AI w anonimizacji dokumentów. Co może zrobić system, a co powinien sprawdzić człowiek?

Jak bezpiecznie wykorzystać AI do anonimizacji dokumentów? Poznaj możliwości automatycznej analizy, typowe błędy i rolę pracownika urzędu.

Ręczne wyszukiwanie danych w kilkudziesięciu stronach uzasadnienia, załączników i skanów jest powolne. Jest też podatne na zwykłe zmęczenie. Sztuczna inteligencja może w kilka chwil wskazać nazwiska, adresy, numery identyfikacyjne oraz fragmenty opisujące prywatną sytuację osoby.

Nie oznacza to, że algorytm powinien samodzielnie decydować o zakresie jawności dokumentu. Najbezpieczniejszy model łączy szybkość analizy automatycznej z decyzją i kontrolą upoważnionego pracownika.

Co AI potrafi zrobić dobrze?

Klasyczne reguły łatwo wykrywają dane o stałym formacie, np. PESEL, numer telefonu lub adres e-mail. Modele językowe potrafią dodatkowo analizować kontekst. Dzięki temu mogą zauważyć, że sformułowanie opisuje stan zdrowia, relację rodzinną, sytuację mieszkaniową albo zdarzenie pozwalające rozpoznać mieszkańca.

System może wspierać urząd w kilku etapach:

rozpoznać tekst w cyfrowym PDF i skanie;
oznaczyć potencjalne dane osobowe;
pogrupować oznaczenia według kategorii;
znaleźć powtórzenia tej samej informacji na wielu stronach;
pokazać użytkownikowi kontekst każdego wskazania;
utworzyć kopię po zatwierdzeniu redakcji;
ułatwić końcową kontrolę dokumentu.

Największą korzyścią nie jest całkowite usunięcie człowieka z procesu. Jest nią skierowanie jego uwagi na miejsca, których ręczne wyszukiwanie zajęłoby dużo czasu.

Gdzie system może się pomylić?

Nie wykryje informacji

Niewyraźny skan, odręczny dopisek, nietypowy układ tabeli albo lokalny skrót mogą pozostać nierozpoznane. Model może także nie wiedzieć, że opis „jedyny lekarz tej specjalności w gminie” identyfikuje konkretną osobę.

Oznaczy zbyt wiele

AI może zaproponować usunięcie nazwiska radnego lub burmistrza, mimo że w danym kontekście informacja dotyczy wykonywania funkcji publicznej i powinna pozostać jawna. Sam fakt, że tekst jest daną osobową, nie przesądza o jego usunięciu.

Błędnie odczyta skan

Jeśli OCR pomyli znaki lub pominie fragment, dalsza analiza pracuje na niepełnym tekście. Dlatego przy skanach trzeba kontrolować zarówno wynik rozpoznania, jak i obraz strony.

Nie zna pełnego kontekstu sprawy

Dokument nie zawsze zawiera informację, że dana osoba wyraziła zgodę, pełni określoną funkcję albo że jawność wynika z przepisu szczególnego. Decyzja wymaga wiedzy, której system może nie otrzymać.

Człowiek powinien zatwierdzać, a nie tylko obserwować

Przycisk „zaakceptuj wszystko” jest wygodny, ale osłabia kontrolę. Interfejs powinien pozwalać zobaczyć każde oznaczenie w kontekście strony, odrzucić błędną sugestię, dodać własny obszar i wrócić do całego dokumentu przed eksportem.

Odpowiedzialny proces obejmuje co najmniej:

ustalenie celu i podstawy publikacji;
automatyczną analizę;
decyzję pracownika o każdym typie informacji;
ręczny przegląd stron, w tym elementów graficznych;
trwałą redakcję zaakceptowanych fragmentów;
techniczną kontrolę kopii;
dodatkową weryfikację przy dokumentach wysokiego ryzyka.

Jak ocenić system do anonimizacji?

Podczas testów warto używać rzeczywistych typów dokumentów, ale w bezpiecznym środowisku i zgodnie z zasadami urzędu. Zestaw testowy powinien obejmować cyfrowe PDF, skany, tabele, pieczęcie, odręczne dopiski oraz dane pośrednio identyfikujące.

Sprawdź nie tylko liczbę poprawnych oznaczeń. Oceń także:

ile istotnych danych system pominął;
ile błędnych sugestii musi przejrzeć pracownik;
czy pokazuje powód i kategorię oznaczenia;
czy pozwala łatwo dodać własną redakcję;
czy wynikowy plik rzeczywiście usuwa treść;
gdzie odbywa się przetwarzanie;
jak długo dokument jest przechowywany;
kto ma do niego dostęp;
czy dostępne są dzienniki działań i mechanizmy usuwania danych;
czy dostawca jasno opisuje podwykonawców i zabezpieczenia.

Skuteczność należy mierzyć osobno dla różnych kategorii dokumentów. Dobry wynik na uchwałach tworzonych cyfrowo nie przesądza o jakości analizy słabych skanów odręcznych formularzy.

Ochrona danych już na etapie projektu

Art. 25 RODO wymaga uwzględniania ochrony danych w fazie projektowania i domyślnej ochrony danych. W praktyce oznacza to między innymi ograniczenie dostępu, czasu przechowywania i zakresu danych do tego, co jest potrzebne.

Przed wdrożeniem urząd powinien opisać przepływ dokumentu: skąd jest pobierany, gdzie trafia do analizy, kiedy powstaje kopia i kiedy pliki są usuwane. Trzeba ustalić role administratora i podmiotu przetwarzającego, podstawę korzystania z usługi oraz wymagane zabezpieczenia. IOD powinien zostać włączony na tyle wcześnie, aby jego uwagi mogły zmienić projekt, a nie jedynie zatwierdzić gotowe rozwiązanie.

UODO podkreśla również nieodwracalność anonimizacji i ryzyko ponownej identyfikacji. W przypadku dokumentów publikowanych publicznie szczególnie ważne jest sprawdzenie, czy pozostałe szczegóły nie pozwalają odtworzyć tożsamości osoby.

Dobra automatyzacja pozostawia ślad decyzji

System powinien rejestrować, kto rozpoczął analizę, jakie oznaczenia zaakceptowano, kto utworzył kopię i kiedy plik usunięto. Dziennik nie powinien jednak przechowywać pełnej treści usuniętych danych dłużej, niż jest to potrzebne.

Takie podejście przyspiesza pracę i pomaga wykazać, że urząd stosuje kontrolowany proces. Pełny schemat opisujemy w poradniku Anonimizacja dokumentów krok po kroku.

Redakt wykorzystuje analizę AI do wskazywania potencjalnych danych, a decyzję pozostawia użytkownikowi. Dokumenty są przetwarzane w środowisku europejskim zgodnie z informacjami opisanymi na stronie bezpieczeństwa. Wypróbuj Redakt na własnym dokumencie.

Źródła

Przetestuj anonimizację w systemie Redakt

Redakt to aplikacja internetowa MWC do anonimizacji PDF i skanów. AI wskazuje dane do sprawdzenia, a po Twoim zatwierdzeniu system trwale usuwa wybrane treści z dokumentu.

Wypróbuj Redakt bezpłatnie Poznaj funkcje systemu

Powiązane publikacje

Wróć do publikacji

Producent: MWC Sp. z o.o., ul. Kowalewicka 12, 60-002 Poznań, NIP 7831678932. Kontakt: info@mwc.pl.