Begynder4 min læsningAI-sikkerhed og databeskyttelse

Databeskyttelse og datahygiejne, når du bruger AI på arbejdet

Kontrollér det konkrete produkt, abonnement, konfiguration, data og gældende regler for at reducere risici for privatliv og fortrolighed på arbejdet.

Hvad du bør kunne

God AI-datahygiejne på arbejdet begynder med én regel: Brug præcis det værktøj og den konfiguration, der er godkendt til de pågældende data. Tilføj et følsomhedstjek, dataminimering og menneskelig kontrol, hvor konsekvenserne kræver det.

Gemt kun i denne browser.
I denne artikel

Brug præcis det AI-værktøj, den konto og den konfiguration, der er godkendt til opgaven og dens data. Send derefter kun det, opgaven kræver, og kontrollér, hvor resultatet skal hen. Godkendelse af én produktfunktion dækker ikke automatisk en ny tilkobling, et kodeindeks eller en destination.

Begynd med arbejdspladsens politik. Denne guide omsætter politikken til en kontrol af et konkret input, herunder filer og forbindelser i baggrunden.

Følg hele vejen

Beskriv det foreslåede forløb på én linje: kilde, konto, AI-tjeneste, tilknyttede modtagere og outputdestination. Find ud af, hvem der kan tilgå prompts, filer, resultater og gemte registreringer langs hele vejen.

Kontrollér den gældende kontrakt og konfiguration for træningsbrug, feedback, opbevaring, sletning og administratoradgang. ChatGPTs Data Controls FAQ og Temporary Chat FAQ forklarer separate kontroller. At slå træning fra eller vælge en midlertidig tilstand giver ikke tilladelse til at behandle arbejdsmateriale, og ingen af betegnelserne dokumenterer nul opbevaring.

ICO’s interne politik er et nyttigt konkret eksempel på tilladelser til bestemte værktøjer og data. Irlands National Cyber Security Centre (NCSC) behandler i sin vejledning om AI-implementering fra 2026 også tilladt brug, kildehåndtering og hændelsesrespons som dele af arbejdsgangen. De er referencer, ikke erstatninger for din arbejdsgivers regler.

Klassificér inputtet, ikke appens omdømme

Brug organisationens kategorier. Som udgangspunkt kan du skelne mellem offentligt materiale, interne arbejdsoplysninger, fortrolige forretnings- eller personoplysninger og begrænset materiale, der kræver en afgørelse fra en udpeget specialist. Betegnelserne er ikke universelle juridiske klassifikationer.

Undersøg det faktiske indhold: kundeidentifikatorer, personaleoplysninger, private tal, adgangsoplysninger, intern arkitektur, kontraktvilkår eller beskyttede registreringer. Et offentligt dokument kan stadig indeholde personoplysninger eller indhold, du ikke må genbruge. En fortrolig vedhæftning bliver ikke offentlig, fordi filnavnet ser almindeligt ud.

Hold materialet ude, og spørg den ansvarlige, hvis godkendelsen er uafklaret. Brug ikke en personlig konto som omvej til en blokeret arbejdsfunktion.

Et minimalt kodeeksempel

Dette er et fiktivt undervisningseksempel.

En udviklers rigtige fejlfindingspakke indeholder kildekode, en adresse til et testmiljø, en token og en kundepost. Spørgsmålet er blot, hvordan et tal uden for det tilladte interval skal forklares. Et separat lille eksempel kan udtrykke problemet uden pakken:

Fiktiv regel: count skal være et heltal fra 1 til 5.
Testinput: count = 7.
Opgave: Foreslå en tydelig valideringsbesked udelukkende ud fra reglen.

Kontrolleret undervisningssvar: ”Indtast et heltal fra 1 til 5.” Hverken kodebase, værtsnavn, token eller kunde er nødvendig for at besvare dette spørgsmål om ordvalg.

Hvis den rigtige fejl afhænger af privat kode eller konfiguration, genskaber det lille eksempel måske ikke fejlen. Brug den godkendte udviklingsvej til det arbejde. Kald ikke et ændret problem løst, fordi det forenklede eksempel virkede.

Undersøg vedhæftninger, og fjern kun det unødvendige

Åbn den fil, du vil sende. Kontrollér skjulte ark, kommentarer, registrerede ændringer, vedhæftede sider og metadata, hvor det er relevant. Klargør en tilladt arbejdskopi uden at ødelægge registreringer, der skal bevares.

ICO’s vejledning om dataminimering forklarer, at personoplysninger skal være relevante og begrænset til formålet. Ændrede navne eller afrundede værdier dokumenterer ikke anonymitet. Afrunding kan også ødelægge den sammenhæng, du ville analysere. Brug den godkendte vej, hvis rigtige værdier er nødvendige; skab ellers syntetiske øvelsesdata fra bunden.

Betegnelsen ”lokal AI” kræver samme kontrol: Hvor foregår inferens, indeksering, telemetri, plugins, logning og sikkerhedskopiering faktisk? Lokal afvikling afgør ikke tilladelse til arbejdsbrug.

Gennemgå resultatet, og håndtér hændelser

Kontrollér væsentlige fakta og tilsagn, før resultatet føres ind i et andet system. En kundebesked, politikopsummering eller opgavefordeling kan få virkninger ud over udkastet. Følg den krævede gennemgang eller den udtrykkeligt godkendte automatiserede arbejdsgang og dens kontroller.

Stop den berørte anvendelse, hvis data kan have krydset en grænse, og brug straks den udpegede hændelsesprocedure. Registrér værktøj, konto, tidspunkt og datakategori uden at gentage videregivelsen. Bevar relevant dokumentation, og brug den godkendte procedure til at tilbagekalde eller udskifte eksponerede adgangsoplysninger. Lad de ansvarlige håndtere krav om underretning og sletning.

Brug datahygiejnetjeklisten til gentagne opgaver. Kontrollér igen, når en væsentlig del af forløbet ændres, ikke blot når nogen husker en generel privatlivsindstilling.