--- id: CP-516 slug: tlumaczenie-maszynowe-ai-poufne-umowy lang: pl title: Tłumaczenie maszynowe AI a poufne umowy description: Wklejenie umowy do internetowego tłumacza AI ujawnia jej treść. Co mówią CNIL, OWASP i NIST oraz co robi pracownik. canonical_url: https://startbrain.io/cyberpedia/pl/articles/tlumaczenie-maszynowe-ai-poufne-umowy/ markdown_url: https://startbrain.io/cyberpedia/pl/articles/tlumaczenie-maszynowe-ai-poufne-umowy.md publisher: Brain (https://startbrain.io) license: CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) cite_as: Brain, „Tłumaczenie maszynowe AI a poufne umowy”, Cyberpedia, 2026. https://startbrain.io/cyberpedia/pl/articles/tlumaczenie-maszynowe-ai-poufne-umowy/ (CC BY 4.0) wing: 4 theme: protect_data reflex: air-025 schema: G3 updated: "2026-11-03" translations: pl: https://startbrain.io/cyberpedia/pl/articles/tlumaczenie-maszynowe-ai-poufne-umowy/ fr: https://startbrain.io/cyberpedia/fr/articles/traduction-automatique-ia-contrats-confidentiels/ en: https://startbrain.io/cyberpedia/en/articles/ai-machine-translation-confidential-contracts/ de: https://startbrain.io/cyberpedia/de/articles/maschinelle-ubersetzung-ki-vertrauliche-vertrage/ es: https://startbrain.io/cyberpedia/es/articles/traduccion-automatica-ia-contratos-confidenciales/ it: https://startbrain.io/cyberpedia/it/articles/traduzione-automatica-ia-contratti-riservati/ nl: https://startbrain.io/cyberpedia/nl/articles/automatische-vertaling-ai-vertrouwelijke-contracten/ pt: https://startbrain.io/cyberpedia/pt/articles/traducao-automatica-ia-contratos-confidenciais/ sources: - "n": 1 title: LLM02:2025 Sensitive Information Disclosure publisher: OWASP url: https://genai.owasp.org/llmrisk/llm022025-sensitive-information-disclosure/ accessed: "2026-11-03" - "n": 2 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": 3 title: "Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile" publisher: NIST url: https://nvlpubs.nist.gov/nistpubs/ai/NIST.AI.600-1.pdf accessed: "2026-11-03" - "n": 4 title: Le règlement général sur la protection des données - RGPD publisher: CNIL url: https://www.cnil.fr/fr/reglement-europeen-protection-donnees accessed: "2026-11-03" --- # Tłumaczenie maszynowe AI a poufne umowy Przetłumaczenie umowy w kilka sekund za pomocą internetowego narzędzia AI jest kuszące, zwłaszcza gdy dokument przychodzi w języku, którego nie znamy dobrze. Wystarczy skopiować tekst, wkleić go na stronie internetowej i odebrać przetłumaczoną wersję. To, co dzieje się potem z wysłanym tekstem, pozostaje poza kontrolą pracownika. Źródła wykorzystane w tej karcie nie dotyczą narzędzi do tłumaczenia jako takich. Opisują one ryzyka aplikacji opartych na dużych modelach językowych (LLM) [1][3], do których należy tłumacz AI, jeśli korzysta z takiego modelu. Karta stosuje te ustalenia do częstego przypadku: poufny dokument wklejony do usługi internetowej. ## W 30 sekund - Gdzie to się zdarza: w internetowym tłumaczu AI, w wersji bezpłatnej lub we wtyczce przeglądarki, gdy pracownik wkleja do niego umowę, ofertę lub wiadomość e-mail od klienta. - Czego chce atakujący: niekoniecznie ma tu miejsce atak. Ryzyko wynika z tego, że poufny tekst opuszcza firmę i może później pojawić się w odpowiedziach modelu [1]. - Odruch: korzystać wyłącznie z narzędzia do tłumaczenia zatwierdzonego przez firmę i nigdy nie wklejać do bezpłatnej usługi wrażliwych klauzul, nazwisk ani liczb. - Jeśli już się stało: niezwłocznie powiadomić osobę odpowiedzialną za bezpieczeństwo lub inspektora ochrony danych, podając użytą usługę i wysłany tekst. ## Pytania wprost ### Dlaczego nie należy wklejać umowy do bezpłatnego tłumacza? OWASP zalicza do informacji wrażliwych dane osobowe, dane finansowe, poufne dane handlowe, dane uwierzytelniające oraz dokumenty prawne [1]. Poufna umowa często łączy kilka z tych kategorii. OWASP ostrzega, że użytkownicy powinni rozumieć ryzyko nieumyślnego przekazania danych wrażliwych, które mogą potem pojawić się w odpowiedziach modelu [1]. ### Co dzieje się z tekstem po wysłaniu? Cytowane tu źródła nie opisują działania żadnej konkretnej usługi. OWASP wskazuje, że aplikacje oparte na LLM powinny oczyszczać dane, aby dane użytkowników nie trafiały do modelu uczonego, oraz że powinny oferować jasne warunki korzystania, pozwalające odmówić takiego ponownego wykorzystania [1]. Innymi słowy, ponowne wykorzystanie wprowadzanych tekstów jest ryzykiem, którym muszą zająć się dostawcy [1]. To, co robi dana usługa bezpłatna, wynika z jej warunków korzystania, a nie z tej karty. ### Czy model naprawdę może ujawnić otrzymane dane? NIST opisuje zjawisko zwane zapamiętywaniem danych: w trakcie ataków LLM ujawniały informacje wrażliwe zawarte w danych treningowych [3]. NIST zauważa, że ryzyko dla prywatności może być zwiększone nawet w przypadku danych obecnych w niewielkiej liczbie przykładów treningowych [3]. CNIL pisze ze swej strony, że niektóre modele, takie jak LLM, mogą zawierać dane osobowe [2]. ### Czy RODO ma zastosowanie do tłumaczenia? Jeśli tekst zawiera dane osobowe (nazwiska, dane kontaktowe osób podpisujących), RODO wchodzi w grę. CNIL wyjaśnia, że gdy rozporządzenie ma zastosowanie, dane osób muszą być chronione w zbiorach treningowych, w modelach, które mogły je zapamiętać, oraz podczas korzystania z modeli za pomocą poleceń (promptów) [2]. Tekst rozporządzenia zawiera artykuł o podmiocie przetwarzającym, artykuł o bezpieczeństwie przetwarzania oraz rozdział o przekazywaniu danych do państw trzecich [4]. ### Czy tłumaczenie może być błędne? Tak. NIST definiuje konfabulację jako wytwarzanie fałszywych lub błędnych treści, podawanych z pewnością siebie, które mogą wprowadzić użytkownika w błąd [3]. W umowie źle oddana klauzula nie rzuca się w oczy podczas czytania płynnego tekstu. ## Jak to działa Internetowe narzędzie do tłumaczenia AI otrzymuje tekst, który użytkownik wkleja do jego okna. Przetwarza go model językowy, a tekst opuszcza komputer pracownika od chwili wysłania. Trzeba sprawdzić, co dzieje się z tekstem po tłumaczeniu. OWASP zaleca dostawcom utrzymywanie jasnych zasad dotyczących przechowywania, wykorzystywania i usuwania danych oraz umożliwienie użytkownikom odmowy wykorzystania ich danych do uczenia [1]. OWASP dodaje, że ograniczenia umieszczone w wewnętrznych instrukcjach modelu nie zawsze są przestrzegane i można je obejść za pomocą wstrzyknięcia promptu lub innych metod [1]. Obietnica dostawcy nie zastępuje więc umowy firmowej. CNIL przypomina, że prawa dostępu, sprostowania, sprzeciwu i usunięcia danych istnieją, ale ich wykonanie wobec modelu AI może być trudne, zarówno gdy chodzi o zidentyfikowanie osób w modelu, jak i o jego zmianę [2]. ## Co robi pracownik Przed tłumaczeniem pracownik sprawdza, czy firma udostępnia zatwierdzone narzędzie. Jeśli tak, używa go, i tylko jego, do każdego dokumentu służbowego. Gdy nie ma zatwierdzonego narzędzia, poufnego dokumentu nie wkleja się do bezpłatnej usługi. Pracownik prosi o opinię osobę odpowiedzialną za bezpieczeństwo lub prawnika albo zleca tłumaczenie dostawcy związanemu z firmą umową. Przy fragmencie niewrażliwym przygotowanie tekstu ogranicza ekspozycję. OWASP wymienia tokenizację i maskowanie (redaction) wśród technik służących do oczyszczania informacji wrażliwych przed przetwarzaniem [1]. Ręcznie sprowadza się to do zastąpienia nazwisk, kwot i numerów odniesienia neutralnymi znacznikami, na przykład „[Firma A]” i „[Kwota]”, a następnie wstawienia ich z powrotem do tłumaczenia. Ta metoda nie nadaje się do tekstu, którego sama struktura jest poufna. Po tłumaczeniu pracownik czyta wynik. NIST opisuje ryzyko błędnej treści podanej z pewnością siebie [3]: w umowie prawnik lub osoba znająca język oryginału sprawdza pojęcia prawne, okresy i kwoty. Jeśli poufny tekst został już wklejony do niezatwierdzonej usługi, pracownik zgłasza to od razu, nie czekając na ustalenie, czy doszło do szkody. ## Pułapki - Wersje bezpłatne: o losie tekstu decydują ich warunki korzystania. OWASP zaleca, by aplikacje dawały możliwość odmowy ponownego wykorzystania danych [1], ale nic nie gwarantuje, że usługa bezpłatna ją oferuje. - Wtyczki przeglądarki: cytowane tu źródła nie opisują szczegółowo ich działania. Pracownik nie może więc zakładać, że traktują tekst staranniej niż strona internetowa, i zatwierdza je jak każde inne narzędzie. - Tłumaczenie płynne, ale błędne: dobrze napisany tekst nie musi być tekstem dokładnym [3]. - Niepełna anonimizacja: usunięcie nazwiska nie wystarcza, jeśli kontekst pozwala rozpoznać strony. CNIL zauważa, że niektóre modele są anonimowe, a inne nie, co pokazuje, że anonimowość nie jest domyślnie zapewniona [2]. - Zaufanie do widocznych deklaracji: zasada w rodzaju „ta usługa niczego nie przechowuje” ma wartość tylko wtedy, gdy zawiera ją pisemne zobowiązanie dostawcy wobec firmy. - Pomijanie obowiązku poufności: umowa może zabraniać ujawniania jej treści osobom trzecim. Cytowane tu źródła nie opisują szczegółowo tych klauzul, które należy odczytać w samej umowie. ## Czego oczekuje firma OWASP zaleca przygotowanie wytycznych, które pozwolą unikać wprowadzania informacji wrażliwych, oraz szkolenie z dobrych praktyk bezpiecznej interakcji z LLM [1]. Dla pracownika oznacza to jasną regułę w zespole: jakie narzędzie, do jakich dokumentów i z jaką weryfikacją. ## Źródła 1. OWASP, „LLM02:2025 Sensitive Information Disclosure”. https://genai.owasp.org/llmrisk/llm022025-sensitive-information-disclosure/ (dostęp 3 listopada 2026) 2. 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) 3. NIST, „Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile”. https://nvlpubs.nist.gov/nistpubs/ai/NIST.AI.600-1.pdf (dostęp 3 listopada 2026) 4. CNIL, „Le règlement général sur la protection des données - RGPD”. https://www.cnil.fr/fr/reglement-europeen-protection-donnees (dostęp 3 listopada 2026) --- Źródło oryginalne: Cyberpedia, publiczna encyklopedia cyberbezpieczeństwa i AI wydawana przez Brain. Wersja kanoniczna: https://startbrain.io/cyberpedia/pl/articles/tlumaczenie-maszynowe-ai-poufne-umowy/ 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.