AI-værktøjer er nu en del af det daglige arbejde og hjælper folk med at opsummere mødenoter, udarbejde e-mails, fejlfinde kode, analysere regneark og omdanne dokumenter til præsentationer. Hvis de bruges uden godkendelse eller tilsyn, kan de dog skabe alvorlige bekymringer om AI-privatliv, blottlægge følsomme virksomhedsoplysninger og efterlade IT-teams uden mulighed for at se, hvor virksomhedens data havner.
Denne vejledning gennemgår, hvad skygge-AI er, hvordan det spredes i organisationer, og de alvorlige risici, det medfører. Vi viser, hvordan De spotter ikke-godkendte værktøjer og implementerer praktiske sikkerhedsforanstaltninger til at beskytte Deres virksomhedsdata — uden at sænke Deres teams tempo.
- Hvad er skygge-AI?
- Skygge-AI vs. skygge-IT
- Hvordan opstår skygge-AI?
- Træner AI automatisk på Deres data?
- Eksempler på skygge-AI
- Hvad er risiciene ved skygge-AI?
- Sådan opdages skygge-AI
- Sådan reduceres risici ved skygge-AI
- Hvad De skal gøre, hvis følsomme data allerede er blevet delt
- En privat AI-assistent til teams
Hvad er skygge-AI?
Skygge-AI er enhver brug af kunstig intelligens i arbejdsøjemed, som ligger uden for en virksomheds godkendte systemer og politikker. Det kan omfatte et ikke-godkendt værktøj, en personlig konto anvendt til virksomhedsarbejde eller en godkendt AI-tjeneste, der benyttes med data eller til opgaver, som organisationen ikke har autoriseret.
Skygge-AI starter ofte med hverdagens pres på arbejdspladsen: en stram deadline, behovet for at finde en hurtigere eller bedre måde at arbejde på, eller et værktøj, der ikke helt slår til. Nogle gange er et godkendt AI-værktøj tilgængeligt, men medarbejdere vælger andre løsninger, fordi de er mere fortrolige med et andet alternativ.
Skygge-AI vs. skygge-IT
Skygge-IT er den bredere betegnelse for software eller hardware, der bruges uden en organisations godkendelse eller tilsyn. Almindelige eksempler omfatter personlig skylagerplads anvendt til arbejde, uautoriserede besked-apps og ikke-godkendte projektstyringsplatforme.
Skygge-AI er en specifik form for skygge-IT, der involverer AI-systemer og AI-drevne funktioner. AI skaber en yderligere udfordring for datastyring, da virksomhedsoplysninger kan blive indsendt til et eksternt system eller behandlet på ukendte måder uden for organisationens kontrol.
Hvordan opstår skygge-AI?
Medarbejdere kan indtaste store mængder virksomhedsoplysninger i et AI-chatvindue på få sekunder. Afhængigt af AI-værktøjets indstillinger kan det gemme dette input, dele det med andre parter (såsom datamæglere eller analyseleverandører, som i tilfældet med OpenAI-databruddet) eller bruge det til målrettede annoncer eller modeludvikling.
Skygge-AI spredes normalt på grund af nogle få almindelige organisatoriske huller.
Intet godkendt alternativ
Medarbejdere er mere tilbøjelige til at bruge skygge-AI-værktøjer, når virksomheden ikke har stillet en godkendt løsning til rådighed. En undersøgelse fra BlackFog(nyt vindue) blandt 2.000 medarbejdere viste, at 49 % af medarbejderne tager AI-værktøjer i brug uden arbejdsgiverens godkendelse, 63 % mener, at det er acceptabelt at bruge AI, når der ikke findes en virksomhedsgodkendt løsning, og 51 % har forbundet AI-værktøjer til arbejdsrelaterede systemer uden IT’s kendskab.
Uklare politikker
Medarbejdere kan være i tvivl om, hvilke værktøjer, opgaver og typer af oplysninger der er tilladt. Virksomhedens retningslinjer kan tydeligt begrænse meget følsomme data, men sige meget lidt om interne mødenoter, udkast til e-mails, regneark, kildekode eller kundesamtaler.
En undersøgelse fra IT Brew(nyt vindue) blandt 241 IT-fagfolk viste, at 35 % har ringe eller ingen tillid til, at medarbejderne kender virksomhedens politikker for AI-brug og datasikkerhed, og kun 12 % følte sig »meget trygge«. En separat WorkNest-undersøgelse(nyt vindue) blandt 505 HR-fagfolk/arbejdsgivere viste, at 54 % af organisationerne slet ingen AI-politik har, 24 % stadig er ved at udvikle én, og kun 13 % har klare, dokumenterede regler.
Langsomme godkendelsesprocesser
Pres for at overholde deadliner kan gøre en langvarig sikkerheds- eller indkøbsgennemgang upraktisk. Når medarbejdere straks kan få adgang til et gratis værktøj, gør langsomme interne processer uofficielle nødløsninger mere sandsynlige.
Nye AI-funktioner i godkendt software
En leverandør kan tilføje generative AI-funktioner til en applikation, der allerede har bestået et sikkerhedstjek, og softwaren forbliver på den godkendte liste, selvom ingen har vurderet, hvordan den nye funktion behandler, gemmer eller deler virksomhedsdata. Medarbejderen har ikke overtrådt nogen politik, men resultatet er det samme som ved de andre årsager: Virksomhedsdata bevæger sig nu gennem en kanal, som ingen reelt har kontrolleret.
Begrænsede kendskab til datahåndtering
Medarbejdere ved muligvis ikke, hvordan AI-udbydere som ChatGPT og Gemini gemmer prompter, behandler uploadede filer, bruger samtaler til tjenesteforbedring eller deler data med andre udbydere. De antager måske, at deres angivne input forsvinder, når de lukker browserfanen, selvom der forbliver kopier i kontohistorik, logge, sikkerhedskopier eller forbundne systemer.
Kolides rapport(nyt vindue) viste, at selvom 89 % af medarbejderne bruger AI månedligt, har kun 56 % af virksomhederne forklaret AI’s sikkerhedsrisici til personalet.
Eksempler på skygge-AI
| Team | Eksempel på skygge-AI | Oplysninger, der potentielt eksponeres | Potentiel konsekvens |
|---|---|---|---|
| Softwareudvikling | Indsættelse af intern kode i en offentlig chatbot for at fejlfinde | Kildekode, legitimationsoplysninger, systemarkitektur og ikke-udgivne funktioner | Proprietær kode eller hemmeligheder kan blive gemt uden for virksomhedens systemer |
| Produkt | Upload af en køreplan til opsummering | Lanceringsdatoer, produktstrategi, prissætning og partneroplysninger | Fortrolige forretningsplaner kan ligge uadministreret på tredjepartsservere |
| Marketing og design | Indtastning af kampagneplaner i et AI-skrive- eller designværktøj | Ikke-udgivne produkter, kundeundersøgelser, varemærkeaktiver og målgruppedata | Følsomme kampagneoplysninger kan blive behandlet uden juridisk eller sikkerhedsmæssig gennemgang |
| Dataanalyse | Upload af kundedatasets til et eksternt analyseværktøj | Personoplysninger, kommercielt følsomme optegnelser og fortrolig indsigt | Beskyttede eller regulerede oplysninger kan blive videregivet til ikke-godkendte tredjeparter |
| HR | Brug af et AI-værktøj til at vurdere ansøgninger eller opsummere samtaler | Kandidatdata, ansættelsesoplysninger og vurderingskriterier | Eksponering af personaledata kan overtræde GDPR eller CCPA |
| Salg | Upload af opkaldstranskskriptioner eller kontonoter til analyse | Kundeidentiteter, kontraktdetaljer, prissætning og salgsstrategi | Eksponering af kundedata kan overtræde GDPR eller CCPA |
| Kundesupport | Indsættelse af supporthenvendelser i en offentlig chatbot | Kundenavne, kontodetaljer, klager og korrespondance | Gemte supportoptegnelser kan overtræde GDPR eller CCPA |
| Økonomi | Anmodning til en AI-assistent om at analysere interne regneark | Budgetter, prognoser, lønoplysninger og transaktionsoptegnelser | Finansielle data kan blive behandlet uden passende sikkerhedsforanstaltninger |
| Juridisk | Upload af kontrakter eller sagsfiler til opsummering | Fortrolig rådgivning, kontraktvilkår og klientoplysninger | Misbrug af klientdata kan overtræde GDPR eller CCPA og påvirke fortroligheden |
| Ledelse | Brug af en AI-tjeneste til at gennemgå bestyrelsesdokumenter eller strategiske planer | Opkøbsplaner, interne mål og direktionsdrøftelser | Meget følsom virksomhedsefterretning kan blive blottet |
Træner AI automatisk på Deres data?
Store sprogmodeller (LLM’er) genoptræner ikke automatisk sig selv på hver eneste prompt i realtid, så en samtale vil ikke uundgåeligt blive en del af AI-modellen eller dukke op i en anden brugers svar. Risikoniveauet afhænger dog af udbyderen, kontotypen, privatlivsindstillingerne, kontrakten og hvordan tjenesten er blevet konfigureret.
En AI-udbyder kan gemme prompter og uploadede filer, gøre dem tilgængelige for menneskelig gennemgang, bruge dem til at forbedre sine tjenester eller dele dem med infrastruktur- og modeludbydere.
Selv når modeltræning er slået fra, kan oplysninger fremgå af kontohistorik, driftslogge, systemer til overvågning af misbrug, sikkerhedskopier, browseroptegnelser, forbundne tjenester eller tredjepartsintegrationer. Hvis Deres indhold allerede har bidraget til modeltræning, vil deaktivering af denne mulighed ikke få modellen til at glemme Deres tidligere samtaler.
Hvad er risiciene ved skygge-AI?
AI kan påvirke beslutninger, generere kunderettet materiale, skrive kode eller analysere personoplysninger, hvilket alt sammen skaber risici, der strækker sig ud over selve værktøjets sikkerhed:
Databrud
IBM’s Cost of a Data Breach Report(nyt vindue) for 2025 viste, at én ud af fem organisationer havde oplevet et databrud knyttet til skygge-AI, men alligevel havde kun 37 % politikker designet til at håndtere eller opdage det.
Organisationer med et højt niveau af skygge-AI oplevede omkostninger ved databrud, der i gennemsnit var 670.000 $ højere end hos dem med lidt eller ingen skygge-AI. Desuden eksponerede hændelser med skygge-AI personlige oplysninger og intellektuel ejendomsret hyppigere end det globale gennemsnit.
Lækage af fortrolige oplysninger
Medarbejdere kan dele interne dokumenter, kildekode, finansielle oplysninger, kontrakter, kundeoptegnelser, produktplaner eller forretningshemmeligheder uden at overveje, at AI-udbyderen gemmer deres input. Selv når oplysninger er undtaget fra modeltræning, kan de fortsat være udsat for kompromittering af kontoen, databrud, udbyderadgang, usikre integrationer eller juridiske krav.
For eksempel forbød Samsung ChatGPT(nyt vindue) i hele virksomheden i maj 2023, efter at medarbejdere indsatte fortroligt materiale tre gange på 20 dage, herunder kildekode til halvledere, algoritmer til fejlregistrering og et referat af et internt møde.
Tab af intellektuel ejendomsret
Proprietær viden er ofte en virksomheds mest værdifulde aktiv. Upload af kode, forskning, produktdesign, processer eller strategidokumenter til en ekstern AI-tjeneste kan stride mod fortrolighedsaftaler eller svække virksomhedens evne til at kontrollere disse oplysninger. En medarbejder kan også bruge AI-genereret indhold uden at forstå dets oprindelse, licensrestriktioner eller lighed med tredjepartsmateriale.
Overtrædelser af privatlivs- og lovgivningsmæssige regler
Personoplysninger forbliver underlagt lovgivningen om databeskyttelse og privatliv, når de behandles via et AI-værktøj. Skygge-AI kan omgå privatlivsforanstaltninger, fordi de relevante juridiske teams aldrig får besked om, at behandlingen finder sted. Det britiske Information Commissioner’s Office advarer om, at AI-systemer kan forstærke eksisterende sikkerhedsrisici(nyt vindue). Alvorlige overtrædelser af GDPR kan medføre bøder på op til 20 millioner euro eller 4 % af organisationens samlede globale årsomsætning i det foregående regnskabsår, alt efter hvad der er højest.
Usikre integrationer og overdreven adgang
AI-værktøjer kan forbinde til e-mail, skylagerplads, kalendere, kildekodelagre, kundedatabaser og samarbejdsplatforme. Brede tilladelser, dårligt sikrede API’er, lækkede adgangstokens, skadelige browserudvidelser og kompromitterede tredjepartstjenester kan blotte virksomhedens systemer og data ud over de oplysninger, der indtastes i en enkelt prompt.
I databruddet hos Salesloft Drift stjal angribere OAuth-tokens fra Drift, en AI-salgsassistentintegration, og brugte dem til at trække data ud af Salesforce-instanser hos mere end 700 organisationer, herunder forretningskontakter, API-nøgler og sky-legitimationsoplysninger integreret i supportsager.
Prompt injection-angreb
Denne sårbarhed findes i ethvert forbundet AI-system, uanset om det er godkendt eller ej — angribere kan manipulere et AI-system via instruktioner, der er skjult i dokumenter, websider, e-mails eller andet indhold, det behandler, hvilket får det til at afsløre oplysninger, ignorere sine oprindelige instruktioner eller udføre utilsigtede handlinger.
Skygge-AI øger risikoen, fordi et ikke-godkendt værktøj eller en AI-agent måske aldrig er blevet vurderet for prompt injection eller begrænset til de tilladelser, den har brug for. Hvis et angreb lykkes, kan sikkerhedsteams have ringe indsigt i, hvad der er sket, eller hvordan det inddæmmes. Konsekvenserne er særligt alvorlige, når AI-agenten kan få adgang til følsomme data eller udføre handlinger uden menneskelig gennemgang.
Mangel på ansvarlighed
Aktivitet inden for skygge-AI efterlader ofte intet centralt revisionsspor. Sikkerhedsteams kan være ude af stand til at afgøre, hvilke oplysninger der blev indsendt, hvilken model der behandlede dem, hvilket resultat den frembragte, eller hvordan resultatet påvirkede en beslutning. Efterforskning af en fejl, klage, et databrud eller et lovgivningsmæssigt spørgsmål bliver meget vanskeligere uden disse optegnelser.
Uventede omkostninger og leverandørafhængighed
Separate abonnementer og API-konti kan skabe dobbelte udgifter på tværs af afdelinger. Eksperimentelle værktøjer kan også blive integreret i vigtige arbejdsgange, før indkøbsteams har vurderet deres prissætning, pålidelighed eller langsigtede tilgængelighed. En gratis tjeneste kan blive virksomhedskritisk uden en serviceaftale, kontinuitetsplan eller praktisk måde at flytte arbejdsgangen et andet sted hen på.
Sådan opdages skygge-AI
Skygge-AI kan være svært at opdage, fordi medarbejdere kan bruge personlige konti, browserudvidelser, integrerede AI-funktioner, AI-browsere eller værktøjer, der falder i ét med almindelig webtrafik. Organisationer har derfor brug for indsigt i, hvilke tjenester der bruges, og hvordan virksomhedsdata bevæger sig igennem dem.
Overvågning bør forblive proportional og respektere medarbejdernes privatliv. Målet bør være at identificere risikable værktøjer og datastrømme uden rutinemæssigt at kontrollere indholdet af hver enkelt prompt eller samtale.
Her er nogle tips til at identificere skygge-AI i Deres organisation:
Opret en oversigt over AI-brug
Spørg teams, hvilke AI-værktøjer de i øjeblikket bruger, hvilke opgaver de bruger dem til, og hvad der forhindrer dem i at bruge godkendte alternativer. En kort undersøgelse, interview med afdelingsledere og en frivillig oplysningsperiode kan afsløre brug, som tekniske kontroller overser. Medarbejdere er mere tilbøjelige til at være ærlige, når målet er at forstå deres behov frem for at straffe tidlig eksperimentering.
Gennemgå netværks- og applikationsaktivitet
Sikkerhedsteams kan bruge netværkslogge, softwareoversigter og værktøjer til skysikkerhed til at identificere forbindelser til kendte AI-tjenester. Overvågning kan vise, hvilke tjenester der fås adgang til, og hvor meget data der overføres, uden at indfange indholdet af hver enkelt samtale.
Gennemgå browserudvidelser og plugins
Browserudvidelser kan tilføje AI-funktioner til skrivning, opsummering, oversættelse, møder og kodning til næsten enhver arbejdsgang. Gennemgå, hvilke udvidelser der er installeret, hvilke tilladelser de anmoder om, og om de kan læse websideindhold, e-mail, dokumenter eller login-oplysninger.
Tjek udgiftsbilag og indkøbsoptegnelser
Medarbejderes udgiftsbilag, kontoudskrifter for firmakort og indkøbsoptegnelser kan afsløre betalte AI-abonnementer, der aldrig har gennemgået et sikkerhedstjek. Gentagne betalinger fra forskellige teams kan også afdække dobbelte værktøjer og uofficielle konti.
Søg efter uadministrerede API-nøgler og integrationer
Gennemgå kildekodelagre, secrets managers, sky-miljøer, faktureringskontrolpaneler og automatiseringsplatforme for forbindelser til eksterne AI-udbydere. Uadministrerede API-nøgler eller ukendte forbrugsafgifter kan indikere en prototype, integration eller et internt værktøj, der ikke er formelt godkendt.
Brug kontrolforanstaltninger til forebyggelse af datatab
Værktøjer til forebyggelse af datatab kan identificere forsøg på at uploade følsomme kategorier af oplysninger såsom personaleregistre, legitimationsoplysninger, finansielle data og kildekode. Kontrolforanstaltninger bør være proportionale og kommunikeres tydeligt. Medarbejdere skal forstå, hvad der overvåges, hvorfor det er nødvendigt, og hvordan de udfører legitimt arbejde gennem godkendte systemer.
Arbejd sammen med medarbederne frem for udenom dem
Teknisk overvågning alene vil ikke afsløre alle tilfælde af skygge-AI. Medarbejdere kan bruge personlige konti, mobilenheder eller værktøjer, der fremstår som almindelig webtrafik. Regelmæssige drøftelser med teams kan identificere, hvor eksisterende arbejdsgange skaber gnidninger, og hvorfor medarbejderne søger eksterne værktøjer.
Sådan reduceres risici ved skygge-AI
Reduktion af skygge-AI kræver praktiske alternativer, klare politikker, passende adgangskontroller, medarbejdertræning og løbende gennemgang. Effektive sikkerhedsforanstaltninger bør støtte legitim AI-brug, samtidig med at virksomhedens data holdes inden for godkendte systemer:
Giv medarbederne et godkendt AI-værktøj
Medarbejdere er mindre tilbøjelige til at søge efter alternativer, når De stiller en AI-assistent til erhverv til rådighed, der opfylder deres praktiske behov. Ethvert godkendt værktøj bør tilbyde stærk privatlivsbeskyttelse, klare vilkår for datahåndtering, passende virksomhedskontroller og tilstrækkelig kapacitet til at understøtte almindelige opgaver.
Undgå et totalforbud
Et fuldstændigt forbud kan skubbe AI-brugen yderligere under radaren, især når medarbejderne allerede er afhængige af disse værktøjer. Nogle kan skifte til personlige konti, mobilenheder, browserudvidelser eller mindre velrenommerede AI-tjenester, som er sværere for organisationen at identificere.
Opret en politik for acceptabel AI-brug
Brug eksempler baseret på reelle arbejdsgange. »Del ikke følsomme oplysninger« giver for meget plads til fortolkning. En klarere politik kan instruere medarbejderne om aldrig at uploade eksporter fra kundesupport, kildekode, kontrakter, legitimationsoplysninger, ikke-offentliggjorte regnskabsresultater eller identificerbare medarbejderoptegnelser til en ikke-godkendt tjeneste.
Klassificer data før fastsættelse af AI-regler
Identificer, hvilke kategorier af oplysninger der er offentlige, interne, fortrolige, regulerede eller strengt fortrolige. Forbind hver kategori med tilladte AI-anvendelser. Offentlig marketingtekst kan være passende til et bredere udvalg af værktøjer, mens personoplysninger, legitimationsoplysninger, forretningshemmeligheder og fortroligt juridisk materiale kan kræve et strengt kontrolleret system eller udelukkes helt.
Gennemgå med jævne mellemrum godkendt software for nye AI-funktioner
En applikation kan behandle data anderledes efter tilføjelse af en AI-assistent, automatisk transkription, indholdsgenerering eller prædiktiv analyse. Regelmæssige leverandørgennemgange kan identificere disse ændringer og bekræfte, at tidligere godkendte værktøjer fortsat opfylder organisationens krav til sikkerhed, privatliv og compliance.
Begræns tilladelser
Giv kun AI-værktøjer adgang til de data og systemer, der er nødvendige for en godkendt opgave. Brug virksomhedsstyrede konti, single sign-on (SSO), to-faktor-godkendelse (2FA), rollebaserede tilladelser og centraliseret kontofjernelse, hvor det er muligt. Undgå at forbinde en AI-assistent til erhverv til et helt drev, en indbakke eller en kundedatabase, når en mere afgrænset kilde er tilstrækkelig.
Fastsæt regler ud fra rolle og anvendelsesscenarie
Forskellige teams har forskellige behov og risikoniveauer. Udviklere kan have brug for API-adgang til test eller prototyping. Marketingteams kan have brug for tekst- og billedgenerering. Juridiske teams eller HR-teams kan arbejde med oplysninger, der kræver meget strengere restriktioner. Rollebaserede regler kan holde politikken realistisk, samtidig med at adgangen til følsomme data og højrisikofunktioner begrænses.
Uddan medarbejderne
Medarbederne har brug for tilstrækkeligt AI-kendskab til at forstå både fordelene og begrænsningerne ved de systemer, de bruger. Uddannelsen bør dække AI-privatliv, fortrolighed, hallucinationer, bias, intellektuel ejendomsret, prompt injection, menneskelig gennemgang og hændelsesrapportering. Det passende uddannelsesniveau afhænger af personalets viden, erfaring og den kontekst, hvori AI’en benyttes.
Opret en simpel godkendelsesproces
En velfungerende proces kan indsamle værktøjets navn, den tilsigtede opgave, de involverede data, krævede integrationer og den forventede forretningsmæssige fordel. Sikkerheds- og jurateams kan derefter godkende, begrænse, teste, sandkassekøre eller afvise det baseret på den reelle risiko. En lang indkøbsproces kan tilskynde medarbejderne til at finde deres egne omveje. Fastsæt et rimeligt mål for gennemgangstiden, og forklar, hvilke oplysninger der kræves for at træffe en beslutning.
Hold mennesker ansvarlige for resultatet
AI-assisteret arbejde bør have en menneskelig ejer. Kræv en gennemgang, før resultater påvirker kunder, medarbejdere, økonomi, juridiske beslutninger, produktionskode, offentliggjorte oplysninger eller andre områder med stor gennemslagskraft. Enhver person, der bruger et AI-værktøj, forbliver ansvarlig for at kontrollere dets nøjagtighed, hensigtsmæssighed, fortrolighed og overholdelse af virksomhedens politik.
Dokumenter vigtige AI-assisterede beslutninger
Før en klar optegnelse, når AI bidrager til beslutninger, der påvirker kunder, medarbejdere, økonomi, juridiske anliggender eller andre områder med stor gennemslagskraft. Et pålideligt revisionsspor understøtter ansvarlighed og hjælper organisationer med at efterforske fejl, forklare resultater og besvare klager eller lovgivningsmæssige spørgsmål.
Hvad De skal gøre, hvis følsomme data allerede er blevet delt
Behandl en utilsigtet videregivelse til et AI-værktøj på samme måde som enhver anden potentiel datahændelse. Handl hurtigt igennem følgende trin.
Identificer, hvad der blev delt: Bekræft, hvilke oplysninger der blev indtastet eller uploadet, hvilket værktøj og hvilken konto der blev brugt, hvornår videregivelsen fandt sted, og hvem der muligvis har haft adgang til dataene.
Fjern oplysningerne, hvor det er muligt: Slet samtalen og eventuelle uploadede filer fra værktøjet. Tjek udbyderens vilkår og supportmuligheder for at se, om De kan indsende en formel anmodning om sletning.
Tjek, hvad udbyderen gemmer: At fjerne en chat fra visningen sletter ikke altid enhver kopi. Gennemgå og dokumenter, hvad udbyderen oplyser om driftslogge, sikkerhedskopier, menneskelig gennemgang, modeltræning og tidsrammer for sletning, for at hjælpe med at afgøre, om der kan være data tilbage.
Sikr berørte systemer: Tilbagekald tilladelser givet til AI-værktøjet eller forbundne plugins. Roter eventuelle adgangskoder, API-nøgler, adgangstokens eller andre legitimationsoplysninger, der optrådte i prompten eller de vedhæftede filer.
Underret de relevante teams: Rapporter hændelsen til organisationens sikkerheds-, privatlivs-, juridiske eller databeskyttelsesteam. De kan vurdere kontraktlige forpligtelser, lovkrav, og om berørte kunder eller partnere skal informeres.
Lær af hændelsen: Dokumenter, hvad der skete, og brug det til at forbedre uddannelse, kontroller og godkendte alternativer. Undgå at straffe medarbejdere, der indberetter oprigtige fejl, da en afstraffende reaktion kan afskrække andre fra at rapportere fremtidige hændelser.
En privat AI-assistent til teams
Lumo for Business giver Deres team en pålidelig AI-assistent til at opsummere dokumenter, analysere data, gennemgå kode, udarbejde indhold og udforske idéer, samtidig med at den hjælper Deres virksomhed med at opretholde kontrollen over fortrolige oplysninger.
Vores AI-assistent til erhverv gemmer ikke logge over samtaler og bruger dem ikke til at træne AI-modeller, og enhver chathistorik, De vælger at gemme, er beskyttet med nul-adgang-kryptering, hvilket betyder, at vi aldrig har adgang til Deres data
Lumo er fuldt ud open source, bygget i Europa og designet til at understøtte overholdelse af GDPR og HIPAA gennem Protons ISO 27001-certificering og SOC 2 Type II-attestering.
At give Deres team en dygtig, privatlivsfokuseret AI-assistent reducerer afhængigheden af ikke-godkendte værktøjer og hjælper Dem med at holde AI-brugen inden for systemer, De fører tilsyn med.
