LLM's gebruiken op persoonsgegevens zonder persoonsgegevens te versturen

Veel teams willen een taalmodel inzetten op documenten met persoonsgegevens: aanvragen, dossiers, e-mails van klanten. Het risico is echt. De Autoriteit Persoonsgegevens ontving meldingen van datalekken nadat medewerkers patiënt- en klantgegevens in AI-chatbots hadden ingevoerd. Er is een beter patroon. Het model doet het taalwerk, maar ziet nooit wie de persoon is.

Waarom een contract met de aanbieder niet genoeg is

Een zakelijk contract met een AI-aanbieder helpt, maar de persoonsgegevens verlaten nog steeds uw omgeving. U heeft nog steeds een grondslag nodig. U moet de gegevens ook beperken tot wat nodig is voor het doel. De AVG noemt dit dataminimalisatie, in artikel 5, lid 1, onder c.

De Autoriteit Persoonsgegevens waarschuwt ook dat de meeste bedrijven achter chatbots alle ingevoerde gegevens opslaan. De mensen in uw documenten weten niet waar hun gegevens terechtkomen. De veiligste persoonsgegevens zijn dus de persoonsgegevens die u niet verstuurt.

Wat pseudonimiseren betekent in de AVG

Artikel 4, lid 5, van de AVG definieert pseudonimisering. U verwerkt persoonsgegevens zo dat u ze zonder aanvullende gegevens niet meer aan een specifieke persoon kunt koppelen. Die aanvullende gegevens bewaart u apart, en u beschermt ze met technische en organisatorische maatregelen.

Overweging 26 voegt iets belangrijks toe. Gepseudonimiseerde gegevens zijn nog steeds persoonsgegevens, anonieme gegevens niet. Het Europees Comité voor gegevensbescherming (EDPB) publiceerde in 2025 richtlijnen over pseudonimisering, met voorbeelden.

Pseudonimiseren haalt de AVG dus niet uit uw project. Het verkleint het risico, en het bepaalt welke partij welke gegevens ziet.

Het patroon: een kluis tussen uw gegevens en het model

1. Vind de persoonsgegevens. Zoek naar namen, geboortedata, adressen, e-mailadressen, telefoonnummers, KvK-nummers en rekeningnummers. Gebruik regels voor vaste formaten, zoals IBAN en postcodes. Voeg een model voor named entity recognition toe dat in uw eigen omgeving draait.
2. Vervang elk gegeven door een vast token, bijvoorbeeld ‹PERSOON_1› of ‹ADRES_1›. Dezelfde naam krijgt in het hele dossier hetzelfde token. Zo kan het model nog steeds volgen wie wie is.
3. Bewaar de koppeling tussen token en echte waarde in een kluis in uw eigen omgeving. Alleen de kluis kan een token terugzetten naar de echte waarde.
4. Stuur alleen de gepseudonimiseerde tekst naar het taalmodel. Vraag om gestructureerde uitvoer: feiten, bedragen, datums en een korte samenvatting.
5. Zet de echte waarden alleen terug waar een mens ze nodig heeft, bijvoorbeeld in het scherm van de beoordelaar. Leg elke herleiding vast in een log.
6. Doe een lekcontrole voor elke externe aanroep. Zoek in de uitgaande tekst naar de oorspronkelijke waarden. Staat er een in de tekst, stop dan het verzoek.

Wat het model nodig heeft, en wat niet

De meeste extractietaken hebben de identiteit van een persoon niet nodig. Het model heeft rollen nodig (“de aanvrager”), relaties (“de directeur van het bedrijf”) en feiten (bedragen, datums, producten).

Gebruik algemene waarden waar het detail ertoe doet. Geef een leeftijdscategorie in plaats van een geboortedatum. Geef een plaats in plaats van een straatadres. Schrijf “bedrijf opgericht in 2019” in plaats van de bedrijfsnaam. Neem dit besluit per veld, samen met de eigenaren van het proces.

Waar dit patroon tekortschiet

• Vrije tekst kan een persoon identificeren zonder naam. “De enige vrouwelijke piloot op ons vliegveld” is een voorbeeld. Detectie vindt niet alles. Test het op echte voorbeelden en meet wat het mist.
• Sommige controles hebben de echte identiteit nodig, bijvoorbeeld een controle tegen een sanctielijst. Doe die controles in uw eigen omgeving, met regels of een lokaal model.
• Scans en foto’s hebben eerst OCR nodig. Pseudonimiseer de tekst na de OCR en vóór elke externe aanroep.
• Gepseudonimiseerde gegevens blijven persoonsgegevens. U heeft nog steeds een grondslag nodig, een verwerkersovereenkomst met de aanbieder en een vermelding in het verwerkingsregister.

Wat u nu kunt doen

1. Maak een lijst van de AI-tools die uw team gebruikt, en van de gegevens die erin gaan.
2. Maak duidelijke afspraken over welke gegevens medewerkers mogen invoeren. De Autoriteit Persoonsgegevens geeft hetzelfde advies.
3. Kies één proces voor een pilot, met veel volume en standaarddocumenten.
4. Zorg voor de detectie, de kluis en de lekcontrole voordat u een model koppelt.
5. Meet twee dingen: de persoonsgegevens die de detectie mist, en de kwaliteit van de extractie met tokens.
6. Vraag uw privacy officer om het ontwerp en de gegevensstromen te controleren.

Hoe wij dit aanpakken

We gebruikten dit patroon voor een leasemaatschappij. Het systeem maakt een eerste beoordeling van leaseaanvragen. Het taalmodel haalt de feiten uit gepseudonimiseerde dossiers. Een vaste set regels neemt het besluit, en het model ziet nooit gegevens die een klant kunnen identificeren.