Beskyt fortrolige oplysninger når I bruger AI
Sikker AI-brug kræver klare regler for data, godkendte tjenester, begrænset adgang og kontrol med handlinger. Beskyt hele forløbet fra kildesystem til model, svar og logning. Et sikkert abonnement kan ikke kompensere for en forkert deling eller en agent med for brede rettigheder.
Begynd med at skelne mellem offentligt materiale, interne oplysninger, forretningshemmeligheder og persondata. De kan kræve forskellige kontroller. En prisstrategi kan være følsom uden at være en personoplysning, mens navnet på en erhvervskundes kontaktperson kan være omfattet af persondatareglerne.
Datasikkerhed fra regler til daglig praksis (AI-11-001) giver det samlede overblik over regler og praksis. Denne artikel fokuserer på ledelsens praktiske valg om fortrolighed og sikker anvendelse. Hjemmesidens vejledning om sikker brug kan bruges som indgang for medarbejderne. [4]
Gør tilladt databrug konkret
Lav en kort regel, der forbinder oplysningstype med godkendt værktøj og formål. En generel formulering om at undgå følsomme data er vanskelig at følge. Medarbejderen skal kunne afgøre, om en kundemail, en kontrakt eller et internt regneark må bruges i den aktuelle tjeneste.
| Oplysningstype | Eksempel | Praktisk afklaring |
|---|---|---|
| Offentligt materiale | Egen publiceret produkttekst | Kontrollér rettigheder og faktuel rigtighed |
| Internt materiale | Arbejdsvejledning | Afklar godkendt tjeneste og adgang |
| Fortroligt materiale | Prisstrategi eller kildekode | Begræns deling, opbevaring og værktøjer |
| Personoplysninger | Kundehenvendelse med navn | Afklar også formål, grundlag og rettigheder |
Tabellen er et forslag til kategorier, som skal tilpasses virksomheden. En oplysning kan høre til flere kategorier. Det strengeste relevante krav skal følges. Lav en enkel vej til hjælp, så tvivl kan afklares, før medarbejderen uploader materialet.
Undersøg tjenesten og dens leverandørkæde
Kontrollér præcis produktudgave og aftale. Hvad gemmes, hvor længe og til hvilke formål? Kan indhold anvendes til træning? Hvem har supportadgang? Hvilke underleverandører indgår? En indstilling i brugerfladen skal stemme overens med den kontraktlige behandling.
Datatilsynets cloudvejledning behandler blandt andet ansvar i leverandørkæder og overførsler til tredjelande. [2] Lagring i EU er derfor kun en del af vurderingen. Vælg AI leverandør og bevar handlefriheden (Q23) beskriver leverandørvalget, og Brug personoplysninger lovligt i AI (Q17) behandler persondataforholdene.
Afklar også eksport og sletning. En slettet original kan have afledte kopier i søgeindeks, samtalehistorik eller logs. Beskriv, hvilke kopier der findes, og hvordan de håndteres. En leverandørs generelle sikkerhedscertifikat dokumenterer ikke automatisk, at en bestemt anvendelse er lovlig eller korrekt konfigureret.
Giv mennesker og agenter mindst mulig adgang
Brug individuelle konti, multifaktorlogin og sporbare tjenesteidentiteter. Luk eller ændr adgang ved fratrædelse og jobskifte. Gennemgå delte mapper, fordi en AI-assistent kan gøre gamle, brede rettigheder langt lettere at udnytte.
NISTs materiale til små virksomheder omfatter blandt andet adgang, medarbejderopmærksomhed og hændelseshåndtering. [1] Vores anbefaling er at starte med disse grundlæggende kontroller og udvide efter den konkrete AI-anvendelse. En ny teknologi gør ikke de almindelige sikkerhedsopgaver mindre vigtige.
Ved RAG skal søgningen filtrere efter brugerens rettigheder, før tekst sendes til modellen. Ved agenter skal systemet kontrollere, hvilke handlinger der er tilladt. Hold læsning, klargøring og udførelse adskilt, hvor konsekvensen kræver det. Brug virksomhedens viden med RAG (Q14) og Fastlæg menneskelig kontrol med AI agenter (Q25) uddyber de to situationer.
Forbered jer på manipuleret indhold
Et dokument, en mail eller et værktøjssvar kan indeholde instruktioner, som forsøger at få assistenten til at afsløre data eller bruge et værktøj forkert. OWASP beskriver dette som prompt injection. [3] Hentet materiale skal derfor behandles som data, ikke som en ny autoritet over opgaven.
Begræns værktøjer, destinationer og rettigheder. Validér input og output, og kræv reel godkendelse ved væsentlige handlinger. Ingen enkelt prompt eller ekstra kontrolmodel kan garantere, at alle sådanne angreb stoppes. Afprøv eksempelvis, om en falsk instruktion i et dokument kan ændre en modtager eller få assistenten til at hente en anden kundes sag.
Hold hemmelige nøgler ude af prompts og dokumenter. Log det nødvendige for at kunne undersøge fejl, men undgå at skabe et nyt, bredt tilgængeligt lager af samtaler og persondata. Sikkerhedslogning har også behov for ejer, adgang og opbevaringsregler.
Et eksempel med et fortroligt tilbud
Virksomheden i dette eksempel vil bruge AI til at forbedre et tilbud. Dokumentet indeholder kundens navn, særlige priser og intern margin. Den godkendte skriveassistent må kun modtage de dele, der er nødvendige for formuleringen. Marginberegningen bliver i økonomisystemet, og kundenævnelser vurderes efter de aftalte persondataregler.
Medarbejderen kontrollerer tal og vilkår, før tilbuddet sendes. Hvis en senere agent skal sende det, kontrollerer systemet både modtager og den godkendte version. Godkendelsen må ikke gælde ét dokument, mens agenten afsender et andet.
Byg sikkerhed gennem de tre stadier
Eksperimentet bruger få egnede data og et afgrænset mandat. MVP’en får testet adgang, databehandling, kontrol og hjælp ved fejl. Ved skalering skal tilbagekaldelse, sletning, overvågning og gendannelse fungere gentageligt. Hold AI stabil og håndtér fejl i drift (Q27) beskriver den løbende håndtering.
Næste ledelsesbeslutning: Godkend en enkel databrugsregel, en ansvarlig for tvivl og et sæt adgangstests for første anvendelse. Sørg for, at medarbejderne har et brugbart godkendt alternativ, som passer til deres arbejde.
Kundeeksempel med mål og opfølgning
Et tilbudsværktøj kan måles på kortere samlet arbejdstid og færre rettelser. I et konkret testdesign undersøges samtidig, om intern margin, andre kunders priser eller oplysninger uden betydning for opgaven kommer med i udkastet.
Brug kundeserviceeksemplets princip: tidsmålet omfatter nødvendig kontrol. En løsning, der sparer formuleringstid, men kræver omfattende oprydning i fortrolige oplysninger, kan give lavere nettoværdi. Grænser for databrug er en del af opgaven, ikke et ekstra resultat som skal købes bagefter.
Brug den samlede VP/SE-model, VP-vejledningen og SE-vejledningen. Begge estimater revurderes før Hypotese, MVP og Skalering. VP/SE er et lokalt præferenceindeks, ikke økonomisk ROI eller WSJF. Lær anvendelsen på halvdag 1 om VP og halvdag 2 om SE og prioritering, hver fire timer inklusive pause.
Kilder og videre læsning
Eksempler og handlingsforslag er EnableAIs faglige vurdering. Virksomhedseksempler og regnetal er illustrative. Artiklen er opdateret med konkrete regneeksempler og henvisninger den 15. september 2026.
[1] NIST · Small Business Cybersecurity Corner
[2] Datatilsynet · Cloud og leverandørkæder