ChatGPT Enterprise dla firm: gdzie trafiają dane i co wybrać, gdy RODO to wyklucza?

ChatGPT Enterprise przetwarza dane na serwerach OpenAI, które działają na infrastrukturze Microsoft Azure, w tym na serwerach poza Unią Europejską. OpenAI zobowiązuje się do nieprzetwarzania tych danych w celach treningowych i podpisuje umowę powierzenia przetwarzania danych wymaganą przez RODO, ale Wasze dane nadal opuszczają sieć firmową i trafiają do zewnętrznego podmiotu. Dla firm, które przetwarzają dane klientów, dokumenty finansowe lub tajemnicę handlową, to nie jest decyzja, którą można podjąć bez porządnej analizy.

Gdzie fizycznie lądują dane wpisane w ChatGPT Enterprise?

Każdy prompt wysłany przez pracownika trafia zaszyfrowany do infrastruktury OpenAI na Microsoft Azure. OpenAI nie trenuje na nim modelu: Enterprise to wyklucza kontraktowo. Ale dane są przetwarzane na zewnętrznym serwerze. W zależności od ustawień regionu mogą to być serwery w USA lub w wybranych regionach Azure w Europie.

W praktyce wygląda to tak: pracownik wkleja do czatu fragment umowy z klientem, żeby poprawić jej język. Tekst tej umowy jedzie przez internet, trafia do chmury OpenAI, jest tam przetworzony, a odpowiedź wraca do pracownika. Szyfrowanie działa w trakcie transmisji i gdy dane "odpoczywają" na serwerze. Ale fizycznie te dane są poza Waszą siecią.

OpenAI w ramach ChatGPT Enterprise oferuje:

• umowę powierzenia przetwarzania danych (DPA), wymaganą przez art. 28 RODO,
• standardowe klauzule umowne (SCC) dla transferu danych do USA,
• możliwość ustawienia okresu retencji, po jakim logi są usuwane,
• brak dostępu pracowników OpenAI do Waszych rozmów w normalnych okolicznościach, co jest opisane w warunkach korporacyjnych.

To zdecydowanie lepiej niż darmowy ChatGPT. Ale "lepiej" nie znaczy "bez ryzyka".

Co z tego wynika konkretnie dla RODO?

Art. 28 RODO wymaga podpisania umowy powierzenia z każdym podmiotem, który przetwarza dane osobowe w Waszym imieniu. OpenAI taką umowę podpisuje. Punkt formalnie spełniony.

Problem zaczyna się gdzie indziej. Transfer danych do USA wymaga odpowiednich mechanizmów: OpenAI korzysta ze standardowych klauzul umownych (SCC), ale to nadal transfer poza EOG. UODO wielokrotnie wskazywało, że samo SCC nie wystarczy. Musicie ocenić, czy prawo kraju trzeciego: w tym przypadku przepisy FISA 702, które dają służbom USA szeroki dostęp do danych przechowywanych przez amerykańskie firmy, nie podważa ochrony tych klauzul. Mało firm to robi. I to jest realne ryzyko prawne, nie teoretyczny scenariusz.

Drugi problem to minimalizacja danych z art. 5 ust. 1 lit. c RODO. Jeśli pracownicy wklejają do ChatGPT Enterprise fragmenty umów z danymi klientów, numery PESEL, dane z akt osobowych, to firma przetwarza te dane u zewnętrznego podmiotu. Nawet jeśli DPA jest podpisane: czy klient wyraził zgodę na takie przetwarzanie? Prawie nigdy nie ma takiego zapisu w umowie z klientem.

Kiedy ChatGPT Enterprise jest akceptowalnym wyborem?

Są scenariusze, gdzie ryzyko jest naprawdę niskie i nie ma sensu budować własnej infrastruktury:

• Tworzenie treści marketingowych: teksty na stronę, posty, opisy produktów bez danych klientów. Pracownicy wpisują brief i temat, dostają draft. Żadnych danych osobowych, żadnej tajemnicy handlowej.
• Generowanie materiałów szkoleniowych: quizy, prezentacje, scenariusze onboardingowe na podstawie anonimowych treści wewnętrznych. Chatbot do pytań o ogólne procedury firmy, gdzie wiedza nie jest wrażliwa.
• Analiza ogólnodostępnych danych: pytania o rynek, trendy branżowe, podsumowania publicznych raportów. Nic tajnego nie wychodzi z sieci, bo nic tajnego tam nie wchodzi.

W tych przypadkach ChatGPT Enterprise daje realną wartość: szybki start, brak infrastruktury do utrzymania, dostęp przez przeglądarkę z dowolnego miejsca.

Kiedy nie wolno ryzykować?

Tu mówię o konkretnych sytuacjach, które widzimy u klientów. Nie ogólnikach.

• Dane klientów i kontrahentów: imiona, adresy, numery NIP, dane z umów. Gdy pracownik wkleja treść umowy, żeby wyciągnąć wybrane paragrafy lub poprawić styl, te dane trafiają do OpenAI. Czy klient wyraził zgodę? Prawie nigdy nie ma takiego zapisu w standardowej umowie B2B.
• Dokumenty finansowe i kadrowe: faktury, wyciągi bankowe, listy płac, akta pracownicze. To dane wrażliwe biznesowo lub objęte szczególnymi wymogami. Transfer na zewnątrz może naruszać wewnętrzne polityki bezpieczeństwa i regulacje sektorowe w finansach czy ochronie zdrowia.
• Obsługa prawna i tajemnica zawodowa: kancelarie, działy prawne, compliance. Jeśli prawnik wkleja projekt pozwu albo opinię prawną, pojawiają się pytania o tajemnicę zawodową i o to, czy klient wyraził zgodę na przetwarzanie akt jego sprawy przez podmiot trzeci.

U jednego z klientów: firma z branży HR, pracownicy zaczęli wklejać do ChatGPT CV kandydatów, żeby pisać szybkie podsumowania dla rekruterów. Nikt nie zapytał, czy to jest zgodne z RODO. CV to dane osobowe kandydatów, którzy nie wiedzieli, że ich dokumenty trafią do OpenAI. To nie był scenariusz "teoretycznego ryzyka". To było naruszenie, które trzeba było udokumentować i zgłosić wewnętrznie.

Jak wygląda alternatywa: własny serwer AI w sieci firmowej

Model lokalny to duży model językowy (LLM) zainstalowany na serwerze w sieci firmowej lub w prywatnej chmurze zarządzanej przez firmę. Pracownicy korzystają z interfejsu czatu, który wygląda tak samo jak ChatGPT. Różnica: prompt nigdy nie wychodzi poza Waszą sieć.

Co to oznacza technicznie i prawnie:

• Nie ma umowy powierzenia z zewnętrznym dostawcą modelu, bo dane nie trafiają do zewnętrznego modelu.
• Audyt w każdej chwili: logi rozmów są na Waszym serwerze, inspektorat UODO lub Wasz IODO może je przejrzeć.
• Integracja z wewnętrznymi systemami (CRM, ERP, fakturownik) bez wypuszczania danych na zewnątrz.
• Pełna kontrola nad tym, jaką wersję modelu uruchamiacie i kto ma do niego dostęp.

Popularne modele do lokalnego uruchomienia to Llama (Meta), Mistral czy Gemma. Różnią się jakością odpowiedzi, wymaganiami sprzętowymi i licencjami: część jest dostępna do użytku komercyjnego bez dodatkowych kosztów licencyjnych. Wybór konkretnego modelu zależy od tego, co firma chce robić: pisać maile i opisy produktów, czy analizować dokumenty prawne i finansowe. To są zupełnie różne wymagania.

Wdrożenie dla 20-50 użytkowników jest możliwe bez dużego działu IT. Warunek jest jeden: ktoś musi to wdrożyć i utrzymać, albo firma korzysta z abonamentowego modelu obsługi, gdzie to leży po stronie dostawcy.

ChatGPT Enterprise czy własny serwer: jak podjąć decyzję bez zgadywania?

Zanim cokolwiek podpiszecie, odpowiedzcie sobie na cztery pytania:

• Jakie dane będą wpisywać pracownicy? Tylko ogólne zapytania bez danych osobowych to jeden scenariusz. Analiza dokumentów z danymi klientów to zupełnie inny.
• Czy macie umowy z klientami lub kontrahentami zawierające klauzule o poufności lub ograniczenia przetwarzania danych przez podmioty trzecie? To częstszy problem niż się wydaje, szczególnie w umowach z dużymi korporacjami.
• Czy działacie w sektorze regulowanym: finanse, ochrona zdrowia, prawo, ubezpieczenia? Tam wymagania są surowsze i zewnętrzna chmura bywa wykluczona przez regulatora lub wyniki własnego audytu zgodności.
• Ilu pracowników będzie korzystać i jak intensywnie? Od tego zależy, czy inwestycja w własną infrastrukturę ma sens kosztowo.

Typowo wygląda to tak: firma zaczyna od ChatGPT Enterprise, bo jest szybko dostępny i nie wymaga projektu. Po kilku miesiącach okazuje się, że połowa przypadków użycia, które pracownicy wymyślili samodzielnie, generuje ryzyko RODO i trzeba cofnąć się do punktu wyjścia. Tę analizę lepiej zrobić przed wdrożeniem, nie po pierwszym incydencie.

Od czego zaczynamy, gdy firma przychodzi do nas z tym pytaniem?

Pierwsza rozmowa to zawsze mapowanie przypadków użycia: co pracownicy faktycznie chcą robić z AI, jakie dane wpisują, jakie systemy chcą podłączyć. Bez tego nie da się ocenić ryzyka. Potem sprawdzamy umowy z klientami pod kątem klauzul dotyczących przetwarzania danych i tajemnicy handlowej.

Na tej podstawie rekomendujemy albo hybrydę, gdzie ChatGPT Enterprise obsługuje bezpieczne przypadki użycia, a lokalny model obsługuje wrażliwe dane, albo od razu prywatny serwer AI, jeśli większość zastosowań dotyczy danych osobowych lub poufnych dokumentów.

Jeśli chcecie przejść przez tę analizę razem z nami, zanim cokolwiek podpiszecie, umówcie się na bezpłatny audyt. Możecie też sprawdzić realne wdrożenia u firm z podobnym profilem: tam widać, jak te decyzje wyglądają w praktyce, nie tylko na papierze.