--- id: CP-505 slug: synteza-rozpoznawanie-mowy-poufnosc lang: pl title: Synteza i rozpoznawanie mowy w pracy description: "Transkrypcja spotkania lub rozmowy z pomocą AI: co narzędzie robi z Pana/Pani głosem, co sprawdzić wcześniej i co mówią RODO oraz CNIL." canonical_url: https://startbrain.io/cyberpedia/pl/articles/synteza-rozpoznawanie-mowy-poufnosc/ markdown_url: https://startbrain.io/cyberpedia/pl/articles/synteza-rozpoznawanie-mowy-poufnosc.md publisher: Brain (https://startbrain.io) license: CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) cite_as: Brain, „Synteza i rozpoznawanie mowy w pracy”, Cyberpedia, 2026. https://startbrain.io/cyberpedia/pl/articles/synteza-rozpoznawanie-mowy-poufnosc/ (CC BY 4.0) wing: 4 theme: protect_data reflex: air-024 schema: G3 updated: "2026-11-03" translations: pl: https://startbrain.io/cyberpedia/pl/articles/synteza-rozpoznawanie-mowy-poufnosc/ fr: https://startbrain.io/cyberpedia/fr/articles/synthese-reconnaissance-vocale-confidentialite/ en: https://startbrain.io/cyberpedia/en/articles/speech-to-text-text-to-speech-privacy/ de: https://startbrain.io/cyberpedia/de/articles/sprachsynthese-spracherkennung-datenschutz/ es: https://startbrain.io/cyberpedia/es/articles/sintesis-reconocimiento-voz-privacidad/ it: https://startbrain.io/cyberpedia/it/articles/sintesi-riconoscimento-vocale-riservatezza/ nl: https://startbrain.io/cyberpedia/nl/articles/spraaksynthese-spraakherkenning-privacy/ pt: https://startbrain.io/cyberpedia/pt/articles/sintese-reconhecimento-voz-privacidade/ sources: - "n": 1 title: Robust Speech Recognition via Large-Scale Weak Supervision publisher: arXiv url: https://arxiv.org/abs/2212.04356 published: "2022-12-06" accessed: "2026-11-03" - "n": 2 title: Donnée biométrique publisher: CNIL url: https://www.cnil.fr/fr/definition/donnee-biometrique accessed: "2026-11-03" - "n": 3 title: Le règlement général sur la protection des données - RGPD publisher: CNIL url: https://www.cnil.fr/fr/reglement-europeen-protection-donnees published: "2016-05-24" accessed: "2026-11-03" - "n": 4 title: "IA et RGPD : la CNIL publie ses nouvelles recommandations pour accompagner une innovation responsable" publisher: CNIL url: https://www.cnil.fr/fr/ia-et-rgpd-la-cnil-publie-ses-nouvelles-recommandations-pour-accompagner-une-innovation-responsable published: "2025-02-07" accessed: "2026-11-03" - "n": 5 title: Les fiches pratiques IA publisher: CNIL url: https://www.cnil.fr/fr/les-fiches-pratiques-ia accessed: "2026-11-03" - "n": 6 title: Guidelines for secure AI system development publisher: NCSC (Royaume-Uni) url: https://www.ncsc.gov.uk/collection/guidelines-secure-ai-system-development published: "2023-11-27" accessed: "2026-11-03" - "n": 7 title: OWASP Top 10 for Large Language Model Applications | OWASP Foundation publisher: OWASP url: https://owasp.org/projects/top-10-for-large-language-model-applications accessed: "2026-11-03" - "n": 8 title: AI Risk Management Framework publisher: NIST url: https://www.nist.gov/itl/ai-risk-management-framework accessed: "2026-11-03" - "n": 9 title: Intelligence artificielle | CNIL publisher: CNIL url: https://www.cnil.fr/fr/intelligence-artificielle accessed: "2026-11-03" --- # Synteza i rozpoznawanie mowy w pracy Narzędzie do rozpoznawania mowy słucha nagrania i zamienia je na tekst. Dzięki temu powstaje automatyczna notatka ze spotkania albo transkrypcja rozmowy. Proces odwrotny, czyli synteza mowy, tworzy mówiony głos na podstawie tekstu: tak działa głos asystenta głosowego. Dla pracownika ważniejsze od techniki są sprawy praktyczne: dokąd trafia nagranie, kto może go ponownie odsłuchać, jak długo jest przechowywane i czy powstały tekst jest wiarygodny. Ta strona podaje punkty odniesienia, które można ustalić na podstawie źródeł zebranych w dossier. Nie omawia unijnego rozporządzenia o AI ani klonowania głosu, ponieważ dossier redakcyjne nie zawiera źródła w żadnej z tych kwestii. ## W 30 sekund - Gdzie to się zdarza: automatyczne notatki ze spotkań, transkrypcja rozmów, asystenci głosowi, dyktowanie. - Co jest stawką: nagrany głos zawiera wypowiedzi, czasem poufne, oraz dane osobowe uczestników. - Odruch: nagranie przekazywać tylko narzędziu zatwierdzonemu przez firmę, uprzedzić uczestników przed nagrywaniem, przeczytać transkrypcję przed jej udostępnieniem. - Jeśli to już się stało: bez zwłoki poinformować osobę odpowiedzialną w firmie za bezpieczeństwo lub ochronę danych. ## Pytania wprost ### Jak głos zamienia się w tekst? Artykuł naukowy opublikowano w serwisie arXiv 6 grudnia 2022 r. [1]. Opisuje modele wytrenowane do przewidywania dużych ilości transkrypcji dźwięku znalezionego w internecie, w skali 680 000 godzin danych wielojęzycznych [1]. Autorzy piszą, że w porównaniu z ludźmi modele te „approach their accuracy and robustness” [1]. Innymi słowy, ich poziom zbliża się do poziomu człowieka, ale według tego sformułowania go nie dorównuje [1]. ### A jak tekst zamienia się w głos? Żadne źródło z dossier nie opisuje działania syntezy mowy. Ostrożność podpowiada, żeby nie wpisywać w takim narzędziu tekstu, którego nie powierzyłby(-aby) Pan/Pani zewnętrznej usłudze. ### Czy mój głos to dane biometryczne? CNIL definiuje dane biometryczne jako „Caractéristique physique ou biologique permettant d'identifier une personne (ADN, contour de la main, empreintes digitales...)” [2]. Głos nie jest wymieniony w tej definicji [2]. Dossier nie pozwala więc rozstrzygnąć tej kwestii. RODO zalicza ponadto dane szczególnie wrażliwe do kategorii objętej specjalną ochroną, a dane biometryczne należą do niej, gdy służą do identyfikacji osoby [3]. W razie wątpliwości co do narzędzia, które rozpoznaje lub uwierzytelnia głosy, przed jakimkolwiek użyciem należy zapytać osobę odpowiedzialną za ochronę danych. ### Czy RODO dotyczy transkrypcji? CNIL przypomina, że gdy RODO ma zastosowanie, dane muszą być chronione w bazach treningowych, w modelach, które mogły je zapamiętać, oraz podczas korzystania z modeli za pomocą promptów [4]. Dossier nie mówi, czy transkrypcja wchodzi w ten zakres: z pytaniem należy zwrócić się do osoby odpowiedzialnej za ochronę danych. ### Czy uczestników trzeba uprzedzić? RODO przewiduje informowanie osób, których dane są zbierane (artykuły 13 i 14, w spisie treści strony CNIL) [3]. Karta 9 CNIL dotyczy informowania osób: CNIL wskazuje, że organizacje przetwarzające dane osobowe w celu opracowania modeli lub systemów AI muszą informować osoby, których dane dotyczą [5]. Ten obowiązek informacyjny znajduje się w praktycznych kartach CNIL o AI [5]. Dossier nie precyzuje zasady dla zwykłego nagrania spotkania. Rozsądna praktyka polega na tym, by na początku spotkania ogłosić nagrywanie i użyte narzędzie oraz pozwolić każdemu odmówić. ## Jak to działa Narzędzie do transkrypcji otrzymuje dźwięk, przekazuje go modelowi i zwraca tekst. Na każdym z tych etapów pojawiają się dwa praktyczne pytania: gdzie znajdują się dane i jak długo tam pozostają. Brytyjskie Narodowe Centrum Cyberbezpieczeństwa (NCSC) kieruje swoje zalecenia do dostawców systemów AI, niezależnie od tego, czy sami stworzyli system, czy zbudowali go na narzędziach i usługach dostarczonych przez inne podmioty [6]. Wytyczne opublikowano 27 listopada 2023 r. [6]. Ich celem jest budowanie systemów, które działają zgodnie z przeznaczeniem i „work without revealing sensitive data to unauthorised parties” [6]. Pracownik nie jest ich adresatem, ale myśl daje się łatwo przełożyć: narzędzie AI powinno umieć powiedzieć, kto ma dostęp do powierzonych mu danych. Po stronie RODO tekst wymaga od administratora i podmiotu przetwarzającego oceny ryzyka oraz wdrożenia środków je ograniczających, na przykład szyfrowania, aby zapewnić odpowiedni poziom bezpieczeństwa, w tym poufność [3]. Wśród zagrożeń wymienia nieuprawnione ujawnienie danych przesyłanych, przechowywanych lub przetwarzanych [3]. W firmie to firma wybiera narzędzie i podpisuje umowę. Dlatego pracownik korzysta z narzędzia zatwierdzonego. ## Co Pan/Pani robi Przed nagrywaniem lub transkrypcją przydatne są cztery sprawdzenia. - Sprawdzić, czy narzędzie jest zatwierdzone. Konto prywatne założone w darmowej usłudze nie zostało przeanalizowane przez firmę. Jeśli żadne narzędzie nie jest zatwierdzone, nie transkrybować wrażliwych rozmów. - Wiedzieć, dokąd trafia dźwięk i jak długo tam pozostaje. Informacja ta znajduje się w warunkach korzystania z narzędzia lub w dokumentacji wewnętrznej. Jeśli nie można jej znaleźć, należy o nią zapytać przed użyciem. - Wykluczyć rozmowy poufne. Rozmowa indywidualna, sprawa zdrowotna, negocjacje handlowe czy incydent bezpieczeństwa nie trafiają do narzędzia niezatwierdzonego. - Uprzedzić uczestników. Powiedzieć na początku spotkania, że jest ono nagrywane i transkrybowane, i podać narzędzie. Po transkrypcji zaleca się lekturę przed udostępnieniem. Obejmuje ona nazwy własne, liczby, decyzje i zobowiązania, ponieważ tekst trafia potem do wiadomości e-mail i akt. Jeśli jakiś fragment wydaje się dziwny, porównuje się go z nagraniem, zamiast poprawiać z pamięci. ## Pułapki Pierwsza pułapka to zaufanie do tekstu. Według cytowanego wyżej artykułu naukowego system może zbliżyć się do dokładności człowieka [1]. Mimo to zdanie może zostać źle zrozumiane. Dossier nie podaje odsetka błędów ani nie opisuje wymyślonych transkrypcji, ale OWASP wylicza zagrożenia bezpieczeństwa aplikacji opartych na dużych modelach językowych [7]. Jego prezentacja wymienia między innymi „dissemination of sensitive information” i „compromised decision-making” [7]. Transkrypcja rozesłana bez lektury może wywołać skutki tego rodzaju. Druga pułapka to automatyczne streszczenie. NIST opublikował 26 lipca 2024 r. profil poświęcony generatywnej AI [8]. Profil ma pomagać organizacjom w rozpoznawaniu zagrożeń właściwych tej technologii [8]. Streszczenie spotkania wygenerowane przez model należy do tej rodziny narzędzi, co uzasadnia sprawdzenie go tak samo jak transkrypcji. Trzecia pułapka to ponowne wykorzystanie danych. CNIL zauważa, że modele, takie jak modele językowe, mogą zawierać dane osobowe, a prawa dostępu, sprostowania, sprzeciwu i usunięcia mogą być szczególnie trudne do zrealizowania w modelu AI [4]. Czwarta pułapka to nagrywanie bez poinformowania. RODO przewiduje informowanie osób, których dane dotyczą (artykuły 13 i 14) [3]. CNIL wydał też wraz z południowokoreańskim organem PIPC plakat „IA générative et vie privée” [9]. Opublikowano go 27 maja 2026 r. [9]. Wyjaśnia on, jak chronić swoje dane osobowe podczas korzystania z AI [9]. Wreszcie oszustwa z użyciem naśladowanego głosu, często nazywanego oszustwem na prezesa, nie można tu opisać szczegółowo: żadne źródło z dossier go nie dokumentuje. Zapamiętanie, że znany głos w telefonie nie wystarcza do zatwierdzenia prośby o przelew lub hasło, to odruch ostrożności, a nie fakt ustalony przez to dossier. ## Źródła 1. arXiv, „Robust Speech Recognition via Large-Scale Weak Supervision”, 6 grudnia 2022. https://arxiv.org/abs/2212.04356 (dostęp 3 listopada 2026) 2. CNIL, „Donnée biométrique”. https://www.cnil.fr/fr/definition/donnee-biometrique (dostęp 3 listopada 2026) 3. CNIL, „Le règlement général sur la protection des données - RGPD”, 24 maja 2016. https://www.cnil.fr/fr/reglement-europeen-protection-donnees (dostęp 3 listopada 2026) 4. CNIL, „IA et RGPD : la CNIL publie ses nouvelles recommandations pour accompagner une innovation responsable”, 7 lutego 2025. https://www.cnil.fr/fr/ia-et-rgpd-la-cnil-publie-ses-nouvelles-recommandations-pour-accompagner-une-innovation-responsable (dostęp 3 listopada 2026) 5. CNIL, „Les fiches pratiques IA”. https://www.cnil.fr/fr/les-fiches-pratiques-ia (dostęp 3 listopada 2026) 6. NCSC (Royaume-Uni), „Guidelines for secure AI system development”, 27 listopada 2023. https://www.ncsc.gov.uk/collection/guidelines-secure-ai-system-development (dostęp 3 listopada 2026) 7. OWASP, „OWASP Top 10 for Large Language Model Applications | OWASP Foundation”. https://owasp.org/projects/top-10-for-large-language-model-applications (dostęp 3 listopada 2026) 8. NIST, „AI Risk Management Framework”. https://www.nist.gov/itl/ai-risk-management-framework (dostęp 3 listopada 2026) 9. CNIL, „Intelligence artificielle | CNIL”. https://www.cnil.fr/fr/intelligence-artificielle (dostęp 3 listopada 2026) --- Źródło oryginalne: Cyberpedia, publiczna encyklopedia cyberbezpieczeństwa i AI wydawana przez Brain. Wersja kanoniczna: https://startbrain.io/cyberpedia/pl/articles/synteza-rozpoznawanie-mowy-poufnosc/ Możesz swobodnie wykorzystywać ten tekst na licencji CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/), pod warunkiem podania „Brain, Cyberpedia” wraz z odnośnikiem do powyższego adresu.