Dane osobowe w rozmowach z AI: maskowanie i jego konsekwencje

Klienci w rozmowie podają mnóstwo danych osobowych: imię i nazwisko, telefon, e-mail, adres, numer klienta, czasem PESEL czy numer rachunku. Agent potrzebuje ich, żeby założyć zgłoszenie albo sprawdzić zamówienie. Model językowy już nie. Do prowadzenia rozmowy wystarczy mu wiedzieć, że „tu jest imię klienta”, a „tu jego e-mail”.

#Jak działa maskowanie w X-TALK

Zanim treść trafi do modelu AI, X-TALK wykrywa w niej dane osobowe i zastępuje je znacznikami. Model prowadzi rozmowę na znacznikach, a gdy agent wywołuje narzędzie albo odpisuje klientowi, znaczniki są z powrotem zamieniane na prawdziwe wartości.

To odwracalna pseudonimizacja: agent może założyć zgłoszenie z e-mailem klienta, choć model tego e-maila nigdy nie zobaczył. W dzienniku audytowym przy każdej rozmowie zapisujemy, ile i jakich danych zamaskowano, bez samych wartości.

Co jest wykrywane: imiona i nazwiska, adresy e-mail, numery telefonów, adresy, numery kart płatniczych, PESEL, NIP, numery dowodów osobistych i numery rachunków. Polskie identyfikatory są sprawdzane także pod kątem poprawności sum kontrolnych, więc przypadkowy ciąg 11 cyfr nie zostanie uznany za PESEL. Opcjonalnie można maskować również nazwy miejscowości.

#Trzy poziomy ochrony, ustawiane dla każdego agenta

Niezależnie od poziomu: osoby bez roli administratora (np. kierownik zmiany, analityk) mogą widzieć w transkryptach i podsumowaniach etykiety, np. „[OSOBA]”, „[TELEFON]”, zamiast danych osobowych. Asystenci AI podłączeni przez MCP zawsze dostają transkrypt zamaskowany.

#Konsekwencje, o których warto wiedzieć

Maskowanie zmienia to, co „wie” model. Większość skutków jest niewidoczna dla klienta, ale kilka da się zauważyć w rozmowie. Żadne nie psuje obsługi, jeśli instrukcje agenta są do nich dostosowane.

Brak odmiany imion i nazwisk

Model widzi „[PERSON_1]”, a nie „Anna Kowalska”, więc nie może odmienić imienia ani nazwiska. Po odmaskowaniu klient zobaczy formę podstawową, czyli mianownik.

W polszczyźnie mianownik w zwrocie do osoby brzmi sztucznie. Rozwiązanie jest proste: w instrukcji agenta przy pełnym maskowaniu poproś, żeby nie zwracał się do klienta po imieniu i nazwisku, tylko formami neutralnymi („Dziękuję”, „Zgłoszenie zostało przyjęte”). Imię nadal trafia poprawnie do zgłoszenia i CRM.

Model nie zna płci rozmówcy

Ze znacznika nie wynika, czy rozmawia kobieta, czy mężczyzna. Agent, który w czacie bez maskowania napisałby „Skontaktujemy się z Panią”, przy pełnym maskowaniu napisze „z Panem/Panią” albo musi zgadywać. Najlepiej od razu zapisać w instrukcji preferencję form bezosobowych lub neutralnych: „Skontaktujemy się wkrótce”, „Zgłoszenie zostało przyjęte” zamiast „przyjąłem Pani zgłoszenie”.

Adresy: kompromis między prywatnością a narzędziami

Pełny adres zamieniony na jeden znacznik byłby bezpieczny, ale bezużyteczny dla narzędzi lokalizacyjnych: wyszukiwarka sklepów czy placówek potrzebuje osobno ulicy, numeru i miasta, a często miasta w mianowniku („Kraków”, a nie „w Krakowie”). Z jednego znacznika model nie rozbije adresu na pola ani nie odmieni miasta.

Dlatego w rozmowie na żywo X-TALK maskuje to, co identyfikuje osobę, czyli numer domu i mieszkania, a ulicę i miejscowość zostawia. „Długa 5 m. 3 w Krakowie” model widzi jako „Długa [NUMER] w Krakowie”, poprawnie wypełnia pola narzędzia, a narzędzie i tak dostaje pełny adres. W analizach po rozmowie i w transkryptach dla osób bez roli administratora maskowany jest cały adres.

Model nie oceni zamaskowanej wartości

Model nie widzi treści znacznika, więc nie zauważy literówki w adresie e-mail, nie sprawdzi, czy numer telefonu ma właściwą liczbę cyfr, ani nie porówna dwóch nazwisk. Taką walidację powinny robić narzędzia i formularze zgłoszeń (format e-maila, telefonu, kodu pocztowego), a nie model. Przy okazji to dobra praktyka niezależnie od maskowania: walidacja w kodzie jest pewniejsza niż „na oko” modelu.

Wykrywanie nie jest stuprocentowe

Rozpoznawanie danych osobowych w swobodnym tekście to statystyka, a nie lista reguł. Zdarza się, że zwykłe słowo zostanie uznane za nazwisko (i zamaskowane niepotrzebnie) albo że nietypowo zapisana dana się prześliźnie. Dlatego maskowanie to dodatkowa warstwa ochrony, a nie zwolnienie z minimalizacji danych: agent i tak powinien prosić tylko o to, czego potrzebuje do sprawy.

Odrobinę dłuższa odpowiedź w czacie

Wykrywanie danych przy każdej wiadomości trwa zwykle kilkadziesiąt milisekund. W czacie to niezauważalne, ale przy pełnym maskowaniu warto o tym pamiętać, oceniając czas odpowiedzi agenta.

Mniej kontekstu w przeglądach rozmów

Kierownik bez roli administratora czyta „[OSOBA] zgłosiła problem z dostawą na [ADRES]”. Do oceny jakości obsługi to wystarcza, ale do wyjaśnienia konkretnej reklamacji potrzebny jest administrator albo system, w którym agent założył zgłoszenie.

#Jak włączyć maskowanie, żeby nie zepsuć rozmowy

1. 01

   Zacznij od poziomu „Analizy”

   Chroni dane w podsumowaniach, tagach i hotspotach i nie zmienia w ogóle zachowania agenta.

2. 02

   Dostosuj instrukcje przed poziomem „Pełne”

   Formy neutralne płciowo, bez zwracania się po imieniu i nazwisku, potwierdzanie danych przez narzędzie zamiast przepisywania ich przez model.

3. 03

   Wybierz rodzaje danych

   Np. miejscowości maskuj tylko wtedy, gdy agent nie korzysta z narzędzi lokalizacyjnych.

4. 04

   Przetestuj na scenariuszach z danymi

   Zakładanie zgłoszenia, wyszukiwanie placówki, status zamówienia. Sprawdź argumenty narzędzi i odpowiedzi w laboratorium rozmów (rozdział 17).

5. 05

   Sprawdź role w panelu

   Kto ma widzieć pełne dane, a komu wystarczą etykiety.