Co się dzieje z Twoimi danymi w LLM? RODO, bezpieczeństwo i bezpieczne użycie w firmie
Kiedy pracownik firmy wkleja do ChatGPT fragment umowy z klientem albo dane z reklamacji, żeby model pomógł napisać odpowiedź, gdzie tak naprawdę trafiają te informacje? Czy mogą zostać użyte do trenowania modelu? Kto ma do nich dostęp? I czy firma narusza RODO, jeśli o tym nie wie?
To nie są pytania akademickie. To jedno z pierwszych pytań, które słyszę od przedsiębiorców, kiedy zaczynamy rozmawiać o wdrożeniu AI. W tym artykule wyjaśniam, jak to naprawdę działa, co różni konto prywatne od konta firmowego i co powinna zrobić firma, która chce korzystać z LLM legalnie i bezpiecznie.
Dwa zupełnie różne scenariusze: prywatny użytkownik a firma
Pierwsza i najważniejsza rzecz do zrozumienia: sposób, w jaki dostawca traktuje Twoje dane, zależy nie od tego, jakiego modelu używasz, ale od tego, przez jaki kanał do niego wchodzisz.
Większość pracowników korzysta z darmowych lub osobistych kont, bo są pod ręką, bezpłatne i działają od razu. To jest właśnie ten kanał, który z punktu widzenia ochrony danych jest najbardziej ryzykowny. Konta konsumenckie rządzą się logiką usług masowych: dostawca świadczy usługę w zamian za możliwość korzystania z danych do różnych celów, w tym do poprawiania modelu.
Biznesowe plany i API to zupełnie inna kategoria. Tutaj relacja jest oparta na umowie, dane objęte są zobowiązaniami poufności, a dostawca z reguły wprost deklaruje, że nie trenuje modeli na danych klientów biznesowych.
Co robią z danymi poszczególni dostawcy?
Polityki prywatności zmieniają się i trzeba to śledzić. Opisuję stan aktualny w momencie pisania tego tekstu, ale przed wdrożeniem w firmie zawsze zalecam weryfikację bezpośrednio w dokumentacji dostawcy.
OpenAI (ChatGPT): Dane z planów biznesowych, takich jak ChatGPT Enterprise, ChatGPT Business oraz API, domyślnie nie są używane do trenowania modeli. Konto konsumenckie domyślnie zgadza się na trenowanie, choć OpenAI pozwala wyłączyć tę opcję bez utraty historii rozmów. Ważny szczegół z 2025 roku: nakaz sądowy w toczącym się postępowaniu wymagał od OpenAI zachowania części danych konsumenckich i z API. Konta konsumenckie należy traktować jako nieodpowiednie do pracy z danymi wrażliwymi.
Anthropic (Claude): Anthropic zmieniło politykę w 2025 roku: rozmowy z kont konsumenckich (Free, Pro, Max) są od 8 października 2025 domyślnie używane do trenowania modeli, chyba że użytkownik wyłączy tę opcję. Plany API i Enterprise pozostają wyłączone z trenowania. Od września 2025 roku logi z API są przechowywane przez 7 dni zamiast dotychczasowych 30, co poprawia pozycję Claude w kontekście zgodności z przepisami.
Google (Gemini): Darmowe konto domyślnie trenuje modele, a wyłączenie tej opcji wymaga dezaktywacji "Gemini Apps Activity", co skutkuje utratą historii rozmów. Dostęp przez Google Cloud (Vertex AI) objęty jest umowną gwarancją, że dane nie są używane do trenowania modeli podstawowych.
Wspólny mianownik jest jeden: im bardziej biznesowy kanał dostępu, tym lepsze warunki prywatności. Bezpłatne konto osobiste to najsłabsza ochrona.
Co to oznacza dla RODO?
Kiedy pracownik firmy wpisuje do LLM dane osobowe, czyli imię i nazwisko klienta, numer sprawy, treść korespondencji, dane zdrowotne czy dane z umowy, firma staje się administratorem danych osobowych w rozumieniu RODO, a dostawca LLM staje się podmiotem przetwarzającym.
Między firmą a dostawcą powinna więc istnieć umowa powierzenia przetwarzania danych, po angielsku Data Processing Agreement, czyli DPA. Większość dużych dostawców udostępnia standardowy DPA jako część warunków planów biznesowych. Problem polega na tym, że jako radca prawny z doświadczeniem w RODO mówię wprost: standardowy DPA od dostawcy SaaS to dokument, który przede wszystkim chroni dostawcę, nie Twoją firmę.
Nie możesz negocjować listy podprzetwarzających, nie masz realnego wpływu na lokalizację serwerów, nie przysługuje Ci prawo audytu, a mechanizmy egzekwowania naruszeń są dla małej lub średniej firmy praktycznie iluzoryczne wobec globalnego podmiotu. Formalnie "coś jest", ale realna ochrona jest bardzo ograniczona. Firmy, które dostają coś więcej, czyli określone lokalizacje przetwarzania, prawo do audytu, dedykowane środowiska i gwarancje bezpieczeństwa, to wielkie korporacje, banki i ubezpieczalnie, które negocjują indywidualne kontrakty enterprise. MŚP tego nie dostaje.
Moje stanowisko: danych klientów nie wysyłamy przez publiczne LLM
Po analizie dostępnych warunków i z perspektywy odpowiedzialności za bezpieczeństwo danych, moja rekomendacja jest jednoznaczna: danych klientów ani żadnych danych wrażliwych nie wysyłamy przez publiczne interfejsy LLM. Nie dlatego, że dostawcy są nieuczciwi, ale dlatego, że nie ma dziś mechanizmu, który dawałby małej lub średniej firmie realną kontrolę nad tym, co dzieje się z tymi danymi po drugiej stronie.
To nie jest zakaz korzystania z AI. To jest zasada, która mówi: AI tak, ale z głową. Do pracy z własnymi tekstami, szkicami dokumentów, researchem ogólnym, redakcją pism, LLM jest świetnym narzędziem. Do przetwarzania danych klientów potrzebne jest inne podejście.
Rozwiązaniem, które realnie zmienia tę sytuację, są dwie ścieżki. Pierwsza to modele lokalne, działające na własnej infrastrukturze firmy, gdzie dane w ogóle nie opuszczają środowiska organizacji. Druga to anonimizacja przed wysłaniem, czyli usunięcie lub zastąpienie danych identyfikujących zanim dokument trafi do modelu. Jeśli model dostaje tekst bez imion, numerów spraw i jakichkolwiek danych pozwalających zidentyfikować osobę, problem przetwarzania danych osobowych w dużej mierze znika.
Właśnie temu służy narzędzie, które wkrótce udostępnię: anonimizator dokumentów prawnych, który pozwala przygotować pismo lub umowę do analizy przez LLM bez ryzyka naruszenia RODO. O szczegółach napiszę osobno, ale już tutaj chciałem pokazać, skąd wziął się pomysł i jaki problem rozwiązuje.
Trenowanie a inference, czyli ważne rozróżnienie
Wiele osób myśli o tym problemie zbyt binarnie: albo dane są bezpieczne, albo "wyciekają". Rzeczywistość jest bardziej złożona i warto ją zrozumieć.
Inference to moment, gdy wpisujesz zapytanie i model generuje odpowiedź. Dane przepływają przez serwery dostawcy, model je przetwarza i zwraca wynik. Nawet jeśli dane nie są używane do trenowania, przez chwilę istnieją na serwerach dostawcy. Dostawcy z reguły szyfrują dane w tranzycie i w spoczynku, a logi są usuwane po określonym czasie.
Trenowanie to zupełnie inny proces: model uczy się na zebranych danych, żeby stać się lepszy przy kolejnych zapytaniach. To jest moment, w którym dane "wchodzą" do modelu i mogą teoretycznie wpłynąć na to, jak odpowiada innym użytkownikom. Dlatego właśnie kwestia, czy dany plan obejmuje trenowanie na danych użytkownika, jest tak ważna.
Dla firmy pracującej z danymi klientów istotne są oba etapy, ale z różnych powodów. Inference wymaga pewności co do szyfrowania i czasu retencji logów. Trenowanie wymaga jasnej umowy, że się nie odbywa.
Co powinna zrobić firma?
Pierwszym i najważniejszym krokiem jest ustalenie zasady zanim pracownicy sami ją "ustalą" na własną rękę. W większości firm, które do mnie trafiają, AI jest już używana przez pracowników, zanim firma formalnie podjęła jakąkolwiek decyzję w tej sprawie. To nie jest wyjątek, to reguła. I to jest moment, w którym dane klientów najczęściej trafiają w nieodpowiednie miejsca.
Drugim krokiem jest ustalenie, kto w firmie korzysta z jakich narzędzi i czy robi to z danymi osobowymi lub poufnymi. Jeśli tak, trzeba sprawdzić, na jakich kontach, czy istnieje DPA z dostawcą i jaka jest polityka retencji danych.
Trzecim krokiem jest wybór odpowiedniego planu lub narzędzia. Przejście na konto biznesowe z DPA poprawia sytuację formalną, ale jak już wyjaśniłem, nie daje realnej ochrony przy danych wrażliwych. Przy danych klientów jedynym bezpiecznym rozwiązaniem pozostaje anonimizacja przed wysłaniem lub model lokalny.
Czwartym krokiem jest polityka wewnętrzna: jasne zasady dla pracowników, co wolno wpisywać do narzędzi AI, a czego nie. Nawet przy najlepszej umowie z dostawcą pracownik, który wkleja do modelu całą bazę klientów, narusza RODO, bo nie ma podstawy prawnej dla takiego przetwarzania.
FAQ
Czy mogę korzystać z ChatGPT do pracy z danymi klientów? W praktyce nie, chyba że korzystasz z dedykowanego wdrożenia enterprise z indywidualnie negocjowaną umową. Standardowy plan Business z DPA spełnia wymogi formalne, ale nie daje realnej kontroli nad danymi. Bezpiecznym rozwiązaniem jest anonimizacja dokumentu przed wysłaniem.
Co to jest DPA i czy naprawdę mnie chroni? DPA to umowa powierzenia przetwarzania danych wymagana przez RODO. Dostawcy planów biznesowych oferują standardowy DPA, ale jest to dokument jednostronny, przygotowany przez dostawcę. Spełnia wymóg formalny, jednak nie daje małej firmie realnych narzędzi egzekwowania naruszeń ani kontroli nad tym, gdzie i jak dane są przetwarzane.
Czy AI "zapamiętuje" dane klientów między sesjami? Model sam w sobie nie przechowuje informacji między sesjami, chyba że konkretna funkcja, na przykład pamięć długoterminowa, jest włączona. Dane mogą jednak istnieć w logach systemowych przez czas określony polityką retencji danego planu.
Czy pracownik może korzystać z prywatnego konta AI do pracy? Formalnie tak, ale firma nie ma wtedy żadnej kontroli nad tym, co dzieje się z danymi. Z punktu widzenia RODO to firma odpowiada za dane klientów, nawet jeśli to pracownik wkleił je na prywatnym koncie.
Co grozi firmie za naruszenie? Kary z RODO mogą sięgać 4% globalnego rocznego obrotu lub 20 mln EUR, zależnie od tego, która kwota jest wyższa. Poza sankcjami finansowymi istnieje też ryzyko reputacyjne i odpowiedzialność cywilna wobec osób, których dane zostały naruszone.
Chcesz to poukładać w swojej firmie?
Kwestia bezpiecznego i zgodnego z prawem korzystania z AI to nie problem techniczny, to problem organizacyjny i prawny. Wymaga oceny narzędzi, które firma już używa, doboru odpowiednich planów u dostawców, podpisania właściwych umów i przeszkolenia pracowników.
Pomagam firmom przejść przez ten proces od początku do końca: audyt aktualnego stanu, dobór narzędzi, DPA z dostawcami, polityka AI dla pracowników i ocena ryzyka pod RODO i AI Act. Jeśli chcesz wiedzieć, jak to wygląda w firmie takiej jak Twoja, napisz do mnie.
Kolejny artykuł serii to szczegółowe omówienie ChatGPT i modeli OpenAI, wraz z konkretnymi zastosowaniami w kancelarii i porównaniem planów.
Tekst ma charakter informacyjny i nie zastępuje indywidualnej porady prawnej.
Jeśli chcesz to przełożyć na swoją sytuację, zobacz compliance i RODO albo napisz do mnie.
Źródła
OpenAI - polityka prywatności i trenowania dla planów biznesowych. openai.com/enterprise-privacy
Anthropic - polityka prywatności, zmiany od października 2025. anthropic.com/legal/privacy
Google - warunki przetwarzania danych dla Google Cloud (Vertex AI). cloud.google.com/terms/data-processing-addendum
RODO art. 83 - wysokość kar administracyjnych. eur-lex.europa.eu