Wdrożenie AI rzadko tworzy nową czynność przetwarzania. Częściej zmienia istniejącą: ta sama rekrutacja, ta sama obsługa reklamacji, tylko dane idą teraz przez model, którego rok temu nie było w architekturze. Rejestr z art. 30 RODO tego nie odnotował, bo nikt go od tamtej pory nie otwierał.
To najczęstsza luka, jaką widzimy przy przeglądach procesów. Nie brak rejestru. Rejestr opisujący stan sprzed wdrożenia narzędzia, kompletny na pierwszy rzut oka i nieprawdziwy w trzech polach.
Pięć pól, które zwykle wymagają dopisania
- Kategorie odbiorców. Jeśli zapytanie zawierające dane osobowe wychodzi do usługi zewnętrznej, jej dostawca jest podmiotem przetwarzającym i potrzebna jest umowa powierzenia. Zdanie „nasi ludzie wklejają tam tylko fragmenty” niczego w tej kwalifikacji nie zmienia.
- Kategorie danych faktyczne, nie planowane. W polu zapytania ląduje to, co wklei pracownik: życiorys kandydata, fragment umowy, wiadomość od klienta razem z numerem PESEL w stopce.
- Transfer poza EOG, jeśli model działa poza Europą. Trzeba wskazać podstawę, zwykle decyzję o adekwatności albo standardowe klauzule umowne, i wpisać ją do rejestru, a nie trzymać w korespondencji z dostawcą.
- Okres przechowywania treści zapytań i odpowiedzi. Osobna pozycja, prawie zawsze pomijana, bo dane powstają w dwóch miejscach naraz: po stronie dostawcy i w logach własnej aplikacji.
- Zautomatyzowane podejmowanie decyzji, jeśli wynik modelu o czymś wobec osoby przesądza, a nie tylko podpowiada człowiekowi. To pole ma dalsze konsekwencje, bo uruchamia art. 22 RODO i obowiązek informacyjny o logice przetwarzania.
Logi zapytań to zbiór danych, nie plik techniczny
Najłatwiej to przeoczyć, bo logi zwykle należą do zespołu technicznego, a rejestr prowadzi ktoś inny. Tymczasem historia zapytań do modelu bywa najbogatszym zbiorem danych osobowych w całym wdrożeniu: zawiera to, co użytkownicy wkleili, w postaci nieprzetworzonej, często z załącznikami.
Dwa pytania do dostawcy, oba na piśmie: jak długo przechowuje treść zapytań i czy używa jej do trenowania modeli. Odpowiedź wpisuje się do rejestru i do umowy powierzenia. Trzecie pytanie zadaje się własnemu zespołowi: ile trzymamy w swoich logach i czy ktoś kiedykolwiek ustawił im retencję.
Kiedy potrzebna jest ocena skutków
Art. 35 RODO wymaga oceny skutków dla ochrony danych, gdy przetwarzanie może powodować wysokie ryzyko naruszenia praw i wolności. Rozporządzenie wskazuje wprost trzy przypadki: systematyczną i kompleksową ocenę czynników osobowych opartą na zautomatyzowanym przetwarzaniu, przetwarzanie na dużą skalę danych szczególnych kategorii oraz systematyczne monitorowanie miejsc dostępnych publicznie. Prezes UODO opublikował ponadto wykaz rodzajów operacji, dla których taka ocena jest wymagana.
Sam fakt użycia modelu językowego nie przesądza o niczym. Przesądza cel: profilowanie kandydatów, scoring klientów, analiza nagrań rozmów. Jeśli ocena wychodzi negatywna, czyli ryzyko wysokie, to nie koniec drogi, tylko wskazówka, gdzie dołożyć zabezpieczenia. Jedno z najskuteczniejszych opisaliśmy w praktycznym przewodniku po anonimizacji.
Obowiązek informacyjny, gdy dane nie pochodzą od osoby
Przy zasilaniu modelu albo bazy danymi z rejestrów publicznych, ze stron internetowych czy od partnera handlowego stosuje się art. 14 RODO. Wymaga on poinformowania osoby, że jej dane są przetwarzane, wskazania źródła i zrobienia tego zwykle w ciągu miesiąca. Firmy, które zbudowały bazę kontaktów z publicznych rejestrów, mają ten obowiązek niezależnie od tego, czy dołożyły do procesu AI, czy nie. AI go tylko uwidacznia, bo skala rośnie.
Model lokalny skraca listę odbiorców, ale nie jest darmowy
Uruchomienie modelu na własnej infrastrukturze usuwa z rejestru zewnętrznego odbiorcę i cały wątek transferu poza EOG. Kosztuje za to sprzęt, jego utrzymanie i aktualizacje, a modele, które da się uruchomić lokalnie, wypadają w części zadań słabiej niż największe komercyjne. Trzeźwy rachunek wygląda tak: przy danych wrażliwych albo przy transferze, którego dział prawny i tak nie zaakceptuje, lokalny model wygrywa nawet mimo gorszej jakości; przy zadaniach na danych publicznych zwykle przegrywa.
Druga droga to anonimizacja albo pseudonimizacja przed wysłaniem zapytania na zewnątrz. Wtedy zewnętrzny dostawca w ogóle nie dostaje danych osobowych, a w rejestrze zostaje jedynie czynność wewnętrzna.
Jak sprawdzić własny rejestr w godzinę
- Wypiszcie narzędzia AI faktycznie używane w firmie, razem z tymi, których nikt formalnie nie wdrażał, a które ludzie otworzyli w przeglądarce.
- Dla każdego odpowiedzcie na jedno pytanie: czy trafiają tam dane osobowe, choćby w załączniku albo we wklejonym fragmencie korespondencji.
- Dla tych, przy których odpowiedź brzmi „tak”, znajdźcie odpowiadającą czynność w rejestrze i sprawdźcie pięć pól z początku tego tekstu.
- Brakujące pozycje dopiszcie od razu, choćby w wersji roboczej. Rejestr niekompletny, ale aktualizowany, broni się w kontroli lepiej niż elegancki i nieprawdziwy.
FAQ
Czy trzeba tworzyć nową czynność przetwarzania dla samego narzędzia AI?
Zwykle nie. Narzędzie jest sposobem realizacji istniejącego celu, więc aktualizuje się opis istniejącej czynności. Osobną pozycję zakłada się wtedy, gdy pojawia się nowy cel, na przykład analiza nagrań rozmów, której wcześniej nie prowadzono.
Co, jeśli pracownicy używają narzędzi AI bez zgody działu IT?
To zdarza się częściej niż deklaracje w ankietach wewnętrznych sugerują i jest realnym problemem prawnym, bo administratorem pozostaje firma. Kolejność działań: ustalcie stan faktyczny, dopiero potem wprowadzajcie zakazy. Zakaz wydany bez wiedzy, kto i po co używa danego narzędzia, przenosi używanie na telefony prywatne.
Czy ten obowiązek dotyczy małych firm?
Art. 30 ust. 5 przewiduje wyłączenie dla podmiotów zatrudniających mniej niż 250 osób, ale nie stosuje się go, gdy przetwarzanie nie ma charakteru sporadycznego. Przetwarzanie danych pracowników i klientów sporadyczne nie jest, więc w praktyce rejestr prowadzi niemal każda firma prowadząca stałą działalność.
Sprawdźmy Państwa rejestr
Przegląd rejestru pod kątem faktycznie używanych narzędzi AI to zwykle kilka godzin pracy, a wynik jest konkretny: lista pozycji do poprawienia i wskazanie, gdzie dane wychodzą poza firmę. Ten tekst jest opisem praktyki, nie opinią prawną dla konkretnego przypadku. Umówmy bezpłatną konsultację przez formularz kontaktowy.