Gegevens anonimiseren voor AI
Je wilt klantmails, dossiers of gespreksverslagen door een AI-model laten samenvatten, zonder dat namen, adressen en BSN’s bij de aanbieder van dat model terechtkomen. Wij bouwen de laag die dat regelt. Herkenbare gegevens gaan eruit vóór de aanroep en komen terug na het antwoord.
Waar het nu misgaat
De snelste weg naar AI is een medewerker die een klantmail in een gratis chatbot plakt. De Autoriteit Persoonsgegevens kreeg in 2025 tientallen meldingen van datalekken die zo begonnen. AI is voor haar een van de drie toezichtprioriteiten voor 2026 tot en met 2028.
Een eigen koppeling met de API van een AI-aanbieder lost dat niet vanzelf op: dan gaat dezelfde mail via je eigen software naar hetzelfde model.
Anonimiseren betekent dat niemand de gegevens nog naar een persoon kan herleiden, ook jij niet. Dan zijn het geen persoonsgegevens meer. Voor AI werkt dat zelden, want je wilt het antwoord terugkoppelen aan de klant om wie het ging.
Wat wel werkt, is pseudonimiseren: herkenbare gegevens vervangen door labels en de sleutel apart bewaren. De AVG beschrijft dat in artikel 4 en zegt in overweging 26 dat zulke gegevens persoonsgegevens blijven voor wie de sleutel heeft. Het verkleint het risico. De AVG blijft gewoon gelden. De tekst staat op EUR-Lex.
Voor wie
En voor wie niet
Voor bedrijven die AI willen loslaten op teksten die over mensen gaan.
Wel.
- Je wilt klantmails, dossiers of verslagen laten samenvatten of beantwoorden.
- Er zitten gevoelige gegevens in, zoals medische of financiële.
- Medewerkers plakken nu klantgegevens in een gratis chatbot.
- Je hebt een eigen applicatie of portaal waar AI in moet.
Liever niet.
- Je teksten bevatten geen persoonsgegevens, zoals productbeschrijvingen.
- Het model moet de echte naam kennen om zijn werk te doen.
- Je zoekt een jurist die beoordeelt of je verwerking mag.
Wat we bouwen
Een laag tussen je applicatie en het model, op je eigen server of op onze hosting.
- Herkennen wat herkenbaar is
- Namen, adressen, telefoonnummers, e-mailadressen, IBAN’s, BSN’s en je eigen dossiernummers. Vaste patronen vangen we met regels. Namen in vrije tekst vinden we met een herkenningsmodel dat op je eigen server draait, zodat ook die stap niets naar buiten stuurt.
- Vervangen door labels
- Uit “Mevrouw Bakker, Dorpsstraat 4, belde over factuur 2026-118” wordt “PERSOON_1, ADRES_1, belde over FACTUUR_1”. Binnen één document krijgt dezelfde persoon steeds hetzelfde label, dus het model ziet nog wie wie is.
- Een sleuteltabel die je server niet verlaat
- Welk label bij welke echte waarde hoort, staat versleuteld in je eigen database, per aanvraag en met een bewaartermijn. Die tabel gaat nooit mee in de aanroep.
- Terugzetten na het antwoord
- Het antwoord komt terug met labels. De laag zet de echte gegevens terug voordat je medewerker het ziet, en controleert of het model geen labels heeft verzonnen die niet in de vraag stonden.
- Een model met verwerking in de EU
- Een Europese aanbieder, of een Amerikaanse via een Europese regio, met een verwerkersovereenkomst en zonder training op jouw gegevens. Waar je hosting verder moet staan, lees je bij je app naar Europese hosting.
- Logging zonder de echte gegevens
- De logs tonen wat er naar het model ging, met labels in plaats van namen. Zo wordt je logbestand zelf geen lek.
Wat kost het
Na één gesprek noemen we een vast bedrag. Dat hangt af van welke gegevens herkend moeten worden, in welke systemen ze staan en hoeveel documenten er per dag doorheen gaan.
Zo gaat het
Kennismaking
Je vertelt welke gegevens door AI moeten, waarvoor, en in welk systeem ze nu staan. Daarna hoor je of pseudonimiseren voor jouw geval werkt.
Proef op je eigen documenten
We draaien de herkenning op een set van je eigen documenten, op jouw server. Je ziet wat hij vindt en wat hij mist. Dat bepaalt of het goed genoeg is.
Bouwen
De laag komt tussen je applicatie en het model, in Laravel. Elke week zie je een werkende tussenversie op een testomgeving.
Live en beheer
We houden bij wat de herkenning mist en verbeteren de patronen.
Wanneer je dit niet nodig hebt
Gaan je teksten niet over mensen, dan valt er niets te vervangen. Handleidingen, productteksten en interne procedures kun je zonder deze laag door een model halen.
Wil je vooral dat medewerkers veilig vragen stellen over jullie eigen documenten, dan past een AI-assistent op je eigen documenten beter: in de EU gehost, met rechten per document.
Mist de herkenning na de proef te veel, dan zeggen we dat, en kijken we naar een model dat helemaal op je eigen server draait.
Praat het model rechtstreeks met je klanten, dan gelden er ook meldregels: zie wat je moet melden bij een AI-chatbot. Zit de AI in software die je verkoopt, lees dan wat de AI Act van een AI-functie in je app vraagt. Wat AI-tools verder niet voor je regelen, staat in ons artikel over AVG en hosting, en alles over dit onderwerp bij privacy en regels rond AI.
Zijn gepseudonimiseerde gegevens nog persoonsgegevens?
Wat als de herkenning een naam mist?
Begrijpt het model de tekst nog met labels erin?
Vertel ons waar de gegevens nu staan
De kennismaking is gratis. We reageren binnen één werkdag.