Jakich danych nie należy wpisywać do ChatGPT i innych narzędzi AI?

Dlaczego w firmie nie wolno wprowadzać wrażliwych danych do ChatGPT i innych narzędzi AI

Narzędzia AI, takie jak chatboty, asystenci pisania, systemy do analizy dokumentów czy generatory treści, potrafią znacząco przyspieszać pracę. W firmie mogą pomagać w redagowaniu tekstów, porządkowaniu informacji, tworzeniu podsumowań, tłumaczeniach czy pracy koncepcyjnej. Nie oznacza to jednak, że nadają się do bezpiecznego przetwarzania każdej informacji, którą pracownik ma pod ręką.

Podstawowy problem polega na tym, że po wprowadzeniu danych do zewnętrznego narzędzia AI firma traci pełną kontrolę nad tym, gdzie te informacje trafiają, jak długo są przechowywane, kto może mieć do nich dostęp i w jakim celu mogą być dalej przetwarzane. Nawet jeśli usługa jest wygodna i powszechnie używana, nie zwalnia to organizacji z obowiązku ochrony danych, tajemnicy przedsiębiorstwa i interesów klientów.

Ryzyko nie dotyczy wyłącznie oczywistych przypadków, takich jak wpisanie całej bazy klientów czy danych logowania. W praktyce problemem bywa także pozornie niewinny fragment wiadomości e-mail, fragment umowy, opis incydentu, treść reklamacji, wynik finansowy, zapis rozmowy albo robocza notatka projektowa. Pojedynczy element może wydawać się nieistotny, ale połączony z innymi informacjami może ujawniać znacznie więcej, niż pracownik zakładał.

• Ryzyko utraty poufności – dane przekazane do narzędzia zewnętrznego mogą opuścić wewnętrzne środowisko firmy.
• Ryzyko naruszenia przepisów – firma nadal odpowiada za zgodność z wymaganiami dotyczącymi ochrony danych i bezpieczeństwa informacji.
• Ryzyko biznesowe – ujawnienie ważnych informacji może osłabić przewagę konkurencyjną lub zaszkodzić relacjom z klientami i partnerami.
• Ryzyko reputacyjne – nawet pojedynczy incydent może podważyć zaufanie do organizacji.

Warto też odróżnić narzędzia publiczne, ogólnodostępne od rozwiązań wdrażanych i zarządzanych w kontrolowanym środowisku firmowym. Te pierwsze są zwykle najłatwiej dostępne i najszybsze w użyciu, ale jednocześnie mogą stwarzać największy problem z punktu widzenia zgodności, nadzoru i polityk bezpieczeństwa. Rozwiązania firmowe mogą oferować większą kontrolę, lecz i one nie powinny być traktowane jako miejsce do bezrefleksyjnego wprowadzania dowolnych danych. Sam fakt, że narzędzie korzysta z AI, nie oznacza automatycznie, że jest właściwym miejscem dla informacji wrażliwych.

Istotne jest również to, że pracownicy często używają AI do zadań pomocniczych: proszą o streszczenie dokumentu, poprawę stylu, przygotowanie odpowiedzi, analizę problemu albo uporządkowanie notatek. W takich sytuacjach łatwo wkleić do systemu oryginalną treść zamiast wersji zanonimizowanej lub zredagowanej. To właśnie codzienne, rutynowe użycie bywa źródłem największego ryzyka, ponieważ odbywa się szybko, bez konsultacji i bez pełnej świadomości skutków.

Zakaz wpisywania wrażliwych danych do ChatGPT i innych narzędzi AI nie wynika więc z niechęci do technologii. Chodzi o zarządzanie ryzykiem. Firma powinna korzystać z AI w sposób celowy i bezpieczny: tylko tam, gdzie zakres danych jest odpowiednio ograniczony, a pracownik wie, jakich informacji nie wolno ujawniać. Dobrą praktyką jest stosowanie zasady minimalizacji: jeśli zadanie można wykonać na danych ogólnych, zanonimizowanych lub sztucznie przygotowanych, nie należy używać materiałów rzeczywistych.

Z perspektywy organizacji najważniejsze są trzy pytania: czy te dane naprawdę muszą zostać wpisane do narzędzia AI, czy można je usunąć lub zamaskować, i czy firma ma formalną podstawę oraz bezpieczne warunki do takiego przetwarzania. Jeśli odpowiedź na któreś z nich jest niepewna, bezpieczniej przyjąć, że takich informacji nie należy wprowadzać.

W praktyce zasada jest prosta: im bardziej dana informacja jest poufna, identyfikująca, regulowana albo cenna biznesowo, tym mniejsze powinno być prawdopodobieństwo, że trafi do zewnętrznego narzędzia AI. W środowisku firmowym ostrożność nie jest przesadą, lecz elementem odpowiedzialnego korzystania z technologii.

Kategorie danych, których nie należy wpisywać: dane osobowe i identyfikatory

Jedną z najważniejszych zasad korzystania z narzędzi AI w pracy jest niewprowadzanie danych osobowych oraz wszelkich identyfikatorów pozwalających rozpoznać konkretną osobę. Nawet jeśli pojedyncza informacja wydaje się niegroźna, połączenie kilku danych może wystarczyć do ustalenia, kogo dotyczą. W praktyce oznacza to, że do promptów nie powinny trafiać ani pełne dane pracowników, klientów czy kandydatów, ani zestawy informacji, które umożliwiają ich łatwe zidentyfikowanie.

Podstawowa różnica jest prosta: dane osobowe to informacje odnoszące się do osoby fizycznej, a identyfikatory to konkretne elementy, które pozwalają tę osobę odróżnić od innych lub powiązać z określonym rekordem, sprawą albo dokumentem. W środowisku firmowym obie te grupy danych powinny być traktowane ostrożnie, bo mogą prowadzić do naruszenia prywatności, obowiązków zgodności i wewnętrznych zasad bezpieczeństwa.

Podczas szkoleń Cognity ten temat wraca regularnie – dlatego zdecydowaliśmy się go omówić również tutaj.

Do takich informacji zaliczają się w szczególności:

• imię i nazwisko, zwłaszcza w połączeniu z innymi danymi,
• adres zamieszkania lub adres korespondencyjny,
• numer telefonu i adres e-mail,
• PESEL, numer dowodu osobistego, numer paszportu lub prawa jazdy,
• data urodzenia, miejsce urodzenia, obywatelstwo,
• numery klienta, pracownika, sprawy lub zgłoszenia, jeśli pozwalają powiązać dane z konkretną osobą,
• loginy, identyfikatory użytkownika i inne wewnętrzne oznaczenia personalne,
• wizerunek, nagranie głosu lub opis pozwalający jednoznacznie rozpoznać osobę.

Ryzyko nie dotyczy wyłącznie oczywistych przypadków. Problematyczne mogą być także dane pozornie zanonimizowane, jeśli wciąż da się na ich podstawie ustalić tożsamość. Przykładowo, wpisanie do AI opisu typu: „pracownik z działu prawnego, zatrudniony od 2019 roku, jedyna osoba na tym stanowisku w oddziale w danym mieście” może nadal wskazywać konkretną osobę, nawet bez podania jej nazwiska.

Do narzędzi AI nie należy więc wpisywać takich treści jak:

• prośba o poprawienie wiadomości zawierającej pełne dane kontaktowe osoby,
• wklejenie CV z imieniem, nazwiskiem, numerem telefonu i historią zatrudnienia,
• analiza reklamacji zawierającej numer klienta i dane adresowe,
• streszczenie notatki ze spotkania, w której pojawiają się dane konkretnych pracowników,
• tworzenie raportu na podstawie listy osób z numerami identyfikacyjnymi.

Bezpieczniejszym podejściem jest minimalizacja danych: jeśli chcesz użyć AI do redakcji, streszczenia lub analizy, usuń wszystkie elementy identyfikujące i zastąp je neutralnymi oznaczeniami, które nie pozwalają odtworzyć tożsamości. Zamiast rzeczywistych danych lepiej używać opisów ogólnych, takich jak „pracownik”, „klient” czy „użytkownik”, o ile kontekst zadania na to pozwala.

W skrócie: jeżeli informacja dotyczy konkretnej osoby albo może prowadzić do jej rozpoznania, nie powinna trafiać do publicznie dostępnych lub niezatwierdzonych firmowo narzędzi AI. Dotyczy to zarówno danych wpisywanych ręcznie, jak i wklejanych dokumentów, fragmentów e-maili, formularzy czy zrzutów ekranu.

Kategorie danych, których nie należy wpisywać: dane klientów, kontrahentów i komunikacja biznesowa

Do narzędzi AI nie należy wprowadzać treści związanych z relacjami handlowymi, obsługą klientów ani bieżącą komunikacją biznesową, jeśli zawierają informacje niepubliczne. Nawet gdy takie dane nie wyglądają na „wrażliwe” w potocznym rozumieniu, mogą ujawniać warunki współpracy, przebieg negocjacji, problemy operacyjne, oczekiwania klientów albo wewnętrzny kontekst decyzji biznesowych.

W praktyce ryzyko dotyczy nie tylko pełnych dokumentów, ale też krótkich promptów, wklejonych fragmentów e-maili, notatek ze spotkań, opisów zgłoszeń czy próśb o „przeredagowanie odpowiedzi do klienta”. Jeżeli w treści znajdują się dane pozwalające rozpoznać stronę relacji, warunki współpracy lub nieujawnione ustalenia, taka treść nie powinna trafiać do zewnętrznego narzędzia AI.

Jakie informacje mieszczą się w tej kategorii

• dane klientów i leadów sprzedażowych – np. historia kontaktu, zakres potrzeb, status rozmów, powody rezygnacji, oczekiwania zakupowe;
• dane kontrahentów i partnerów – np. warunki umów, ustalenia handlowe, terminy dostaw, poziomy rabatów, komentarze dotyczące współpracy;
• korespondencja biznesowa – e-maile, wiadomości z komunikatorów, notatki po spotkaniach, podsumowania rozmów, projekty odpowiedzi;
• dokumenty operacyjne – reklamacje, zgłoszenia serwisowe, opisy incydentów, eskalacje, wewnętrzne komentarze do spraw klienta;
• materiały negocjacyjne – propozycje cenowe, zakresy ofert, argumentacja handlowa, zastrzeżenia drugiej strony, niezatwierdzone wersje ustaleń.

Dlaczego to jest problem

Tego typu informacje często nie są publiczne, a ich ujawnienie może zaszkodzić relacjom biznesowym, pozycji negocjacyjnej i reputacji firmy. Dodatkowo w jednej wiadomości mogą łączyć się różne typy danych: informacje identyfikujące klienta, szczegóły transakcji, ustalenia handlowe oraz wewnętrzne komentarze pracowników. To sprawia, że nawet pozornie niewinny fragment korespondencji może mieć dużą wartość biznesową.

W przypadku komunikacji z klientem lub kontrahentem szczególnie istotna jest też poufność kontekstu. Samo pytanie „jak odpowiedzieć na tę reklamację?” może ujawniać, że istnieje spór, opóźnienie, problem jakościowy albo ryzyko utraty klienta. Z perspektywy bezpieczeństwa liczy się więc nie tylko treść dokumentu, ale też sytuacja biznesowa, którą ta treść odsłania.

Przykłady danych, których nie należy wklejać

• pełne wątki e-mailowe z klientami i dostawcami;
• treść zapytań ofertowych i odpowiedzi handlowych przed ich publikacją lub wysłaniem;
• notatki z rozmów sprzedażowych zawierające potrzeby klienta, budżet lub terminy decyzji;
• informacje o reklamacjach, sporach, opóźnieniach, karach umownych lub odstępstwach od standardu;
• wewnętrzne komentarze typu „ten klient może odejść”, „kontrahent nie zgadza się na obecne warunki”, „trzeba obniżyć cenę, aby domknąć temat”;
• projekty umów, aneksów, zamówień i uzgodnień roboczych zawierające dane stron oraz warunki współpracy;
• zestawienia kontaktów handlowych, pipeline sprzedażowy i opisy szans sprzedażowych.

Przykłady ryzykownych i bezpieczniejszych działań

Na co uważać szczególnie

Najczęstszym błędem jest przekonanie, że skoro wiadomość nie zawiera danych technicznych ani haseł, to można ją bezpiecznie wkleić do narzędzia AI. Tymczasem komunikacja biznesowa bardzo często zawiera informacje o relacjach, problemach, ustaleniach i planach działań. To wystarczy, by naruszyć poufność lub interes firmy.

Warto też pamiętać, że ryzykowne są nie tylko całe dokumenty, ale również:

• screeny skrzynek mailowych i komunikatorów,
• cytaty z wiadomości,
• fragmenty CRM eksportowane do promptu,
• kopie notatek ze spotkań,
• prośby o „streszczenie tej rozmowy z klientem”.

Jeżeli do wykonania zadania potrzebna jest pomoc AI, bezpieczniej używać zanonimizowanego opisu problemu, bez nazw stron, bez szczegółów ustaleń i bez treści realnej korespondencji. Narzędzie może pomóc w przygotowaniu szablonu odpowiedzi, listy pytań, struktury oferty czy neutralnego schematu komunikacji — ale nie powinno otrzymywać prawdziwych danych z bieżących relacji biznesowych.

Kategorie danych, których nie należy wpisywać: hasła, klucze API, dane dostępowe i informacje o infrastrukturze IT

Jedną z najbardziej ryzykownych kategorii informacji wpisywanych do narzędzi AI są dane dostępowe oraz szczegóły techniczne środowiska IT. Nawet jeśli celem jest szybkie debugowanie, analiza błędu lub wygenerowanie konfiguracji, przekazanie takich informacji do zewnętrznego narzędzia może doprowadzić do przejęcia kont, systemów, usług albo ułatwić atak na infrastrukturę.

W praktyce problem nie dotyczy wyłącznie jawnych haseł. Ryzykowne są także wszelkie informacje, które pozwalają uzyskać dostęp, podnieść uprawnienia, odtworzyć architekturę środowiska lub zidentyfikować słabe punkty zabezpieczeń. Często pojedynczy fragment wygląda niegroźnie, ale połączony z innymi danymi staje się wartościowy dla osoby nieuprawnionej. Zespół trenerski Cognity zauważa, że właśnie ten aspekt sprawia uczestnikom najwięcej trudności.

Jakie dane należą do tej kategorii?

• Hasła do kont użytkowników, skrzynek pocztowych, paneli administracyjnych, VPN, baz danych i systemów wewnętrznych.
• Klucze API, tokeny dostępu, tokeny sesyjne, sekrety aplikacyjne, ciągi uwierzytelniające i podpisy webhooków.
• Dane dostępowe do serwerów, chmur, repozytoriów kodu, narzędzi DevOps, systemów CRM, ERP, CMS i paneli hostingowych.
• Pliki konfiguracyjne zawierające sekrety, np. zmienne środowiskowe, pliki .env, fragmenty konfiguracji z loginami i hasłami.
• Informacje o infrastrukturze IT, takie jak adresy IP, nazwy hostów, schemat sieci, porty, reguły firewalli, konfiguracje reverse proxy, dane o backupach, monitoringach i punktach integracji.
• Treść komunikatów błędów, jeśli zawiera identyfikatory systemowe, ścieżki, adresy serwerów, nazwy baz, nazwy użytkowników technicznych lub szczegóły konfiguracji.

Podstawowe różnice między tymi danymi

Przykłady informacji, których nie wolno wklejać

• „Sprawdź, czemu nie działa logowanie. Oto login administratora i hasło testowe”.
• „Napisz mi skrypt do integracji, użyj tego klucza API i tego sekretu”.
• „Przeanalizuj plik .env i powiedz, co jest źle skonfigurowane”.
• „Oto pełny błąd z produkcji wraz z adresem serwera, nazwą bazy i tokenem dostępu”.
• „Zoptymalizuj konfigurację Nginx dla tych domen, adresów IP i wewnętrznych ścieżek”.
• „Pomóż połączyć się z bazą — host, użytkownik, hasło i port są poniżej”.

Ryzyko nie dotyczy tylko sekretów zapisanych wprost

Wiele osób zakłada, że wystarczy nie wpisywać samego hasła. To za mało. Niebezpieczne mogą być również:

• zrzuty ekranu z paneli administracyjnych,
• logi aplikacyjne zawierające tokeny lub identyfikatory sesji,
• fragmenty kodu z osadzonymi sekretami,
• konfiguracje CI/CD,
• URL-e z parametrami autoryzacyjnymi,
• opisy architektury z nazwami usług i zależnościami.

Nawet częściowo zamaskowane dane bywają niewystarczająco zabezpieczone, jeśli reszta kontekstu pozwala odtworzyć brakujące elementy.

Przykład niebezpiecznego fragmentu

API_URL=https://api.example.com
API_KEY=sk_live_...
DB_HOST=10.0.0.12
DB_USER=admin
DB_PASSWORD=...

Taki fragment może wyglądać jak zwykły materiał do diagnostyki, ale w praktyce zawiera jednocześnie dane autoryzacyjne i wskazówki o środowisku technicznym.

Bezpieczniejsze podejście

Jeśli chcesz użyć AI do pomocy technicznej, przekazuj wersję zanonimizowaną i zredagowaną:

• usuń hasła, sekrety, tokeny i identyfikatory sesji,
• zamień prawdziwe adresy IP, hosty i nazwy usług na neutralne oznaczenia,
• nie wklejaj pełnych plików konfiguracyjnych, jeśli wystarczy sam schemat problemu,
• podawaj przykłady syntetyczne, a nie dane z produkcji,
• upewnij się, że logi zostały oczyszczone z danych uwierzytelniających.

Zamiast wpisywać rzeczywisty sekret, lepiej użyć formy typu YOUR_API_KEY, DB_PASSWORD albo INTERNAL_HOST. Dzięki temu można uzyskać pomoc bez ujawniania informacji, które otwierają drogę do systemów.

Praktyczna zasada dla firm

Jeżeli dana informacja pozwala się zalogować, połączyć z usługą, zidentyfikować element infrastruktury albo odtworzyć konfigurację bezpieczeństwa — nie powinna trafiać do publicznego lub zewnętrznego narzędzia AI. Dotyczy to zarówno wpisywanych ręcznie promptów, jak i załączanych plików, logów, zrzutów ekranu oraz fragmentów kodu.

5. Kategorie danych, których nie należy wpisywać: tajemnice przedsiębiorstwa, IP, plany produktowe i know-how

Do narzędzi AI nie należy wprowadzać informacji, które tworzą przewagę konkurencyjną firmy albo stanowią jej własność intelektualną. Chodzi nie tylko o „wielkie sekrety”, ale też o pozornie zwykłe materiały robocze: notatki strategiczne, opisy procesów, założenia nowych funkcji, wewnętrzne analizy czy fragmenty dokumentacji technicznej. Po przekazaniu takich danych do zewnętrznego systemu firma może utracić nad nimi pełną kontrolę organizacyjną i prawną.

Najważniejsza zasada brzmi: jeśli informacja nie jest publiczna i ma wartość biznesową, nie powinna trafiać do publicznie dostępnego narzędzia AI bez wyraźnej zgody, procedury i odpowiednich zabezpieczeń.

Tajemnica przedsiębiorstwa a własność intelektualna — podstawowa różnica

Te pojęcia często się nakładają, ale nie oznaczają dokładnie tego samego:

Jakie informacje zaliczają się do tej kategorii

• Nieopublikowane strategie biznesowe — plany wejścia na nowy rynek, polityka cenowa, scenariusze rozwoju, założenia ekspansji.
• Roadmapy i plany produktowe — lista planowanych funkcji, priorytety wdrożeń, terminy premier, założenia MVP.
• Wewnętrzna dokumentacja techniczna — architektura rozwiązania na poziomie biznesowym, opisy mechanizmów, logika działania systemu.
• Autorskie procesy i procedury — sposób obsługi klienta, proces ofertowania, reguły oceny ryzyka, wewnętrzne standardy operacyjne.
• Materiały badawczo-rozwojowe — wyniki testów, hipotezy, eksperymenty, analizy porównawcze, założenia prototypów.
• Treści objęte prawami autorskimi lub licencjami — niepublikowane prezentacje, projekty, grafiki, treści kursów, dokumentacja tworzona na zamówienie.
• Fragmenty kodu i logiki biznesowej — zwłaszcza jeśli pokazują unikalne rozwiązania, algorytmy, reguły decyzyjne lub strukturę produktu.

Przykłady danych, których nie należy wpisywać

• „Przeanalizuj naszą roadmapę produktu na najbliższe 12 miesięcy i zaproponuj kolejność wdrożeń.”
• „Przeredaguj tę wewnętrzną strategię wejścia na rynek i przygotuj wersję dla zarządu.”
• „Na podstawie tej dokumentacji opisz przewagi naszego rozwiązania nad konkurencją.”
• „Oceń ten proces produkcyjny i wskaż, gdzie mamy największą marżę.”
• „Uprość ten opis algorytmu dopasowania ofert, ale zachowaj logikę działania.”
• „Przygotuj prezentację na podstawie naszych niepublikowanych wyników badań i testów.”

Nawet jeśli taki prompt nie zawiera danych osobowych czy haseł, nadal może ujawniać sedno modelu działania firmy. To właśnie tego typu informacje najczęściej mają realną wartość strategiczną.

Dlaczego ryzyko jest wysokie

W przypadku tajemnic przedsiębiorstwa i know-how problemem nie jest wyłącznie „wyciek” w potocznym sensie. Ryzyko dotyczy także:

• utraty poufności — gdy treść trafia poza kontrolowane środowisko,
• osłabienia ochrony prawnej — jeśli firma nie dochowuje staranności w ochronie tajemnicy,
• ujawnienia strategii rynkowej — nawet częściowe informacje mogą pokazać kierunek działań,
• przekazania unikalnego know-how — przez streszczenia, analizy i opisy procesów,
• niezamierzonego ujawnienia elementów IP — np. przez wklejenie dokumentacji, briefów lub projektów roboczych.

Szczególnie ryzykowne materiały robocze

W praktyce pracownicy często uznają za „bezpieczne” dane, które nie wyglądają formalnie jak sekret. Tymczasem do narzędzi AI nie powinny trafiać również:

• notatki z warsztatów strategicznych,
• szkice ofert przewag konkurencyjnych,
• wewnętrzne FAQ dla zespołów sprzedaży i wdrożeń,
• projekty komunikacji dotyczącej przyszłych zmian w produkcie,
• porównania konkurencji przygotowane na użytek wewnętrzny,
• zestawienia „co działa najlepiej” w kampaniach, procesach lub wdrożeniach.

Takie materiały często wprost pokazują, jak firma myśli, planuje i podejmuje decyzje. To właśnie one bywają cenniejsze niż pojedynczy dokument formalny.

Jak korzystać z AI bez ujawniania know-how

Jeśli firma chce używać AI do pracy koncepcyjnej, warto przekazywać wyłącznie opisy zanonimizowane i uogólnione. Zamiast wklejać realne strategie, procesy czy dokumentację, lepiej formułować pytania na poziomie ogólnego problemu.

Bezpieczniejsze podejście:

• opisywać sytuację bez nazw, parametrów i przewag charakterystycznych dla firmy,
• usuwać szczegóły, które pozwalają odtworzyć model działania,
• prosić o szablon, strukturę albo listę pytań, zamiast analizę konkretnego poufnego materiału,
• tworzyć przykłady syntetyczne zamiast używać prawdziwych danych projektowych.

Przykład bezpieczniejszego promptu:

Zamiast: „Przeanalizuj naszą niepublikowaną roadmapę produktu i wskaż ryzyka wdrożenia.”
Lepiej: „Jakie kryteria warto zastosować do oceny ryzyk w roadmapie produktu SaaS?”

W tym modelu AI wspiera myślenie i porządkowanie pracy, ale nie otrzymuje dostępu do treści stanowiących przewagę firmy.

Kategorie danych, których nie należy wpisywać: dane finansowe, księgowe i transakcyjne

Dane finansowe, księgowe i transakcyjne należą do informacji, które w firmie powinny być szczególnie chronione i nie powinny trafiać do publicznie dostępnych narzędzi AI ani do rozwiązań, co do których organizacja nie ma jasno potwierdzonych zasad bezpieczeństwa, retencji i przetwarzania danych. Nawet jeśli pojedynczy rekord wydaje się niegroźny, w praktyce może ujawniać kondycję firmy, strukturę kosztów, marże, relacje handlowe, harmonogram płatności albo szczegóły konkretnych transakcji.

Ryzyko nie dotyczy wyłącznie „dużych tajemnic finansowych”. Problemem mogą być także pozornie zwyczajne materiały robocze: eksport z systemu księgowego, fragment rejestru faktur, zestawienie przelewów, saldo należności, treść noty księgowej czy opis rozliczenia kosztów. Po połączeniu takich danych z innymi informacjami można odtworzyć bardzo precyzyjny obraz działalności przedsiębiorstwa.

W praktyce do AI nie należy wpisywać ani wklejać danych, które pozwalają rozpoznać konkretne kwoty, strony transakcji, terminy, numery dokumentów, rachunki bankowe, historię rozliczeń lub wewnętrzne założenia finansowe firmy. Jeśli narzędzie ma pomóc w pracy, bezpieczniej jest używać danych zanonimizowanych, zagregowanych albo całkowicie przykładowych.

Jak rozumieć te kategorie danych

• Dane finansowe — informacje o przychodach, kosztach, rentowności, budżetach, prognozach, zadłużeniu, przepływach pieniężnych i wynikach firmy.
• Dane księgowe — informacje pochodzące z ewidencji księgowej i dokumentów rozliczeniowych, np. faktur, rejestrów VAT, dekretacji, sald kont, rozrachunków czy zestawień księgowych.
• Dane transakcyjne — szczegóły dotyczące konkretnych operacji: płatności, przelewów, zakupów, sprzedaży, zwrotów, obciążeń, numerów rachunków, identyfikatorów płatności i dat rozliczeń.

Choć te kategorie częściowo się przenikają, mają różne zastosowanie biznesowe. Dane finansowe pokazują ogólną sytuację i plany firmy, księgowe dokumentują i rozliczają zdarzenia gospodarcze, a transakcyjne opisują pojedyncze operacje i przepływy środków. Każdy z tych typów danych może być wrażliwy operacyjnie, prawnie lub konkurencyjnie.

Jakich informacji nie wpisywać do narzędzi AI

• pełnych treści faktur, korekt, not księgowych i dokumentów rozliczeniowych,
• numerów rachunków bankowych, numerów kart, identyfikatorów płatności i danych przelewów,
• szczegółowych rejestrów przychodów i kosztów,
• salda kont księgowych, zestawień obrotów i sald oraz uzgodnień,
• budżetów działów, planów finansowych, forecastów i modeli marżowych,
• danych o zaległościach płatniczych, windykacji i harmonogramach spłat,
• raportów cash flow, informacji o finansowaniu, limitach kredytowych i zobowiązaniach,
• eksportów z systemów ERP, księgowych, płatniczych i zakupowych zawierających rekordy źródłowe,
• szczegółów pojedynczych transakcji sprzedażowych lub zakupowych, jeśli można z nich ustalić warunki handlowe albo strony rozliczenia.

Przykłady danych ryzykownych

Niebezpieczne scenariusze w codziennej pracy

Najczęstszy błąd polega na tym, że pracownik chce „tylko przyspieszyć analizę” i wkleja do AI fragment arkusza, raportu albo dokumentu księgowego. Typowe przykłady to:

• prośba o analizę rentowności na podstawie prawdziwego arkusza z przychodami i kosztami,
• wklejenie treści faktury z pytaniem o sposób księgowania,
• przesłanie listy płatności do kategoryzacji lub opisu anomalii,
• wklejenie zestawienia zaległych należności z prośbą o przygotowanie planu działań,
• użycie prawdziwych danych transakcyjnych do wygenerowania raportu zarządczego lub komentarza finansowego.

W każdym z tych przypadków cel może być uzasadniony biznesowo, ale nie powinien być realizowany przez przekazanie pełnych, identyfikowalnych danych do narzędzia, które nie zostało do tego formalnie dopuszczone w organizacji.

Bezpieczniejsza alternatywa

Jeśli trzeba skorzystać z AI przy zadaniach finansowych lub księgowych, warto podawać dane zanonimizowane, zagregowane lub syntetyczne. Zamiast realnych numerów dokumentów, rachunków i kwot można użyć neutralnych oznaczeń oraz przykładowych przedziałów wartości. Zamiast pełnego raportu lepiej opisać sam problem, np. strukturę analizy, sposób liczenia wskaźnika albo schemat interpretacji danych.

Bezpieczniejsze będą więc pytania typu:

• „Jak porównać odchylenia kosztów między planem a wykonaniem?”
• „Jakie wskaźniki warto uwzględnić w raporcie płynności?”
• „Jak zbudować szablon analizy należności przeterminowanych?”

Z kolei niebezpieczne są pytania zawierające rzeczywiste dane źródłowe, np. pełne zestawienia transakcji, rozrachunków albo dokumentów księgowych.

Praktyczna zasada

Jeżeli informacja pochodzi z systemu finansowego, księgowego, bankowego, płatniczego albo raportowania zarządczego i zawiera realne kwoty, terminy, dokumenty, rachunki lub historię rozliczeń, nie należy wpisywać jej do ChatGPT ani innych narzędzi AI bez wyraźnej zgody organizacji i bez stosowania odpowiednich zabezpieczeń. W przypadku wątpliwości należy przyjąć, że takie dane są poufne i wymagają anonimizacji przed jakimkolwiek użyciem.

Kategorie danych, których nie należy wpisywać: dane medyczne i inne dane szczególnie wrażliwe/regulowane

Do narzędzi AI nie należy wprowadzać danych medycznych ani innych informacji szczególnie wrażliwych lub objętych dodatkowymi regulacjami. To kategoria, która niesie podwyższone ryzyko prawne, reputacyjne i operacyjne, ponieważ nawet pozornie niewinny opis może pozwolić na identyfikację konkretnej osoby albo ujawnić informacje, które podlegają szczególnej ochronie.

W praktyce chodzi nie tylko o pełną dokumentację, ale również o fragmenty danych, opisy przypadków, wyniki badań, numery polis, informacje o leczeniu, stanie psychicznym, niepełnosprawności czy uzależnieniach. Wiele osób błędnie zakłada, że usunięcie imienia i nazwiska wystarcza. Często jednak zestaw szczegółów, takich jak wiek, miejscowość, data wizyty, nazwa placówki czy rzadkie schorzenie, nadal umożliwia rozpoznanie osoby.

Dane medyczne są szczególnie chronione, ponieważ dotyczą zdrowia fizycznego lub psychicznego i mogą prowadzić do dyskryminacji, naruszenia prywatności albo poważnych szkód dla osoby, której dotyczą. Z kolei inne dane szczególnie wrażliwe/regulowane obejmują informacje, które z uwagi na przepisy lub charakter działalności wymagają podwyższonej ostrożności, nawet jeśli nie dotyczą zdrowia.

• Dane o stanie zdrowia: diagnozy, wyniki badań laboratoryjnych, opisy objawów, informacje o hospitalizacji, rehabilitacji, terapii, ciąży, niepełnosprawności, leczeniu psychiatrycznym lub psychologicznym.
• Dane z dokumentacji medycznej: wypisy ze szpitala, skierowania, historie choroby, opisy konsultacji, recepty, zalecenia lekarskie, obrazy diagnostyczne i ich opisy.
• Dane ubezpieczeniowe i rozliczeniowe związane ze zdrowiem: numery polis zdrowotnych, informacje o świadczeniach, refundacjach, roszczeniach medycznych, rozliczeniach z placówkami.
• Dane biometryczne: odciski palców, skany twarzy, wzorce głosu, dane wykorzystywane do jednoznacznej identyfikacji osoby.
• Dane genetyczne: wyniki badań DNA, informacje o mutacjach, predyspozycjach chorobowych, pokrewieństwie biologicznym.
• Inne dane szczególnie wrażliwe: informacje o pochodzeniu rasowym lub etnicznym, poglądach politycznych, przekonaniach religijnych lub światopoglądowych, przynależności związkowej, życiu seksualnym lub orientacji seksualnej.
• Dane objęte dodatkowymi wymogami branżowymi lub ustawowymi: informacje z postępowań, rejestrów regulowanych, dokumentacji wymagającej szczególnej poufności albo dane podlegające szczególnym reżimom zgodności.

Niebezpieczne są także pozornie neutralne prompty, które zawierają szczegóły z konkretnych przypadków. Przykładowo ryzykowne będzie wklejenie prośby o „streszczenie historii leczenia pacjenta”, „analizę wyników badań pracownika po urazie”, „przeredagowanie odpowiedzi na skargę dotyczącą błędu medycznego” albo „uproszczenie opisu przypadku terapeutycznego do prezentacji”. Jeśli taki materiał zawiera dane pozwalające zidentyfikować osobę lub opisuje wrażliwy kontekst, nie powinien trafiać do publicznego lub niesprawdzonego narzędzia AI.

Szczególnej ostrożności wymagają też branże regulowane, takie jak ochrona zdrowia, ubezpieczenia, HR, edukacja, pomoc społeczna czy sektor publiczny. W tych obszarach nawet robocze notatki, treść wiadomości, załączniki i podsumowania mogą zawierać informacje, których nie wolno przekazywać poza zatwierdzone środowiska i procedury.

Bezpieczna zasada jest prosta: jeśli informacja dotyczy zdrowia, cech biologicznych, intymnej sfery życia albo należy do kategorii prawnie szczególnie chronionych, nie wpisuj jej do ChatGPT ani innego narzędzia AI, chyba że organizacja wyraźnie dopuściła takie użycie w odpowiednio zabezpieczonym środowisku i zgodnie z obowiązującymi przepisami.

Co zamiast tego: anonimizacja, streszczanie, minimalizacja danych i dane syntetyczne + krótka checklista dla pracownika

Jeśli chcesz korzystać z narzędzi AI w pracy, nie musisz od razu rezygnować z ich użycia. Trzeba jednak zmienić sposób przygotowywania materiałów do promptów. Najbezpieczniejsze podejście polega na tym, by do modelu przekazywać tylko tyle informacji, ile jest naprawdę potrzebne do uzyskania odpowiedzi, i w takiej formie, która nie pozwala powiązać treści z konkretną osobą, klientem, projektem lub sprawą.

W praktyce najczęściej stosuje się cztery podejścia: anonimizację, streszczanie, minimalizację danych oraz dane syntetyczne. Każde z nich służy do czegoś innego.

• Anonimizacja polega na usunięciu lub zastąpieniu elementów, które pozwalają rozpoznać osoby, firmy, lokalizacje, numery spraw, identyfikatory albo inne szczegóły umożliwiające identyfikację. To dobre rozwiązanie wtedy, gdy AI ma pomóc w analizie struktury dokumentu, tonu wypowiedzi, jakości tekstu czy ogólnego problemu, ale nie potrzebuje znać prawdziwych danych.
• Streszczanie oznacza przekazanie modelowi krótkiego opisu sytuacji zamiast pełnego dokumentu, korespondencji lub raportu. Sprawdza się wtedy, gdy potrzebujesz pomocy w przygotowaniu odpowiedzi, listy ryzyk, planu działania lub propozycji komunikatu, a szczegółowe brzmienie źródła nie jest konieczne.
• Minimalizacja danych to ograniczenie promptu do absolutnego minimum. Zamiast wklejać cały materiał, wybierasz tylko ten fragment informacji, który jest niezbędny do wykonania zadania. To często najprostsza i najskuteczniejsza metoda zmniejszania ryzyka.
• Dane syntetyczne to dane sztucznie przygotowane na potrzeby testów, ćwiczeń lub demonstracji. Zachowują układ i logikę prawdziwych przypadków, ale nie odnoszą się do realnych osób ani faktycznych transakcji. Są przydatne zwłaszcza przy testowaniu promptów, tworzeniu procedur i szkoleniu zespołu.

Warto pamiętać, że te metody można łączyć. Na przykład najpierw streszczasz dokument, potem usuwasz identyfikatory, a na końcu zostawiasz wyłącznie informacje potrzebne do uzyskania odpowiedzi. Im mniej danych wejściowych, tym mniejsze ryzyko niepożądanego ujawnienia informacji.

Dobrym nawykiem jest też formułowanie pytań do AI na poziomie problemu, a nie konkretnego przypadku. Zamiast wklejać pełną treść materiału, lepiej opisać sytuację ogólnie: jaki jest cel, jakie są ograniczenia i jakiego typu odpowiedzi oczekujesz. W wielu przypadkach to w zupełności wystarcza.

W Cognity łączymy teorię z praktyką – dlatego ten temat rozwijamy także w formie ćwiczeń na szkoleniach.

Krótka checklista dla pracownika

• Czy naprawdę muszę użyć prawdziwych danych, aby uzyskać potrzebną odpowiedź?
• Czy mogę zastąpić konkretne informacje opisem ogólnym lub skrótem?
• Czy usunąłem nazwy, identyfikatory, numery, adresy i inne szczegóły pozwalające rozpoznać osoby lub sprawy?
• Czy przekazuję tylko minimalny zakres informacji potrzebny do wykonania zadania?
• Czy zamiast danych rzeczywistych mogę użyć przykładu syntetycznego?
• Czy treść promptu po wysłaniu nie zaszkodziłaby firmie, klientowi lub partnerowi biznesowemu, gdyby została ujawniona szerszemu gronu?
• Jeśli mam wątpliwość, czy dane wolno wykorzystać, czy wstrzymałem się i sprawdziłem zasady obowiązujące w organizacji?

Najbezpieczniejsza zasada brzmi: jeżeli dana informacja nie musi znaleźć się w prompcie, nie wpisuj jej. W pracy z AI zwykle wygrywa nie ten, kto poda najwięcej danych, lecz ten, kto potrafi przekazać je w sposób przemyślany, ograniczony i bezpieczny.

AI jako asystent, nie ekspert – kiedy odpowiedź AI wymaga weryfikacji człowieka? 25 lipca 2026

Przejście z Import do DirectQuery w Power BI bez utraty miar DAX: plan, który działa 23 lipca 2026