Gdzie naprawdę trafiają dane twojej firmy, kiedy pracownicy używają AI

zacznij od przepływu, nie od narzędzia

Pytanie „czy AI jest niebezpieczne" zawodzi, bo niebezpieczeństwo nie jest cechą narzędzia. Ten sam model może być nieszkodliwy albo poważnym zagrożeniem, zależnie wyłącznie od tego, jakie dane do niego trafiają i co dostawca z nimi robi.

Menedżer marketingu proszący chatbota o przepisanie publicznego wpisu na blogu nie stanowi ryzyka. Ten sam menedżer wklejający niepublikowaną umowę do tego samego chatbota na darmowym planie już tak. Narzędzie się nie zmieniło. Zmienił się przepływ danych.

Jednostką analizy jest więc przepływ. Dla każdego używanego narzędzia AI pytania są te same. Jakie dane mogą do niego dotrzeć. Jaką drogą. Co się z tymi danymi dzieje po dotarciu. Odpowiedz na te trzy pytania dla każdego przepływu i masz mapę. To mapą zarządzasz.

Jedna liczba wyznacza punkt wyjścia. 78% pracowników, którzy używają AI w pracy, przynosi własne narzędzia (Microsoft, 2024). Te przepływy już istnieją w twoim środowisku. Wybór polega na tym, czy je widzisz.

pięć wzorców przepływu

Większość ekspozycji danych AI w firmie mid-market wpada w jeden z pięciu wzorców. Różnią się tym, jak dane podróżują i jak widoczna jest ich droga. Przy każdym najważniejsze jest zrozumienie, co się dzieje z danymi po tym, jak je opuszczą.

1. darmowe i konsumenckie plany

Pracownik zakłada darmową albo osobistą wersję narzędzia AI i zaczyna jej używać do pracy. To najczęstszy wzorzec i najłatwiejszy do przeoczenia. W większości darmowych i konsumenckich planów wprowadzane dane mogą być używane do trenowania modelu i zatrzymywane przez okres, nad którym użytkownik nie ma kontroli. Domyślną zasadą darmowego planu rzadko jest „nic nie robimy z twoimi danymi". Istotny kontrast to plan enterprise albo biznesowy tego samego produktu, który zwykle oferuje warunki bez trenowania, określony okres retencji i umowę powierzenia danych (DPA). Model jest identyczny. Sposób traktowania danych już nie. Dlatego zatwierdzenie „ChatGPT" czy „Gemini" jako narzędzia samo w sobie nic nie znaczy. Punktem kontroli jest plan taryfowy.

2. prompty wklejane z danymi wrażliwymi

Pracownik kopiuje rekord klienta, fragment kodu źródłowego albo klauzulę z umowy i wkleja to do prompta. Intencja jest niewinna: podsumuj to, popraw to, przetłumacz to. Dane wychodzą w momencie wysłania. Nie ma stanu roboczego, nie ma cofnięcia. Gdy żądanie dotrze do dostawcy, treść jest już na jego infrastrukturze i podlega jego warunkom. Jeśli plan trenuje się na wprowadzanych danych, ten rekord klienta może teraz siedzieć w korpusie treningowym. To wzorzec, który trafia na nagłówki, i zarazem najbardziej zwyczajny. Wklejenie umowy do chatbota to transfer danych do firmy trzeciej, mimo że nikt, kto to robi, nie myśli o tym w ten sposób.

3. konektory i granty OAuth

Pracownik podpina narzędzie AI do systemu firmowego. Klika „połącz z Google Drive" albo „dodaj do Slacka" albo „autoryzuj GitHub", zatwierdza ekran uprawnień i idzie dalej. To jest jakościowo inne niż wklejenie. Wklejenie wysyła jedną rzecz raz. Konektor nadaje ciągły dostęp: narzędzie AI może czytać pocztę, pobierać dokumenty, skanować repozytorium, na własnym harmonogramie, bez inicjowania każdego transferu przez pracownika. Dostęp jest stały, nie jednorazowy. Trwa, dopóki ktoś nie cofnie grantu, czego w większości środowisk nikt nie robi. Grant odczytu do dysku pełnego umów to ciągła droga z twojej najbardziej wrażliwej treści do zewnętrznego modelu. Pracownik zatwierdził to w trzy sekundy i zapomniał.

4. narzędzia AI działające w przeglądarce i rozszerzenia

Pracownik instaluje rozszerzenie AI do przeglądarki albo używa narzędzia AI, które żyje w przeglądarce. Wiele z nich czyta treść strony, na której jesteś: wewnętrzny dashboard, rekord klienta w CRM, wątek e-mail, dokument w aplikacji webowej. Rozszerzenie czyta to, żeby wykonać swoją pracę, i przy okazji wysyła tę treść do własnego backendu. Niektóre potrafią przechwytywać wpisywany tekst. Niektóre potrafią sięgnąć po tokeny sesji. Problem zarządzania polega tu na lokalizacji: te narzędzia żyją na endpoincie, wewnątrz przeglądarki. Nie pojawiają się na liście OAuth twojego dostawcy tożsamości, bo wiele z nich nigdy nie prosi o grant OAuth. Jeśli twoja widoczność pochodzi wyłącznie z IdP, cała ta kategoria jest dla ciebie niewidoczna.

5. narzędzia agentic ze stałym dostępem

Narzędzie agentic AI nie tylko odpowiada. Działa. Wysyła e-maile, zakłada zgłoszenia, aktualizuje rekordy, wykonuje kroki w workflow. Żeby to robić, ma dane uwierzytelniające albo połączenia ze stałym dostępem do systemów, w których operuje. Agent czyta i zapisuje wszędzie tam, gdzie jest podłączony, często z uprawnieniami osoby, która go skonfigurowała. Przepływ danych biegnie w obie strony i nieustannie. Agent z nadmiarowymi uprawnieniami może sięgnąć wszędzie tam, gdzie sięgają jego dane uwierzytelniające, bez inicjowania każdej akcji przez człowieka. To najnowszy wzorzec i ten z najmniej ugruntowaną praktyką. Zasada jest ta sama co przy każdym stałym dostępie: określ zakres przed wdrożeniem, trzymaj się least privilege i wiedz, dokąd agent sięga.

co sprawdzić przy każdym przepływie

Dla każdego znalezionego przepływu ten sam zestaw pytań mówi, jak bardzo jest on eksponowany. Odpowiedzi znajdziesz w regulaminie dostawcy, na jego stronie zaufania czy bezpieczeństwa i w umowie DPA. Jeśli dostawca nie potrafi na nie odpowiedzieć, to sama w sobie jest odpowiedź.

• Czy narzędzie trenuje się na wprowadzanych danych? · Dlaczego to ważne: Jeśli tak, twoje dane mogą trafić do korpusu, do którego nie masz dostępu ani możliwości usunięcia. Plany enterprise zwykle to wyłączają, darmowe zwykle nie.
• Co jest zatrzymywane i jak długo? · Dlaczego to ważne: Retencja określa, jak długo twoje dane leżą na infrastrukturze dostawcy i czy możesz je usunąć.
• Kim są subprocesorzy? · Dlaczego to ważne: Dostawca może przekazywać twoje dane innym podmiotom. Każdy subprocesor to kolejna strona, która je przechowuje, i kolejna jurysdykcja, w której mogą się znaleźć.
• Gdzie hostowane są dane? · Dlaczego to ważne: Dla danych osobowych z UE to bezpośrednie pytanie w kontekście RODO. Liczy się zarówno lokalizacja przetwarzania, jak i mechanizm transferu.
• Czy jest umowa DPA? · Dlaczego to ważne: Umowa powierzenia przetwarzania danych to minimum przy używaniu jakiegokolwiek narzędzia z danymi osobowymi na gruncie RODO. Bez DPA, bez danych osobowych.
• Dla konektorów: jaki jest zakres grantu? · Dlaczego to ważne: Grant odczytu do jednego folderu to nie to samo, co grant odczytu do całego Drive. Zakres określa dokładnie, dokąd sięga stały dostęp.

Te sześć pytań to trzon weryfikacji. Dotyczą chatbota, konektora, rozszerzenia przeglądarki i agenta jednakowo. Przepływ się zmienia, pytania nie.

jak mapować swoje przepływy

Mapa to lista używanego AI, a przy każdej pozycji: jakie dane mogą do niej dotrzeć i jaką drogą. Nie potrzebujesz platformy, żeby zacząć. Musisz spojrzeć we właściwe miejsca i być uczciwym co do części, której nie widzisz.

Wypisz używane AI. Zacznij od dostawcy tożsamości. Wyciągnij pełną listę grantów OAuth i przefiltruj pod kątem aplikacji związanych z AI. To wydobywa dużą część użycia AI opartego na konektorach i SSO, w tym narzędzia, które nigdy nie przeszły przez IT. Potem sprawdź logi DNS pod kątem znanych domen AI, co wychwytuje narzędzia przeglądarkowe, które nie zostawiły śladu w OAuth. Potem przejrzyj spis rozszerzeń przeglądarki na zarządzanych urządzeniach. Każde źródło pokrywa inny wzorzec. Razem dają większość tego, co widoczne.

Dla każdego narzędzia prześledź drogę. Zapisz, jakie dane mogą do niego dotrzeć i w jaki sposób. Wklejony prompt to jedna droga. Konektor z grantem do Drive to inna. Rozszerzenie przeglądarki czytające aktywną kartę to trzecia. Droga mówi ci, z którym z pięciu wzorców masz do czynienia, a wzorzec mówi ci, co sprawdzić.

Bądź uczciwy co do tego, czego katalog nie widzi. Prywatne konto AI, założone na prywatnym urządzeniu albo w prywatnym profilu przeglądarki, używane całkowicie poza twoim katalogiem, nie zostawia śladu w żadnym z powyższych źródeł. Nie ma grantu OAuth, zarządzanego rozszerzenia ani firmowego zapisu DNS. Ten przepływ jest realny, a twoje narzędzia go nie widzą. Ta martwa strefa wymaga dwóch dodatków, których katalog nie dostarczy. Krótka ankieta wśród pracowników pyta ludzi wprost, jakich narzędzi AI używają i jak; ludzie odpowiadają szczerze, kiedy ramą jest „mapujemy to, nie polujemy na was". Jasna polityka mówi ludziom, co jest dozwolone, więc część, której nie widzisz, rządzi się regułą, którą ludzie rozumieją, a nie przypadkiem.

jak kontrolować przepływy

Kiedy przepływy są zmapowane, kontrola to zestaw decyzji o tym, co może trafić dokąd. Pięć z nich dźwiga większość ciężaru.

Reguła klasyfikacji danych. Zdecyduj, które klasy danych mogą trafiać do których klas narzędzi. Nie musi to być rozbudowane. Musi być na tyle konkretne, żeby pracownik mógł spojrzeć na to, co zamierza wkleić, i znać odpowiedź. Sensowny zestaw startowy: dane osobowe objęte RODO, materiały objęte NDA, kod źródłowy, niepublikowane dane finansowe, strategia wewnętrzna. Reguła określa dla każdej klasy, czy w ogóle może trafić do zewnętrznego narzędzia AI, a jeśli tak, to na jaki plan. Klasyfikacja, którą pracownik potrafi zastosować w danej chwili, jest warta więcej niż długa taksonomia, której nikt nie czyta.

Plany enterprise z warunkami bez trenowania i umową DPA. Tam, gdzie narzędzie jest naprawdę przydatne, przenieś je na plan, który traktuje dane właściwie: enterprise albo biznesowy, z wyłączonym trenowaniem, określoną retencją i podpisaną umową DPA. Darmowy plan tego samego narzędzia nie ma miejsca w twoim środowisku. Ten jeden ruch zamienia wiele ryzykownych przepływów w akceptowalne, bez odbierania ludziom narzędzia, którego chcą.

Przegląd zakresu konektorów i least privilege. Przejrzyj granty OAuth, jakie mają narzędzia AI, i sprawdź zakres każdego z nich. Wiele będzie miało więcej, niż potrzebuje. Ogranicz je do least privilege. Cofnij granty, z których nikt nie korzysta. Przy nowych konektorach sprawdzaj zakres przed zatwierdzeniem, nie po. Konektor to stały dostęp, więc zasługuje na taką samą uważność, jaką dałbyś każdemu kontu o takim zasięgu.

Lista zatwierdzonych narzędzi. Prowadź imienną listę narzędzi AI dopuszczonych do pracy, z warunkami przy każdym: wymagany plan enterprise, brak danych osobowych, tylko użytek wewnętrzny. Lista daje pracownikom autoryzowaną ścieżkę, co trzyma ich z dala od nieformalnej. Połącz ją z lekkim procesem weryfikacji i wyznaczonym właścicielem, żeby prośba o dodanie narzędzia dostała odpowiedź, zamiast zniknąć.

Świadomość AI. Ludzie przestrzegają reguł, które rozumieją. Krótkie wyjaśnienie, dlaczego darmowy plan jest problemem, co konektor faktycznie daje i dlaczego wklejona umowa to transfer danych, robi więcej dla zachowań niż lista zakazów. Cel jest taki, żeby ktoś, kto trafia na przypadek brzegowy, którego polityka nie nazwała, wciąż potrafił podjąć właściwą decyzję, bo rozumie mechanizm.

dlaczego to ma znaczenie teraz

Dwie liczby pokazują stawkę bez jej wyolbrzymiania. Wycieki danych przez generatywne AI to dziś główna obawa związana z generatywnym AI, wskazywana przez 30% respondentów (WEF, 2026). Ta obawa mapuje się wprost na przepływy opisane powyżej, rozpoznawane przez osoby, które nimi zarządzają. A kiedy shadow AI brało udział w naruszeniu, podnosiło jego koszt średnio o 670 000 USD (IBM, 2025). Ta premia to cena przepływu, którego nikt nie zmapował: narzędzia, którego nikt nie zatwierdził, trzymającego dane, których nikt nie sklasyfikował, na warunkach, których nikt nie przeczytał. Żadna z tych liczb nie jest powodem, żeby cokolwiek zakazywać. Są powodem, żeby zmapować przepływy i nad nimi zapanować.