyfikację.
W praktyce znacznie bezpieczniejszym podejściem jest pozostawianie tylko informacji potrzebnych do zadania. Jeśli AI ma poprawić styl wiadomości, zwykle nie musi wiedzieć, kto ją wysłał.
Sprawdź dostawcę, lokalizację danych, retencję i dostęp
Dopiero gdy wiadomo, jakie dane mają być przetwarzane, warto ocenić konkretną usługę.
Pytanie, czy można przekazywać dane klientów do ChatGPT, nie ma jednej odpowiedzi dla wszystkich firm. Znaczenie ma konkretny produkt, plan, konfiguracja, umowa z dostawcą i sposób używania narzędzia.
Przed wdrożeniem sprawdziłbym przede wszystkim:
- kto przetwarza dane i w jakiej roli,
- gdzie dane są przetwarzane,
- czy występują transfery poza Europejski Obszar Gospodarczy,
- jak długo przechowywane są rozmowy, pliki i logi,
- czy dane mogą być wykorzystywane do ulepszania usługi,
- kto po stronie dostawcy i firmy może uzyskać do nich dostęp,
- czy można usuwać dane i zarządzać kontami użytkowników,
- czy dostawca korzysta z dalszych podmiotów przetwarzających.
Samo stwierdzenie, że „dane są w chmurze”, niewiele wyjaśnia. Firma powinna znać przynajmniej podstawową drogę swoich informacji i wiedzieć, na jakich zasadach są one przechowywane.
Warto też rozróżnić prywatne konto pracownika od centralnie zarządzanej wersji firmowej. Konto biznesowe może dawać lepszą kontrolę dostępu, ustawienia retencji i odpowiednie warunki umowne, ale nie zwalnia z oceny konkretnego procesu i zakresu danych.
Najtańszym zabezpieczeniem często jest ograniczenie danych
Firmy czasem od razu rozważają własne modele, prywatną chmurę albo lokalne AI. Tymczasem pierwszą zmianą powinno być zwykle ograniczenie ilości informacji wysyłanych do narzędzia.
Jeżeli AI ma sklasyfikować temat wiadomości, nie potrzebuje numeru telefonu klienta. Jeżeli ma poprawić język odpowiedzi, można zastąpić nazwę firmy określeniem „Klient A”. Jeżeli pracownik chce przeanalizować jeden fragment umowy, nie zawsze trzeba przesyłać cały dokument.
Takie podejście wynika z zasady minimalizacji danych i jednocześnie upraszcza całe wdrożenie.
Trzeba jednak odróżnić anonimizację od pseudonimizacji. Zastąpienie nazwiska identyfikatorem, który firma może później powiązać z konkretną osobą, zwykle nie oznacza, że dane przestały być osobowe.
W większych procesach można również zastosować automatyczne mechanizmy usuwające wybrane identyfikatory przed wysłaniem treści do modelu. Nie zastąpią one pozostałych zabezpieczeń, ale mogą ograniczyć ryzyko przypadkowego ujawnienia danych.
Lokalne AI ma sens tylko w części przypadków
Rozwiązanie działające na własnej infrastrukturze może być dobrym wyborem, gdy firma regularnie analizuje duże ilości bardzo poufnych dokumentów i chce zachować maksymalną kontrolę nad przepływem informacji.
Nie jest jednak automatycznie bezpieczniejsze.
Lokalny system trzeba aktualizować, zabezpieczać, monitorować i utrzymywać. Firma odpowiada wtedy za kontrolę dostępu, kopie zapasowe, podatności i awarie. Przy prostych zastosowaniach koszty mogą być znacznie wyższe niż korzyści.
Jeżeli AI ma przygotowywać opisy produktów na podstawie publicznych danych, budowa własnej infrastruktury prawdopodobnie nie ma ekonomicznego sensu. Jeśli natomiast model ma stale pracować na poufnych aktach klientów lub dokumentacji wewnętrznej, rozwiązanie lokalne może być warte analizy.
Jeśli dokumenty są po polsku, warto sprawdzić także modele trenowane głównie na polskich tekstach. Przykładem jest Bielik AI: otwarty model rozwijany przez fundację SpeakLeash, udostępniany na licencji pozwalającej na użycie komercyjne i możliwy do uruchomienia na własnym serwerze.
Architekturę warto dobrać do ryzyka, a nie do samego hasła „dane nie opuszczą firmy”.
Ta checklista powinna pojawić się przed wdrożeniem, nie po nim
Przed uruchomieniem AI odpowiedziałbym co najmniej na kilka pytań:
- Jaki proces biznesowy ma wspierać AI?
- Jakie dane będą do niego trafiać?
- Czy wszystkie są potrzebne?
- Czy znajdują się wśród nich dane osobowe lub informacje poufne?
- Czy można ograniczyć albo zanonimizować ich zakres?
- Kto jest dostawcą i gdzie przetwarza dane?
- Jak wygląda retencja, usuwanie danych i kontrola dostępu?
- Czy potrzebna jest umowa powierzenia lub dodatkowa analiza transferów?
- Czy charakter procesu może wymagać DPIA, czyli oceny skutków dla ochrony danych?
- Czy pracownicy wiedzą, jakich informacji nie powinni przekazywać do AI?
Nie każde użycie AI wymaga takiego samego poziomu analizy. Generator opisów produktów wykorzystujący dane publiczne to zupełnie inny przypadek niż narzędzie analizujące historię klientów, reklamacje czy dokumentację pracowniczą.
Dlatego najlepszym następnym krokiem jest opisanie jednego konkretnego przypadku użycia na jednej stronie: cel, dane wejściowe, dostawca, użytkownicy, integracje i sposób wykorzystania wyniku. Z takim materiałem warto pójść do inspektora ochrony danych (IOD), prawnika lub specjalisty ds. ochrony danych.
Nie trzeba zaczynać od zakazu korzystania z AI. Trzeba zacząć od wiedzy, jakie dane trafiają do systemu i czy rzeczywiście muszą tam trafić. To zwykle najszybszy sposób, żeby jednocześnie ograniczyć ryzyko i nie blokować użytecznych zastosowań AI w firmie.