Preskoči na glavni sadržaj
Hrvatski— Odaberite jezik
Izbornik

GDPR i zaštita podataka s OpenAI-jem

Lekcija 13 od 14 Ažurirano 28. srpnja 2026. Napredno
Na ovoj stranici
  1. Umjetna inteligencija i GDPR: Okvir koji se ne pregovara
  2. Sedam načela prilagođenih sustavu LLM
  3. Minimizacija: Mjera koja rješava većinu problema
  4. Konfiguriraj servis i prikupi pristanak
  5. Odgovaranje na zahtjeve ispitanika
  6. Formaliziraj procjenu utjecaja
  7. Ključne točke

Umjetna inteligencija i GDPR: Okvir koji se ne pregovara

Opća uredba o zaštiti podataka (GDPR) primjenjuje se na svaku aplikaciju koja obrađuje osobne podatke europskih rezidenata – uključujući aplikacije izgrađene na velikim jezičnim modelima (LLM). Za umjetnu inteligenciju nema iznimaka. To često zbunjuje tehničke timove: traže propise specifične za AI, dok se primjenjivi tekst postoji već godinama i nije se mijenjao. U 2026. godini provedbene mjere sve češće ciljaju sustave umjetne inteligencije. Korištenje OpenAI-jevih API-ja u ovom kontekstu znači manje učenje novih zakona, a više prevođenje poznatih pravnih zahtjeva u novu arhitekturu.

Sedam načela prilagođenih sustavu LLM

GDPR počiva na sedam ključnih načela, od kojih svako dobiva specifično značenje kada jezični model uđe u lanac obrade.

Načelo Primjena u AI-u
Zakonitost Pravna osnova za slanje podataka API-ju (pristanak, legitimni interes, ugovor)
Minimizacija podataka Šalji samo podatke strogo potrebne modelu
Ograničenje svrhe Poslani podaci smiju služiti isključivo deklariranoj svrsi
Točnost Izlazi modela mogu biti netočni – informiraj korisnika
Ograničenje pohrane Provjeri OpenAI-jevu politiku zadržavanja i briši na strani klijenta
Sigurnost Šifriranje tijekom prijenosa, kontrola pristupa, revizija zapisnika
Odgovornost Dokumentiraj izbore i budi spreman dokazati usklađenost

Dva načela redovito iznenade timove. Prvo, točnost: ovo pretvara halucinacije iz problema kvalitete u regulatorni problem. Kada model generira lažne informacije o identificiranoj osobi, ta osoba ima pravo na ispravak. Drugo, odgovornost: biti usklađen nije dovoljno – to moraš i dokazati. Time se dokumentacija pretvara iz dobre prakse u pravnu obvezu.

Minimizacija: Mjera koja rješava većinu problema

Od svih dostupnih mjera, pseudonimizacija prije slanja podataka nudi najbolji omjer između uloženog truda i smanjenja rizika. Logika je jednostavna: ono što nikada ne napusti tvoj sustav ne može curiti podizvođaču, ne može izazvati pitanja tijekom prijenosa izvan EU-a i neće komplicirati zahtjeve za brisanje.

Mehanizam u nastavku zamjenjuje svaki dio identificirajućih podataka stabilnim tokenom, drži mapiranje u lokalnoj memoriji i vraća izvorne vrijednosti u odgovoru. Krajnji korisnik vidi „g. Dupont“, model vidi samo „[PERSON_1]“, a servisna funkcija ostaje potpuno netaknuta – asistent i dalje može sastaviti odgovor jer mu zapravo prezime nije ni trebalo.

Komentar o imenima nije dekorativan: uzorak hvata samo oblike kojima prethodi titula. Golo ime će proći nezapaženo. U proizvodnji preuzima model za prepoznavanje imenovanih entiteta (NER), a imati ovo upozorenje eksplicitno u kodu bolje je od lažnog samopouzdanja.

import re

class DataMinimizer:
    """Anonimizira osobne podatke prije slanja API-ju."""

    def __init__(self):
        self.mappings: dict[str, str] = {}
        self.counter = 0

    def anonymize(self, text: str) -> str:
        """Zamjenjuje osobne podatke rezerviranim mjestima."""
        # E-mail adrese
        text = re.sub(
            r"[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}",
            lambda m: self._replace(m.group(), "EMAIL"),
            text,
        )
        # Francuski brojevi telefona
        text = re.sub(
            r"(?:0|\+33)[1-9](?:[\s.-]?\d{2}){4}",
            lambda m: self._replace(m.group(), "PHONE"),
            text,
        )
        # Imena (pojednostavljeni uzorak – u proizvodnji koristi NER)
        text = re.sub(
            r"\b(Mr\.|Ms\.|Dr\.)\s+[A-Z][a-zéèêë]+\s+[A-Z][a-zéèêë]+\b",
            lambda m: self._replace(m.group(), "PERSON"),
            text,
        )
        # IBAN
        text = re.sub(
            r"\b[A-Z]{2}\d{2}\s?\d{4}\s?\d{4}\s?\d{4}\s?\d{4}\s?\d{0,4}\b",
            lambda m: self._replace(m.group(), "IBAN"),
            text,
        )
        return text

    def _replace(self, value: str, type_: str) -> str:
        if value not in self.mappings:
            self.counter += 1
            self.mappings[value] = f"[{type_}_{self.counter}]"
        return self.mappings[value]

    def deanonymize(self, text: str) -> str:
        """Vraća izvorne podatke u odgovoru."""
        reverse = {v: k for k, v in self.mappings.items()}
        for placeholder, original in reverse.items():
            text = text.replace(placeholder, original)
        return text

# Upotreba
minimizer = DataMinimizer()

original_message = "Mr. Dupont ([email protected], 06 12 34 56 78) requests a refund."
anonymized_message = minimizer.anonymize(original_message)
print(f"Sent to API: {anonymized_message}")
# "[PERSON_1] ([EMAIL_1], [PHONE_1]) requests a refund."

# Nakon odgovora modela
model_response = "The file for [PERSON_1] has been processed. An email was sent to [EMAIL_1]."
final_response = minimizer.deanonymize(model_response)
print(f"Final response: {final_response}")

Konfiguriraj servis i prikupi pristanak

Na strani pružatelja usluge zapamti ovo pravilo: podaci poslani putem API-ja prema zadanim postavkama se ne koriste za obuku, suprotno onome što mnogi pretpostavljaju po analogiji s korisničkim sučeljima. To te ne oslobađa obveze provjere postavki tvoje organizacije na platformi i dokumentiranja te provjere.

from openai import OpenAI

# S API-jem, tvoji podaci se prema zadanim postavkama NE koriste za obuku
# Ali provjeri postavke svoje organizacije na platform.openai.com

client = OpenAI()

# Krajnja točka Responses API-ja poštuje politiku zadržavanja
response = client.chat.completions.create(
    model="gpt-5.6-sol",
    messages=[{"role": "user", "content": "Hello"}],
    # store=False onemogućuje pohranu na strani OpenAI-ja ako je dostupno
)

Na strani korisnika, pristanak se upravlja prema svrsi, a ne globalno, što objašnjava ovu strukturu: korisnik može prihvatiti konverzacijsku pomoć, a odbiti da se njegove razmjene koriste za poboljšanje usluge. Verzija politike bilježi se uz pristanak – kritičan detalj za dan kada ažuriraš tu politiku. Bez tog traga, nećeš znati tko je na što pristao. Konačno, povlačenje pokreće trenutno brisanje, jer zadržavanje podataka nakon povlačenja upravo je scenarij koji rutinsku reviziju pretvara u provedbenu akciju.

class ConsentManager:
    """Upravlja korisničkim pristankom za AI obradu."""

    def __init__(self):
        self.consent_records: dict[str, dict] = {}

    def record_consent(self, user_id: str, purposes: list[str]):
        """Bilježi izričit korisnički pristanak."""
        from datetime import datetime
        self.consent_records[user_id] = {
            "purposes": purposes,
            "date": datetime.now().isoformat(),
            "policy_version": "v2.1",
            "method": "explicit_checkbox",
        }

    def verify_consent(self, user_id: str, purpose: str) -> bool:
        """Provjerava je li korisnik dao pristanak za određenu svrhu."""
        if user_id not in self.consent_records:
            return False
        return purpose in self.consent_records[user_id]["purposes"]

    def withdraw_consent(self, user_id: str):
        """Povlači pristanak i pokreće brisanje podataka."""
        if user_id in self.consent_records:
            del self.consent_records[user_id]
            self._delete_data(user_id)

    def _delete_data(self, user_id: str):
        """Briše sve podatke povezane s korisnikom."""
        # Briši povijest razgovora
        # Briši zapisnike koji sadrže osobne podatke
        # Obavijesti podizvođače (OpenAI) ako je primjenjivo
        print(f"Data deleted for {user_id}")

Odgovaranje na zahtjeve ispitanika

Prava na pristup, brisanje i prenosivost moraš implementirati prije nego što stigne prvi zahtjev, jer mjesečni rok za odgovor brzo nestane dok još pišeš kod. Pravo na pristup zahtijeva više od sirovih podataka: moraš navesti svrhe, popis podizvođača i razdoblja zadržavanja – informacije koje je bolje unaprijed konsolidirati.

Pravo na brisanje zahtijeva pažljiv pregled koda. Odgovor eksplicitno razlikuje lokalne podatke, koji se brišu odmah, od podataka poslanih API-ju, koji podliježu politici zadržavanja pružatelja usluge. Ova iskrenost je obvezna: obećavanje potpunog, trenutnog brisanja dok kopija ostaje kod podizvođača izlaže te većem riziku nego jasno dokumentiranje obaju režima.

class DataSubjectRights:
    """Implementira GDPR prava za korisnike."""

    def right_of_access(self, user_id: str) -> dict:
        """Vraća sve podatke koje posjeduješ o korisniku."""
        return {
            "personal_data": self._collect_data(user_id),
            "processing_purposes": ["customer_support", "service_improvement"],
            "subprocessors": ["OpenAI (LLM API)", "PostgreSQL (storage)"],
            "retention_period": "12 months after last activity",
            "source": "Direct user input",
        }

    def right_to_erasure(self, user_id: str) -> dict:
        """Briše sve korisničke podatke."""
        # Briši iz lokalne baze podataka
        deleted_local = self._delete_local(user_id)
        # Podaci poslani OpenAI API-ju podliježu
        # njihovoj politici zadržavanja (maks. 30 dana putem API-ja)
        return {
            "status": "deleted",
            "local_data": "deleted",
            "openai_data": "subject to 30-day retention",
            "date": datetime.now().isoformat(),
        }

    def right_to_portability(self, user_id: str) -> dict:
        """Izvozi podatke u strukturiranom formatu."""
        data = self._collect_data(user_id)
        return {
            "format": "JSON",
            "data": data,
            "export_date": datetime.now().isoformat(),
        }

    def _collect_data(self, user_id: str) -> dict:
        return {"user_id": user_id, "conversations": [], "profile": {}}

    def _delete_local(self, user_id: str) -> int:
        return 0

Formaliziraj procjenu utjecaja

Za svaku AI aplikaciju koja obrađuje osobne podatke u velikom opsegu, Procjena utjecaja na zaštitu podataka (DPIA) je obvezna. Struktura u nastavku prikazuje očekivane odjeljke, a primjer ilustrira kako izgleda ispunjena DPIA za chatbot korisničke podrške.

Dva polja privlače najveću pozornost nadzornog tijela. Prvo, prijenosi izvan EU-a: kad god obrada prolazi kroz pružatelja usluge iz SAD-a, moraš imenovati primatelja, zemlju i pozvanu zaštitnu mjeru – ovdje su to Standardne ugovorne klauzule (SCC) nadopunjene OpenAI-jevim Ugovorom o obradi podataka. Drugo, analiza rizika, koja mora biti specifična za opisani sustav. Rizik odabran u primjeru je curenje osobnih podataka putem injiciranja upita (prompt injection), a mjere ublažavanja su zaštitne ograde protiv eksfiltracije i moderiranje: sve što si izgradio u prethodnim poglavljima ovdje nalazi svoj regulatorni prijevod.

@dataclass
class ImpactAssessment:
    """Struktura DPIA-e za AI sustav."""
    processing_name: str
    description: str
    legal_basis: str
    data_processed: list[str]
    recipients: list[str]
    transfers_outside_eu: list[dict]
    security_measures: list[str]
    risks: list[dict]
    dpo_opinion: str = ""

dpia_chatbot = ImpactAssessment(
    processing_name="Customer Service Chatbot with AI",
    description="Conversational assistant using GPT-5.6 Sol via OpenAI API",
    legal_basis="Legitimate interest (customer support)",
    data_processed=["first_name", "email", "order_history", "chat_messages"],
    recipients=["Support team", "OpenAI (API subprocessor)"],
    transfers_outside_eu=[{
        "recipient": "OpenAI Inc.",
        "country": "United States",
        "safeguard": "Standard Contractual Clauses (SCCs) + OpenAI DPA",
    }],
    security_measures=[
        "Anonymization before sending to API",
        "TLS encryption in transit",
        "Access logs with 90-day retention",
        "Right to erasure implemented",
    ],
    risks=[{
        "description": "Personal data leakage via prompt injection",
        "likelihood": "medium",
        "severity": "high",
        "mitigation": "Anti-exfiltration guardrails + moderation",
    }],
)

Ključne točke

  • GDPR se primjenjuje čim AI sustav obrađuje podatke europskih rezidenata
  • Minimizacija podataka (anonimizacija prije slanja API-ju) prvi je refleks
  • Prava ispitanika (pristup, brisanje, prenosivost) moraju biti implementirana
  • DPIA je obvezna za AI obradu u velikom opsegu
  • Prijenosi izvan EU-a dokumentiraju se putem OpenAI-jevog DPA-a i eksplicitnih zaštitnih mjera (SCC, procjena utjecaja prijenosa)