# Prywatność dokumentów w AI: poradnik

Korzystaj z czołowych modeli AI z tokenami zamiast wykrytych danych osobowych. Oceń ochronę promptów, lokalne usuwanie danych z dokumentów i retencję.

W trybie `tokenize` Sluis zastępuje wykryte dane osobowe tokenami oznaczonymi kategorią przed żądaniem do dostawcy. Model pracuje bez otrzymywania tych oryginalnych wartości, a Sluis przywraca je w odpowiedzi; mapy tokenów nigdy nie trafiają do dostawcy. Ustal, czy potrzebujesz tego zarządzanego przepływu, czy dokumentu z usuniętymi danymi do udostępnienia: to różne zakupy.

## Odróżnij usuwanie danych od pseudonimizacji

Lokalne usuwanie danych eliminuje wybrane informacje z dokumentu wynikowego. Pseudonimizacja promptów wykorzystuje natomiast odwracalne tokeny w zarządzanej usłudze Sluis, nie na twojej własnej infrastrukturze. Wykrywanie jest niedoskonałe, a pozostały kontekst nadal może identyfikować osobę: to nie gwarancja anonimowości ani zgodności z RODO.

Scenariusz ilustracyjny: dział prawny potrzebuje kopii dla odbiorcy zewnętrznego i wewnętrznego podsumowania AI. Oceń dokument z usuniętymi danymi do udostępnienia oraz osobny proces pseudonimizacji promptu do podsumowania.

- [ ] Określ odbiorcę i format wyniku.
- [ ] Ustal, czy ponowna identyfikacja ma być możliwa.
- [ ] Zleć ocenę pozostałego kontekstu identyfikującego.

## Fikcyjny przykład: spersonalizowane zaproszenie od kadr

Ten przykład jest całkowicie wymyślony i pokazuje przepływ, nie test ani dowód skuteczności wykrywania.

1. Przed ochroną: „Przygotuj zaproszenie na rozmowę dla Anny Nowak, anna.nowak@firma.example”.
2. Tekst wysłany do dostawcy: „Przygotuj zaproszenie na rozmowę dla «PERSON_NAME_1», «EMAIL_1»”. Dostawca widzi tokeny zamiast chronionych wartości, nie mapę z oryginałami.
3. Szkic zwrócony przez model: „Do: «EMAIL_1». Cześć «PERSON_NAME_1», zapraszamy cię na rozmowę”.
4. Wynik dla ciebie po przywróceniu wartości: „Do: anna.nowak@firma.example. Cześć Anna Nowak, zapraszamy cię na rozmowę”.

Zespół otrzymuje spersonalizowany szkic do sprawdzenia bez przekazywania modelowi chronionych wartości w oryginale.

## Testuj lokalny proces na trudnych plikach

Anonimizacja dokumentów Sluis korzysta z lokalnego API dla PDF, DOCX, obrazów i tekstu, z OCR. Nieczytelne obszary są niszczone zamiast zgadywane, co może również usuwać użyteczne treści.

Przy procesach cyklicznych lub wsadowych testuj rzeczywiste pliki przed integracją. Sprawdź czytelność, pominięcia, przepustowość i zachowanie API; jednorazowe użycie nie potwierdza gotowości do produkcji.

- [ ] Uwzględnij skany, obrazy i strony niskiej jakości.
- [ ] Sprawdź pominięte identyfikatory i utratę znaczenia.
- [ ] Zweryfikuj wymagania wsadowe i lokalne granice przetwarzania.

## Poznaj tryby ochrony promptów i ich ograniczenia

W trybie `tokenize` ochrona stosuje odwracalne tokeny. `mask` nieodwracalnie maskuje wykryte wartości, a `block` blokuje żądanie po ich wykryciu. `allow_log` tylko zapisuje wykrycie i wysyła niezmieniony tekst: nie przekształca ani nie blokuje treści.

Wykrywanie nie jest doskonałe i nie obejmuje każdej ścieżki. Definicje narzędzi nie są skanowane, a dane wejściowe embeddingów mogą przechodzić bez skanowania zależnie od polityki. Tokenów w wygenerowanych multimediach nie można przywrócić. Skanowanie bezpieczeństwa jest opcjonalne. Testuj pominięte identyfikatory, pozostały kontekst i wstrzykiwanie instrukcji bez zakładania pełnej ochrony.

Opcjonalna inspekcja przez model hostowany otrzymuje pozostały kwalifikujący się tekst po ochronie lokalnej, który nadal może zawierać niewykryte identyfikatory. Sluis weryfikuje dopasowania i stosuje ochronę lokalnie; mapy tokenów nigdy nie trafiają do dostawcy. Opcja zwiększa koszt i opóźnienie oraz musi spełniać twoją politykę lokalizacji danych.

- [ ] Dobierz tryb do każdej kategorii informacji.
- [ ] Testuj pominięte identyfikatory i pośredni kontekst.
- [ ] Sprawdź skanowanie oraz niechronione ścieżki treści.

## Podejmuj osobne decyzje o retencji i audycie

Sprawdź i skonfiguruj osobno retencję treści Sluis, oryginałów i historii Workspace. Warunki dostawców oceń niezależnie. Metadane są zachowywane. Tokenizacja nie oznacza zerowej retencji.

Ślad audytowy połączony łańcuchem skrótów pomaga oceniać zapisane działania, ale nie potwierdza legalności ani pełnego wykrywania. Uzgodnij usuwanie, dostęp recenzentów i eskalację przed pracą z danymi wrażliwymi, korzystając z dokumentacji.

- [ ] Ustaw retencję przed wysłaniem danych wrażliwych.
- [ ] Sprawdź usuwanie i zachowywane metadane.
- [ ] Udokumentuj zatwierdzanie i eskalację niepewnych przypadków.

## Pytania przed wyborem

### Czy odwracalna tokenizacja jest anonimizacją według RODO?

Odwracalność jest powodem, by tego nie zakładać. Traktuj ją jako pseudonimizację i oceń pozostałe dane, dostęp do ponownej identyfikacji oraz kontekst prawny z osobą odpowiedzialną za prywatność.

### Czy OCR bezpiecznie odtwarza nieczytelny tekst?

Opisany proces niszczy nieczytelne obszary zamiast zgadywać treść. Sprawdź utracone informacje i uzyskaj lepsze źródło, jeśli brakujący tekst ma znaczenie.

### Czy maskowanie oznacza brak przechowywania danych?

Nie. Przekształcanie i retencja to osobne mechanizmy. Sprawdź ustawienia Sluis dla treści, oryginałów i historii Workspace; metadane pozostają, a warunki dostawców wymagają osobnej oceny.

## Dokumentacja i kolejne kroki

- [Przeczytaj źródło: /docs/data-protection](/docs/data-protection)
- [Sluis Gateway](/gateway)
- [Sluis Workspace](/sluis-workspace)
- [Sluis Edge](/edge)
- [Przeczytaj źródło: /pricing](/pricing)
- [Przeczytaj źródło: /docs/limits](/docs/limits)