Bezpieczeństwo AI

Jakie dane można wkleić do AI? Firmowe zasady w praktyce

Ustalam, jakie dane trafiają do AI, kto zatwierdza ich użycie i kiedy wystarczy fikcyjny przykład. Gotowa karta zasad dla zespołu analitycznego.

Pixel art: stos arkuszy przed zamkniętą bramką, obok której przechodzi pojedynczy wybrany arkusz.

W skrócie

  • Zgoda na używanie AI w firmie powinna wskazywać konkretne narzędzie, konto, rodzaj danych i cel zadania.
  • Zastąpienie nazwiska numerem klienta nie wystarcza do uznania danych za anonimowe.
  • Do przygotowania metody analizy warto zacząć od fikcyjnych rekordów, które zachowują strukturę problemu.
  • Karta dopuszczenia danych porządkuje odpowiedzialność, zakres materiału i warunki ponownej oceny.

Masz plik ze sprzedażą, otwarty ChatGPT albo Claude i kwadrans do spotkania. W arkuszu są zamówienia, adresy klientów oraz komentarze handlowców. Do wyjaśnienia spadku przychodu potrzebujesz kilku kolumn. Najszybszy ruch to przeciągnięcie całego pliku do rozmowy. Właśnie w tym miejscu zatrzymuję analizę i ustalam zakres danych.

Polecam zacząć od prostego pytania: co dokładnie musi opuścić firmowe środowisko, żeby wykonać zadanie? Odpowiedź „plik Excela” jest za szeroka. Chcę wiedzieć, jakie informacje wysyłamy, do jakiej usługi, na czyim koncie i na podstawie czyjej decyzji. Bez tego hasło „korzystamy z AI” ma precyzję hasła „korzystamy z internetu”. Powodzenia z wdrożeniem takiej instrukcji.

Najpierw zadanie, potem dane

Weźmy przygotowanie miesięcznego raportu sprzedaży. Rozdzielam tę pracę na opracowanie metody, obliczenie wyniku i napisanie podsumowania. Każdy etap ma własne potrzeby. Przy ustalaniu metody zaczynam od opisu kolumn oraz wymyślonych rekordów. Do obliczeń potrzebuję rzeczywistych wartości. Do redakcji podsumowania wybieram zatwierdzone wnioski, które wolno przekazać do danego narzędzia.

Taki podział pozwala ustalić miejsce pracy dla każdego etapu. Projekt analizy powstaje na przykładzie, obliczenia zostają w firmowej bazie, a końcowy tekst przechodzi osobną ocenę zakresu informacji. Zamiast jednej decyzji o całym eksporcie mamy kilka decyzji o konkretnych materiałach. Łatwiej wtedy wskazać, do czego dostęp jest rzeczywiście potrzebny.

CNIL zaleca rozpoczęcie wdrożenia od konkretnej potrzeby, określenie dozwolonych i zabronionych zastosowań oraz zaangażowanie osób odpowiedzialnych za biznes, systemy i ochronę danych. Przekładam to na krótką zasadę organizacyjną: najpierw opis zadania, potem wybór materiału i usługi. Cel zapisuję tak samo jak w briefie do analizy.

Rozdziel dane publiczne, wewnętrzne i szczególnie chronione

Do rozmowy w zespole proponuję trzy robocze grupy. Pierwsza obejmuje materiały przeznaczone do publikacji, na przykład własny opublikowany cennik. Druga to informacje wewnętrzne: wyniki sprzedaży, marże, plany i dokumentacja procesu. Trzecia zawiera materiały, które kieruję do szczególnej oceny: dane osobowe, dokumenty kadrowe, tajemnice klientów i dane uwierzytelniające.

To mój szablon porządkowania pracy, nie formalna klasyfikacja prawna. Dostosuj go do zasad swojej firmy. Arkusz z samymi kwotami też może być poufny. Z kolei materiał publiczny wymaga sprawdzenia praw do wykorzystania i tego, czy przypadkiem nie dokładasz do niego wewnętrznego komentarza. Liczy się cała przekazywana paczka.

Wprowadzam następującą tabelę do rozmowy z właścicielem procesu. Ostatnia kolumna określa punkt startowy, który zespół zatwierdza przed pracą.

Materiał Do czego jest potrzebny Proponowana zasada startowa
Własny opublikowany opis produktu Skrócenie tekstu Użycie w zatwierdzonym narzędziu
Fikcyjne rekordy zamówień Zaplanowanie analizy Użycie po sprawdzeniu, że nie odwzorowują klientów
Wewnętrzna marża według produktów Wyjaśnienie wyniku Osobna decyzja właściciela danych
Eksport klientów z komentarzami Analiza jakości obsługi Wstrzymanie eksportu do czasu oceny zakresu
Hasła, tokeny i klucze API Konfiguracja dostępu Przechowywanie poza treścią rozmowy

Skasowane nazwisko nie zamyka tematu

Łatwo uznać plik za przygotowany, kiedy znikają imię, nazwisko i e-mail. Tymczasem numer klienta, stanowisko, miejscowość oraz nietypowa historia zakupów mogą nadal pozwalać na powiązanie rekordu z osobą. Dlatego sprawdzam również kombinacje kolumn i pola opisowe. Komentarz handlowca potrafi przywrócić kontekst usunięty z całej reszty tabeli.

CNIL odróżnia pseudonimizację od anonimizacji: zastąpienie bezpośrednich identyfikatorów aliasem lub numerem nie usuwa samo w sobie możliwości identyfikacji z użyciem dodatkowych informacji. Anonimizacja wymaga oceny, czy osoby rzeczywiście nie da się rozpoznać. Nazwa pliku anonimowe_final_v3.xlsx żadnej oceny za nas nie wykonuje.

Gdy dopiero ustalam metodę, wybieram dane wymyślone od początku. Zachowuję typy kolumn i problem analityczny, na przykład zwrot, brak daty płatności albo dwa rekordy zamówienia. Nie odtwarzam historii konkretnego klienta pod innym nazwiskiem. Otrzymuję materiał do projektowania reguł bez przenoszenia prawdziwej historii transakcji.

Pixel art: duża tabela po lewej, lejek pośrodku i mała tabela z wybranymi komórkami po prawej.

Ustal usługę, konto i drogę danych

W zgodzie na użycie AI wpisuję dokładną usługę i firmowe konto. Osobno zapisuję, kto ma dostęp do rozmów i plików, jakie są zasady przechowywania oraz czy dane mogą służyć do innych celów. Te odpowiedzi zbieram z warunków usługi, umowy i ustawień organizacji. Potwierdzenie od administratora dołączam do decyzji.

NCSC wskazuje konieczność zrozumienia warunków usługi i sposobu obsługi danych, zanim organizacja przekaże informacje poufne do modelu. W mojej karcie rozdzielam więc pytania o trenowanie, przechowywanie i dostęp do treści. Odpowiedź dotycząca jednego z tych obszarów pozostawia pozostałe do sprawdzenia.

Uwzględniam też połączone narzędzia. W zadaniu zapisuję, skąd dane przychodzą i dokąd wynik trafi dalej: do rozmowy, pliku, zadania czy wiadomości. Każdą nową trasę oceniam osobno. Zgoda na analizę raportu w jednym środowisku obejmuje wskazany cel i zakres; przesłanie wyniku do kolejnego odbiorcy dopisuję jako odrębną czynność.

Karta dopuszczenia danych do skopiowania

Zamiast ogólnego polecenia „uważaj na dane” przygotowuję kartę dla powtarzalnego zadania. Poniższy przykład dotyczy projektowania analizy sprzedaży. Trzymam go obok briefu, żeby osoba wykonująca pracę widziała granice przed otwarciem narzędzia. Pola w nawiasach uzupełnia zespół przed zatwierdzeniem.

ZADANIE: projekt miesięcznej analizy sprzedaży
CEL: ustalić reguły liczenia zamówień i zwrotów
NARZĘDZIE I KONTO: [usługa, plan, firmowy workspace]
MATERIAŁ: wymyślone rekordy z tabeli poniżej
WYŁĄCZONE: prawdziwe transakcje, klienci, marże, komentarze
WYNIK: opis metody, założeń i kontroli, bez danych firmowych
ODBIORCA WYNIKU: analityk odpowiedzialny za raport
WŁAŚCICIEL PROCESU: [imię lub rola]
WARUNKI USŁUGI I USTAWIENIA: [link do zatwierdzonej oceny]
UŻYCIE DO TRENOWANIA: [ustalenie i źródło potwierdzenia]
PRZECHOWYWANIE I USUWANIE: [ustalenie i źródło potwierdzenia]
DOSTĘP DO ROZMÓW I PLIKÓW: [role i źródło potwierdzenia]
ZATWIERDZENIE: [osoba, data, miejsce zapisu decyzji]
PONOWNA OCENA: zmiana danych, konta, usługi lub odbiorcy

Przykład całkowicie fikcyjny:
zamowienie,miesiac,status,kwota
TEST-A,2026-10,oplacone,120
TEST-B,2026-10,zwrot,80
TEST-C,2026-10,oczekuje,50

Polecenie dla AI:
Zaproponuj reguły miesięcznej analizy na podstawie tego przykładu.
Wypisz pytania o moment ujęcia zwrotu i znaczenie kwoty.
Nie przyjmuj brakujących definicji. Nie licz wyniku firmy.
Zwróć tabelę: reguła, potrzebna definicja, sposób sprawdzenia.

Na tak małym materiale od razu widać pytania do właściciela raportu. Czy kwota zwrotu jest dodatnia, czy ujemna? Czy zwrot zmniejsza sprzedaż w miesiącu zakupu, czy w miesiącu rozliczenia? Zapisuję odpowiedzi w dokumentacji, zanim ktoś przejdzie do prawdziwych danych. Mały przykład służy tu uzgodnieniu znaczenia kolumn.

Nie wymagam nowej zgody na każdy identyczny przebieg. Ustalam zakres, który można powtarzać, oraz zdarzenia uruchamiające ponowną ocenę. Dopisanie pola z reklamacją klienta zmienia materiał, nawet jeśli nazwa raportu pozostała taka sama. Właściciel procesu powinien dostać tę informację przed kolejnym uruchomieniem.

Gdy AI prosi o więcej danych

Traktuję prośbę modelu o pełny eksport jak propozycję rozszerzenia zakresu. Wracam do celu zadania i sprawdzam, jakiej informacji naprawdę brakuje. Często następny krok organizuję jako doprecyzowanie definicji, podanie liczby kolumn albo przygotowanie kolejnego fikcyjnego przypadku. Prośba w oknie czatu nie jest dla mnie podstawą do zmiany zatwierdzonej karty.

Jeśli problem wymaga rzeczywistych danych, zapisuję dokładnie, po co są potrzebne. Na przykład: trzeba ustalić, czy zwroty dotyczą zamówień z poprzednich miesięcy. Wtedy do właściciela danych trafia opis brakującego powiązania, wymaganych pól i miejsca obliczenia. Może zdecydować o wykonaniu tego kroku w firmowym środowisku oraz przekazaniu wyłącznie dopuszczonego wyniku. Osoba zatwierdzająca dostaje konkretny wybór zamiast pytania o pozwolenie na wszystko.

Tak samo oceniam gotową odpowiedź przed udostępnieniem jej dalej. W mojej procedurze podsumowanie zachowuje ograniczenia wynikające z zawartych w nim informacji. Usuwam poufne szczegóły z wersji dla szerszego grona i daję właścicielowi raportu do oceny dokładnie tę wersję, którą zamierzam wysłać.

Przećwicz decyzję na jednym raporcie

Na start wybierz jedno cykliczne zadanie i przejdź jego drogę od źródła do odbiorcy. Przy każdym etapie zanotuj potrzebne kolumny, środowisko pracy oraz osobę odpowiedzialną. Potem przygotuj fikcyjny przykład i kartę. Tak wprowadzam temat „Bezpieczny start” z pierwszego tygodnia programu: przez konkretny materiał i jednoznaczną decyzję.

Ustalam też prostą drogę zgłoszenia pomyłki. Gdy do rozmowy trafi niewłaściwy plik, pracownik przerywa dalsze przekazywanie danych i zgłasza zdarzenie wyznaczonej osobie, podając usługę, czas oraz zakres materiału. Zespół odpowiedzialny za incydenty ocenia dalsze działania. Procedura ma działać również wtedy, gdy ktoś jest spóźniony na spotkanie.

Najważniejsze pytania i odpowiedzi

Czy usunięcie nazwisk wystarczy, żeby wkleić dane do AI?

Nie. Pozostałe kolumny i dodatkowe informacje mogą pozwolić na rozpoznanie osoby. Zamiana nazwiska na identyfikator jest przykładem pseudonimizacji. Ocenę materiału trzeba oprzeć także na rzadkich cechach, możliwości łączenia danych oraz poufności informacji biznesowych.

Czy płatne konto oznacza zgodę firmy na przesyłanie danych?

Sama opłata za konto nie jest firmową decyzją o dopuszczeniu danych. Zasady powinny wskazywać usługę, właściwe konto, ustawienia, dozwolony materiał i cel użycia, a także osobę odpowiedzialną za zatwierdzenie zakresu.

Od czego zacząć, gdy firma nie ma jeszcze zasad AI?

Przygotuj zadanie na całkowicie fikcyjnych danych i kartę dopuszczenia do uzgodnienia z właścicielem procesu oraz osobami odpowiedzialnymi za bezpieczeństwo i ochronę danych. Do czasu decyzji pozostaw rzeczywiste informacje firmowe w zatwierdzonym środowisku.

Źródła

Autor

Kajo Rudziński

Przedsiębiorca, były analityk biznesowy i data architect

Pracował w Lufthansie i Zooplusie jako analityk, BI developer i data architect. Dziś uczy analizy danych i przebranżowienia w ramach KajoData.

KajoData

Przy pracy nad artykułem użyto w zautomatyzowany sposób sztucznej inteligencji. Jeśli też chcesz tak umieć, sprawdź ten projekt.

Chcesz przećwiczyć to na własnych danych?

Analiza z AI to 6 tygodni praktyki z Kajo i Kasią. Start 11 stycznia 2027.

Dołącz do kursu