Гайд · Приватність і комплаєнс
Чи можна передавати дані клієнтів в LLM? Зазвичай так — якщо спершу зробити ось що.
Передача персональних даних хмарній моделі не є автоматично незаконною — і не є автоматично нормальною. За GDPR це така сама обробка, як будь-яка інша: потрібна правова підстава, належний договір з провайдером, законний механізм передачі за межі ЄС і дизайн, що не передає більше даних, ніж треба. Ось практичний чекліст.
Автор: Nythrex EngineeringОновлено 3 хв читання
- 01
Ваш застосунок
Збирає дані клієнтів
- 02
Мінімізація
Приховати · псевдонімізувати
- 03
AI-сервіс
Ваша хмара · логи й доступи
- 04
Провайдер моделі
DPA · регіон · строки зберігання
- 05
Відповідь
Фільтр виходу · зберігати лише потрібне
Шість питань, на які треба відповісти
- 1
1. Які персональні дані реально потрапляють у модель?
Складіть карту: імена, email, історія замовлень, вільний текст повідомлень (у якому може бути що завгодно), вкладення. Вільний текст — найскладніше: клієнти вставляють номери документів, медичні деталі й паролі.
- 2
2. Яка правова підстава — і чи вписується AI в початкову мету?
Якщо ви обробляєте звернення на підставі виконання договору, використання AI для допомоги з відповідями зазвичай ближче до початкової мети, ніж, скажімо, навчання нового продукту на них. Задокументуйте обґрунтування.
- 3
3. Чи пов'язаний провайдер DPA?
Великі AI-провайдери пропонують умови обробки даних для бізнес-клієнтів. Перевірте, що туди входить, список субобробників і зобов'язання щодо безпеки.
- 4
4. Де дані обробляються й зберігаються?
Низка провайдерів і хмарних платформ пропонує зберігання в ЄС чи регіональні розгортання. Якщо дані залишають ЄЕЗ, потрібен механізм передачі — наприклад, EU–US Data Privacy Framework для сертифікованих американських компаній або стандартні договірні положення.
- 5
5. Чи використовуються дані для навчання й скільки зберігаються?
Більшість великих провайдерів заявляють, що дані бізнес-API за замовчуванням не використовуються для навчання, а багато хто зберігає вхідні дані обмежений час для моніторингу зловживань — з опціями скоротити зберігання для відповідних клієнтів. Перевіряйте актуальні умови для конкретного продукту й тарифу.
- 6
6. Чи потрібна DPIA?
Якщо обробка ймовірно становить високий ризик — великі обсяги чутливих даних, систематичний моніторинг, автоматизовані рішення зі значним впливом — потрібна оцінка впливу на захист даних. Багато AI-сценаріїв в HR, фінансах чи медицині сюди потрапляють.
Приватність за задумом: патерни, які ми використовуємо
| Патерн | Що робить |
|---|---|
| Приховування PII перед моделлю | Виявляє й маскує імена, email, телефони, номери; відновлює у відповіді лише там, де потрібно |
| Псевдонімізація | Замінює ідентифікатори клієнтів токенами; відповідність зберігається у вашій системі |
| Пошук із правами доступу | Модель бачить лише документи, до яких має доступ користувач |
| Регіональне розгортання | Ендпоінти моделей і сховища даних в ЄС (або потрібному вам регіоні) |
| Мінімальне логування | Логувати лише потрібне для якості й аудиту, зі строками зберігання й контролем доступу |
| Self-hosted моделі | Для найсуворіших випадків — open-weight моделі на вашій інфраструктурі, без стороннього обробника |
А EU AI Act?
GDPR регулює персональні дані; AI Act — AI-системи за рівнем ризику. Вони діють паралельно. Більшість AI для підтримки чи документів не є високоризиковими за AI Act, але можуть діяти обов'язки прозорості (наприклад, повідомляти людям, що вони спілкуються з AI). Див. EU AI Act для продуктових команд.
Чекліст перед запуском
Часті питання
Читайте також
Потрібен другий погляд на ваш проєкт?
Розкажіть, що ви будуєте і де застрягли. Протягом одного робочого дня відповімо з найпрактичнішим наступним кроком — навіть якщо цей крок не з нами.