Datalækage

Datalækage betyder, at fortrolige oplysninger, kundelister, kontrakter, kildekode eller personoplysninger, havner uden for virksomhedens kontrol via et AI-værktøj. Det kan ske fordi en medarbejder kopierer oplysninger ind i en gratis chatbot, fordi en tjeneste bruger input til sin modeltræning, eller fordi AI’en gengiver data, den har set andre steder.

Hvorfor en datalækage ofte starter med en medarbejder

En medarbejder med en travl opgave vil ofte vælge det hurtigste værktøj. De kopierer en kundeliste ind i en gratis Chatbot for at få en hurtig tekst eller et svar, uden at tænke over, at den gratis version ofte bruger input til modelens træning. Den lille beslutning om at bruge et offentligt værktøj kan gøre fortrolige oplysninger synlige for tjenesten og potentielt andre. Det er ikke en våbenpark af robotter, der truer virksomheden, men den daglige vane: hurtige kopier, korte instruktioner, fredag eftermiddag... et simpelt øjeblik med store konsekvenser.

Sådan virker en læk i praksis

Forestil dig en salgsperson, der vil have en e‑mail klar til 200 kunder. I stedet for at bruge jeres interne skabelon kopierer vedkommende rækken med navne, kundenumre og kommentarer ind i en online chatbot, beder om en versionering, og henter teksten tilbage. Chatbotten kan gemme eller bruge input som træningsdata til at gøre modellen bedre. Senere kan lignende tekst komme frem i andre brugeres svar. Hvad startede som en times arbejde kan føre til, at kundernes oplysninger er uden for jeres kontrol.

Eksempel: Datalækage hos en databeskyttelsesansvarlig

Den databeskyttelsesansvarlige i en 15‑mands konsulentvirksomhed opdager en fredag eftermiddag, at en kollega har brugt en gratis chatbot til at rette i en 60‑siders kontrakt, som indeholdt personoplysninger på 120 kunder. Situationen opstod midt i en uge med tre hastesager og få tilgængelige skabeloner. Modstanden kom, da kollegaen svarede, at det var hurtigere end at vente på en intern gennemgang, og at chatbotten havde løst formatet på få minutter. Resultatet var, at der blev sendt en liste over kundens kontaktpersoner ud af virksomheden, og at det tog to dage at kortlægge præcis hvilke oplysninger, der var delt. Arbejdet omfattet 14 mails, to møder på 30 minutter og en intern instruktion om fremtidig brug af AI. Læringen var klar: procedurer og tilgængelige interne værktøjer skal være så hurtige, at ingen fristes til at bruge gratis tjenester.

Datalækage er ikke det samme som en sikkerhedsbrist eller modelfejl

En datalækage beskriver, at oplysningerne er sluppet ud af jeres kontrol via AI-værktøjer. Det er ikke nødvendigvis en teknisk sikkerhedsbrist i jeres netværk, men kan blive betragtet som et persondatarisiko eller et brud, hvis personoplysninger er involveret. En anden forveksling er med begrebet træning: træning handler om, hvordan AI‑leverandører bruger input til at forbedre deres modeller. Ikke alle leverandører bruger kundernes input til træning, og nogle tilbyder erhvervs‑ eller betalte versioner, hvor du kan fravælge det; tjek altid leverandørens vilkår, før du deler fortrolig information.

Hvad du skal være opmærksom på

• Personoplysninger: Hvis datalækagen indeholder personoplysninger, kan det være et sikkerhedsbrud, som skal anmeldes til Datatilsynet inden 72 timer, hvis kravene til anmeldelse er opfyldt. Tjek nærmere hos myndigheden.
• Forskel på versioner: Forbruger‑ og erhvervsudgaver af samme chatbot kan have forskellige vilkår for dataanvendelse. Betalte erhvervsløsninger tilbyder ofte kontrolmuligheder, men det varierer.
• Dokumentation: Noter hvem der delte hvad, hvornår og i hvilket værktøj. Hvis du skal undersøge et brud, gør dokumentation det langt lettere.
• Leverandøransvar: Spørg leverandøren direkte om, hvorvidt de bruger input til træning, og om de tilbyder muligheder for at fravælge det. Få svar skriftligt.

Sådan begrænser du risikoen i praksis

1. Lav klare regler for hvad der må deles i offentlige AI‑værktøjer, og opstil alternativt et godkendt internt redskab.
2. Udfør en kort risikovurdering for de typiske arbejdsopgaver: hvilke dokumenter indeholder kundedata eller kildekode, og hvem må røre dem.
3. Gør erhvervsversioner eller indstillinger tilgængelige for teams, og bed leverandøren om dokumentation på, at input ikke bruges til træning, hvis I kræver det.
4. Træn medarbejderne i konkrete eksempler: hvad må de kopiere ind i en Chatbot, og hvad skal de håndtere internt.
5. Hav en klar procedure for anmeldelse og intern opfølgning, hvis en læk opdages: hvem informeres, hvilke data indsamles, og hvornår kontaktes Datatilsynet.

En sidste tanke: at lade medarbejdere bruge gratis chats til fortrolige dokumenter er lidt som at give nøglerne til pengeskabet til en gæst, fordi det er nemt. Du kan lade være med at være naiv, men ikke paranoid. Selv en enkelt fejl kan kræve tid, forklaringer og i værste fald en anmeldelse.

Vil I arbejde videre med datalækage på jeres egne opgaver, er det dét, en AI-workshop går ud på.